每經記者 陳星    每經編輯 張海妮    

11月1日，在2024四川網信“數智領航”第十四期川網聯“走進新質生產力前沿”系列活動暨第十屆生物醫學大數據·智能技術會議上，中國科學院院士、中國科學院生物物理研究所研究員陳潤生接受了《每日經濟新聞》記者的采訪。

陳潤生在采訪中談到人工智能大模型現在仍在初期階段，包括在生物醫藥行業的應用，仍然有一段漫長的路要走。可以說人工智能大模型在生物醫藥行業的應用才剛剛開始。

而未來，“人工智能大模型對整個醫療系統的應用和干預是全方位的，從治療前、治療中和治療后都將實現人工智能的應用。人工智能不僅會大大提升醫療的效率，還會使得整個醫療系統發生根本性的變化，變成覆蓋全民、全階段的醫療監督，改變整個醫療的范式。”他說。

中國科學院院士陳潤生 圖片來源：每經記者 陳星 攝

人工智能大模型在醫藥領域的應用剛開始

近日，2024四川網信“數智領航”第十四期川網聯“走進新質生產力前沿”系列活動暨第十屆生物醫學大數據·智能技術會議在成都舉行。會議現場，來自國內外的醫學專家、智慧醫療企業等各方代表共話健康數字新質生產力高質量發展。

作為我國最早從事理論生物學和生物信息學研究的科研人員之一，陳潤生表示，總的來說，人工智能大模型現在仍在初期階段，包括在生物醫藥行業的應用，仍然有一段漫長的路要走。可以說人工智能大模型在生物醫藥行業的應用才剛剛開始。

“這些早期的數據應用，包括病案管理、注冊基本信息的記錄、電子病歷的管理等，都是借助大數據實現了流程的自動化。借助這些數據，我們又可以從中分析規律性的部分，進而解決更多的實際問題。雖然仍然在早期，但大數據已經為生物醫藥行業做出了實質性的貢獻。”他說。

以藥物早期開發為例，過去的經驗是：要開發一款新藥，需要10年時間，投入10億美元。但有了大數據和人工智能的幫助，需要篩選的化合物種類可能從上萬種變成了上百甚至幾十種，搜索范圍變成了原本的1%，新藥前期開發的效率大大提升。這都是大數據和人工智能在生物醫藥領域的應用實踐。

數據標準化和整合力是構建醫藥大模型的關鍵

在陳潤生看來，所有的行業大模型都依賴算力和數據。

“首先，能不能做成一個行業大模型，關鍵在于建造者掌握了多少行業數據，所以數據是關鍵所在。但有了數據還需要解決兩個問題，一是數據的標準化，二是數據的整合。”他說。所謂數據的標準化，即數據的通用與互認，如果各機構或平臺產生數據的標準不統一，就失去了應用的基礎。而數據的整合則在于突破數據的單一所有限制，如果無法實現數據共享，大模型的作用及意義就隨之下降。

而要解決數據標準化和整合的問題，必須有帶頭的主體。陳潤生認為，以美國為例，解決數據標準化的主體可能是Open AI，而以醫療行業數據為例，則可能需要衛健等相關部門牽頭先解決數據源的標準規范問題。除了解決數據標準化問題外，要實現數據整合，也需要這樣的機構部門來牽頭。

此外，對于醫療機構而言，構建自己的醫藥大模型仍然是一個成本項目。對于大量受困于盈利問題中的醫院而言，如何構建和使用大數據和大模型，是一個成本和效益產出的問題。對此，陳潤生表示，“醫院認識的提高、管理部門的介入，會逐步解決這個問題。因為使用大數據已經是發展的必然，如果不走這一步，一定會被逐步淘汰。這不是做不做、什么時候做的問題，這是一個必須適應的趨勢。誰先做就掌握先機，誰就多獲益”。

陳潤生說：“人工智能大模型對整個醫療系統的應用和干預是全方位的，從治療前、治療中和治療后都將實現人工智能的應用。人工智能不僅會大大提升醫療的效率，還會使得整個醫療系統發生根本性的變化，變成覆蓋全民、全階段的醫療監督，改變整個醫療的范式。”