11月1日，在2024四川网信“数智领航”第十四期川网联“走进新质生产力前沿”系列活动暨第十届生物医学大数据·智能技术会议上，中国科学院院士、中国科学院生物物理研究所研究员陈润生接受了《每日经济新闻》记者的采访。

陈润生在采访中谈到人工智能大模型现在仍在初期阶段，包括在生物医药行业的应用，仍然有一段漫长的路要走。可以说人工智能大模型在生物医药行业的应用才刚刚开始。

而未来，“人工智能大模型对整个医疗系统的应用和干预是全方位的，从治疗前、治疗中和治疗后都将实现人工智能的应用。人工智能不仅会大大提升医疗的效率，还会使得整个医疗系统发生根本性的变化，变成覆盖全民、全阶段的医疗监督，改变整个医疗的范式。”他说。

人工智能大模型在医药领域的应用刚开始

近日，2024四川网信“数智领航”第十四期川网联“走进新质生产力前沿”系列活动暨第十届生物医学大数据·智能技术会议在成都举行。会议现场，来自国内外的医学专家、智慧医疗企业等各方代表共话健康数字新质生产力高质量发展。

作为我国最早从事理论生物学和生物信息学研究的科研人员之一，陈润生表示，总的来说，人工智能大模型现在仍在初期阶段，包括在生物医药行业的应用，仍然有一段漫长的路要走。可以说人工智能大模型在生物医药行业的应用才刚刚开始。

“这些早期的数据应用，包括病案管理、注册基本信息的记录、电子病历的管理等，都是借助大数据实现了流程的自动化。借助这些数据，我们又可以从中分析规律性的部分，进而解决更多的实际问题。虽然仍然在早期，但大数据已经为生物医药行业做出了实质性的贡献。”他说。

以药物早期开发为例，过去的经验是：要开发一款新药，需要10年时间，投入10亿美元。但有了大数据和人工智能的帮助，需要筛选的化合物种类可能从上万种变成了上百甚至几十种，搜索范围变成了原本的1%，新药前期开发的效率大大提升。这都是大数据和人工智能在生物医药领域的应用实践。

数据标准化和整合力是构建医药大模型的关键

在陈润生看来，所有的行业大模型都依赖算力和数据。

“首先，能不能做成一个行业大模型，关键在于建造者掌握了多少行业数据，所以数据是关键所在。但有了数据还需要解决两个问题，一是数据的标准化，二是数据的整合。”他说。所谓数据的标准化，即数据的通用与互认，如果各机构或平台产生数据的标准不统一，就失去了应用的基础。而数据的整合则在于突破数据的单一所有限制，如果无法实现数据共享，大模型的作用及意义就随之下降。

而要解决数据标准化和整合的问题，必须有带头的主体。陈润生认为，以美国为例，解决数据标准化的主体可能是Open AI，而以医疗行业数据为例，则可能需要卫健等相关部门牵头先解决数据源的标准规范问题。除了解决数据标准化问题外，要实现数据整合，也需要这样的机构部门来牵头。

此外，对于医疗机构而言，构建自己的医药大模型仍然是一个成本项目。对于大量受困于盈利问题中的医院而言，如何构建和使用大数据和大模型，是一个成本和效益产出的问题。对此，陈润生表示，“医院认识的提高、管理部门的介入，会逐步解决这个问题。因为使用大数据已经是发展的必然，如果不走这一步，一定会被逐步淘汰。这不是做不做、什么时候做的问题，这是一个必须适应的趋势。谁先做就掌握先机，谁就多获益”。

陈润生说：“人工智能大模型对整个医疗系统的应用和干预是全方位的，从治疗前、治疗中和治疗后都将实现人工智能的应用。人工智能不仅会大大提升医疗的效率，还会使得整个医疗系统发生根本性的变化，变成覆盖全民、全阶段的医疗监督，改变整个医疗的范式。”