前言

生成式人工智能（ ，以下简称GAI）作为人工智能领域的重要分支，正逐渐引起广泛关注。GAI以其独特的生成能力和创造性，也正在改变医疗和医药行业的面貌，为其带来了巨大的变革和潜在收益。

在健康咨询方面医疗智能问答，GAI可以为患者提供个性化的治疗建议和管理方案；在医学学术科研过程中，GAI驱动的应用可以自动生成文献摘要和总结，极大地提高了医学研究和临床实践的效率；在药物研发和临床试验中，GAI的应用也显示出巨大的潜力，能够辅助药物的筛选和设计，加速研发过程并提高成功率。

尽管生成式人工智能在医疗和医药领域中带来了许多优势，但也面临着一些挑战。其中包括数据安全和隐私问题、技术可信度和解释性问题，以及道德和伦理问题。解决这些挑战将是促进生成式人工智能在医疗和医药行业中广泛应用的关键。

一、生成式人工智能概述

随着、 等重磅产品的发布，生成式人工智能受到社会各界的广泛关注。生成式人工智能成为当前人工智能领域的一大趋势和热点；该技术利用先进的机器学习模型、深度学习模型医疗智能问答，从训练数据中学习统计规律，并根据所学知识生成新的文本、图像、视频或音频内容。与传统的人工智能任务不同，GAI不仅可以分析数据，还可以主动创建新内容，在自然语言、图像、视频、音乐创作等领域都展示了强大的创作能力。

图1 生成式人工智能发展历程

伴随着人工智能技术的快速发展，以BERT、LaMDA、为代表的大模型快速迭代优化，全球生成式AI产业迎来了发展热潮，相关场景应用不断丰富。生成式人工智能凭借其强大的任务迁移能力和生成能力，正在推动营销、电商、金融、游戏文娱等多个行业的进步和变革。但生成式人工智能的强大能力，高度依赖于其背后的AI大模型。

图2 生成式人工智能的行业应用场景

当前，国内外市场的生成式人工智能产品和服务呈现出“一超多强”的倒金字塔格局：一方面，、、Meta、百度等拥有强大算力、先进算法的大型科技公司率先开发了基础层通用大模型，并以Model as a （MaaS）的形式进行收费；另一方面，中小型开发者通过调用基础层大模型的API，能够以较低的训练成本、较小的算力基础设施，开发出多样化、个性化、场景化的引用，满足消费级别的个性化需求。然而考虑到算力设施成本、数据隐私与安全问题，希望使用生成式人工智能赋能行业的企业通常更有意愿采用在专有数据方面微调训练后的垂直领域中间层模型。

图3 生成式人工智能赋能行业应用：开发中间层专用模型

二、生成式人工智能在医疗行业中的应用

大语言模型在医疗大健康领域具有广阔的应用前景。随着大语言模型的不断涌现，国内外大模型玩家迅速入场医疗大健康领域，已经在多个场景中开发出了能够辅助患者、医护人员、药械企业的应用。

图4 医疗领域行业大模型（截至2023.07）

图5 大模型全方位助力药企产品全生命周期

三、结论

生成式人工智能凭借强大的学习和生成能力，在医疗健康领域展现出巨大应用前景。从技术的视角看，生成式人工智能可以大规模自动化完成知识型工作，提高行业工作效率；也能够持续不断工作，提供超越人类的信息处理能力；并且可以深度学习患者数据，支持个性化健康管理方案。然而，在医疗领域应用生成式人工智能，仍需考虑数据隐私与合规、技术可靠性与可解释性，以及医疗领域可能存在的伦理与道德问题。

从产业落地的视角来看，生成式人工智能在生命健康行业的发展，有赖于开源创新理念与行业专业数据的结合。一方面，基础模型开源的理念将可降低研发门槛，促进医疗AI专业大模型的产业化；另一方面，基于企业自身数据资产和私有部署的解决方案，可帮助企业快速建立医疗医药领域的垂直领域专业模型。展望未来，联合产学研力量，深化模型在药物设计、精准医疗等领域的创新应用，将是医疗领域生成式AI可持续发展的必由之路。