ChatGPT，能給“AI+醫療”加把火嗎？

來源：億歐健談

圖片來源：由無界AI生成

在2023年過去的八個月裡，生成式AI的繁榮毋庸置疑。

各大巨頭如百度、阿里雲、科大訊飛、京東健康紛紛下場，聲勢浩大地推出自己的大模型。不甘讓一家獨大，一場刺刀見紅的“百模大戰”一觸即發。很快，這場風也迅速刮向了嚴肅、強監管的醫療領域。

AI製藥命運的齒輪再次轉動，7月12日，站在風口之巔的英偉達向生物科技公司Recursion投資5000萬美元，以加速人工智能藥物發現領域的突破性基礎模型。這一動作被業內解讀為賺麻了的英偉達，對AI製藥的進一步押注。

“皮衣教主”黃仁勳更是高調表態：**“生成式AI是發現新藥物和治療方法的革命性工具。”**在外界看來，萬億美元市值的英偉達，一舉一動都值得深究，現階段的AI製藥或許仍處於價值窪地。

資本再次聽到了搏命狂奔的鼓聲，8月21日，源自斯坦福大學的AI製藥公司Genesis Therapeutics宣布完成2億美元的超額認購B輪融資。國內藥物模擬研發平台“深勢科技”完成新一輪超7億元人民幣融資，英矽智能也在衝刺“AI製藥第一股”……

醫療問診、輔助診斷、醫療數字化營銷、中醫等企業均捲入其中，爭一個上桌機會，一片沸騰。

盛景之下，北京市衛生健康委日前發文，明確將加強互聯網診療活動監管，嚴禁使用人工智能等自動生成處方；人工智能軟件等不得冒用、替代醫師本人提供診療服務。

狂熱與迷茫交織，人們不免好奇：**ChatGPT，能給“AI+醫療”加把火嗎？它能應用於哪些醫療健康細分場景？實現何種程度的賦能？ **

01 AI的倚天劍，難破藥物研發陣

藥物研發，有個聞風喪膽的雙十定律：即研發一款新藥，需要至少十年時間，十億美金。 AI製藥的出現，讓人們看到一鍵生成新分子的可能，但價值驗證、商業焦慮成為相關企業們縈繞不去的拷問。

**當AI進化成通用模型的ChatGPT，這把被寄予厚望的倚天劍，能否真正解決藥物研發的成本問題和失敗率？ **答案可能並不樂觀。

在大多數人的設想中，人工智能技術可以通過自然語言處理和機器學習等算法，幫助研發者們迅速篩選有潛力的藥物分子。同時，借助大量藥物研發數據，不僅快速找到下一個“十億美元分子”，還可以預測藥物的副作用和藥物代謝。

券商研報曾勾勒出一幅令人心神嚮往的圖景：通過機器學習、深度學習等方式賦能藥物靶點發現、化合物篩選等環節，能夠使新藥研發的成功率從12%提高到14%，每年為全球節約化合物篩选和臨床試驗費用約550億美元。

AI的技術變革如一把突如其來的野火，試圖燒掉生物醫藥研發雙十困境的“籬笆牆”。 2021年，AI製藥企業乘風而起，在全球資本市場上演了逐富故事。 270多家從事AI藥物研發的公司如雨後春筍般成立，涵蓋了靶點發現到上市後的藥品追踪。人們透過一筆筆真金白銀的融資、交易與合作，看到了一個被徹底激活的AI製藥市場。

不過，價值驗證也讓AI製藥曾經捲起的泡沫驟然破裂。 2022年，全球首款由人工智能設計的分子DSP-1181被日本住友製藥停止開發，原因為臨床I期的研究並未達到預期標準。此前Exscientia曾高調宣稱，整個項目從提出概念到確定分子，只用了不到一年，而行業平均是4.5年。

英國AI製藥上市公司BenevolentAI亦因為BEN-2293的IIa期臨床試驗折戟，宣布裁員近180人，近乎公司的一半。不少AI製藥的管線，步入臨床階段之後悄然消失。一眾AI製藥市值自由落體，不少AI+新藥研發的公司現金幾近枯竭，股價不足1美元。 AI製藥管線的新穎性，亦被行業所質疑。

當創新藥低垂果實被摘盡，ChatGPT能否成為打破新藥研發反摩爾定律的利器？ **“其實我們現在缺的可能不是算力，而是我們並沒有很多高質量的有效數據。”**晶泰科技首席執行官馬健在第四屆全球生物醫藥技術大會暨展覽會上如此指出。

事實上，算力、算法、數據三個重要因素構成了人工智能機器學習。東吳證券研報指出，數據決定了訓練模型的深度，算法決定了效率和產出，算力決定了AI可實現的維度。 **GPT雖然足夠顛覆，但更多聚焦於算力資源的增強，而未能解決掣肘新藥最大的困難——高質量研發數據的鴻溝。 **

創新藥物研發數據，對於藥企而言，極為敏感與珍貴，一般不願共享，而這也造成了高質量數據難得的境況。此外，學術文獻、研究挖掘也面臨著負樣本缺乏等隱藏雷點。

至少在當下，儘管有ChatGPT加持，AI製藥扮演更多還是輔助角色，期待未來有更多突破。

02 多模態的屠龍刀，變革輔助診斷

試想一個場景，當你需要了解某種藥物的功能及使用方法，數字人在大屏幕前細心叮囑注意事項，無須再去拿著說明書一字一句仔細看。

而這就是GPT此類大模型的魅力，醫渡雲首席數據科學家彭滔此前曾觀點鮮明地表示，幾乎所有的醫療產品/路徑，都可以用大語言模型去重新梳理一遍，去真正發揮它的價值。

儘管投資熱點目前仍集中於大模型、數據庫，而在GPT向上生長的過程中，報告解讀、病歷質控、輔助診斷、知識問答等方面或將被重塑。

7月12日，谷歌公司的醫療問診AI Med-PaLM的研究團隊在《自然》雜誌發布了研究成果，一組臨床醫生對谷歌和DeepMind團隊的醫療大模型Med-PaLM回答的評分高達92.6% ，與現實中人類臨床醫生的水平（92.9%）相當。

隨後，《Towards Generalist Biomedical AI》論文更是展現了大型多模態生成模型多任務模式的潛力。 Google Research和Google DeepMind的研究團隊發現，Med-PaLM M已經可以執行醫學圖像分類、醫學問答、視覺問答、放射學報告生成和總結、基因組變異調用等14種不同的生物醫學任務。

而在246份真實胸部X光片中，臨床醫生表示，在高達40.50%的病例中，Med-PaLM M生成的報告都要比專業放射科醫生的更受采納。

“如今，我們應轉向一個由三方組成的結構，將類似GPT-4的AI實體納入其中，作為這個三角關係的第三支柱。”《超越想像的GPT醫療》書中指出，傳統醫學通常指的是醫生與患者之間的神聖紐帶——一對雙向關係，GPT可以作為第三方，類似於醫生的輔助角色。

全新的醫療三方模式下，醫生與GPT共同構成了診療主體。當患者接受檢查時，AI和醫生共同參與了診療，從而確保診療的準確度。無論GPT在醫療領域扮演何種角色，始終需要讓人類參與審查其生成的所有輸出，最大程度規避技術存在的風險與不足。

日前，北京市衛生健康委發布《北京市互聯網診療監管實施辦法（試行）》，醫療機構開展互聯網診療活動要加強藥品管理，嚴禁使用人工智能等自動生成處方，嚴禁在處方開具前向患者提供藥品。此舉意在規範互聯網診療活動，亦是盡可能消弭人工智能的風險性。

京東健康、百度健康、深睿醫療、醫聯、東軟、左手醫生等公司紛紛推出了自己的醫療垂類大模型，應用場景多聚焦於輔助問診、輔助診斷、健康諮詢、醫學智慧影像等。

“醫療科技企業與基礎大模型企業積極合作，AI大模型醫療健康生態正在逐步建立。行業推進的速度很快，留給產業觀察、學習、思考的時間不多，有更多資源更強生態能力的企業、機構、政府可以更大力度的參與。”億歐董事總經理、億歐大健康總裁高昂一針見血指出。

儘管ChatGPT的表現令人欣喜，但新功能往往與新風險如期而至，GPT會傾向於編造信息，這有時會成為“幻覺”。大語言模型的信息需要定期更新，以保持準確性與時效性，不然極易誤導使用者。

03 顛覆病曆書寫

相較於在藥物研發領域的“關山難越”，病曆書寫或是ChatGPT能實現顛覆的細分場景之一。

“對於許多專注於開發自動化臨床文書產品的公司來說，GPT-4 看起來將成為一項顛覆性的技術。”《超越想像的GPT醫療》曾如此總結。

當作者們在2023年初寫下這段文字時，也許已經預見到接下來的日子裡，GPT-4在應對醫護日常工作中最煩瑣、負擔最重部分的潛力。

今年3月，微軟的語音識別子公司Nuance Communications 發布了一個AI GPT-4 驅動的醫護人員臨床筆記自動記錄和生成的工具，預期可以把口頭患者就診轉換為臨床筆記的過程從原來的4小時縮減到幾秒鐘內自動生成病歷草稿，大大減輕醫生的行政負擔。

眾所周知，診療過程中有大量的文書書寫工作。美國醫學協會在2016年資助的一項研究發現，醫生每花一個小時與病人在一起，他們就會在病歷文書工作上多花兩個小時。該研究表明，醫生不得不，在下班後再多花一到兩個小時處理病歷文書工作。 《美國醫學院協會雜誌》2017年調研發現，超過三分之二的受訪醫生坦言，病歷文書工作負擔過重。

在我國，這個情況也不容樂觀。多地三甲醫院醫護人員曾因病曆書寫不規範，收到當地衛健委的“罰單”。廣為人知的電子病歷雖然取代了手寫紙張病歷，但是醫護人員面對屏幕的時間也越來越長。

GPT的出現，讓人們看到減輕醫護人員負擔的可能。在信息抽取上，它可以將大段臨床文本進行結構化；在數據清洗層面，ChatGPT可以在一定範圍內提供一致性校驗工作。通過整合多種來源和格式數據，提升醫療效率與質量。

溫州國際和平醫院曾經做了一項測試，在測試病例中，他們設置了一些“陷阱”，包括格式不規範、標點錯誤、藥名錯誤、藥品用法缺失。在直接要求ChatGPT生成報告後，令人欣喜的是，它能成功生成相關醫療報告，並主動修正了格式和標點錯誤，並且添加了兩句總結。

**“AI應用首先應該從'高影響、低風險'的應用領域開始，例如，簡化醫務人員的行政性工作負擔問題。”**微軟全球首席醫療官David Rhew一針見血指出。

醫療領域與人類生命健康息息相關，監管極為嚴格。企業如果直接利用ChatGPT開發麵向臨床診斷和患者的診療服務，直面的風險與挑戰或將難以預料，僅是獲批就可能是一條漫漫長途。相比之下，病歷文書或其他“後台”任務則不需要復雜的安全性監管控制，需求卻真實存在，且成為困擾之一。

微軟、谷歌和亞馬遜等公司皆把目光望向此處。在David Rhew看來，**人工智能的初始應用就好像，大家剛剛有了汽車，但是停車標誌、交通信號燈等管理措施尚未就緒。 **“我們仍然需要進一步弄清楚如何一起做好這一項工作。”他補充道。

可以明確的是，ChatGPT本身並非人工智能終極目標，它只是未來一系列更為偉大的AI里程碑之一。屆時，它在醫療領域的顛覆將更加值得期待。