生物制药企业正将 Transformer 等生成式模型用于预测结构、发现药物，这标志着 AI 医疗正从概念走向实际研发场景。AI 医疗市场具备显著的增长空间，其核心驱动力来自生成式 AI 在药物发现环节的落地、产业链的成熟以及医疗领域对专业化模型的迫切需求。当前 AIGC 在医疗领域的应用仍处于起步阶段，成规模的应用主要集中在聊天机器人领域，这意味着药物研发等更高价值的场景尚未充分释放，增长潜力可观。

生成式 AI 如何改变药物发现

人工智能技术在医疗领域的应用主要包括判别式 AI 和生成式 AI 两种类型。判别式 AI 擅长图像识别与分类，在疾病识别、影像分析、疗效预测等方面实现更高准确度；而生成式 AI 的核心在于生成全新的数据样本，更关注理解人类意图和复杂场景。

在研发生产制造环节，AIGC 的应用更多集中在药物发现及 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。生成式 AI 的独特价值在于，它能够合成新的数据样本，这在需要生成全新分子结构或模拟药物相互作用的场景中具有不可替代的作用。

市场规模与增长驱动力

AI 医疗市场的增长空间可以从产业链结构和应用趋势两个维度理解。AIGC 产业由上游基础设施、中游算法模型、下游应用拓展三部分构成。从成本效益角度，基础层和模型层的搭建适合有规模效应的大厂和平台，而创业公司在应用层面的探索和突破可能成为未来主要趋势。

增长驱动力主要体现在三个方面：

  • 专业化模型需求：医疗领域容错率低，尤其需要高质量的专业化模型。从通用人工智能模型出发，进行实质性专业化以提高质量，是行业明确的发展方向。
  • 关键要素积累：高质量、用户反馈和专有数据集是专业化模型的关键。医疗领域需要基于大量可靠数据和高质量临床实践基础，并严格遵守法律法规和伦理规范。
  • 生态开放与分工：大模型通过插件构建面向终端用户的细分场景，垂类赛道下的专业化模型被认为是重要解决方案。医疗领域的高价值工作流程，预计将主要由专门的人工智能系统解决。

值得注意的是，医疗信息的敏感性使得技术普及到普通消费者仍需时间，这也意味着市场增长将是一个渐进但持续的过程。

常见问题

生成式 AI 与判别式 AI 在医疗领域的区别是什么？

判别式 AI 通过学习输入输出数据的映射关系进行预测，适合图像识别、分类等数据集单一的场景；生成式 AI 则生成全新数据样本，适合数据集丰富、需要创造新内容的场景，如 3D 医学影像重建、脑部疾病影像分析、药物发现等。

AI 医疗目前的应用处于什么阶段？

当前 AIGC 在医疗领域的应用仍处于起步阶段，成规模的应用主要在聊天机器人领域，例如谷歌推出的大型医用语言模型 Med-PaLM 2。药物发现、个性化医疗等高价值场景仍处于早期探索阶段，增长空间较大。

医疗领域应用 AI 面临哪些关键挑战？

医疗领域高度专业化、容错率低，需要基于大量可靠数据和高质量临床实践，并严格遵守法律法规和伦理规范。此外，用户隐私保护、专业医生的质量检查和监督、以及专有数据集的积累，都是模型落地前必须解决的问题。