GenAI在生物醫藥大健康行業的挑戰、展望及落地建議有哪些？

根據前述的分析，國內外生物醫藥大健康企業已經開始了針對GenAI的落地嘗試， 而在探索過程中還面臨著如下幾個比較大的挑戰。

1.面臨挑戰

1.1 數據合規性、符合醫學邏輯及循證溯源

技術原理角度來看，GenAI是基于深度學習技術通過概率計算生成答案，不可避免 地會有幻覺(“一本正經胡說八道”)問題，而生物醫藥大健康行業有很強的監管以 及合規性的要求，尤其是對外傳遞的醫學內容，需要經過醫學和法務的嚴格審核， 也需要提供精準的溯源循證，因此如果直接用ChatGPT之類的GenAI產品，很多場 景無法直接滿足生物醫藥大健康行業強合規性要求。 此外生成的答案或者文章還需要符合醫學邏輯的要求，需要基于通用GenAI的能力 加入循證等級、指南沖突檢測和因果關系等醫學邏輯。 通常可以采用知識圖譜結合符合RAG的方式精準定位原文段落并按照一定醫學邏 輯組裝形成合規的答案。

1.2 監管合規性

國內對于GenAI有嚴格的監管，尤其是面向大眾用戶(例如患者)的GenAI應用，需 要通過監管備案才能正式發布。企業在GenAI項目啟動時就需要了解監管的具體要 求以及GenAI應用備案的流程及周期和費用，避免由于監管問題導致系統無法上 線，前期的工作功虧一簣。

1.3 數據安全性及私有化部署

生物醫藥大健康企業除了使用公開的醫學指南和文獻等數據，還有很多內部研發 和臨床試驗敏感數據以及市場推廣、醫學循證材料等數據。ChatGPT等GenAI是 一個開放的公有云平臺，如果調用其API，需要將部分原文數據通過調用API傳 給它進行訓練及交互，這會涉及到數據安全風險，以及用戶交互行為的泄露風 險。如果GenAI應用涉及到內部敏感數據，一般需要私有化部署的平臺進行對接 和權限控制，私有平臺采用LLaMA或者ChatGLM之類的開源GenAI框架，同時配 備相應的GPU算力資源，成本相比調用API會高不少。如果考慮成本問題，可先 從基于OpenAI或者國內大模型開放API調用，處理醫學指南和文獻開源數據搭建 GenAI應用開始進行場景技術驗證，再逐步拓展到私有部署處理內部數據。

1.4 場景選擇和成本

誠如1.2章節總結的，GenAI的應用方式主要有四種，其中像ChatGPT類通用大模 型的模型訓練和開發成本非常高，一般的生物醫藥企業是承受不起像這樣巨額的 初始訓練成本以及系統的持續運維成本。因此需要企業需要根據自身情況選擇合 適的場景和高性價比的應用方式以便更好地評估ROI。業界比較主流的場景和應 用方式是在知識庫和Chatbot應用RAG檢索增強進行升級，通常幾十萬的成本在 幾個月就能上線應用。實際落地時可選擇剛上市的新產品或者重磅產品和業務部 門進行合作，對技術創新的需求和接受度會更高。

1.5 內部利益的協同

GenAI在醫藥大健康行業的落地實施，需要管理層、各業務部門、IT和數字化部 門、法律合規部、采購部門的共同協作。 GenAI是顛覆性的AI技術，在企業落地需要管理層從戰略方向和高效分配資源提 供有力支持。業務部門負責提供業務痛點和明確具體需求，IT和數字化部門則負 責建立促進創新的合作伙伴關系，將GenAI技術與現有系統集成，能為業務部門 提供可衡量的業務價值，同時確保數據的完整性和安全。由于GenAI的落地面臨 很大的合規挑戰，需要盡早引入法律合規部門，確保遵守多樣化的法規，保護倫 理考量和患者隱私，減少落地過程中的風險。最后，采購部門需要打破傳統軟件 的采購流程，引入更多有創新力的初創公司。如果是跨國公司，還需要了解 Global總部的全球規劃并爭取總部資源支持。這種跨部門的協同合作，對于發揮 GenAI在企業落地至關重要。

2.未來展望

未來，GenAI技術在生物醫藥大健康行業發揮關鍵作用，將呈現商業化進程提 速、應用場景多元化與合規監管增強三大展望趨勢： 商業進程穩步提速：過去，雖然GenAI在生物醫藥大健康行業應用可能性眾 多，但成功實現商業化落地的仍是核心垂直場景的應用，商業化應用側重 于病理及醫學影像的醫學診斷領域。隨著國內生物醫藥大健康行業對于 GenAI的市場需求逐步明確，企業底層技術的不斷打磨。未來生成人工智 能技術在生物醫藥大健康行業商業落地不斷熟化，人工智能商業化落地應 用將占據主導地位。企業將逐漸明確生物醫藥大健康行業中商業化復雜性 及優先程度，持續挖掘合規且有效的商業模式，不斷根據市場所需打磨產 品，拓展產業協同布局，實現可持續盈利。

應用場景不斷滲透：得益于硬件、算法、數據沉淀等多維度賦能，多模態 GenAI技術發展，互聯網和科技巨頭等軟硬件設備及解決方案提供商沿著 GenAI醫藥產業鏈縱深的活躍度和滲透率將更高，未來GenAI在生物醫藥大 健康行業中的應用將從點狀擴展發展至面狀滲透。在生物醫藥大健康企業 端，未來將持續深化上市前研發、臨床、生產及上市后商業化運營場景中 的應用。在醫院端，人工智能將從醫學影像診斷、病理切片等輔助疾病診 斷等場景滲透，逐步從影像科室應用走進多臨床科室和基于GenAI面向生 物制藥企業的真實世界研究。在患者端，智能家庭醫生、個性化健康管理 和智能護理等應用將不斷擴充。整個生態的應用場景也將互相融合，打 通“醫患藥險”閉環。 合規監管愈發完善：伴隨著國內生物醫藥大健康行業對于GenAI應用的普及 率及滲透程度不斷提高。政府對于GenAI在醫療大健康行業的數據安全問題 重視度逐步提升，未來監管合規問題、數據安全問題變得不容忽視。生物 醫藥大健康領域是政府監管之重，目前監管主要面向HCP及患者端的GenAI 應用，未來將不斷延伸至非患者端的GenAI應用當中。隨著更多人工智能領 域專門立法及實施細則的出臺，未來將逐步形成生物醫藥大健康行業的體 系化治理框架。

3.落地建議

當前GenAI在生物醫藥大健康行業的探索尚屬早期階段，平臺層面初露頭角，企業 應用總體處于萌芽階段。但不可否認的是，GenAI整合了生物學、化學、計算科 學、藥理學和疾病治療等領域內容，加上生物醫藥大健康行業的產業鏈條長、參 與主體多，應用空間潛力巨大。在看到機遇的同時，我們也應充分關注到，其作 為新興事物，在發展過程中不可避免會遇到一些挑戰，有些甚至是前所未有的困 難。因此，解鎖GenAI潛力、并成功加以應用，均離不開前瞻性的考量、詳細的落 地路徑規劃、以及保障措施等全方位的考慮。

3.1 捕捉變化，動態調整

GenAI雖然潛力巨大，但在GenAI應用試點及推廣的過程中，企業面臨著一系列風 險，比如知識產權、網絡安全、數據隱私、數據偏差、以及錯誤結果等。企業應 制定有效的風險管控機制，設計治理框架和相關規則，建立用于監控和管理GenAI 風險的工具，并將相關政策和程序必須融入企業的文化和運營模式之中，引導 GenAI處理好涉及道德、法律和技術方面的問題。隨著監管環境的跟進，企業內部 的指導方針也要追蹤及基于監管機構最新的政策框架監測進行靈活更新，保障合 規體系下的動態調整能力。

3.2 頂層設計，數智思維

將GenAI納入數字化進程是工作的先決。管理層應在思想層面認識到GenAI是一個 數字化策略的必選項，給予足夠重視，并傾注相應的資源。GenAI可以通過自動化 流程降低企業成本、通過分析大量數據來協助決策制定、通過個性化內容改善與 客戶的互動，并在促進創新、風險管理、質量控制和人力優化等方面有所作為， 所有這些都將對企業的價值創造起到積極作用。 目前，GenAI用例已開始廣泛涌現，不具備相關能力的企業將在未來喪失競爭優 勢。在某種程度上，各玩家起點差距不大，投入和技術門檻并非高不可攀，及時 采取行動能讓企業在這場革命中把握主動權，因此通過有效頂層設計，可有效保 障企業在技術更迭背景下快速把握技術先機。未來企業可直接接入GenAI通用大模 型能力，融合內外部數據搭建企業級的Copilot平臺，可對多源異構的文檔、數據 庫、知識圖譜以及多模態圖片、視頻和音頻等數據進行自動標簽和內容生產、問 答及寫作、總結，未來Copilot平臺將通過AI Agent智能代理進行用戶意圖理解并進 行任務分發，例如有傳統的FAQ更精準的匹配問答，從結構化的數據庫和知識圖 譜動態生成組合答案以及分析，基于海量原始文檔通過GraphRAG引擎定位原文并 按照醫學邏輯組裝答案，基于GenAI的全庫內容的總結和報告生成等，最終形成人 機協同的企業級Copilot平臺。

3.3 目標錨定，小步快走

雖然GenAI在生物醫藥大健康行業落地面臨很大的挑戰，但只要確定目標，小步 快走、實現快速迭代便可在滿足合規性要求的情況下找好能帶來實際價值的應用 及制定好相應的技術路線，在生物醫藥大健康行業的應用潛力還是巨大的。 總體而言，GenAI在生物醫藥大健康行業潛在應用廣泛，企業可選應用多，覆蓋 了從藥物研發、臨床研究、營銷與臨床診療等整條價值鏈。通過分析及篩選，企 業可明確GenAI技術可在自身藥物價值鏈活動的哪些環節獲得最大的競爭優勢， 詳細評估GenAI對其現有產品和服務組合的影響，分析目標用戶群體特征。歸納 其自身產品和服務而言最具價值潛力GenAI用例后，還需要量化相關應用的影響 力和落地速度，同時兼顧模型、數據可用性、數據安全性、容錯性、復雜性、可 負擔性和市場需求等因素。對用例的優先級進行排序，確定GenAI優先用例后， 開展試點工作，收集試點工作反饋并進行多次優化，在用例影響力得到驗證后， 擇機在整條價值鏈上進行推廣，以便在全組織層面充分釋放其全部價值。

應用場景可以首先從內部效率提升開始，可借助GenAI能力在內容建設層面探索 通過GenAI來優化醫學人員進行數據打標簽和標注以及生產FAQ的基礎工作；其 次還可結合知識圖譜可解釋和可溯源的優勢，通過通用GenAI的開放API，將生物 醫藥大健康行業合規的開放權威數據(例如醫學指南和文獻、會議紀要報道、臨床 研究等)結合自己的業務需求進行RAG檢索增強訓練，能做文獻智能閱讀和寫作以 及chatbot應用并提供溯源循證的能力，滿足合規性的要求情況下提升應用的智能 化程度和用戶體驗，通過GenAI實時生成合規內容來減少生成FAQ及審核的流 程。 總體而言，GenAI在生物醫藥大健康潛在應用廣泛，企業可 錨定自身所需，通過 小步快走先試先行，逐步挖掘的GenAI的應用潛力，建立人機協同的多層智能知 識平臺。

3. 4 能力構建，組織提質

在企業能力層面，基于通用GenAI平臺和開源的大模型，在生物醫藥大健康行業 數據集上進行訓練調優，構建私有化部署的企業級GenAI平臺，結合知識圖譜的 能力，保證數據安全性的情況下處理內部數據，并可和外部數據進行融合進行合 規數據的內容生成。同時基于Chatbot智能交互平臺為內部員工和HCP、患者提供 滿足合規安全性要求的企業級智能交互方式。 在組織結構層面，為了支持全新的工作方式，可能涉及到自身的組織結構和運營 模式的調整，企業需要制定實用的變革管理計劃，指導組織平穩過渡轉型。明確 各方所應承擔的責任、擁有的決策權，并重新設計職位信息，配備相應人員。企 業需要更新其人才和技能培訓策略，包括研發、臨床研究人員、制造與質量控制 人員、市場銷售和醫學團隊、職能部門、法律合規部門員工等；確保相關員工了 解如何在日常工作中使用 GenAI，如撰寫提示詞；掌握部署高級應用的能力，如 增加GenAI專業人員招聘等。

3.5 合作共行，優勢互補

完善的基礎設施和平臺是GenAI發揮充分潛力的前提。目前得益于硬件、算法、 數據沉淀等多維度賦能，互聯網和科技巨頭等軟硬件設備及解決方案提供商基于 其多年的科技投入和人才積累，開發了豐富的應用方案，這也是現行主流的落地 模式，合作雙方可以優勢互補，快速部署。企業在落地云基礎設施、數據平臺、 模型和應用時，可從使用成本、響應速度和定制化水平、潛在的收益等方面評估 各類方案，確定最終合作伙伴。由于GenAI技術發展迅猛，在此背景之下，企業 應著力提高自身的靈活性，研判自身數據平臺和核心系統的準備情況，根據 GenAI的變化不斷進行調整。企業可先考慮一些風險較低的合作伙伴，這樣不僅 可以幫助企業更好地對自己的平臺進行評估，還可以讓企業在擴充自身GenAI能 力的過程中不斷積累經驗教訓。為了使GenAI應用效果最大化，企業還需要考慮 與現有的AI工具相結合，例如基于現有的Chatbot工具進行GenAI的升級。