AI医疗药物发现采用Transformer等生成式模型，其政策与监管影响主要围绕药品审批、数据合规与算法治理三大维度展开。 在药品审批上，生成式AI参与药物发现仍属新兴领域，监管态度趋向审慎；在数据合规上，医疗信息的敏感性决定了隐私保护是硬性要求；在算法治理上，医疗领域容错率低，专业化模型的监管框架尚在形成中。
药品审批与监管态度
在研发生产制造环节，AIGC相关的应用更多集中在药物发现环节以及CXO服务领域，生物制药企业构建Transformer等生成式模型来预测结构、发现药物。然而，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，这意味着AI驱动的药物发现距离成熟的审批路径仍有距离。
监管层面，医疗领域是一个高度专业化的领域，容错率低，需要医疗专业人士的专业知识和经验才能正确理解和解释相关问题。因此，药品审批机构对AI生成结果的验证标准、可解释性要求，以及对传统临床试验流程的适配，都是需要持续探索的方向。
数据合规与隐私保护
生成式AI在药物发现中需要依赖大量高质量、专有的医疗数据集进行训练，而医疗信息的敏感性是监管关注的核心。未来的主要改进方向之一在于加强用户隐私保护，确保AI系统不会泄漏用户的个人信息，同时需要引入专业医生进行质量检查和监督，确保AI提供的建议和指导符合医学实践标准和规范。
这意味着企业在训练Transformer模型时，需要严格遵守相关的法律法规和伦理规范，在数据采集、存储、使用和共享各环节建立合规体系。专有数据集虽是专业化模型的关键，但其获取与使用必须在隐私保护框架下进行。
算法治理与专业化模型
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会是专业化模型的关键。行业观点认为，定义明确的高价值工作流程将主要由专门的人工智能系统而不是通用的人工智能模型来解决——医疗正是典型的高价值、高专业化场景。
在算法治理层面，监管趋势指向对模型质量、人类反馈机制和专业化程度的更高要求。医疗领域的AI应用需要基于大量的可靠数据和高质量的临床实践基础，并不断改进和优化模型，才能更好地为患者和医务人员提供服务。这也意味着，从通用模型向专业化模型的实质性优化，将是符合监管预期的方向。
常见问题
生成式AI在药物发现中具体能做什么？
生成式AI可以在药物发现、疗效评估、模拟数据生成、自动化工作流程和提高效率等方面发挥重要作用。生物制药企业会构建Transformer等生成式模型来预测结构、发现药物。
医疗AI的监管为什么比一般AI更严格？
医疗领域容错率低，且涉及高度敏感的个人健康信息。AI在医疗中的应用需要基于大量可靠数据和高质量临床实践基础，严格遵守相关法律法规和伦理规范，并引入专业医生进行质量检查和监督。
通用大模型可以直接用于药物发现吗？
行业观点认为，高价值工作流程将主要由专门的人工智能系统解决。医疗领域尤其需要高质量的专业化模型，从通用模型开始进行实质性专业化以提高质量，是当前被看好的解决方向。