2024年诺贝尔化学奖授予了在蛋白质结构预测和设计领域运用AI技术的科学家，这一荣誉再次激发了公众对于“AI赋能生命科学”的无限遐想。诸如“AI制药”与“AI诊疗”等概念迅速升温，成为了科技界与医疗界的热门话题。AI大模型的崛起，究竟能为生物医药研究带来多大的推动力？同时，它又面临着哪些亟待解决的挑战？

近日，中国人民大学在深圳举办了以“新时代中国公共政策创新与国家发展”为主题的深圳论坛2024系列活动。其中，在序幕论坛暨首届企业高质量发展宝安论坛上，深圳理工大学计算机科学与控制工程学院院长潘毅就《AI大模型赋能生物医药》一题发表了演讲。他强调，AI在加速新药研发进程、攻克生物医药难题方面扮演着至关重要的角色。然而，AI技术的应用仍面临技术门槛高、数据获取难度大以及监管复杂等难题。为了推动AI在生物医药领域的成功落地，需要将人类知识与数据驱动的AI模型深度融合。

当前，“AI制药”与“AI诊疗”已不再遥不可及。想象一下，为您诊断并开具药方的“医生”是AI，您会如何反应？近年来，越来越多的AI大模型开始参与到诊疗过程中，部分医院已率先引入此类技术。潘毅指出，随着科技的不断进步，AI大模型在疾病预测与诊断方面的应用已取得初步成果。例如，OpenAI的ChatGPT能根据患者的症状描述，提供初步的疾病诊断建议。研究表明，AI在癌症等疾病的诊断准确率已达到62%。然而，潘毅也提到，AI在复杂疾病诊断中的表现仍有待提升，特别是在处理细微症状变化时，AI的敏锐度可能不及人类。

除了疾病诊疗，药物研发是AI大模型的另一关键应用领域。潘毅表示，传统药物研发过程漫长、成本高昂且成功率低。但通过深入挖掘海量的生物医学数据（如小分子序列和蛋白质结构等），AI模型能够显著加速新药小分子的设计与筛选过程。例如，AI模型能从数亿个小分子中筛选出与特定靶点高度匹配的潜在药物候选，这不仅大幅缩短了药物研发周期，还显著降低了研发成本。

此外，AI大模型在个性化医疗领域的应用也备受瞩目。通过分析患者的基因组数据、生活习惯及病史，AI能够为患者量身定制治疗方案。潘毅举例说，基于AI的问答系统能帮助患者了解自闭症的潜在致病基因，并提供相应的治疗建议。

尽管AI大模型在生物医药领域展现出巨大的应用潜力，但潘毅也指出，其应用仍面临诸多技术挑战。首先，大模型的训练需要强大的算力和丰富的数据支持，这对计算资源和数据质量提出了严苛的要求。以GPT-3为例，其参数数量高达1750亿，使得模型能够捕捉更细微的模式，从而提高生成能力。然而，这也导致了大模型训练需要极高的算力和数据支持，增加了研发成本。其次，AI模型在处理复杂任务时容易出现“幻觉”，即生成不准确或无意义的内容。如何提高模型的准确性与可靠性，仍是当前亟待解决的问题。潘毅表示，为解决这一问题，研究者提出了知识驱动的方法，将人类知识融入模型中，以提高模型的准确性和可靠性。

此外，AI在生物医药中的应用还涉及伦理与监管问题。例如，AI生成的诊断建议是否具有法律效力？如何确保AI模型在处理患者数据时保护隐私？潘毅强调，这些问题需要政府、企业及学术界的共同努力，制定相应的法规与标准。

面对挑战与机遇，AI大模型在生物医药领域的发展势头不可阻挡。众多企业纷纷在生物医药领域进行新一轮战略布局，以期在“AI+生物医药”的竞争中脱颖而出。那么，未来应从哪些方向发力呢？潘毅为未来发展指明了三个方向：一是垂直化应用，即针对特定领域开发专用模型，以提高模型的准确性与实用性；二是提升模型的可解释性，使医生和患者能够理解AI生成的结果及其背后的逻辑；三是发展低能耗技术，以降低AI模型的运行成本并提高可持续性。他说：“通过垂直化应用、提升可解释性及开发低能耗技术，AI大模型有望在生物医药领域实现更广泛的应用与落地。”

（文章来源：深圳商报，图片链接保留，未做修改）