創科宇宙/醫療健康AI從概念走入現實\梁頴宇

一年一度的摩根大通醫療健康大會於上周舉行，一連四日的會議匯聚了全球頂尖製藥巨頭、生物科技先鋒，以及全球投資者，在會上就最新的研究及業務發展深入交流。今年，面對席捲全球的AI洪流，幾乎所有參與者在場內外都會談及AI，核心議題從以往「是否擁抱AI」轉變為「用AI重塑價值鏈」。

不少與會者分享了自家經驗，從藥物研發的早期探索到臨床試驗的優化，從患者診療的精準化到醫療運營的智能化，深入剖析生成式AI如何賦能新藥發現，大模型如何提升臨床決策效率，知識圖譜如何構建智能醫療大腦，以及全球領先的藥械營養保健跨國企業如何將AI融入其核心戰略。

今年大會最引人注目的一個話題，莫過於禮來與英偉達共同宣布，雙方計劃在未來五年內投入超過10億美元，建立一個新的AI聯合創新實驗室，旨在構建能夠持續學習的AI系統，以加速新藥發現。這一合作的核心，在於將英偉達先進的AI模型與實驗室自動化設備、機器人技術相結合，實現高通量實驗的自主設計、執行和數據採集。

生成式人工智能（GenAI）在藥物發現階段能夠顯著縮短時間、降低成本，成為加速藥物發現、優化臨床設計、個性化患者護理的關鍵驅動力，早已是行業內的共識。但一個更引人注目的趨勢是代理式AI（Agentic AI）的興起，它代表了AI從被動執行指令到主動識別問題、規劃並執行解決方案的演進。

英偉達與禮來正是瞄準了這一巨大機會，通過AI與機器人技術的結合，將藥物研發的效率提升到一個新的水準。例如，AI可以指導機器人進行精確的液體處理、細胞培養和化合物篩選，大大提高實驗效率和重複性，加速新藥的合成、篩選和優化，從而加速新藥從實驗室走向臨床的進程。

另一個值得注意的趨勢是多模態AI的崛起。眾所周知數據是AI的基石，但醫療領域的數據孤島現象嚴重，不同醫療機構、系統之間的數據互操作性差，阻礙了生成式AI潛力的充分發揮。如何打破數據壁壘，實現數據的安全共用和有效整合，一直是行內的一個痛點。知識圖譜（Knowledge Graph）作為一種能夠將實體、概念及其關係以結構化形式表示的技術，在本屆大會上被多次提及，為多模態數據互通指示了出路。

知識圖譜打破數據壁壘

知識圖譜能夠將散落在不同資料庫、文獻、臨床紀錄中的資訊，有效地組織、連接和推理，形成一個統一的、可機器理解的知識網絡，是AI發揮作用的關鍵。未來的醫療AI將不再局限於單一數據類型，而是能夠同時處理文本、語音、影像甚至視頻，實現跨模態、多任務的協同，為生成式AI和大模型提供更豐富的上下文和更準確的推理能力。可以從不同數據集，包括基因組學、蛋白質組學、醫學影像、電子病歷、可穿戴設備數據等，學習並生成新的洞察。

Illumina（因美納）在今年的大會上發布的「十億細胞圖譜」，正是這一趨勢的典型代表。該圖譜是因美納與阿斯利康、默克和禮來等領先藥企合作共建，利用CRISPR技術系統性地研究在200多種疾病相關細胞系中，開關2萬個基因後10億個單細胞的反應。這一專案預計在一年內產生20PB的單細胞轉錄組數據，並通過因美納的雲平台進行處理和分析，形成全球最大的全基因組遺傳擾動數據集。通過對如此龐大而精細的細胞數據進行分析，科學家們能夠更深入地理解疾病機制，發現新的生物標誌物，將使醫療決策更加全面和精準，並開發出更具針對性的治療方法。

此外，Anthropic在大會前一天發布了Claude for Healthcare，旨在為醫療服務提供商和支付方提供量身定製的AI工具和資源，簡化臨床文檔、監管提交和臨床試驗分析等行政工作流程，將大大加速AI在醫療行政和臨床支持領域的應用。OpenAI則推出了ChatGPT Health，容許個人用戶安全地上傳病歷和連接健康App，從而獲得個性化的健康諮詢和建議，標誌着AI開始直接賦能消費者，幫助他們更好地管理自身健康，不少患者已急不及待，開始自己用ChatGPT來分析化驗報告。

AI正以前所未有的廣度和深度重塑着整個醫療健康行業，從生成式人工智能驅動的藥物發現，到代理式AI提升運營效率，再到物理AI與機器人技術的融合，以及知識圖譜構建的智能醫療大腦，更深入地理解疾病的複雜性，開發出更有效的診斷工具和個性化治療方案。

（作者為創業投資者聯盟召集人）