当前，AI正在沿着行业轴和场景轴双线并行，在不同领域和环节产生新的化学反应。
在医疗各环节，AI也在广泛渗透。疾病预测领域，通过借助AI分析健康大数据预测慢性病发病风险，指导预防干预。药物研发借助AI、加速靶点发现与化合物筛选，缩短研发周期。智能辅助诊疗系统整合临床知识，为医生提供决策建议。影像诊断中，深度学习算法精准识别影像特征，辅助医生检测肿瘤、心血管疾病等，多款产品已获认证应用。远程医疗借助AI实现患者远程监测与在线问诊，提升医疗可及性，尤其在基层医疗中助力提升服务能力，整体应用呈现蓬勃发展且持续深化拓展态势。
2024年12月19-20日，第16届创业邦100未来独角兽大会在成都举行。齐碳科技联合创始人&首席科学家白净卫，莱芒生物联合创始人兼CEO郭雨刚，强联智创创始人、董事长、总经理秦岚，宸安生物联合创始人孙双午，璞睿生命科技创始人&董事长、艾昆纬亚太区总裁高级顾问王铮，益杰立科联合创始人兼CEO张宝弘在创业邦内容中心副主编刘恒涛主持的《AI for Science，未来医疗新图景》对话环节，围绕AI在医疗领域应用的前景，以及目前面临的医疗数据隐私、监管合规、算力成本现实挑战等话题展开讨论。
以下为对话内容，由创业邦整理：
刘恒涛（主持人）：非常荣幸能够与各位嘉宾共同参与此次圆桌讨论。本次主题聚焦“AI for Science—人工智能驱动科技”，首先请大家分享AI为自己所在的领域，带来了哪些改变。
张宝弘：大家好，感谢主办方的邀请，益杰立科是一家新一代基因治疗公司。大家可能熟知基因编辑技术，但这种技术的应用场景存在较大局限，主要是因为编辑基因会改变DNA序列，在人体修复编辑后的DNA序列时，会引发诸多不可控的风险。
我们从前人的科学发现以及当前基因编辑药物研发的实际情况出发，思考如何克服这些风险，将这种强大且灵活的技术应用于慢病治疗领域。为实现这一突破，需要一套有效的方法。首先，要精准地与基因调控位点相结合，尤其是基因上调和下调的启动子区域。其次，调控并非采用传统的编辑方式，如DNA切割，而是利用人体内源性的表观遗传通路来调控基因转录和表达。
介绍完这些工具后，再谈谈我们的技术平台机制。说到AI，我们也在进行尝试和探索。主要原因在于我们所使用的调控元件极为复杂，既要导航到精准结合的位点，又要设计元件以激活或抑制基因表达。而人体的机制非常复杂，其中涉及的通路主要包括DNA甲基化和组蛋白修饰这两套元件，这些都是生物学中早期的机制。要使我们设计的系统与人体内源性通路高度相似，仅凭传统思维是极为困难的。
因此，从公司成立之初，我们就组建了一个团队，致力于大量数据的收集，并运用机器学习和AI的思路与方法，确保在源头上设计“导弹系统”时，既能做到精准，又使风险可控。在设计元件的组成部分时，能够真实地模拟人体内源性的表观遗传通路的细节。
王铮：璞睿生命科技所在赛道是医药行业中较为传统的临床研究的CRO（合同研究组织）赛道，大家都知道，自上个世纪以来的100多年里，临床研究进入的人体临床试验阶段基本全部依靠人工手动来执行完成。我们要去医院现场进行受试者数据采集，然后录入到企业的EDC后再做数统分析，整个过程中是一个非常复杂而繁琐的流程。为了保证数据质量，行业还有一个著名的岗位叫做CRA（临床研究监查员）还得专门到现场做数据监察。在临床研究的CRO的整个临床试验过程中，涉及100多个工种和600多个SOP。
再看传统汽车制造行业，自动化变革早在几十年前就完成了。CRO面临的情况就如同当年丰田制造汽车时一样，都在做精益化管理和SOP。我相信药企和Biotech与CRO打交道时也很头疼，现在人工工作不管是精密度还是流程，都有很大的局限性。在临床研究的开发和研究方面将有很大机会，能通过计算机模拟预测药物分子、化学合成、多肽形态。我们研发最核心的部分，就是用机器自动化替代人工，因为相应的算法已经成熟，像传统人工方式的数据采集和录入，以及统计学分析工作完全可以由机器完成。
可能大家不知道，中国每年在CRO临床运营上的花费达到2000亿，其中60%花在CRC（临床研究协调员）和CRA 上，也就是1200亿，这里面大概有1/4的时间成本，差不多30亿是用于支付他们往返公司和医院的差旅费用。要是通过线上数字化和自动化，这300亿人工成本就能轻松从行业节省下来，如果投入到我们的研究中心做研究，其价值之大不言而喻。
所以我觉得AI在临床运营这一领域是最大的机会。全球临床研发，在大家印象里可能还是：从一个药物从分子发现到注册上市，要花10年和10亿美元。但据我们最新研究，过去10年研发周期远超10年，像很多肿瘤和免疫治疗研究，时间或多超过10年了， 成本更是高达20亿美元。很多跨国企业重新核算了成本，未来临床研究肯定不能再用传统方式持续运作了。这可是个千亿级的赛道，中国研发成本占全球10%，全球2万亿市场里至少40%的成本可以被机器自动化和人工智能取代，这正是我们企业从事的最核心的赛道。
孙双午：宸安生物一直专注于体外诊断领域，也就是IVD。大家去医院检查时，会抽取血液、尿液或其他样本，这些样本会被送到医院的检验科、病理科或其他相关科室进行分析与检查。这个赛道虽然历史悠久，但也在发生新的变化。如今有非常先进的科技和分析技术，能将各种样本分析得越来越精细。不过随之而来的问题是如何分析和解读这些数据，以及怎样把数据呈现给医院的检验科室和病理科室，并结合临床科室反馈给每个检查的人，而数据解读是其中的关键问题。
实际上，AI在IVD数据分析领域已经应用多年，宸安生物在这个领域专注于细胞数据的获取和分析。在临床上，有类似CT和超声等工具来通过在人体的器官和组织层面对患者进行诊断。还有免疫学和分子诊断等技术，能够对体液样本中的蛋白质和核酸进行分析。而细胞是人体生理和病理过程的最基本单元，异常的变化都能在细胞中体现，只是过去缺乏很好的在细胞这个维度进行分析的工具。宸安生物提供的产品能够高通量、低成本地解决细胞分析的问题。
回到本次主题AI，这也是目前面临的问题。针对一份样本可能要分析100万个细胞，每个细胞可能同时分析30到40个指标，这样就形成了一个非常大的原始数据。如何通过这些数据来还原和解读一个患者的细胞功能状态，并达到诊断的目的，AI技术起着非常关键的作用。而且一个人的细胞功能在不同时间点，不同疾病状态，不同用药的条件下，会发生动态的变化。通过对大量样本细胞数据的分析，除了能够用于诊断，还能够发现一些有趣的现象，加速生物标志物发现和药物开发。
秦岚：强联智创主要致力于将AI应用到外科领域，就拿脑血管病来说，像脑中风这类致死致残的疾病，内科并没有很好的解决方案，无法通过吃药来预防中风或者在中风后进行有效急救，往往需要介入手术治疗。
大家都知道，大医院大专家做的手术效果通常优于小医院的医生。但我们不可能让每个大专家都去做手术，尤其是遇到急诊情况，让每个基层医院都配备大专家更是难上加难。所以我们就思考AI在这当中能发挥什么作用，大专家在手术过程中到底起到哪些关键作用。实际上，大专家并非从手术一开始忙到最后，而是在手术中最困难、最关键的那几步发挥重要作用。一方面，我们利用的是大专家的经验和智慧，也就是他们丰富的手术经验能制定出最优的方案，这其实就是算法，对我们而言就是AI的算法。我们可以通过AI对病人的影像、脑血管状况及病变部位进行分析，从而得出最优治疗方案。
另一方面，有了手术方案后需要执行，若仅靠小医生操作，会存在手术技能的问题。于是我们将AI的指令发送给机器人，依靠机器人实现精细化的手术操作。这样一来，在整台手术的关键步骤上，就实现了我们所说的“全自动驾驶”。当关键步骤实现自动化后，小医生与大医生配合完成手术的模式，就转变为小医生、AI和手术机器人共同完成整台手术。
从目前的临床试验来看，中低年资医生加上AI机器人所达到的手术效果能够超过高年资医生的独立手术水平。只有实现这一点，无论是在大三甲医院还是基层的县级医院，外科治疗才能从以前完全依赖人的经验和技能，转变为同质化的治疗。我认为这就是AI结合机器人技术在整个外科治疗领域能够带来的根本性改变，能让所有需要外科治疗的病人，无论在哪个医院都能获得相同的治疗效果。
郭雨刚：莱芒生物专注于免疫治疗领域，在该领域中AI有着诸多应用。例如运用AI技术进行免疫因子的定向进化、促进抗体亲和力成熟，以及发现新的TCR等。虽然这些工作在AI尚未介入时就已开展，但AI起到了加速开发进程的关键作用，能大幅提升工作效率。不过，必须明确的是，不能过度神化AI，它并非无所不能，不能无中生有地创造出原本不存在的成果，其本质是一种工具，在恰当的应用场景下，能够切实有效地助力提高工作效率。因此，科学家们仍需坚守创新之本，借助AI加速创新进程，从而全面提升药物开发的整体效率。
白净卫：齐碳科技是做纳米孔测序仪的公司。在我们行业，AI与深度学习方法已经深度渗透。纳米孔测序仪能兴起，深度学习算法功不可没。我们用电学方法对DNA序列ATCG进行碱基的物理测量，类似声纹识别，得益于AI，其识别准确率从80%大幅跃升至近99.9%，它能够挖掘出电流、波形等信号中的大量隐藏信息，尽管理论上还不明就里，但实践效果显著，基因测序的发展很大程度上得益于AI。
然而，基因测序数据等复杂数据在临床应用却困难重重。以多病原检测为例，基因测序能同时低成本检测200多种病原，适用于多种病症。但人体存在共生和定植菌群，例如，检测结果中的肺炎链球菌等病原体在健康人中也可能存在，这就带来了解读难题。医生面对检测结果中的大量数据，如微生物种类、丰度、定植特征、是否是益生菌等信息，难以判断感染与否、致病性、耐药性、感染部位及是否需使用抗生素等，常陷入困惑。
目前，即便基因检测技术进入临床，下游公司或医院拿到报告后，仍需经验丰富的解读工程师或科学家辅助解读，数据解读成了组学数据临床应用的关键阻碍。而AI恰是破局关键，因其能替代依赖经验的工作，在医学领域潜力巨大。我期望与各位携手合作，借AI之力打通基因测序、蛋白组学等进入临床的“最后一公里”，推动这些技术大规模应用，造福患者。
刘恒涛（主持人）：基于数据的解决方案，AI大有用武之地。接下来请问各位，大家所在的公司是如何在布局AI的，希望达到什么样的愿景？
孙双午：在临床检验中面临着拿到大量数据后如何解读与分析的关键问题，在不同的临床试验及生命科学和转化研究中亦是如此。公司基于自身核心技术，不断拓展业务边界。
第一，公司不仅提供诊断设备和试剂，也不断与研究者、药企、临床单位紧密合作，提供多种服务，深入到数据采集与分析环节，参与数据价值的创造过程。
第二，针对某些医院存在数据无法出院以及隐私保护等问题，公司开发了便于用户操作的高维数据分析软件。也就是说，一方面开展检测服务与研究项目，另一方面打造优质的数据分析产品，可以为客户进行私有化部署，助力客户实现自由地数据分析。
王铮：因为我们做临床试验，主要是新药上市的注册试验和真实世界研究（RWS），而AI在垂直领域的大模型布局是接下来资源投入较大的方向。首先面临的挑战是，医疗级别大语言模型需要大量语料训练，但患者层面的医疗数据受国家严格管控，难以获取大数据用于外部训练，只能选择私有化部署。然而，大语言模型厂商私有化部署成本极高，还未算上自身GPU投入成本。若中国要在垂直领域的大语言模型训练上取得进展，一是要与国家数据平台合作，二是要在大型医疗中心和大医院集团进行私有化部署。
其次，核心挑战还涉及监管。国家在监管法案上，对于数据应用和跨中心的数据交流需要有所突破。最后，AI应用成本巨大。在该赛道，美国同行基本以四五亿美元的规模进行融资，这是一个长期过程。若投资人没有做好长期投入和产出的准备，AI要真正实现应用并超越国际同行极为困难。这三点对于在该领域布局和从事AI工作的人来说，融资压力确实非常大。
张宝弘：任何事物都具有两面性，有利也有弊。就公司而言，由于是基于全新技术驱动未来革命性的管线开发，所以公司对于新兴技术在基因治疗领域的应用，秉持先行先试、抢占先机的积极态度。比如在sgRNA的设计上，我们从源头确保其精准性，同时也尝试运用AI进行预测，这展示了我们积极探索和创新精神。
然而，从另一个角度来看，在没有收集到足够大量的数据之前，AI的应用存在诸多瓶颈，难以构建有效的预测模型。因此，我们必须保持清醒的认识，如果在现阶段完全依赖AI，可能会降低准确性，这并非是走捷径，反而会误入歧途。所以公司一直保持着清醒的头脑和谨慎的态度来应用AI，并持续进行优化和学习。
秦岚：AI的研发的确是一个耗费大量资金的过程，强联智创较为幸运，已经完成了9轮融资，将近10亿的投资被投入到研发项目中。在脑血管病这一垂直领域，公司的愿景始终是成为全球领先的脑卒中智能诊疗服务平台。
AI能够基于中国丰富的临床数据发挥作用，公司搭建了两个中国人群颅内病变的结构性数据库，凭借这些大量的中国人群数据，公司有机会实现弯道超车。AI可以重构整个脑血管病诊疗的关键环节：一方面是手术自动化，手术中最困难的部分无需人类医生去学习掌握，而是可以交给AI机器人来操作；另一方面是关键决策，既要避免不该做手术的病人被安排手术，也不能遗漏任何应该提前手术预防中风的情况。
所以，公司致力于通过AI洞察力，将AI应用于手术治疗和关键决策这两个方面，最终期望达成所有医学生的理想与憧憬，即无论在大型医院还是偏远乡村，让每一位脑血管病患者都能平等地获得最有效的治疗。
郭雨刚：莱芒生物在AI领域主要有三个布局方向，其中代谢增强因子的筛选以及更精准地识别肿瘤这两方面此次不做分享，重点分享患者用药剂量的优化这一方面。
过去人们认为在安全范围内药物剂量越高疗效越好，但在活细胞药物治疗中，这一观念可能并不正确。莱芒生物正在利用基于大语言模型的AI技术构建精准药物用量的预测模型，为患者量身定制地预测最有效的药物用量。
这样一来，当新的患者前来就诊时，经过诊断确定其病情后，便能为其推荐出最为合适的用药范围。这不仅为患者带来了良好的治疗体验，有效减少了高剂量用药所产生的副作用，而且还节省住院时间以及护理费用，有助于提升活细胞药物治疗的精准性和有效性，为患者的治疗提供更科学、更优化的临床方案，具有重要的临床价值和意义。
白净卫：AI是我们产品的关键构成部分，在测序仪的核心组件里，有核心的GPU 以及驱动GPU运行的整套AI算法，并且公司一直配备着AI团队持续对深度学习算法进行迭代优化。该算法与通用的生成式AI有所不同，因其承担的任务极具特殊性，要求能够实时、轻量化运行，并且在短时间内处理海量数据。例如谷歌在行车场景中的图像识别算法，也无法满足这类特殊需求，所以公司一直在专注钻研以完成特定任务，这是算法方面的情况。
此外，目前公司面临着GPU供应中断的问题，尤其是高端GPU。随着测序仪通量不断增大，算力不足的问题凸显出来。起初使用游戏卡就能满足算力需求，但后来就需要更高端的算力支持。为此，公司正在积极与国产GPU厂商和硬件厂商展开大规模的合作尝试。然而，经过大量测试后发现，能够满足公司特殊需求的产品很少。
国产GPU大多是针对特定需求进行设计的，实际投入使用时会暴露出诸多问题。因此，公司也在探索从底层出发，将硬件和算法整合起来使其协同运行。最终的实现模式不一定局限于GPU，若将技术推至极致，使用FPGA等其他方式也有可能，当前公司仍在努力探寻与国产厂商合作的有效途径。
关于2024创业邦100未来独角兽大会
2024年12月19-20，第十六届创业邦100未来独角兽大会在成都举办。本届大会由创业邦主办，成都市科学技术局、成都市投资促进局为指导单位，睿兽分析为数据支持平台。大会官方指定用车为比亚迪旗下新能源个性品牌方程豹汽车豹8。
“创业邦100未来独角兽大会”是准独角兽企业的年终盛会，始于2009年，致力于发掘出一批未来1-3年有望成为独角兽的未来独角兽企业。作为独角兽的挖掘者、创新的探路者，大会连续十六载颁发《创业邦100未来独角兽榜单》，累计评选出1289家高成长企业，如美团、小米、滴滴、理想汽车、蔚来汽车、泰格医药……根据睿兽分析数据显示，其中有106家公司已经成功上市，91家企业被并购，105家成为独角兽企业。
本届大会以“CrossingtheAlps——行者无疆”为主题，继续揭晓“2024年度投资人”《2024创业邦100未来独角兽榜单》《2024硬科技创变者50强》，发布《2024年全球独角兽企业洞察》，携手未来独角兽、硬科技创变者奋楫前行。
更多未来独角兽、硬科技榜单，以及实时科创数据、产业图谱尽在睿兽分析。
