2024智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用報告

2024年4月百業(yè)。在國家提出加快發(fā)展新質(zhì)生產(chǎn)力的今天2智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用——2024年1月31日，習近平總書記在中共中央政治局第十一次集體學習時強調(diào)力。深入推進數(shù)字經(jīng)濟創(chuàng)新發(fā)展。制定支持數(shù)字濟高質(zhì)量發(fā)展政策，積極推進數(shù)字產(chǎn)業(yè)化、產(chǎn)——2024年3月5日，《2024年國務院政府工作報告》第5-9頁第10-13頁第14-21頁第22-29頁第30-34頁 第5-9頁第10-13頁第14-21頁第22-29頁第30-34頁 3場景力：生成式AI在醫(yī)療醫(yī)藥領域的潛在應用 4善謀者行遠，實干者乃成：生成式AI的場景化落地4智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用401從傳統(tǒng)01從傳統(tǒng)AI到生成式AI，是進化還是新生?5智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用注重點注重點生成式AI的崛起，對傳統(tǒng)AI構(gòu)成了顛覆性的挑戰(zhàn)，為人類帶來了前所未有的創(chuàng)造力和想象力。當我們從各維度對比兩種技術時，可以直觀看到，從傳統(tǒng)AI到生成式AI的發(fā)展是一個既有進化又有新生的過程。二者之間既有區(qū)別，又有結(jié)合。1.11.1傳統(tǒng)AI和生成式AI的區(qū)別在于工作目標，以及對待知識的態(tài)度和方法。傳統(tǒng)AI更注重對已有知識的運用和推理，它的目標是回答特定問題或解決特定任務，其工作方式更像是知識的傳遞。而生成式AI則更注重生成和創(chuàng)造，它的目標是生成全新的、真實的、有用的數(shù)據(jù)和內(nèi)容，其工作方式更像是知識的歸納和演繹。這種區(qū)別使得它們在各自領域中發(fā)揮著重要作用，并為未來的發(fā)展提供無限的可能性。傳統(tǒng)AI和生成式AI的擬人化比較傳統(tǒng)AI：嚴謹?shù)膶W者生成式AI：創(chuàng)造性的藝術家例如文本、圖像、音頻和視頻等模擬人類專家的決策過程，為特定的問題提供精確的答案標傳統(tǒng)傳統(tǒng)AI是一位嚴謹?shù)膶W者，善于整理和總結(jié)知識，能為我們提供精確、確鑿的答案。這位擬人化設定 1.2區(qū)別二：二者所生成內(nèi)容質(zhì)量的影響更優(yōu)的數(shù)據(jù)規(guī)模與質(zhì)量6智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用6人工智能是提升人類生產(chǎn)效率的幫手，而如何提升人工智能的產(chǎn)出質(zhì)量，是人類在人工智能訓練與使用過程中的重要功課。傳統(tǒng)AI在數(shù)據(jù)規(guī)模、硬件成本、部署復雜性、數(shù)據(jù)依賴等方面存在痛點，其內(nèi)容生成質(zhì)量高度依賴硬件性能和數(shù)據(jù)能力。相比之下，生成式AI是根據(jù)使用者提供的清晰指令而生成相應的內(nèi)容，因此，所輸入提問的質(zhì)量（是否準確、聚焦、結(jié)構(gòu)化）是影響內(nèi)容生成質(zhì)量的重要因素。由傳統(tǒng)式AI到生成式AI的技術變革程度用戶情感識別與分析傳統(tǒng)式AI生成式AI內(nèi)容梳理生成智能交互數(shù)據(jù)預測分析決策支持由傳統(tǒng)式AI到生成式AI的技術變革程度用戶情感識別與分析傳統(tǒng)式AI生成式AI內(nèi)容梳理生成智能交互數(shù)據(jù)預測分析決策支持1.31.3以往科技基礎上的延展或進步，而“革”代表著生成式AI顯著區(qū)別于以往技術的躍進。生成式AI在躍進過程中，呈現(xiàn)了整體由結(jié)構(gòu)化處理，向?qū)I(yè)化支持，再到交互式生成的幾大能力遞進。其相比于傳統(tǒng)AI技術所體現(xiàn)的變革力量，正在內(nèi)容生成、智能交互、數(shù)據(jù)分析預測、決策支持等方面反映。其中，內(nèi)容與決策方面的變革程度最為顯著。圖1傳統(tǒng)式AI向生成式AI的能力變革圖譜由傳統(tǒng)式AI向生成式AI能力演化過程能力演化越明顯7智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用 傳統(tǒng)AI體現(xiàn)出智慧工具的屬性（“智器”它們專注于特定的任務，具備強大的數(shù)據(jù)處理和分析能力，讓許多業(yè)務流程得以自動化，提高了工作效率。生成式AI則在智慧大腦（“智腦”）方面展現(xiàn)出巨大的潛力，其創(chuàng)造性、通用性、靈活性使得生成式AI在內(nèi)容創(chuàng)作、虛擬角色生成等方面具有廣泛的應用前景。 協(xié)調(diào)推進千行百業(yè)的智慧化發(fā)展 析能力為生成式AI提供了堅實的基礎，使得其生成的內(nèi)容更加精準和有意義。而生成式AI的靈活性和創(chuàng)新性，又為傳統(tǒng)AI帶來了新的可能性和發(fā)展空間。這種組合式發(fā)力、協(xié)調(diào)并舉的方式，使得AI技術在各個領域都能夠發(fā)揮出更大價值。無論是醫(yī)療醫(yī)藥還是其他行業(yè)，生成式AI都能為人類提供更好的服務，帶來更豐8智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用899生t成02生成式02生成式AI如何深入影響患者旅程?10智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用?互聯(lián)網(wǎng)醫(yī)院?社交媒體平臺?電話隨訪?電商平臺?藥店?醫(yī)院藥房?電商平臺?社交媒體平臺?家人/朋友?線上線下患教活動?體檢中心或健康護理機構(gòu)?知識型新媒體平臺?客服互動分析記錄醫(yī)學影像讀片輔助診斷預測疾病治療決策歷史病例庫病案錄入分析藥方開具決策歷史案例庫智慧交互問答藥方開具決策歷史案例庫智慧交互問答智慧交互內(nèi)容生成知識管理數(shù)據(jù)錄入與分析個性化隨訪方案自動提醒和通知個性化管理計劃患教內(nèi)容生成數(shù)據(jù)監(jiān)測分析隨著算法、算力和數(shù)據(jù)能力的提升，生成式AI正在深刻地改變醫(yī)療領域?；氐椒杖祟惿鐣旧?，生成式AI能夠結(jié)合行業(yè)特征，深度融入并影響行業(yè)。我們以個體患者的就診旅程為例，可以更加直觀、清晰地感受到生成式AI在不同流程觸點呈現(xiàn)的潛在價值與機會。生成式AI不僅能夠深入融合病患旅程，同時也賦予患者更加智能、高效和個性化的醫(yī)療服務體驗。020020首要渠道 模擬病患旅程地圖疾病了解疾病診療愈后健康復診/復診/知識線上媒體媒體媒體線下家人/?三甲醫(yī)院官方公眾號、醫(yī)生大V及專業(yè)科普?知識型新媒體平臺?家人/朋友個性化推廣&醫(yī)學內(nèi)容生成知識管理智慧交互問答其它重要渠道圖2模擬患者旅程地圖資料來源：安永內(nèi)部分析以慢阻肺病人的模擬旅程為案例，從疾病了解、疾病治療及愈后健康管理這三個不同旅程階段的患者行為出發(fā)，我們可以預見生成式AI賦能患者從診療到愈后管理的完整鏈路。11智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用在癥狀感知與認知階段，患者早期癥狀輕微，難以判斷自身患病程度，從而忽略慢阻肺的可能性。而一旦患者開始關注癥狀，就需要了解更多關于慢阻肺的信息。面對患者的疾病了解階段的需求，生成式AI可以通過知識內(nèi)容呈現(xiàn)或智慧交互問答等形式，為患者提供個性化的疾病教育內(nèi)容。例如，根據(jù)患者的年齡、性別、生活習慣和家族史等因素，推薦相關疾病知識信息，包括病因、癥狀、治療方法等。此外，通過智能語音助手或虛擬助手，患者可以隨時隨地獲得疾病相關的信息和對疑問的解答，以提高自身對疾病的認知。在疾病診療階段，醫(yī)學影像讀片并結(jié)合人工智能分析是目前生成式AI發(fā)展較快、較為成熟的領域。生成式AI可以使用深度學習技術對醫(yī)學圖像（包括B超、CT、MRI圖像）進行分析，其識別準確率不斷提升，結(jié)合人工智能分析系統(tǒng)提供生命體征分析結(jié)果，可助力醫(yī)生更快、更準確地診斷一旦確診為慢阻肺，醫(yī)生可以根據(jù)生成式AI分析下的患者病情嚴重程度，結(jié)合歷史病例庫的推薦結(jié)果進行分級，制定合適的療法品類（例如：選擇采用單一治療或聯(lián)合治療）。12智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用1233患者旅程中可能涉及復診與復購環(huán)節(jié)。慢阻肺患者在初次治療后，仍可能有未痊愈的情況發(fā)生，如呼吸困難的癥狀未完全緩解，或急性加重發(fā)作等。在復診時，生成式AI的智能提醒功能可以提醒患者按時復診和復購藥品，避免錯過重要的治療時機。同時，智能藥房管理技術可以根據(jù)患者的處方信息自動分配藥物，從而使患者能夠快速準確地獲取所需藥品。在愈后階段，生成式AI有望實現(xiàn)更高質(zhì)量的患者隨訪與長期健康在隨訪方面，生成式AI可以對患者生命體征數(shù)據(jù)和病情變化情況作出分析與預警，幫助醫(yī)生及時發(fā)現(xiàn)異常情況并采取應對措施。AI智能提醒功能則能夠以定期交互的形式，提醒患者按時隨訪，提高隨訪的依從性。在長期健康管理方面，生成式AI可以提供個性化的愈后健康知識內(nèi)容和愈后健康管理計劃，例如，根據(jù)患者的病情狀況和生活習慣等因素，推薦合適的運動方式和強度、飲食計劃和營養(yǎng)補充等。通過智能語音助手或虛擬助手，患者可以隨時隨地獲得愈后健康相關的信息和疑問解答，這將有助于提高患者的自我管理能力，改善愈后生活質(zhì)量。隨著生成式AI技術的不斷進步和應用范圍的不斷擴大，未來的患者就醫(yī)旅程有望變得更加智能化、高效化和人性化。0303生成式AI在醫(yī)療醫(yī)藥領域的潛在應用除了前述醫(yī)患場景，生成式除了前述醫(yī)患場景，生成式AI亦可應用于藥企內(nèi)部運營中，尤其有望大幅提高藥企的研發(fā)、生產(chǎn)和市場營銷效率。通過深度學習等技術對藥物分子進行篩選和優(yōu)化，生成式AI有望加速新藥研發(fā)過程。在生產(chǎn)環(huán)節(jié)，AI有助于企業(yè)實現(xiàn)自動化生產(chǎn)，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。此外，AI在市場營銷方面也將大有可為，通過對政策和市場資訊的抓取和解讀，可以發(fā)現(xiàn)未來的營銷機會，自動生成不同類別的文案，支持藥企制定更為精準的市場營銷策略。下文將分別聚焦醫(yī)患場景和藥企內(nèi)部場景，分析生成式AI賦能的潛在機會點。交互式醫(yī)療保健咨詢智能問答助手個人健康數(shù)據(jù)監(jiān)測基礎疾病預測生成式AI交互式醫(yī)療保健咨詢智能問答助手個人健康數(shù)據(jù)監(jiān)測基礎疾病預測生成式AI更優(yōu)質(zhì)生成式AI將可應用于患者旅程，在疾病的認知、就診、更優(yōu)質(zhì)治療、隨訪等多場景中發(fā)揮作用。通過醫(yī)患不同視角下的多樣化場景觸達，生成式AI能夠使診療“更優(yōu)質(zhì)”、醫(yī)更專業(yè)更自主一方面，新技術賦能醫(yī)院與醫(yī)生，助力醫(yī)生釋放出更多更專業(yè)更自主的工作效能，提升工作質(zhì)量，緩解醫(yī)療資源緊張的問題。傳統(tǒng)的診療方式往往依賴于醫(yī)生的臨床經(jīng)驗，以醫(yī)生為中心。而生成式AI可以通過分析大量臨床診療數(shù)據(jù)，深度學習醫(yī)療領域知識，為醫(yī)生提供更準確和可靠的診斷依據(jù)。這不僅可以提高診斷的準確率，還能幫助醫(yī)生更好地制定治療方案，尤其是助力于臨床經(jīng)驗有限及醫(yī)療資源匱乏地區(qū)的醫(yī)生。另一方面，新技術結(jié)合患者旅程，帶來更加精準、便捷和個性化的醫(yī)療服務和健康支持，推動患者自我知識了解的深入發(fā)展，提升創(chuàng)新性的交互體驗。圖3生成式AI在患者診療旅程的應用場景患者疾病認知入院與疾病診斷門診患者疾病認知入院與疾病診斷門診/住院治療生成式AI 疾病知識內(nèi)容生成疾病知識內(nèi)容生成個性化推薦分析個性化推薦分析關聯(lián)知識分類與匹配關聯(lián)知識分類與匹配個性化健康醫(yī)療建議個性化健康醫(yī)療建議擬人化智慧分診擬人化智慧分診/導診 病患基本信息自動錄入病歷卡內(nèi)容自動生成病歷卡內(nèi)容自動生成實時醫(yī)學聽寫和記錄實時醫(yī)學聽寫和記錄醫(yī)學影像合成醫(yī)學影像合成疾病治療與決策支持疾病治療與決策支持醫(yī)學影像讀片醫(yī)學影像讀片罕見病分析與異常提醒罕見病分析與異常提醒輔助診斷與預測輔助診斷與預測推薦單一/聯(lián)合治療過往方案分析與推薦治療方案輔助決策治療方案內(nèi)容生成自動檢核與校對人工智能手術監(jiān)控醫(yī)療設備風險追溯異常數(shù)據(jù)分析與預警病患信息更新與記錄智慧化線上隨訪溝通異常數(shù)據(jù)分析與預警生命體征監(jiān)測管理健康數(shù)據(jù)分析患者教育活動內(nèi)容生成數(shù)字人患者教育宣傳遠程醫(yī)療聊天機器人患者藥物任務提醒更系統(tǒng)的高質(zhì)量醫(yī)療更系統(tǒng)的高質(zhì)量醫(yī)療更加主動針對性地診療更加主動針對性地診療更好地協(xié)調(diào)醫(yī)療資源更好地協(xié)調(diào)醫(yī)療資源改善對醫(yī)療資源的可及性改善對醫(yī)療資源的可及性保證患者安全保證患者安全更高的患者參與度與更好的交互體驗更高的患者參與度與更好的交互體驗更高的患者參與度與更好的交互體驗生成式AI可在診前、診中、診后多個場景賦能，包括個性化診療方案、治療過程中的風險控制、交互式的患者教育與健康管理等。從而釋放醫(yī)生效能，提高患者參與度，系統(tǒng)性提升醫(yī)療質(zhì)量，改善醫(yī)療資源匱乏以及更大程度保證患者醫(yī)療安全。15智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用111212232333447586867111212232333447586867在藥企運營的各個環(huán)節(jié)中，生成式AI將發(fā)揮著日益重要的作用，不僅改變傳統(tǒng)的藥物研發(fā)和生產(chǎn)模式，還將為藥企的前、中、后臺運營提供強大的支持。圖4藥企職能部門示例444455法務部法務部/合規(guī)部/ESG資料來源：安永內(nèi)部分析16智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用在前臺各職能部門中，生成式AI主要將在患者服務、營銷市場分析、企業(yè)戰(zhàn)略規(guī)劃等領域賦能，通過智能咨詢和精準營銷提高醫(yī)患體驗，并為藥企提供更精準的業(yè)務規(guī)劃和運營優(yōu)化。藥企市場和銷售部門作為重要的業(yè)務部門，其日常運營也涉及諸多痛點，生成式AI將賦能市場部和銷售部，為其帶來更高的銷售效率、更精準的市場定位及更優(yōu)質(zhì)的客戶服務。具體而言，該技術將能通過自動生成市場調(diào)研問卷、訪談筆錄，業(yè)務分析報告等方式，提高業(yè)務部門決生成式AI還將能通過更加具體的客戶細分，協(xié)助市場團隊精準定位目標客戶群體，制定更具針對性的市場營銷計劃。此外，它有望自動生成各類銷售和市場宣傳材料（如產(chǎn)品介紹，宣傳冊等），以及個性化的創(chuàng)意營銷文案和內(nèi)容，為客戶提供個性化內(nèi)容推送，大大提高市場部的工作效果和效率。在與客戶互動方面，生成式AI的自然語言處理能力將使其能夠模擬人類對話，提供24/7的在線客服支持，自動解答疑問，增強客戶粘性和滿意度。行業(yè)政策快速迭代變化使市場準入部的價值日益凸顯，而如何快速實現(xiàn)對各類政策的解讀、形成洞察、作出決策、促進內(nèi)外部溝通，則成為市場準入部亟待提升我們認為，生成式AI將顯著提升市場準入部的工作效率，增強市場洞察力，提高客戶滿意度。具體而言，這一技術有望深度分析解讀政策和市場趨勢，通過抓取政策中的關鍵信息，對比不同政策差異性，薈萃多種相關政策進行解讀，從而為藥品定價、集采/國談政策響應、經(jīng)銷商政策制定等提供快速決策依據(jù)。生成式AI還擅長處理復雜的文檔工作，如快速生成符合監(jiān)管要求的申報材料，從而減輕市場準入人員的工作負擔，將精力投放到更有價值的工作事項上。在項目管理方面，生成式AI能夠模擬人類對話，提供個性化的信息服務，改善客戶體驗。此外，它還將能協(xié)助自動生成招標文本、合同等文件，為提高運營效率提供支持。值得一提的是，生成式AI在合規(guī)性檢查方面也將有顯著貢獻，可以自動檢測招/投標文件以及合同中存在的潛在合規(guī)問題，降低違規(guī)17智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用生成式AI賦值機會點生成式AI賦值機會點訪信息和風險和評估化生成與預警動化生成與自動和交互生成化設計生成式AI在戰(zhàn)略規(guī)劃和運營優(yōu)化部門的應用，將為其帶來更高效的運營管理和更有價值的戰(zhàn)略規(guī)劃。該技術的自動生成內(nèi)容能力（例如市場調(diào)研問卷和訪談筆錄文本、SFE的銷售有效性分析報告、銷售培訓內(nèi)容、BP模板、運營SOP等），能大大提高工作效率，將員工工作時間釋放出來，更專注于客戶洞察、策略制定和創(chuàng)新思考。自動化客戶溝通和交互則將能提高客戶滿意度，增強客戶忠誠度，同時收集客戶反饋，優(yōu)化產(chǎn)品和服務。生成式AI可以通過數(shù)據(jù)分析來幫助SFE團隊進行銷售獎金激勵機制的自動化設計。對醫(yī)學部來說，生成式AI將為醫(yī)學研究和相關內(nèi)容生成帶來變革，提升醫(yī)學部的工作效率。它可以對不同來源的醫(yī)學信息進行匯總解讀、篩選，通過分析海量的醫(yī)學文獻與臨床數(shù)據(jù)，加速有效醫(yī)學信息的獲取和研究能力。它可以幫助MSL快速學習新內(nèi)容以及支持MSL與客戶的溝通。生成式AI可以自動化生成內(nèi)容（例如患者教育內(nèi)容、真實世界研究報告、醫(yī)學策略報告、藥物警戒報告等），加快醫(yī)學部工作效率。最后，生成式AI可以用于醫(yī)學內(nèi)容的風險識別，預警其中存在潛在合規(guī)風險的內(nèi)容。圖5生成式AI在藥企前臺各部門賦能機會點前臺化生成18智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用生成式AI賦值機會點生成式AI賦值機會點一方面，生成式AI在中后臺的核心應用將包括藥物研發(fā)、生產(chǎn)和供應鏈優(yōu)化，其將在加速新藥上市進程及降本增效方面發(fā)揮作用。另一方面，生成式AI能助力生產(chǎn)自動化、質(zhì)量控制和IT運維，提升生產(chǎn)效率并確保穩(wěn)定圖6生成式AI在藥企中后臺部門賦能機會點質(zhì)量檢驗報告自動審核協(xié)助實驗室試劑、設備、數(shù)據(jù)管理深度挖掘和學習，發(fā)現(xiàn)潛在藥物預測藥物與特定靶蛋白間作用的預測化合物毒理，評估風險，優(yōu)挖掘和分析臨床試驗數(shù)據(jù)，優(yōu)化臨預測供應商價格和交貨時間，制定匯總供應商績效報告，協(xié)助優(yōu)選運輸路線最優(yōu)輔助決策生成式AI在研發(fā)部門的應用，將為藥物研發(fā)帶來深刻的變革，其高度智能化的數(shù)據(jù)處理和模式識別能力將為藥物研發(fā)注入新的活力。該技術能夠深度挖掘和學習大量的生物醫(yī)學數(shù)據(jù)，自動化發(fā)現(xiàn)潛在的候選藥物靶點。同時，它將能預測候選藥物的體內(nèi)藥代動力學特性，以及化合物的毒理，這對于藥物的療效和安全性評估將至關重要。在臨床試驗階段，生成式AI可以通過挖掘和分析大量的臨床試驗資料，優(yōu)化臨床試驗設計，提高試驗的效率和成功率。通過對數(shù)據(jù)集的關聯(lián)性分析，生成式AI有望幫助篩選和招募患者，提高臨床試驗的效率。同時，生成式AI自動化整理、審核和數(shù)據(jù)分析注冊申請資料的功能，將加速藥物上市的進程。19智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用生成式AI生成式AI內(nèi)容設計與生成信息收集與梳理檢核與監(jiān)控支持決策數(shù)據(jù)分析與預測自動實時交互生成式AI在生產(chǎn)和質(zhì)量管理部門的應用，將為藥品生產(chǎn)流程的優(yōu)化和質(zhì)量控制提供全新的視角。生成式AI能夠深度挖掘生產(chǎn)過程，發(fā)現(xiàn)生產(chǎn)瓶頸和優(yōu)化空間，為生產(chǎn)工藝的改進提供有力依據(jù)，通過幫助企業(yè)合理安排生產(chǎn)資源和排期，提高生產(chǎn)效率和資源利用率。降低設備故障率，保障生產(chǎn)的穩(wěn)定性和連續(xù)性。此外，生成式AI可以根據(jù)企業(yè)對供應商以及內(nèi)部生產(chǎn)的質(zhì)量標準和要求，自動生成質(zhì)量體系文件及個性化質(zhì)量管理培訓內(nèi)容。生成式AI自動化生成實驗室管理報告，將為企業(yè)提供更全面快速的實驗室運營數(shù)據(jù)與分析。生成式AI將為供應鏈部門帶來更加智能、高效和可靠的供應鏈管理，提升其核心競爭力。該技術以其強大的數(shù)據(jù)處理和預測分析能力，將為供應鏈的采購、訂單和物流管理提供全新的優(yōu)化手段。通過深度分析歷史案例和市場趨勢，生成式AI有望提高需求預測準確率。生成式AI可以通過對歷史供應商價格和交貨時間的分析，制定更合理的采購計劃和成本優(yōu)化策略。在采購流程中，生成式AI將可以實現(xiàn)自動化識別采購需求、自動匹配供應商和自動生成合同等功能，提高采購效率并減少人為錯誤。同時，該技術可以監(jiān)測和分析供應商的交貨性能、產(chǎn)品質(zhì)量和合同履行情況，幫助其及時發(fā)現(xiàn)潛在問題并采取相應措施。在物流配送中，生成式AI還可以輔助決策運輸路線的最優(yōu)方案，提高物流效率并降低運輸成本。圖7生成式AI在藥企中后臺部門賦能機會點支持法務/合規(guī)與別關鍵詞法務部/合規(guī)部/ESG生成式AI在IT部門中的應用，將為藥企帶來更加智能、高效和安全的IT服務體驗，推動企業(yè)數(shù)字化轉(zhuǎn)型的深入發(fā)展。該技術可以通過為IT客服自動生成回答內(nèi)容，自動化地處理大量的IT服務請求，提高IT部門的工作效率和響應速度。生成式AI將有可能自動化生成高質(zhì)量的代碼，提高開發(fā)效率和代碼質(zhì)量，從而加速IT項目的實施和交付。未來，這不僅能夠減輕IT人員的工作負擔，還能減少因人為錯誤導致的潛在問題。生成式AI還可以通過生成內(nèi)容，如報告、演示文稿和電子郵件等功能，幫助IT部門快速響應合作伙伴的需求，與數(shù)字化生態(tài)圈的合作伙伴高效溝通。20智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用生成式AI在財務部門的應用，將使財務管理水平全面提升，推動藥企在激烈的市場競爭中保持財務穩(wěn)健，實現(xiàn)可持續(xù)發(fā)展。該技術將通過其卓越的數(shù)據(jù)分析、模式識別和自動化處理能力，為財務管理的精細化、智能化提供有力支持。具體而言，生成式AI通過識別與預測可疑的交易，為財務決策提供科學依據(jù)。同時，它還能自動完成起草合同、處理發(fā)票等繁瑣而基礎性的工作?；趯σ陨蟽?nèi)容的處理，該技術將可能自動生成審閱報告，生成業(yè)財洞察。值得關注的是，該技術通過對財務部門流程及工作內(nèi)容的了解，將可能協(xié)助解答財務政策和流程相關常見問題。生成式AI在人力資源部門的應用將推動藥企在激烈的市場競爭中保持人才優(yōu)勢。該技術以其出色的內(nèi)容生成、數(shù)據(jù)分析的能力，為人力資源管理提供創(chuàng)新解決方案。生成式AI能夠高效地篩選和評估簡歷，自動總結(jié)面試官反饋，為藥企精準匹配優(yōu)秀人才。它有助于自動生成入職合同等文件，提高人力資源工作效率。該技術還能深度總結(jié)員工表現(xiàn)資料，為績效評估、個性化培訓和職業(yè)發(fā)展規(guī)劃提供有力支持。此外，數(shù)字人技術在培訓場景的應用，將收集和分析學員的學習數(shù)據(jù)，提供有關培訓效果和改進方向的洞察。生成式AI在法務和合規(guī)部門的應用，將幫助藥企在復雜多變的法律環(huán)境中保持合規(guī)穩(wěn)健，實現(xiàn)可持續(xù)發(fā)展。在合規(guī)方面，生成式AI有助于通過識別各類文件中的關鍵信息，預警合規(guī)風險，自動生成合規(guī)報告等解決方案；同時，基于對大量法律文件和合規(guī)資料的整理，可自動生成合規(guī)文件知識庫，利用強大的自然語言處理，為法務/合規(guī)人員提供內(nèi)容支持。對于法務部門，生成式AI支持合同文本的自動化生成、審查以及修改建議的生成，將提高法務部門的工作效率。對于公共關系和傳播部來說，生成式AI為藥企帶來公共關系管理的創(chuàng)新與升級，幫助藥企在激烈的市場競爭中樹立良好的企業(yè)形象，實現(xiàn)品牌價值的提升。生成式AI能夠迅速捕捉和分析社交媒體、新聞報道等多元信息源，為藥企提供更精準的輿情監(jiān)測，自動生成危機公關文本，有助于及時響應并優(yōu)化公關策略。同時，該技術還可以自動化生成高質(zhì)量的品牌宣傳、媒體采訪稿件、活動主持稿和通稿等，助力提升傳播效果，持續(xù)提高藥企品牌形象?？傮w來說，生成式AI可覆蓋藥企內(nèi)外部各環(huán)節(jié)，為藥企提供全方位的賦能，推動制藥行業(yè)向智能化、高效化方向發(fā)展。21智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用生成式AI的場景化落地0422智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用162534162534在生成式AI的應用中，大語言模型成為推動企業(yè)創(chuàng)新的核心技術。通過深度學習和海量數(shù)據(jù)的訓練，這些模型不僅能夠理解自然語言，還能生成語言，為多個行業(yè)提供智能化的解決方案。實施大型語言模型是一個復雜的過程，它涉及策略規(guī)劃、技術部署、應用實施以及持續(xù)的優(yōu)化。圖8生成式AI在企業(yè)的實踐路徑大語言模型大語言模型實施23智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用企業(yè)首先需要對自身的業(yè)務需求進行深入的分析，識別出大語言模型可以解決的問題或可以優(yōu)化的業(yè)務流程。這一步驟涉及深入了解企業(yè)的數(shù)據(jù)結(jié)構(gòu)、業(yè)務流程、用戶交互模式以及其他相關的技術基礎設施。在此基礎上，企業(yè)應制定清晰的策略，明確使用大語言模型的目標、預期成效、潛在風險以及預企業(yè)應對可用的大語言模型進行評估，選擇最適合其業(yè)務需求的模型。這需要綜合考慮性能、成本、可擴展性、易用性和安全性等關鍵因素。同時，企業(yè)還需要決定是采用云服務提供商的模型服務，還是自建模型。大語言模型的效果在很大程度上取決于數(shù)據(jù)的質(zhì)量。因此，企業(yè)需要收集、整理和處理適合于模型訓練的數(shù)據(jù)。這可能包括文本數(shù)據(jù)的收集、清洗、標注以及格式化等任務。同時，數(shù)據(jù)的隱私保護和合規(guī)性也是不可忽視的要求。24智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用2425為了使大語言模型在特定業(yè)務場景中發(fā)揮作用，企業(yè)可能需要開發(fā)一系列應用程序。這些應用程序可能涉及聊天機器人、智能助手、內(nèi)容推薦系在這個過程中，持續(xù)的測試至關重要，以確保應用程序的表現(xiàn)符合預期標準。為了確保大語言模型的有效運用，對員工進行恰當?shù)呐嘤柺潜夭豢缮俚?。此外，有效的變革管理對于確保新技術被廣泛接受和正確應用至關重要。隨著模型的持續(xù)運行，企業(yè)必須始終關注數(shù)據(jù)安全和隱私保護的問題。所有操作都必須遵守當?shù)胤煞ㄒ?guī)和國際標準，特別是在處理用戶數(shù)據(jù)時，更應確保嚴格的合規(guī)性。通過這些步驟，企業(yè)不僅能夠確保大語言模型的成功落地，還能從中獲得持續(xù)的業(yè)務價值。隨著技術的進步和應用的深入，企業(yè)將能夠不斷發(fā)現(xiàn)新的機會，在激烈的市場競爭中保持領先地位。4.2重塑質(zhì)態(tài)：搭建領域大模型，讓先進優(yōu)質(zhì)生產(chǎn)要素流向企業(yè)領域大模型指的是專門為特定行業(yè)或領域訓練的大型人工智能模型，它們在特定的知識領域內(nèi)具有高度的專業(yè)性和準確性。與通用大模型相比，領域大模型更擅長理解和處理特定行業(yè)的語境、術語和工作流程。領域大模型的價值在于它能夠提供更精準的預測、更深入的分析和更有效的決策支持，從而在特定領域內(nèi)實現(xiàn)自動化和智能化的業(yè)務操作。領域大模型的價值主要體現(xiàn)在以下幾個方面：?專業(yè)性：深入洞察特定行業(yè)的知識體系和工作流程，提供專業(yè)級的理解。?準確性：在行業(yè)特定任務上，相較通用模型擁有更高的準確率和可靠性。?優(yōu)效性：加快決策流程，顯著提升工作效率和業(yè)務流程的自動化水平。?適應性：能夠迅速適應行業(yè)發(fā)展和數(shù)據(jù)變動，持續(xù)更新與進步。?個性化：提供更符合用戶需求的定制化服務和解決方案。在構(gòu)建高效語言應用的領域中，預訓練語言模型已經(jīng)奠定了堅實的基礎。但為了使這些模型更好地適應特定任務或吸納領域知識，進一步的優(yōu)化必不可少。本文將深入比較兩種主流的優(yōu)化策略——檢索增強生成（Retrieval-AugmentedGeneration,RAG）和微調(diào)（Finetuning）。26智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用技術一：技術一：RAG（Retrieval-AugmentedGeneration）RAG是一種將檢索（Retrieval）與生成（Generation）結(jié)合的方法，通過檢索相關的文檔來輔助生成過程。具體而言，它先對一個大型的非結(jié)構(gòu)化知識源進行檢索，找到與輸入相關的內(nèi)容，然后將這些內(nèi)容與原始輸入一起送入到生成模型中，用于生成最終的輸出。圖9RAG應用的優(yōu)劣勢圖示（Retrieval-AugmentedGeneration）性和準確性。?知識豐富性：檢索機制允許RAG訪問到更廣泛的信息，超越了模型預訓練時的知識邊界。?適應性：對于需要特定領域知識的任務，RAG可以更容易地進行調(diào)整，通過相關數(shù)據(jù)的檢索來豐富信息源。?更新靈活性：更新外部知識庫通常比重新訓練模型簡單，使得RAG在需要頻繁更新知識的場景中更有優(yōu)勢。27智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用且需要處理檢索和生成的結(jié)合問題，增加了系統(tǒng)的復雜性。?處理速度慢：相較于直接生成，檢索步驟增加了額外的計算開銷，可能導致響應速度變慢。Finetuning的優(yōu)勢Finetuning的優(yōu)勢Finetuning是一種模型微調(diào)的方法，常用的方法包括SFT（SupervisedFinetuning）和DPO（DirectPreferenceOptimization），通過在特定任務的數(shù)據(jù)集上繼續(xù)訓練預訓練模型來優(yōu)化模型的性能。圖10Finetuning應用的優(yōu)劣勢圖示FinetuningFinetuningFinetuningFinetuning的劣勢Finetuning的優(yōu)勢?性能提升明顯：通過Finetuning，模型可以更好地理解專業(yè)領域的語言模式和數(shù)據(jù)特點。直接生成結(jié)果，不需要檢索步驟，因此響應更快。Finetuning的劣勢?可能出現(xiàn)幻覺：過分依賴特定數(shù)據(jù)集進行Finetuning，模型依然可能出現(xiàn)幻覺，給出不正確的回答。?數(shù)據(jù)需求高：為了有效地進行Finetuning，通常需要較大量的標變化，可能需要重新進行Finetuning，這可能是時間和資源消耗大的過程。RAG和Finetuning各有所長，具體選擇哪一種取決于業(yè)務需求、資源限制和應用場景。對于依賴廣泛領域知識、且知識庫需要頻繁更新的任務，RAG可能更加適合。而對于需要快速響應且數(shù)據(jù)相對固定的場景，F(xiàn)inetuning則更有優(yōu)勢。實際應用中，這兩種方法不必相互排斥，可以根據(jù)需求，將RAG和Finetuning結(jié)合使用，以達到最優(yōu)效果。例如，利用RAG處理需要廣泛知識背景的查詢，并對模型進行微調(diào)，以針對特定任務提升性能。28智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用2829智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用29智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用050530智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用訓練數(shù)據(jù)的質(zhì)量和多樣性新獲取數(shù)據(jù)的標注處理成本決策透明度和可解釋性訓練數(shù)據(jù)的質(zhì)量和多樣性新獲取數(shù)據(jù)的標注處理成本決策透明度和可解釋性面對生成式AI發(fā)展的浪潮，地方政府也在出臺政策，規(guī)范生成式AI的發(fā)展。例如：上海、深圳等地通過《上海市促進人工智能產(chǎn)業(yè)發(fā)展條例》《深圳經(jīng)濟特區(qū)人工智能產(chǎn)業(yè)促進條例》等地方性法規(guī)，為本地生成式AI產(chǎn)業(yè)的發(fā)展提供發(fā)展引導。北京市發(fā)布了多項計劃，如《北京市加快建設具有全球影響力的人工智能創(chuàng)新策源地實施方案（2023-2025）》和《北京市促進通用人工智能創(chuàng)新發(fā)展的若干措施》，積極部署人工智能創(chuàng)新領域的相關工作。然而，生成式AI良好的發(fā)展環(huán)境也離不開風險管理。能否結(jié)合行業(yè)特殊性，及時做好生成式AI的風險應對準備，將影響今后的醫(yī)療醫(yī)藥領域人工智能發(fā)展。圖11數(shù)據(jù)與合規(guī)挑戰(zhàn)示意圖資料來源：安永內(nèi)部分析31智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用5.1數(shù)據(jù)可及性及數(shù)據(jù)質(zhì)量的挑戰(zhàn)與應對生成式AI大模型的訓練，離不開對海量高質(zhì)量數(shù)據(jù)的獲取、分析及形成結(jié)果，這個過程將面臨各類與數(shù)據(jù)相關生成式人工智能的性能和準確性在很大程度上取決于訓練數(shù)據(jù)的質(zhì)量和多樣性。如果訓練數(shù)據(jù)存在偏差或質(zhì)量問題，那么生成式人工智能的結(jié)果也可能會受到影響。因此，為了確保生成式AI人工智能的性能和準確性，需要從數(shù)據(jù)收集和處理開始，到模型訓練、部署和應用，進行全面的質(zhì)量控制和風險管理。獲取新的數(shù)據(jù)并對其進行標注和處理可能需要大量的人力、物力和時間成本。因此，需要尋找有效的方法來獲取和處理新的數(shù)據(jù)，例如采用自動化標注技術、利用開源數(shù)據(jù)集等；另外可以采取措施來確保數(shù)據(jù)的準確性和多樣性，例如數(shù)據(jù)清洗、數(shù)據(jù)標注和數(shù)據(jù)增強等。生成式AI的決策過程和結(jié)果往往是不透明的，這使得人們很難理解其背后的原理和邏輯。為了提高生成式AI的可信度和接受度，需要提高其決策過程和結(jié)果的可解釋性和透明度。這可以通過可視化、解釋性算法等方法來實現(xiàn)。32智啟新質(zhì)生產(chǎn)力：生成式人工智能在醫(yī)療醫(yī)藥領域的潛在應用5.2合規(guī)風險與應對長久以來，醫(yī)療醫(yī)藥行業(yè)因其關系到人類健康與生命安全，且近年來在醫(yī)療反腐背景下多環(huán)節(jié)監(jiān)管升級，因此在合規(guī)監(jiān)管方面較為嚴格。而人工智能作為新興戰(zhàn)略產(chǎn)業(yè)，其發(fā)展也受到政府部門的高度重視，并出臺了以《生成式人工智能服務管理暫行辦法》（以下簡稱《暫行辦法》）為代表的多項法規(guī)對生成式AI進行了全面監(jiān)管。人工智能、醫(yī)療醫(yī)藥兩大領域的合規(guī)監(jiān)管疊加，是藥企在使用生成式AI中不得不面對的合規(guī)挑戰(zhàn)。生成式AI在醫(yī)療醫(yī)藥領域的內(nèi)容賦能價值巨大，海量內(nèi)容創(chuàng)作背后潛藏的合規(guī)風險值得關注。相比于過往法規(guī)，2023年開始施行的《暫行辦法》，除了對數(shù)據(jù)安全、網(wǎng)絡安全等方面重點監(jiān)管之外，對內(nèi)容合規(guī)監(jiān)管也提出了進一步的要求，強調(diào)生成內(nèi)容應符合社會主義核心價值觀，不得生成破壞國家統(tǒng)一和社會穩(wěn)定，以及虛假有害信息等法律、行政法規(guī)禁止的內(nèi)容?！痘ヂ?lián)網(wǎng)信息服務算法推薦管理規(guī)定》要求，企業(yè)應建立用于識別違法和不良信息的特征庫，加強對不良信息內(nèi)容的識別能力。生成式AI大模型訓練依托文本、影像、音頻、視頻等多模態(tài)海量數(shù)據(jù)源，其中涉及用戶信息和數(shù)據(jù)，若無監(jiān)管保護，會導致用戶安全信息泄露，侵害用戶合法權益?！稌盒修k法》從用戶信息的合法采集、用戶知情同意和投訴處理機制等方面對用戶管理進行了要求：在用戶信息的合法采