如果您希望第一时间收到推送，别忘了加“星标”！
随着基于大模型的生成式AI的出现，我们看到AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一方面，目前尚未看到面向医疗影像的新AI大模型服务，大模型在医疗影像领域主要作用是降本。
核心观点生成式AI为问诊、影像、制药等各个医疗健康场景注入新活力
医疗健康领域是人工智能率先落地的行业之一，也已经催生了Nuance、IBM Watson等一批全球知名企业。随着基于大模型的生成式AI的出现，我们看到AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一方面，目前尚未看到面向医疗影像的新AI大模型服务，大模型在医疗影像领域主要作用是降本。AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率病例的录入是AI+医疗中最经典的应用场景之一。生成式AI的出现，使病例的录入过程从过去医生问诊后口述总结，向基于大模型的自动实时问诊记录生成演进。今年3月，微软旗下的Nuance已经推出基于GPT-4的临床笔记软件DAX Express，可以在几秒钟内生成准确的临床记录，以及整合进微软Teams中来辅助远程医疗。AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度根据Statista，2021年全球制药行业总收入约1.5万亿美金，制药研发投入约2.4千亿美金。DeepMind是最早用AI赋能新药开发的企业之一，其推出的AlphaFold主要解决从已知的氨基酸序列，预测相应蛋白质3D结构的问题，为探索生命的起源迈出重要的一步。随着生成式AI的出现，业内开始探索自动根据功能需求设计/优化蛋白质、给定抗原等目标蛋白生成抗体等蛋白、给定靶点一键生成Binder蛋白等功能，为提高药物发现的效率作出贡献。英伟达于3月推出的生物医药大模型云服务BioNeMo也包含蛋白质生成等模型的调用服务。AI+医疗影像：应用相对成熟，关注AI大模型提升数据标注效率
医疗影像分析是AI的另一个重要应用场景。AI医疗影像企业通过分析GE、飞利浦、西门子、联影医疗等国内外企业厂商产生的医疗影像数据，为医生提供读片等诊疗辅助工作。我们认为，AI大模型或主要在效率方面赋能医疗影像领域，通过提升自动化标注、自动化模型筛选、参数调优、处理非结构化数据等能力，为行业带来缩短数据标注和分析时间、提升影像精细程度等变化。
正文包括制药、辅助诊断、影像、医疗器械在内的医疗健康领域是AI率先实现应用的行业之一。2015年开始，AI在图像识别方面的准确率大幅度提升，驱动AI+影像快速发展。而语音识别的精准度提升以及临床知识库的发展，也推动辅助诊断服务逐渐兴起。随着DeepMind两代AlphaFold实现了蛋白质空间结构预测的重大突破，AI+制药也进入高速发展期。
01AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率
临床辅助决策分为诊前/诊中/诊后决策场景，包括医院数据实时处理、数据质量监控、知识库查询、临床辅助决策、临床辅助治疗、临床预警、患者画像、系统监控等功能。我们认为，医疗诊断场景涉及的信息为多模态且数据量大、交互频次高、及时性要求高，业内关注多模态大模型能否赋能诊断场景，发挥辅助医患沟通、诊断决策作用。
以问诊环节的病例录入为例，我们观察到，传统AI语音识别赋能的病例录入主要以医生口述-AI转写的形式展开，随着大语言模型（LLM）的出现，医患对话的实时记录、转写和总结能够大幅提升病例录入的效率。
3月20日，微软旗下语音识别公司Nuance Communications推出基于GPT-4的AI临床笔记软件Dragon Ambient eXperience (DAX) Express，可以在几秒钟内生成准确的临床记录，减少临床记录环节的时间，提升诊疗效率。Nuance曾在2020年推出DAX解决方案，将患者在就诊中与医生的交流转化为临床档案，由于以人工审核来确保信息准确性，全过程需要耗时约四个小时。接入GPT-4后，依靠大模型强大的推理能力，DAX Express生成临床记录的效率大幅提升。此外，DAX Express能够整合进微软Teams中，来辅助远程医疗。国内部分产业链公司也开始探索大模型在医疗辅助诊断领域的应用。
数据的质量和数量成为AI在辅助诊断等领域应用的主要挑战之一。大规模的数据标注是GPT-3.5这类语言模型突飞猛进的重要原因之一。然而，因为医疗数据的开源程度低，隐私敏感程度高且标注昂贵，往往缺乏高质量的医疗数据来保证大模型的训练效果。此外，医疗领域的容错相对更低。因此，我们认为构建兼具质量和数量的医疗数据集、打破医疗“数据孤岛”现象，促进医疗数据价值流通，将成为AI大模型在医疗领域应用的重要挑战。
02 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度
DeepMind两代AlphaFold引领行业进入高速发展期。梳理AI+制药的发展历程，我们发现AI与制药的结合逐步深入，成为生物制药企业的常态化工具。经历了包括Exscientia、Atomwise、英矽智能、晶泰科技在AI新药研发领域的早期探索（2014-2017年）、最早一批AI+新药企业开始获得临床前候选药物(Pre-clinical candidate, PCC)一类的验证性成果（2018-2019年）后，DeepMind推出的AlphaFold和AlphaFold2实现了蛋白质空间结构预测的重大突破，引领行业进入高速发展期。近期，我们看到类Chat的生成式AI开始出现，印证AI与药物发现的结合逐渐深入。比如Salesforce Research、Tierra Biosciences 和加州大学研究团队发布的蛋白质语言模型ProGen，在数百万个原始蛋白质序列上训练，可生成跨多个家族和功能的人造蛋白质。不同于AlphaFold2利用AI的手段辅助理解自然界已有的蛋白结构，以ProGen为例的类ChatGPT生成式AI的目标是生成自然界不存在的人工蛋白质序列。虽然生成式AI在制药领域的应用仍处于起步阶段，但天壤XLab负责人苗洪江博士认为，从AlphaGo、AlphaFold2到生成式AI是一个从分析工具走向解决方案、并落地解决实际问题的过程。长期来看，生成式AI有望赋能生物医药源头创新。
03 AI+医疗影像：应用相对成熟，关注AI大模型提升数据标注效率
AI图像识别技术在CT、MR影片诊断领域的应用也已相对成熟，未来十年将有望规模发展。我们看到AI在医疗影像领域的应用相对成熟。根据动脉橙数据，中国2022年医学影像赛道早期融资事件18起，和2021年相比数量增长约两倍。我们认为，AI大模型或主要在效率方面赋能医疗影像领域，通过提升自动化标注、自动化模型筛选、参数调优、处理非结构化数据等能力，为行业带来缩短数据标注和分析时间、提升影像精细程度等变化。
风险提示：
1）AI技术落地不及预期。虽然 AI技术加速发展，但由于成本、落地效果等限制，相关技术落地节奏可能不及我们预期。
2）本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。
相关研报
研报：《AI大模型+医疗：从问诊到新药开发》2023年4月06日黄乐平 S0570521050001 | AUZ066
胡宇舟 S0570121040041 | BOB674
于可熠 S0570122120079
关注我们
华泰证券研究所国内站（研究Portal）https://inst.htsc.com/research
访问权限：国内机构客户
华泰证券研究所海外站https://intl.inst.htsc.com/mainland
访问权限：美国及香港金控机构客户添加权限请联系您的华泰对口客户经理免责声明
▲向下滑动阅览
本公众号不是华泰证券股份有限公司（以下简称“华泰证券”）研究报告的发布平台，本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，且若使用本公众号所载内容，务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点，完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容，可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容，请具体参见华泰证券所发布的完整报告。
本公众号内容基于华泰证券认为可靠的信息编制，但华泰证券对该等信息的准确性、完整性及时效性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下，本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。订阅者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券所有，未经华泰证券书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。
