“AI+”挺進生命健康領域，廣東兩大優勢產業加速相向而行

南方財經全媒體記者丁莉 廣州報道

日前，劍橋大學研究團隊宣稱，藉助人工智能，帕金森病治療方法的開發進程已得到顯著加快，初始篩查現已被提速了10倍，其成本也被壓縮爲原來的千分之一……在這場醫藥醫療領域的競速跑中，AI“再下一城”。

以此爲縮影，近年來，世界範圍內巨頭入場、捷報頻傳，“AI+生命健康”的大事記逐漸密集起來。

嗅覺更爲敏銳的資本，早已做出反應。過去五年間，資本對AIDD領域展現出了高漲的熱情，其中48起融資事件發生在廣東，撬動共計81.14億元，均居各省市之首，融資金額更是同位居第二的上海拉開了近30億元的斷層。

生命健康產業擁抱人工智能的熱潮，爲何出現在廣東？

從其產業結構來看，二者同屬全省十大戰略性支柱產業；在今年年初又一起被劃分進未來產業行列。新一輪科技革命浪潮席捲下，兩項原本距離遙遠的產業，逐漸打破壁壘，開始有了越來越多交集，衍生出互爲場景和手段的特殊關係。

“人工智能同生命健康天然契合。”廣東省人工智能產業協會會長杜蘭認爲，診療、新藥發現等場景都涉及對大量信息的整合、分析，這恰是大模型的長項，“事實上，在GPT引爆大模型技術浪潮之前，基於醫療知識訓練的AI模型就已落地應用。但長遠來看，在AI與醫療醫藥之間實現更緊密的融合，仍有一段路要走。”

藥物發現和醫學影像熱情擁抱AI

在廣東省第二人民醫院，達芬奇Xi系統手術機器人剛剛輔助完成了兩臺超低位直腸癌保肛手術；粵港澳大灣區國家技術創新中心（下稱“大灣區國創中心”）研發的玻片掃描影像系統已進入20餘家醫院；中科睿極(深圳)醫學科技有限公司實現了細胞、外泌體等生物製品製備的數字化、自動化……

AI正在化身手術操刀人、病理診療醫生，廣東生命健康產業發展已大有不同。

根據Global Market Insights報告，“AI+醫療”市場規模正持續壯大，其年均複合增速將超過29%，預計在2032年達到700億美元。從細分結構上看，藥物發現和醫學影像將成爲AI最普遍落地的兩大領域，合計佔據超半壁江山。

在醫學影像方面，AI率先擠進了疑難雜症較少、重複性工作量大的疾病診斷領域，以更精準高效的診療結果贏得了不錯的“口碑”。例如，玻片掃描影像系統每天能夠掃描3500餘張病理切片，足以支撐一家三甲醫院一天的工作需求。

“目前，全國僅有不到2萬名病理醫生，而病患實際需求則超過10萬人，隨着老齡化加劇，預計這一缺口還將繼續加大。”上述玻片掃描影像系統項目有關負責人王子晗博士表示，同時，全國診療資源還面臨着分佈不均的局面。在這樣的背景下，AI將通過提升病理診斷效率，有效填補供需缺口、彌合地域不均。

在下游應用場景，多方面政策正在幫助診療擁抱AI掃除障礙。日前印發的《廣東省推動大規模設備更新和消費品以舊換新實施方案》也進一步鼓勵，醫學影像、遠程診療、手術機器人等醫療裝備更新改造、迭代升級。

另一方面，在新藥研發領域，AI正在打破“雙十定律”的魔咒，高成本和長週期的限制趨弱，藥物發現的步伐在不斷加快。製藥工業和AI技術迭代之下，AI製藥漸成風口，預計2032年AI藥物研發市場規模將超過205億美元。

杜蘭也指出，以Transformer爲代表的人工智能技術擅長捕捉海量數據中的長距離關係，它既能適用於自然語言，也可以用於基因組、蛋白組這樣的序列結構。

特別是隨着細胞製藥的風靡，實驗室級別的手工培育已無法滿足行業對細胞的規模化需求，行業呼籲細胞製備“自動化工廠”的出現。

中科睿極創始人和首席科學家張智勇介紹，DASEA™生物智造平臺已基本實現這一目標，使細胞製備的效率顯著提升；在空間利用層面，既往百億級別細胞的培養需要十幾個製備間，而依託該平臺，可以節省90%以上的空間及90%耗材成本。

他認爲，當前，繼化合物製藥和蛋白質製藥之後，醫藥製造已迎來以細胞製藥爲代表的第三代藥物，這爲中國提供了一個趕超機會，“這必然需要借力數字化轉型以提質增效；更長遠而言，我們也需要加快數據資源化，爲進一步鏈接AI做準備，依託大模型進行模擬、演算必將成爲製藥的‘常態’。”

新型平臺“牽線”兩大產業加速融合

2020年，廣東省劃定了20個戰略性產業集羣，其中，2萬億級的新一代電子信息和5千億級的生物醫藥與健康構成兩大支柱；今年，兩項產業又一同躋身新發布的五大未來產業，產業間似乎正向彼此延伸出協同聯動的“觸鬚”。

根據《廣東省培育未來生命健康產業集羣行動計劃》，“AI+生物醫藥”將成爲重點工程，廣東將推進生物醫藥與信息技術協同攻關，基於生物大數據雲計算、醫學自然語言處理等AI技術，開展新型藥物設計和篩選、重組抗體設計與合成等多領域研究；推進智能醫學成像、智能影像識別等示範應用。

兩大優勢基礎奠定，接下來的問題在於，如何將其融合在一起。

一方面，以企業爲主體的跨界投資、合作正越來越頻繁。尤其是兩大行業領域中的龍頭企業正相向而行，率先邁開了跨越產業界限的步伐。

近年來，騰訊先後投資了賽禾醫療、訊捷醫療，互聯網企業向醫療器械縱深挺入；金域醫學也走向人工智能，牽手互聯網大廠深耕醫檢大模型，例如同華爲雲開發的宮頸細胞學AI輔助篩查模型年調用量已超過120萬次，提高效率超過40%。

從更微觀的層面來看，企業人才構成愈加呈現多元、複合型局面。

以中科睿極爲例，其團隊已形成“三個三分之一”。張智勇解釋，在公司內部，自動化與機械工程、材料學、細胞生物等三大領域的人才得以通力合作，複合型人才、交叉型技術屢見不鮮。其本人也有着生物學與工程學的複合背景。

另一方面，一批新型平臺逐漸在“牽線”產業融合上扮演着越來越重要的角色。

隨着醫藥醫療行業“加數”前行，產業鏈條不斷延長，各環節的協同攻關與產研對接成爲關鍵。而諸如大灣區國創中心搭建了一個醫工結合的平臺，使工程師團隊與醫院力量結合，推動產品得到快速驗證、迭代和轉化。

王子晗介紹了玻片掃描影像系統落地的過程。其團隊先依託開源數據集形成一整套預訓練模塊，並將工程師團隊派駐醫院，根據院方需求推動該模塊不斷“進化”；大約五六個月後，其準確率便能達到90%左右，並在醫院開啓試運行。

背後，AI診療的定製化趨勢越來越突出。他解釋，不同醫院的特色科室與各專科病例數差別較大，因此需求也各不相同，“比如，我們爲中山一附院開發的是淋巴結轉移癌方面的影像系統；而同西京醫院的合作則聚焦在腎穿刺領域”。目前，團隊同20多家頭部醫院建立了合作，影像系統應用已遍及全國各地。

隨着大量信息被採集和數字化，醫院間“數據孤島”的局面逐漸被打破，下一步便是數據資產的存儲和管理，一個更加“AI友好”的環境被營造出來。

據悉，大灣區國創中心正支持建設國家病理標準數據庫，目前，標準數據的上傳工作已經就緒，數據庫開始進入試運行。

王子晗透露，相關啓動會預計將於五六月份召開，“基於此，我們有望建成垂直細分領域的病理大模型。”