中国科学院院士陈润生：人工智能大模型仍在发展初期 生物医药行

　　11月1日，在2024四川网信“数智领航”第十四期川网联“走进新质生产力前沿”系列活动暨第十届生物医学大数据·智能技术会议上，中国科学院院士、中国科学院生物物理研究所研究员陈润生接受了陈润生在中谈到人工智能大模型现在仍在初期阶段，包括在生物医药行业的应用，仍然有一段漫长的路要走。可以说人工智能大模型在生物医药行业的应用才刚刚开始。

　　而未来，“人工智能大模型对整个医疗系统的应用和干预是全方位的，从治疗前、治疗中和治疗后都将实现人工智能的应用。人工智能不仅会大大提升医疗的效率，还会使得整个医疗系统发生根本性的变化，变成覆盖全民、全阶段的医疗监督，改变整个医疗的范式。”他说。

　　中国科学院院士陈润生 2024四川网信“数智领航”第十四期川网联“走进新质生产力前沿”系列活动暨第十届生物医学大数据·智能技术会议在成都举行。会议现场，来自国内外的医学专家、智慧医疗企业等各方代表共话健康数字新质生产力高质量发展。

　　作为我国最早从事理论生物学和生物信息学研究的科研人员之一，陈润生表示，总的来说，人工智能大模型现在仍在初期阶段，包括在生物医药行业的应用，仍然有一段漫长的路要走。可以说人工智能大模型在生物医药行业的应用才刚刚开始。

　　“这些早期的数据应用，包括病案管理、注册基本信息的记录、电子病历的管理等，都是借助大数据实现了流程的自动化。借助这些数据，我们又可以从中分析规律性的部分，进而解决更多的实际问题。虽然仍然在早期，但大数据已经为生物医药行业做出了实质性的贡献。”他说。

　　以药物早期开发为例，过去的经验是：要开发一款新药，需要10年时间，投入10亿美元。但有了大数据和人工智能的帮助，需要筛选的化合物种类可能从上万种变成了上百甚至几十种，范围变成了原本的1%，新药前期开发的效率大大提升。这都是大数据和人工智能在生物医药领域的应用实践。

　　
数据标准化和整合力是构建医药大模型的关键

　　在陈润生看来，所有的行业大模型都依赖算力和数据。

　　“首先，能不能做成一个行业大模型，关键在于建造者掌握了多少行业数据，所以数据是关键所在。但有了数据还需要解决两个问题，一是数据的标准化，二是数据的整合。”他说。所谓数据的标准化，即数据的通用与互认，如果各机构或平台产生数据的标准不统一，就失去了应用的基础。而数据的整合则在于突破数据的单一所有限制，如果无法实现数据共享，大模型的作用及意义就随之下降。

　　而要解决数据标准化和整合的问题，必须有带头的主体。陈润生认为，以美国为例，解决数据标准化的主体可能是Open AI，而以医疗行业数据为例，则可能需要卫健等相关部门牵头先解决数据源的标准规范问题。除了解决数据标准化问题外，要实现数据整合，也需要这样的机构部门来牵头。

　　此外，对于医疗机构而言，构建自己的医药大模型仍然是一个成本项目。对于大量受困于盈利问题中的医院而言，如何构建和使用大数据和大模型，是一个成本和效益产出的问题。对此，陈润生表示，“医院认识的提高、管理部门的介入，会逐步解决这个问题。因为使用大数据已经是发展的必然，如果不走这一步，一定会被逐步淘汰。这不是做不做、什么时候做的问题，这是一个必须适应的趋势。谁先做就掌握先机，谁就多获益”。

　　陈润生说：“人工智能大模型对整个医疗系统的应用和干预是全方位的，从治疗前、治疗中和治疗后都将实现人工智能的应用。人工智能不仅会大大提升医疗的效率，还会使得整个医疗系统发生根本性的变化，变成覆盖全民、全阶段的医疗监督，改变整个医疗的范式。”