生成式AI赋能生命科学，技术加速与临床需求并重

AI正在为人类的健康事业注入前所未有的动能。从加速药物发现、大幅降低时间和成本，到打造智能医疗设备、让医生仿佛拥有自己的“贾维斯”，再到推动数字医疗的全面升级——AI+医疗健康这个赛道的潜力，正在加速释放。

NVIDIA CEO黄仁勋曾有一句很精辟的总结：“人类历史上第一次有机会让生物学成为工程，而不再仅仅是科学。当某个领域从科学转变为工程时，它就不再那么随机，而是呈指数级改进。”

我们不妨带着三个核心问题来审视这个交汇点：

• NVIDIA在医疗健康领域具体提供了哪些AI方案？
• 医疗创新企业如何把AI技术融入研发流程？
• 从临床需求角度看，AI带来的可能性和现实挑战是什么？

近期，由NVIDIA主办的2024 NVIDIA创业企业展示华南地区香港分站专场在香港科学园举行，高榕创投参与了联合主办。在圆桌论坛环节，来自NVIDIA、高榕创投、康诺思腾等机构的医疗专家，围绕上述问题展开了深度对话。

让医疗企业充分利用生成式AI最新进展

NVIDIA资深开发者关系经理张天静在活动中系统介绍了NVIDIA在医疗健康领域的全栈AI方案。具体来说，NVIDIA近年来持续升级Clara套件——覆盖计算平台、软件和服务，为药物研发、医疗设备、基因组学和医学影像等方向提供了专门的解决方案，包括用于药物研发的BioNeMo、用于医疗设备的Holoscan、用于基因组学的Parabricks以及医学影像方向的MONAI等。

张天静指出，医疗健康和生命科学行业正在成为数据量最大的产业之一，2020到2025年该领域数据的复合年增长率达到36%。NVIDIA不仅希望为医疗行业提供GPU和加速计算，还希望通过各类工具帮助开发者快速迭代产品。例如，今年GTC大会上推出的NVIDIA NIM，为开发者提供了经过优化的推理“微服务”，让企业可以快速、安全地部署AI应用程序——这些微服务涵盖医学影像、药物发现、基因组学、数字人、大语言模型等。NIM微服务现已通过NVIDIA AI Enterprise 5.0软件平台提供。“我们希望医疗健康领域的公司能轻松体验和运行企业级生成式AI模型，无论是体验NVIDIA预训练的大模型，还是接入API，或是基于NIM做部署，都能将AI能力无缝集成到商业应用中。”

在医疗设备方向，张天静的观点很直接：未来每一台医疗设备都会变成机器人式的，能够实时执行AI指令。“NVIDIA旨在助力医疗设备开发者快速进行端到端软硬件研发迭代，开发下一代基于边缘计算、AI赋能的医疗设备。”传感器处理平台NVIDIA Holoscan就是一个典型，它让医疗设备开发者能够对前端传感器进行实时AI处理，提供超低延迟和极致的边缘AI性能。

在药物发现领域，计算机辅助药物发现正在呈指数级增长，方兴未艾。数据显示，生成式人工智能有望让药物发现加速3年、节约数亿美元成本。NVIDIA BioNeMo为药物研发提供开发、定制和部署基础模型所需的服务，目前已经提供十余个生成式AI模型以及云服务，赋能医药开发者进行大小分子设计、蛋白结构优化。

在基因组学领域，随着测序成本降低，数据量急速攀升，“我们对DNA测序的能力已经远远超过解读其包含信息的能力”。NVIDIA Parabricks工具致力于优化测序分析的工作流程，帮助基因测序行业开发者进行序列比对、突变分析、空间组学研究，并且显著提高准确性、提升速度、降低成本。

最后，张天静特别强调生成式AI还有望变革的一大领域是数字医疗。“在医疗保健信息系统领域，有非常多的数据，如处方、剂量、病历等等”，生成式AI有望打造通用AI智能体和医疗智能体，帮助生成临床记录、为临床决策提供支持、开发虚拟助手等。“通过多模态AI打造智慧医院，未来整个医院有机会成为一个智能体。”NVIDIA正打造数字医疗工具栈，助力医疗信息化企业进行语言模型开发与部署。

利用AI工具，解决真正的未被满足需求

高榕创投董事总经理于江涛博士指出，高榕创投深耕医疗健康领域，在过去几年投资了多家覆盖新药研发、医疗器械与检测、数字医疗及服务的企业。“将AI技术应用在产品和服务研发过程中，已经成为医疗健康企业的共识乃至标配。”他结合被投企业的案例，分享了企业如何利用AI技术全面加速研发：

在传统的精神疾病药物开发领域，由于缺乏对药物人脑影响的了解，临床阶段常面临高失败率。Alto Neuroscience利用AI技术预测患者对候选治疗药物的临床反应，碘伏了精神疾病药物研发的方式，提升了药物临床成功的可能性。百奥几何专注于打造生成式AI蛋白质设计平台，其研发的生成式AI蛋白质设计大模型GeoFlow，在抗原-抗体复合物结构预测任务上达到了AlphaFold3同样的水平。水木未来打造的冷冻电镜平台，帮助药企实现有针对性的药物设计，特别是利用X射线晶体学难以解析的膜蛋白等蛋白质。水木未来研发的SMART软件系列，是业内唯一全面覆盖冷冻电镜数据计算全过程的工具平台，通过众多AI深度学习算法显著提高了数据分析效率，用更少的机器时间和数据生成更高分辨率的模型。西湖云谷智药致力于将人工智能赋能基因治疗方法研发。在基因编辑治疗中，负责基因递送的AA V载体非常关键，西湖云谷智药通过AI模型更有效地筛选和开发出具有特定器官靶向性的AA V突变体，这对开发更有效的基因治疗策略具有重要意义。

于江涛强调，从医疗健康领域当前的情况看，人工智能仍然是工具，起加速作用，现在或许还不是AI解决一切问题的时候。需要足够的积累，包括资金和时间的投入来加强AI基础设施建设。“此外，我们必须从医疗健康领域的需求角度出发，医疗创业者需要思考——究竟要利用技术去解决哪些健康领域的关键问题？什么是真正的未被满足需求？”他指出，今天值得关注的未被满足需求包括肿瘤、代谢性疾病、神经与退行性疾病、长寿等，最终目标就是实现“live longer, live better”。随着中国创新医疗企业开始从本土走向全球，于江涛也给出了四点建议：建立全球视野，用创新技术构建差异化竞争力，积极拥抱AI，与合作伙伴共赢。

手术机器人应用生成式AI：想象与挑战

康诺思腾联合创始人、CTO王泽睿博士回溯了人类手术的发展史。多个世纪以来，外科医生从事的是开放式手术，直接用手操作、用眼睛观测病灶，但伤口大、恢复慢。20世纪80年代末、90年代初，腹腔镜手术的出现让医生能够到达深部复杂的手术部位，且切口小、恢复快；但弊端在于学习难度高，容易导致医生疲劳。如今腹腔镜手术已是许多手术的金标准。

直到2000年，第一代手术机器人系统获得FDA批准，进一步革新了手术的效率和效果。手术机器人都有哪些优势？王泽睿指出，手术机器人全方位提升了生产力：它让医生能够进入封闭狭窄的手术部位进行直观操作，极具灵活性和精准度；能显著缩短复杂手术的时长；能减轻外科医生疲劳以提高手术量——比如外科医生平均每天可完成1-2台腹腔镜手术，使用手术机器人则可以完成3-4台；此外还有助于缩短微创外科手术的学习曲线，延长外科医生的职业生涯。“这是极具价值的，因为优质医疗资源往往稀缺。”

手术机器人是如何工作的？主操作手对医生操作手势进行编码，机械臂随后解码并执行手术操作，内窥镜捕捉操作画面回流到控制台。康诺思腾运用了先进算法，使手术机器人更加易于使用、流畅和精准，让外科医生拥有沉浸感。

数据显示，2022年美国一年有860万台手术，其中15%由手术机器人辅助完成；而中国每年手术量为1150万台，只有不到1%是机器人手术，全球范围内手术机器人的渗透率也只有4%。自成立以来，康诺思腾致力于提升中国乃至全球优质医疗资源的可及性，让更多患者受益于科技创新带来的高品质医疗服务。

谈到生成式AI对手术机器人的未来变革，王泽睿说：“10年前，当我还是博士生的时候，很多想象还停留在科幻小说；但今天生成式AI让我们有希望打造一个‘贾维斯’，实时帮助外科医生完成手术。”不久的将来，生成式AI技术有机会实现：手术前辅助医生做术前规划，如分析最佳手术路径和操作步骤；手术期间一方面提供实时手术导航、图像增强、风险预测等有用信息，另一方面完成部分操作如自动化器官牵引、切割、缝合；手术后帮助医生做术后分析和持续改进，如手术阶段分割、关键解剖结构标引、动作识别与评估。当然，手术机器人作为医疗器械必须确保安全性和有效性，需要面对严格的验证确认流程和监管部门的审批。因此，在手术机器人中运用生成式AI还需要时间去尝试和探索，尤其需考虑成本、数据与计算资源等挑战。康诺思腾也希望基于大湾区的供应链优势，提高手术机器人的可及性、不断降低成本。

毫无疑问，生成式AI已经渗透到医疗健康行业的各个领域，不再是“锦上添花”，而是有机会拓展人类对生命科学边界的探索。走在医疗与AI交汇点的先锋们，将感受到前所未有的加速度，也需要合作共赢，解决临床需求和未知挑战。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：生成式AI赋能生命科学，技术加速与临床需求并重要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题