Transformer模型正从药物发现环节向临床试验、老药新用等下游场景延伸，AI医疗的下游应用需求结构呈现研发生产与诊疗流程双轮驱动的特征，其中高价值工作流程将主要由专门化AI系统主导。
生成式AI在药物发现之外的延伸
当前，AIGC在研发生产制造环节的应用更多集中在药物发现环节以及CXO服务领域。例如，生物制药企业构建Transformer等生成式模型来预测结构、发现药物；CRO企业则在已有数据基础上训练生成式语言模型，以更好地服务临床。这体现了从早期靶点发现向临床前研究与试验设计环节的拓展。
诊疗流程与老药新用的需求结构
在诊疗环节，AI技术通过工作流程改进、新数据集成和个性化互动体验，为辅助问诊、健康管理等领域注入活力，并在心理健康等专病领域带来创新应用。老药新用（药物重定位）作为药物发现的重要分支，同样依赖生成式模型对已有药物分子进行结构预测和疗效评估，从而降低研发成本与周期。
不同药企的需求差异
不同药企对AI的需求存在显著差异：大型药企倾向于自建或合作开发专业化模型，以应对高价值、容错率低的研发工作流；而中小型药企及CRO企业则更多依赖通用大模型接入API，或与垂类创业公司合作，聚焦于特定场景的快速验证。医疗领域尤其需要高质量的专业化模型，其中高质量、用户反馈和专有数据集将是专业化模型的关键。
常见问题
生成式AI在医疗领域的主要应用方向有哪些？
生成式AI在药物发现、疗效评估、模拟数据生成、自动化工作流程和个性化医疗等方面发挥重要作用，同时也在辅助问诊、健康管理等诊疗环节带来变革。
Transformer模型在药物发现之外还能用于哪些场景？
除药物发现外，Transformer模型还可用于CRO企业的临床服务优化、老药新用的分子预测，以及3D医学影像重建和脑部疾病影像分析等生成式任务。
AI医疗应用目前处于什么阶段？
当前AIGC在医疗领域的应用还处于起步阶段，成规模的应用主要在聊天机器人领域，未来改进方向包括加强用户隐私保护和引入专业医生进行质量监督。