11月1日，在2024四川網信「數智領航」第十四期川網聯「走進新質生產力前沿」系列活動暨第十屆生物醫學大數據·智慧技術會議上，中國科學院院士、中國科學院生物物理研究所研究員陳潤生接受了《每日經濟新聞》記者的訪問。
陳潤生在訪談中談到人工智慧大模型現在仍在初期階段，包括在生物醫藥產業的應用，仍然有一段漫長的路要走。可以說人工智慧大模型在生物醫藥產業的應用才剛開始。
而未來，「人工智慧大模型對整個醫療系統的應用和介入是全方位的，從治療前、治療中和治療後都將實現人工智慧的應用。人工智慧不僅會大大提升醫療的效率，還會使得整個醫療系統發生根本性的變化，變成覆蓋全民、全階段的醫療監督，改變整個醫療的範式。
近日，2024四川網信「數智領航」第十四期川網聯「走進新質生產力前沿」系列活動暨第十屆生物醫學大數據·智慧技術會議在成都舉行。會議現場，來自國內外的醫學專家、智慧醫療企業等各方代表共話健康數位新質生產力高品質發展。
作為我國最早從事理論生物學和生物資訊學研究的科學研究人員之一，陳潤生表示，總的來說，人工智慧大模型現在仍在初期階段，包括在生物醫藥行業的應用，仍然有一段漫長的路要走。可以說人工智慧大模型在生物醫藥產業的應用才剛開始。
「這些早期的數據應用，包括病案管理、註冊基本資訊的記錄、電子病歷的管理等，都是藉助大數據實現了流程的自動化。借助這些數據，我們又可以從中分析規律性的部分，進而解決更多的實際問題。
以藥物早期開發為例，過去的經驗是：要開發一款新藥，需要10年時間，投入10億美元。但有了大數據和人工智慧的幫助，需要篩選的化合物種類可能從上萬種變成了上百甚至幾十種，搜尋範圍變成了原本的1%，新藥前期開發的效率大大提升。這都是大數據和人工智慧在生物醫藥領域的應用實踐。
在陳潤生看來，所有的產業大模型都依賴算力和數據。
「首先，能不能做成一個產業大模型，關鍵在於建造者掌握了多少產業數據，所以數據是關鍵所在。但有了數據還需要解決兩個問題，一是數據的標準化，二是數據的整合。所謂數據的標準化，即數據的通用與互認，如果各機構或平台產生數據的標準不統一，就失去了應用的基礎。而資料的整合則在於突破資料的單一所有限制，如果無法實現資料共享，大模型的作用及意義就隨之下降。
而要解決資料標準化和整合的問題，必須有一個帶頭的主體。陳潤生認為，以美國為例，解決資料標準化的主體可能是Open AI，而以醫療產業資料為例，可能需要衛健等相關部門牽頭先解決資料來源的標準規範問題。除了解決資料標準化問題外，要實現資料整合，也需要這樣的機構部門來主導。
此外，對於醫療機構而言，建立自己的醫藥大模型仍然是一個成本項目。對於大量受困於獲利問題中的醫院而言，如何建構和使用大數據和大模型，是一個成本和效益產出的問題。對此，陳潤生表示，「醫院認識的提高、管理部門的介入，會逐步解決這個問題。因為使用大數據已經是發展的必然，如果不走這一步，一定會被逐步淘汰。這不是做不做、什麼時候做的問題，這是一個必須適應的趨勢。
陳潤生說：「人工智慧大模型對整個醫療系統的應用和介入是全方位的，從治療前、治療中和治療後都將實現人工智慧的應用。人工智慧不僅會大大提升醫療的效率，還會使得整個醫療系統發生根本性的變化，變成覆蓋全民、全階段的醫療監督，改變整個醫療的範式。