เมื่อวันที่ 1 พฤศจิกายน ในงาน 2024 Sichuan Netcom "Digital Intelligence Pilot" กิจกรรมชุด "Entering the Frontier of New Productivity" ของเสฉวน Netcom ครั้งที่ 14 และการประชุม Biomedical Big Data·Intelligent Technology Conference ครั้งที่ 10 ซึ่งเป็นนักวิชาการของ Chinese Academy of Sciences, Chen Runsheng นักวิจัยจากสถาบันชีวฟิสิกส์ สถาบันวิทยาศาสตร์จีน ถูกสัมภาษณ์โดยนักข่าวจาก Daily Economic News
ในการสัมภาษณ์ Chen Runsheng กล่าวว่าแบบจำลองปัญญาประดิษฐ์ขนาดใหญ่ยังอยู่ในช่วงเริ่มต้น รวมถึงการนำไปใช้ในอุตสาหกรรมชีวการแพทย์ และเส้นทางยังอีกยาวไกล อาจกล่าวได้ว่าการประยุกต์ใช้โมเดลปัญญาประดิษฐ์ขนาดใหญ่ในอุตสาหกรรมชีวการแพทย์เพิ่งเริ่มต้นเท่านั้น
ในอนาคต "การประยุกต์ใช้และการแทรกแซงโมเดลปัญญาประดิษฐ์ขนาดใหญ่กับระบบการแพทย์ทั้งหมดจะครอบคลุม และการประยุกต์ใช้ปัญญาประดิษฐ์จะเกิดขึ้นทั้งก่อน ระหว่าง และหลังการรักษา ปัญญาประดิษฐ์ไม่เพียงแต่ปรับปรุงประสิทธิภาพของการแพทย์อย่างมาก การรักษา แต่ยังจะเปลี่ยนระบบการแพทย์ทั้งหมดโดยพื้นฐาน กลายเป็นการกำกับดูแลทางการแพทย์ที่ครอบคลุมทุกคนและทุกขั้นตอน เปลี่ยนกระบวนทัศน์ทางการแพทย์ทั้งหมด” เขากล่าว
เมื่อเร็วๆ นี้ กิจกรรมซีรีส์ Sichuan Netcom "Digital Intelligence Navigation" ครั้งที่ 14 ปี 2024 Sichuan Netcom "Entering the Frontier of New Productivity" และการประชุม Biomedical Big Data·Intelligent Technology Conference ครั้งที่ 10 ได้จัดขึ้นที่เมืองเฉิงตู ในการประชุม ตัวแทนจากผู้เชี่ยวชาญทางการแพทย์ในประเทศและต่างประเทศ บริษัทการแพทย์อัจฉริยะ และฝ่ายอื่นๆ ได้หารือเกี่ยวกับการพัฒนาคุณภาพสูงของผลิตภาพดิจิทัลด้านสุขภาพแบบใหม่
ในฐานะหนึ่งในนักวิจัยทางวิทยาศาสตร์กลุ่มแรกๆ ที่มีส่วนร่วมในการวิจัยทางชีววิทยาเชิงทฤษฎีและชีวสารสนเทศศาสตร์ในประเทศของฉัน Chen Runsheng กล่าวว่าโดยทั่วไปแล้ว โมเดลปัญญาประดิษฐ์ขนาดใหญ่ยังอยู่ในช่วงเริ่มต้น รวมถึงการนำไปประยุกต์ใช้ในอุตสาหกรรมชีวการแพทย์ด้วย และยังคงมีเวลาอีกยาวนาน ต้องไปแล้วล่ะ อาจกล่าวได้ว่าการประยุกต์ใช้โมเดลปัญญาประดิษฐ์ขนาดใหญ่ในอุตสาหกรรมชีวการแพทย์เพิ่งเริ่มต้นเท่านั้น
“การใช้งานข้อมูลเบื้องต้นเหล่านี้ รวมถึงการจัดการเวชระเบียน การบันทึกข้อมูลการลงทะเบียนพื้นฐาน และการจัดการเวชระเบียนอิเล็กทรอนิกส์ ทั้งหมดนี้ใช้บิ๊กดาต้าเพื่อทำให้กระบวนการเป็นอัตโนมัติ ด้วยความช่วยเหลือของข้อมูลนี้ เราสามารถวิเคราะห์ชิ้นส่วนปกติแล้วแก้ไข ปัญหาในทางปฏิบัติมากขึ้น แม้ว่าจะยังอยู่ในช่วงเริ่มต้น แต่ข้อมูลขนาดใหญ่ได้มีส่วนช่วยอย่างมากต่ออุตสาหกรรมชีวการแพทย์" เขากล่าว
ยกตัวอย่างการพัฒนายาในระยะเริ่มแรก ประสบการณ์ในอดีตคือต้องใช้เวลา 10 ปีและ 1 พันล้านดอลลาร์สหรัฐในการพัฒนายาใหม่ แต่ด้วยความช่วยเหลือของบิ๊กดาต้าและปัญญาประดิษฐ์ ประเภทของสารประกอบที่ต้องคัดกรองอาจเปลี่ยนจากหลักหมื่นเป็นร้อยหรือหลายสิบ และขอบเขตการค้นหาก็กลายเป็น 1% ของประสิทธิภาพของเดิม การพัฒนายาใหม่ได้รับการปรับปรุงอย่างมาก แนวทางปฏิบัติเหล่านี้คือการประยุกต์ใช้ข้อมูลขนาดใหญ่และปัญญาประดิษฐ์ในสาขาชีวการแพทย์
ในมุมมองของ Chen Runsheng โมเดลอุตสาหกรรมขนาดใหญ่ทั้งหมดอาศัยพลังการประมวลผลและข้อมูล
"ประการแรก กุญแจสำคัญในการที่จะสร้างโมเดลอุตสาหกรรมขนาดใหญ่ได้หรือไม่ก็คือปริมาณข้อมูลอุตสาหกรรมที่ผู้สร้างเชี่ยวชาญ ดังนั้นข้อมูลจึงเป็นกุญแจสำคัญ แต่ด้วยข้อมูล จำเป็นต้องแก้ไขปัญหาสองประการ ปัญหาหนึ่งคือการกำหนดมาตรฐานของข้อมูล และอีกอย่างคือการบูรณาการข้อมูล” เขากล่าว สิ่งที่เรียกว่ามาตรฐานของข้อมูลหมายถึงความเป็นสากลและการรับรู้ร่วมกันของข้อมูล หากมาตรฐานสำหรับข้อมูลที่สร้างโดยสถาบันหรือแพลตฟอร์มต่างๆ ไม่ได้รวมเป็นหนึ่งเดียว พื้นฐานสำหรับการสมัครจะสูญหายไป การบูรณาการข้อมูลคือการก้าวข้ามข้อจำกัดของข้อมูลเดี่ยว หากไม่สามารถแบ่งปันข้อมูลได้สำเร็จ บทบาทและความสำคัญของโมเดลขนาดใหญ่จะลดลง
ในการแก้ปัญหาเรื่องมาตรฐานและการบูรณาการข้อมูล จะต้องมีหน่วยงานชั้นนำ Chen Runsheng เชื่อว่าการที่สหรัฐอเมริกาเป็นตัวอย่าง หน่วยงานหลักในการแก้ปัญหาการกำหนดมาตรฐานข้อมูลอาจเป็น Open AI ในขณะที่นำข้อมูลอุตสาหกรรมการแพทย์เป็นตัวอย่าง หน่วยงานที่เกี่ยวข้อง เช่น การดูแลสุขภาพ อาจจำเป็นต้องเป็นผู้นำในการแก้ไขข้อกำหนดมาตรฐาน ปัญหาแหล่งข้อมูล นอกเหนือจากการแก้ปัญหาเรื่องมาตรฐานข้อมูลแล้ว การบูรณาการข้อมูลยังกำหนดให้แผนกสถาบันดังกล่าวเป็นผู้นำอีกด้วย
นอกจากนี้ สำหรับสถาบันทางการแพทย์ การสร้างแบบจำลองยาขนาดใหญ่ของตนเองยังคงเป็นรายการต้นทุน สำหรับโรงพยาบาลจำนวนมากที่กำลังดิ้นรนกับปัญหาความสามารถในการทำกำไร การสร้างและใช้ข้อมูลขนาดใหญ่และแบบจำลองขนาดใหญ่ถือเป็นเรื่องของต้นทุนและผลประโยชน์ที่ได้รับ ในเรื่องนี้ Chen Runsheng กล่าวว่า "การปรับปรุงการรับรู้ของโรงพยาบาลและการแทรกแซงของแผนกการจัดการจะค่อยๆ แก้ปัญหานี้ เนื่องจากการใช้บิ๊กดาต้าเป็นสิ่งที่หลีกเลี่ยงไม่ได้ในการพัฒนา หากคุณไม่ทำตามขั้นตอนนี้ คุณก็จะค่อยๆ ถูกกำจัดออกไป เรื่องนี้ไม่สำคัญว่าจะทำหรือไม่ คำถามคือ จะทำเมื่อไรเป็นเทรนด์ที่ต้องปรับตัว ใครทำก่อนจะได้เปรียบ ใครทำก่อนจะได้ประโยชน์มากกว่า”
เฉิน หรันเซิง กล่าวว่า "การประยุกต์ใช้และการแทรกแซงโมเดลปัญญาประดิษฐ์ขนาดใหญ่กับระบบการแพทย์ทั้งหมดนั้นครอบคลุม การประยุกต์ใช้ปัญญาประดิษฐ์จะเกิดขึ้นทั้งก่อน ระหว่าง และหลังการรักษา ปัญญาประดิษฐ์ไม่เพียงแต่ช่วยปรับปรุงประสิทธิภาพของการรักษาพยาบาลได้อย่างมาก แต่ยังจะเปลี่ยนพื้นฐานระบบการแพทย์ทั้งหมดให้กลายเป็นการกำกับดูแลทางการแพทย์ที่ครอบคลุมทุกคนและทุกขั้นตอนเปลี่ยนกระบวนทัศน์ทางการแพทย์ทั้งหมด”