GenAI在生物医药大健康行业的挑战、展望及落地建议有哪些？

根据前述的分析，国内外生物医药大健康企业已经开始了针对GenAI的落地尝试， 而在探索过程中还面临着如下几个比较大的挑战。

1.面临挑战

1.1 数据合规性、符合医学逻辑及循证溯源

技术原理角度来看，GenAI是基于深度学习技术通过概率计算生成答案，不可避免 地会有幻觉(“一本正经胡说八道”)问题，而生物医药大健康行业有很强的监管以 及合规性的要求，尤其是对外传递的医学内容，需要经过医学和法务的严格审核， 也需要提供精准的溯源循证，因此如果直接用ChatGPT之类的GenAI产品，很多场 景无法直接满足生物医药大健康行业强合规性要求。 此外生成的答案或者文章还需要符合医学逻辑的要求，需要基于通用GenAI的能力 加入循证等级、指南冲突检测和因果关系等医学逻辑。 通常可以采用知识图谱结合符合RAG的方式精准定位原文段落并按照一定医学逻 辑组装形成合规的答案。

1.2 监管合规性

国内对于GenAI有严格的监管，尤其是面向大众用户(例如患者)的GenAI应用，需 要通过监管备案才能正式发布。企业在GenAI项目启动时就需要了解监管的具体要 求以及GenAI应用备案的流程及周期和费用，避免由于监管问题导致系统无法上 线，前期的工作功亏一篑。

1.3 数据安全性及私有化部署

生物医药大健康企业除了使用公开的医学指南和文献等数据，还有很多内部研发 和临床试验敏感数据以及市场推广、医学循证材料等数据。ChatGPT等GenAI是 一个开放的公有云平台，如果调用其API，需要将部分原文数据通过调用API传 给它进行训练及交互，这会涉及到数据安全风险，以及用户交互行为的泄露风 险。如果GenAI应用涉及到内部敏感数据，一般需要私有化部署的平台进行对接 和权限控制，私有平台采用LLaMA或者ChatGLM之类的开源GenAI框架，同时配 备相应的GPU算力资源，成本相比调用API会高不少。如果考虑成本问题，可先 从基于OpenAI或者国内大模型开放API调用，处理医学指南和文献开源数据搭建 GenAI应用开始进行场景技术验证，再逐步拓展到私有部署处理内部数据。

1.4 场景选择和成本

诚如1.2章节总结的，GenAI的应用方式主要有四种，其中像ChatGPT类通用大模 型的模型训练和开发成本非常高，一般的生物医药企业是承受不起像这样巨额的 初始训练成本以及系统的持续运维成本。因此需要企业需要根据自身情况选择合 适的场景和高性价比的应用方式以便更好地评估ROI。业界比较主流的场景和应 用方式是在知识库和Chatbot应用RAG检索增强进行升级，通常几十万的成本在 几个月就能上线应用。实际落地时可选择刚上市的新产品或者重磅产品和业务部 门进行合作，对技术创新的需求和接受度会更高。

1.5 内部利益的协同

GenAI在医药大健康行业的落地实施，需要管理层、各业务部门、IT和数字化部 门、法律合规部、采购部门的共同协作。 GenAI是颠覆性的AI技术，在企业落地需要管理层从战略方向和高效分配资源提 供有力支持。业务部门负责提供业务痛点和明确具体需求，IT和数字化部门则负 责建立促进创新的合作伙伴关系，将GenAI技术与现有系统集成，能为业务部门 提供可衡量的业务价值，同时确保数据的完整性和安全。由于GenAI的落地面临 很大的合规挑战，需要尽早引入法律合规部门，确保遵守多样化的法规，保护伦 理考量和患者隐私，减少落地过程中的风险。最后，采购部门需要打破传统软件 的采购流程，引入更多有创新力的初创公司。如果是跨国公司，还需要了解 Global总部的全球规划并争取总部资源支持。这种跨部门的协同合作，对于发挥 GenAI在企业落地至关重要。

2.未来展望

未来，GenAI技术在生物医药大健康行业发挥关键作用，将呈现商业化进程提 速、应用场景多元化与合规监管增强三大展望趋势： 商业进程稳步提速：过去，虽然GenAI在生物医药大健康行业应用可能性众 多，但成功实现商业化落地的仍是核心垂直场景的应用，商业化应用侧重 于病理及医学影像的医学诊断领域。随着国内生物医药大健康行业对于 GenAI的市场需求逐步明确，企业底层技术的不断打磨。未来生成人工智 能技术在生物医药大健康行业商业落地不断熟化，人工智能商业化落地应 用将占据主导地位。企业将逐渐明确生物医药大健康行业中商业化复杂性 及优先程度，持续挖掘合规且有效的商业模式，不断根据市场所需打磨产 品，拓展产业协同布局，实现可持续盈利。

应用场景不断渗透：得益于硬件、算法、数据沉淀等多维度赋能，多模态 GenAI技术发展，互联网和科技巨头等软硬件设备及解决方案提供商沿着 GenAI医药产业链纵深的活跃度和渗透率将更高，未来GenAI在生物医药大 健康行业中的应用将从点状扩展发展至面状渗透。在生物医药大健康企业 端，未来将持续深化上市前研发、临床、生产及上市后商业化运营场景中 的应用。在医院端，人工智能将从医学影像诊断、病理切片等辅助疾病诊 断等场景渗透，逐步从影像科室应用走进多临床科室和基于GenAI面向生 物制药企业的真实世界研究。在患者端，智能家庭医生、个性化健康管理 和智能护理等应用将不断扩充。整个生态的应用场景也将互相融合，打 通“医患药险”闭环。 合规监管愈发完善：伴随着国内生物医药大健康行业对于GenAI应用的普及 率及渗透程度不断提高。政府对于GenAI在医疗大健康行业的数据安全问题 重视度逐步提升，未来监管合规问题、数据安全问题变得不容忽视。生物 医药大健康领域是政府监管之重，目前监管主要面向HCP及患者端的GenAI 应用，未来将不断延伸至非患者端的GenAI应用当中。随着更多人工智能领 域专门立法及实施细则的出台，未来将逐步形成生物医药大健康行业的体 系化治理框架。

3.落地建议

当前GenAI在生物医药大健康行业的探索尚属早期阶段，平台层面初露头角，企业 应用总体处于萌芽阶段。但不可否认的是，GenAI整合了生物学、化学、计算科 学、药理学和疾病治疗等领域内容，加上生物医药大健康行业的产业链条长、参 与主体多，应用空间潜力巨大。在看到机遇的同时，我们也应充分关注到，其作 为新兴事物，在发展过程中不可避免会遇到一些挑战，有些甚至是前所未有的困 难。因此，解锁GenAI潜力、并成功加以应用，均离不开前瞻性的考量、详细的落 地路径规划、以及保障措施等全方位的考虑。

3.1 捕捉变化，动态调整

GenAI虽然潜力巨大，但在GenAI应用试点及推广的过程中，企业面临着一系列风 险，比如知识产权、网络安全、数据隐私、数据偏差、以及错误结果等。企业应 制定有效的风险管控机制，设计治理框架和相关规则，建立用于监控和管理GenAI 风险的工具，并将相关政策和程序必须融入企业的文化和运营模式之中，引导 GenAI处理好涉及道德、法律和技术方面的问题。随着监管环境的跟进，企业内部 的指导方针也要追踪及基于监管机构最新的政策框架监测进行灵活更新，保障合 规体系下的动态调整能力。

3.2 顶层设计，数智思维

将GenAI纳入数字化进程是工作的先决。管理层应在思想层面认识到GenAI是一个 数字化策略的必选项，给予足够重视，并倾注相应的资源。GenAI可以通过自动化 流程降低企业成本、通过分析大量数据来协助决策制定、通过个性化内容改善与 客户的互动，并在促进创新、风险管理、质量控制和人力优化等方面有所作为， 所有这些都将对企业的价值创造起到积极作用。 目前，GenAI用例已开始广泛涌现，不具备相关能力的企业将在未来丧失竞争优 势。在某种程度上，各玩家起点差距不大，投入和技术门槛并非高不可攀，及时 采取行动能让企业在这场革命中把握主动权，因此通过有效顶层设计，可有效保 障企业在技术更迭背景下快速把握技术先机。未来企业可直接接入GenAI通用大模 型能力，融合内外部数据搭建企业级的Copilot平台，可对多源异构的文档、数据 库、知识图谱以及多模态图片、视频和音频等数据进行自动标签和内容生产、问 答及写作、总结，未来Copilot平台将通过AI Agent智能代理进行用户意图理解并进 行任务分发，例如有传统的FAQ更精准的匹配问答，从结构化的数据库和知识图 谱动态生成组合答案以及分析，基于海量原始文档通过GraphRAG引擎定位原文并 按照医学逻辑组装答案，基于GenAI的全库内容的总结和报告生成等，最终形成人 机协同的企业级Copilot平台。

3.3 目标锚定，小步快走

虽然GenAI在生物医药大健康行业落地面临很大的挑战，但只要确定目标，小步 快走、实现快速迭代便可在满足合规性要求的情况下找好能带来实际价值的应用 及制定好相应的技术路线，在生物医药大健康行业的应用潜力还是巨大的。 总体而言，GenAI在生物医药大健康行业潜在应用广泛，企业可选应用多，覆盖 了从药物研发、临床研究、营销与临床诊疗等整条价值链。通过分析及筛选，企 业可明确GenAI技术可在自身药物价值链活动的哪些环节获得最大的竞争优势， 详细评估GenAI对其现有产品和服务组合的影响，分析目标用户群体特征。归纳 其自身产品和服务而言最具价值潜力GenAI用例后，还需要量化相关应用的影响 力和落地速度，同时兼顾模型、数据可用性、数据安全性、容错性、复杂性、可 负担性和市场需求等因素。对用例的优先级进行排序，确定GenAI优先用例后， 开展试点工作，收集试点工作反馈并进行多次优化，在用例影响力得到验证后， 择机在整条价值链上进行推广，以便在全组织层面充分释放其全部价值。

应用场景可以首先从内部效率提升开始，可借助GenAI能力在内容建设层面探索 通过GenAI来优化医学人员进行数据打标签和标注以及生产FAQ的基础工作；其 次还可结合知识图谱可解释和可溯源的优势，通过通用GenAI的开放API，将生物 医药大健康行业合规的开放权威数据(例如医学指南和文献、会议纪要报道、临床 研究等)结合自己的业务需求进行RAG检索增强训练，能做文献智能阅读和写作以 及chatbot应用并提供溯源循证的能力，满足合规性的要求情况下提升应用的智能 化程度和用户体验，通过GenAI实时生成合规内容来减少生成FAQ及审核的流 程。 总体而言，GenAI在生物医药大健康潜在应用广泛，企业可 锚定自身所需，通过 小步快走先试先行，逐步挖掘的GenAI的应用潜力，建立人机协同的多层智能知 识平台。

3. 4 能力构建，组织提质

在企业能力层面，基于通用GenAI平台和开源的大模型，在生物医药大健康行业 数据集上进行训练调优，构建私有化部署的企业级GenAI平台，结合知识图谱的 能力，保证数据安全性的情况下处理内部数据，并可和外部数据进行融合进行合 规数据的内容生成。同时基于Chatbot智能交互平台为内部员工和HCP、患者提供 满足合规安全性要求的企业级智能交互方式。 在组织结构层面，为了支持全新的工作方式，可能涉及到自身的组织结构和运营 模式的调整，企业需要制定实用的变革管理计划，指导组织平稳过渡转型。明确 各方所应承担的责任、拥有的决策权，并重新设计职位信息，配备相应人员。企 业需要更新其人才和技能培训策略，包括研发、临床研究人员、制造与质量控制 人员、市场销售和医学团队、职能部门、法律合规部门员工等；确保相关员工了 解如何在日常工作中使用 GenAI，如撰写提示词；掌握部署高级应用的能力，如 增加GenAI专业人员招聘等。

3.5 合作共行，优势互补

完善的基础设施和平台是GenAI发挥充分潜力的前提。目前得益于硬件、算法、 数据沉淀等多维度赋能，互联网和科技巨头等软硬件设备及解决方案提供商基于 其多年的科技投入和人才积累，开发了丰富的应用方案，这也是现行主流的落地 模式，合作双方可以优势互补，快速部署。企业在落地云基础设施、数据平台、 模型和应用时，可从使用成本、响应速度和定制化水平、潜在的收益等方面评估 各类方案，确定最终合作伙伴。由于GenAI技术发展迅猛，在此背景之下，企业 应着力提高自身的灵活性，研判自身数据平台和核心系统的准备情况，根据 GenAI的变化不断进行调整。企业可先考虑一些风险较低的合作伙伴，这样不仅 可以帮助企业更好地对自己的平台进行评估，还可以让企业在扩充自身GenAI能 力的过程中不断积累经验教训。为了使GenAI应用效果最大化，企业还需要考虑 与现有的AI工具相结合，例如基于现有的Chatbot工具进行GenAI的升级。