隨著ChatGPT、MidJourney 等重磅產品的發布，生成式人工智能受到社會各界的廣泛關注。生成式人工智能成為當前人工智能領域的一大趨勢和熱點；該技術利用先進的機器學習模型、深度學習模型，從訓練數據中學習統計規律，并根據所學知識生成新的文本、圖像、視頻或音頻內容。與傳統的人工智能任務不同，GAI不僅可以分析數據，還可以主動創建新內容，在自然語言、圖像、視頻、音樂創作等領域都展示了強大的創作能力。

圖1 生成式人工智能發展歷程

伴隨著人工智能技術的快速發展，以BERT、LaMDA、ChatGPT為代表的大模型快速迭代優化，全球生成式AI產業迎來了發展熱潮，相關場景應用不斷豐富。生成式人工智能憑借其強大的任務遷移能力和生成能力，正在推動營銷、電商、金融、游戲文娛等多個行業的進步和變革。但生成式人工智能的強大能力，高度依賴于其背后的AI大模型。

圖2 生成式人工智能的行業應用場景

當前，國內外市場的生成式人工智能產品和服務呈現出“一超多強”的倒金字塔格局：一方面，OpenAI、Google、Meta、百度等擁有強大算力、先進算法的大型科技公司率先開發了基礎層通用大模型，并以Model as a Service（MaaS）的形式進行收費；另一方面，中小型開發者通過調用基礎層大模型的API，能夠以較低的訓練成本、較小的算力基礎設施，開發出多樣化、個性化、場景化的引用，滿足消費級別的個性化需求。然而考慮到算力設施成本、數據隱私與安全問題，希望使用生成式人工智能賦能行業的企業通常更有意愿采用在專有數據方面微調訓練后的垂直領域中間層模型。

圖3 生成式人工智能賦能行業應用：開發中間層專用模型

大語言模型在醫療大健康領域具有廣闊的應用前景。隨著大語言模型的不斷涌現，國內外大模型玩家迅速入場醫療大健康領域，已經在多個場景中開發出了能夠輔助患者、醫護人員、藥械企業的應用。

• 賦能患者教育和健康管理：基于通用大模型微調出的醫療領域專業問答大模型，能夠像醫學專家一樣為患者提供健康咨詢服務；生成式AI根據用戶的健康基礎信息、生活習慣等數據生成的個性化健康管理方案，可以實現更智能化、個性化的健康管理。

• 輔助醫護診療與醫學科研：在輔助診療方面，生成式AI可以通過分析最新臨床試驗論文、治療指南等資料，為特定疾病自動生成病癥介紹、治療方案推薦，形成臨床指南草稿，快速聚合最新研究成果，生成指南知識框架；生成式AI可以自動讀取相關領域醫學論文，深度理解文章的內容與結構；對某一醫學問題的文獻綜述分析，自動篩選信息進行統計分析，以生成研究進展綜述，幫助醫生快速了解最新研究進展。

• 助力藥械企業研發與業務發展：生成式人工智能在提升醫藥企業研發效率、優化醫藥企業的藥品上市和商業化策略方面，也顯示出巨大應用潛力。在前臨床階段,生成式AI可以輔助快速設計新藥分子，大幅縮短設計周期；在臨床階段，生成式AI可以分析大量文獻，快速總結近年來藥物臨床試驗設計和結果，供研發團隊參考制定方案。在上市后階段，生成式AI還可以輔助藥械企業的患者教育部門高效生成患者洞察報告與患者教育材料；在網絡環境中主動收集數據， 分析藥品反饋數據，生成藥物不良反應報告。

圖4 醫療領域行業大模型（截至2023.07）

圖5 大模型全方位助力藥企產品全生命周期

生成式人工智能憑借強大的學習和生成能力，在醫療健康領域展現出巨大應用前景。從技術的視角看，生成式人工智能可以大規模自動化完成知識型工作，提高行業工作效率；也能夠持續不斷工作，提供超越人類的信息處理能力；并且可以深度學習患者數據，支持個性化健康管理方案。然而，在醫療領域應用生成式人工智能，仍需考慮數據隱私與合規、技術可靠性與可解釋性，以及醫療領域可能存在的倫理與道德問題。

從產業落地的視角來看，生成式人工智能在生命健康行業的發展，有賴于開源創新理念與行業專業數據的結合。一方面，基礎模型開源的理念將可降低研發門檻，促進醫療AI專業大模型的產業化；另一方面，基于企業自身數據資產和私有部署的解決方案，可幫助企業快速建立醫療醫藥領域的垂直領域專業模型。展望未來，聯合產學研力量，深化模型在藥物設計、精準醫療等領域的創新應用，將是醫療領域生成式AI可持續發展的必由之路。