深圳商報
2025-01-14 
深圳理工大學計算機科學與控制工程學院院長潘毅善用AI大模型賦能生物醫藥發展
2024年諾貝爾化學獎頒給了在蛋白質結構預測和設計領域使用AI技術的科學家，再次引發了人們對于“AI賦能生命科學”的無限想象。“AI制藥”“AI診療”等概念也日益火爆。那么，AI大模型的興起對于生物醫藥的研究究竟有多大助推力？又會遇見哪些挑戰？
日前，中國人民大學以“新時代中國公共政策創新與國家發展”為主題，在深圳舉辦中國人民大學深圳論壇2024系列活動。其中，在序幕論壇暨首屆企業高質量發展寶安論壇上，深圳理工大學計算機科學與控制工程學院院長潘毅以《AI大模型賦能生物醫藥》為題進行了演講。他表示，AI在加速新藥研發進程、解決復雜的生物醫藥難題方面發揮著重要作用，但AI技術的應用目前仍面臨技術門檻高、數據獲取難度大以及監管難問題，需將人類知識與數據驅動的AI模型相結合，以推動AI在生物醫藥領域的成功落地。
“AI制藥”“AI診療”已成現實
如果為您診斷并開出藥方的“醫生”是AI，您會接受嗎？近年來，這樣參與診療的AI大模型層出不窮，有的已經在部分醫院落地。潘毅表示，隨著科技的發展，AI大模型在疾病預測與診斷中的應用已初見成效。例如，OpenAI的ChatGPT能夠根據患者的癥狀描述，提供初步的疾病診斷建議。研究表明，AI在某些疾病（如癌癥）的診斷準確率已達到62%。然而，“AI在復雜疾病診斷中的表現仍有待提升”，潘毅說，特別是在處理細微癥狀變化時，AI的表現可能并不如人類敏銳。
除了疾病診療，藥物研發是AI大模型的另一重要應用領域。潘毅表示，傳統的藥物研發周期長、成本高，且成功率低。通過深入分析海量生物醫學數據（如小分子序列和蛋白質結構等），AI模型能夠顯著加速新藥小分子的設計與藥物篩選過程。例如，AI模型能夠在數億個小分子中識別出與特定靶點高度匹配的潛在藥物候選，這一能力不僅極大地縮短了藥物研發周期，同時也顯著降低了研發成本。
此外，AI大模型在個性化醫療中的應用也備受關注。通過分析患者的基因組數據、生活習慣及病史，AI能夠為患者提供個性化的治療方案。潘毅舉例說，基于AI的問答系統可以幫助患者了解自閉癥的潛在致病基因，并提供相關的治療建議。
仍面臨較大技術挑戰
盡管AI大模型在生物醫藥領域展現了巨大的應用潛力，但潘毅指出，其應用仍面臨諸多技術挑戰。
首先，大模型的訓練需要極高的算力和數據支持，這對計算資源和數據質量提出了嚴格要求。潘毅表示，大模型的核心特征在于其龐大的參數規模。以GPT-3為例，其參數數量高達1750億。參數是模型中的可調節變量，用于擬合數據中的復雜關系。參數數量的增加使得模型能夠捕捉更細微的模式，從而提高其生成能力。然而，大模型的訓練需要極高的算力和數據支持，AlphaGo和AlphaFold等模型的成功離不開大規模的計算資源和高質量的數據集。這無疑提升了大模型研發的成本。
其次，AI模型在處理復雜任務時容易出現“幻覺”（即生成不準確或無意義的內容），如何提高模型的準確性與可靠性仍是亟待解決的問題。潘毅表示，為解決這一問題，研究者提出了知識驅動的方法，即將人類知識（如知識圖譜、領域專家經驗）融入模型中。通過結合數據驅動與知識驅動，AI模型能夠更高效地學習并生成更準確的內容。
不可忽視的是，AI在生物醫藥中的應用還涉及倫理與監管問題。例如，AI生成的診斷建議是否具有法律效力？如何確保AI模型在處理患者數據時的隱私保護？潘毅強調，這些問題需要政府、企業及學術界的共同努力，制定相應的法規與標準。
未來可在三方面發力
挑戰與機遇并存，AI大模型在生物醫藥領域“大展拳腳”已成不可逆轉之勢。眾多企業也追隨這一潮流，紛紛在生物醫藥領域進行新一輪戰略布局。那么，該從哪些方向發力，才能在日益激烈的“AI+生物醫藥”的競爭中突圍？
潘毅對未來發展指明了三個方向：首先是垂直化應用，即針對特定領域（如癌癥治療、藥物研發）開發專用模型，以提高模型的準確性與實用性；其次是提升模型的可解釋性，使醫生和患者能夠理解AI生成的結果及其背后的邏輯；第三是發展低能耗技術，開發低能耗的AI模型，以降低其運行成本并提高可持續性。他說：“未來，通過垂直化應用、提升可解釋性及開發低能耗技術，AI大模型有望在生物醫藥領域實現更廣泛的應用與落地。”
（文章來源：深圳商報）
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
