传统方法在先导化合物发现中的局限性 在AI大模型时代到来之前，先导化合物的发现以实验方法及计算机辅助药物 设计(CADD)的方法为主。这些方法都有着一些自身难以解决的问题。 实验方法: 当前，药物化学实验方法在很大程度上依赖于"试错法"。这些技 术涉及检查大量潜在的药物化合物，以识别具有所需特性的化合物。显然，这些 方法速度缓慢且成本高昂，若是完全基于实验方法进行药物虚拟筛选，完成化合 物数据 满意的筛选，则需要长达3000年的时间。简而言之，利用CADD进行高精度的 药物虚拟筛选，所需的时间同样是难以接受的。 AI大模型辅助药物虚拟筛选 基于AI的算法，包括监督学习，无监督学习，自监督学习，强化学习以及基 于规则的算法，可能有助于解决传统方法中存在的问题。 AI方法通常基于对数据特征的学习。具体来说，就是从大量的已知药物化合 物和非药物化合物中，去学习成药所需的潜在特征，并依据这一特征对化合物进 分理解分子"语 义"的效果。原子对成对表征记录在图2右图。 预训练策略： 与 BERT 类似，Uni-Mol 中也使用了对原子掩码进行"完形填空"的任务。 然而，由于 3D 空间位置编码是有化学键信息泄露的，模型很容易依据相互间的 距离推测出被掩盖的原子类型，因此单独对原子掩码进行预测并不能帮助模型充 分的学习到分子"语义"。为了解决这个问题，Uni-Mol 设计了一个基于 3D 坐 标的

质结构预测，显著提升药物靶点的识别和筛选效率。 2.智能药物分子设计与优化 面向药物分子设计和先导化合物优化等业务活动，针 对传统基于经验的药物设计模式限制问题，通过运用计算 机模拟、数字孪生以及深度生成模型和强化学习算法等人 工智能（AI）技术，以更高的效率和更低成本获得符合特 2 定要求的化合物，实现药物分子的从头设计及结构优化。 3.超高通量化合物虚拟筛选 面向新分子实体（NMEs）筛选等业务活动，针对传统 应用数智技术在原料药工艺开发和优化方面提高效率， 5 提升工艺放大和生产技术转移的准确性，在生产过程中有 效提升工艺控制水平。开展人工智能（AI）驱动的合成路 线设计、反应条件推荐，提高化学药合成工艺设计效率。 利用工艺工程模型和仿真对原料药工艺进行优化。 12.智能中药工艺设计 通过中药材关键质量属性表征、制剂原辅料物性分析、 工艺建模、仿真优化和测试验证，实现机理和数据驱动的 生产过程可靠性。将高质量的工艺和质量数据集与数学建 模方法或人工智能（AI）算法结合，辅助理解中药工艺中 关键物料属性、关键工艺参数（CPP）和产品关键质量属性 之间的关系，通过机器学习、迁移学习和强化学习等方法 实现数据增强，提升工艺模型可靠性和工艺参数的可调控 性，保持生产过程的稳定性和可控性。 13.数智化生物制品工艺设计 面向生物反应条件优化、纯化工艺开发等业务活动， 针对生物

Rxiv拥有永久保存权。任何人未经允许不得重复使用。 〔作者简介〕 郑琰莉，学士，发表论文 2 篇; 通信作者: 苏文星，硕士，发表论文 4 篇。 大模型构建流程分为：预训练、微调、奖励模型、强化学习四个阶段。预训练即 利用海量的训练数据和无监督学习的方法学习到通用的特征或知识，并将这些特征或 知识迁移到其他任务上，用于增强模型的泛化能力和表现。微调是指在已有的预训练 语言模型基础上，然 而 Prefix-tuning 则是通过在输入中添加前缀来控制生成结果的格式和结构。奖励模型 （Reward Model）用于对生成的内容进行打分排序，让模型生成的结果更加符合人们 理想的答案。强化学习（Reinforcement Learning）阶段根据用户给出的提示词结合奖励 模型，将对结果与语言模型建模目标进行综合，进而得到更好的输出效果。表 1 展示 了部分主流大模型的构建情况。 表 2 展示了部分医疗大模型的应用情况。 表 2 部分医疗大模型应用情况 大模型名称 发布时间 企业名称 应用场景 数据类型 盘古药物分子大模型 2022.4 华为 药物研发 文本、图形、化学 结构 文心生物计算大模型 2022.5 百度 生物研究 分子结构 BioMedLM 2022.12 斯坦福基础模型研究中心 医疗问答 文本 GatorTron 2023.3 佛罗里达大学

●配制溶液后，要用含氯试纸测配制浓度。 ●现配现用，一般不超过 24 小时。 ●盛装消毒剂的容器应加盖保存。 ●配制时，应注意防护。大量配制时，应戴口罩、橡胶手套、穿防护服或 长靴或围裙。 4、化学消毒剂使用“七不要” 1） 不要把消毒剂当作灭菌剂处理。 2） 不要把器械储存在消毒液中。 3） 容器内的消毒液不要装得太满。 4） 不要使用配制较久的消毒液。 5） 不要随意在消毒液中加入洗涤剂（中和作用降低）。 可疑致癌性药物，如：顺铂、丝 裂霉素、阿霉素、苯巴比妥等； c 免疫抑制剂。 c) 废弃的疫苗、血液制品等 5）化学性废物 a) 化学性废物是指具有毒性、腐蚀性、易燃易爆性的废弃的化学物品。分以 下几类： ① 医学影像室、实验室废弃的化学试剂； ② 废弃的过氧乙酸、戊二醛等化学消毒剂； ③ 废弃的汞血压计、汞温度计 b) 重点环节管理——医疗废物管理 81 学习公司各项规章制度，劳动纪律，化学药剂的识别。 操作规范 标准姿势培训 实际操作+理论 第二天上午 消防安全，初级火灾如何控制 灭火器的使用方法，发生 火灾如何逃生，岗位职责技能培训 面授 第二天下午 突发事件的抢修报修程序，抢险电话⋆⋆⋆⋆⋆⋆⋆⋆.药剂配 比使用 工具类标准操作及摆放规范 实际操作+理论 第三天上午 工具类标准操作及摆放规范，化学药剂的分类使用，如 偏酸性药剂禁用范围

医疗废物，是指医疗卫生机构在医疗、预防、保健以及其它相关活动中产生的具有直接或间接感染性、 毒性以及其它危害性的废物。 《医疗废物分类目录》将其分为感染性废物、病理性废物、损伤性废物、药物性废物和化学性废物。 病理性 医疗废物 人体废弃物和医学 试验动物 化学性 医疗废物 具有毒性、腐蚀性、 易燃易爆炸的废弃化 学物品 感染性 医疗废物 携带病原微生物，具 有引发感染性疾病传 播危险的医疗废物 损伤性 医疗废物

轮人工智能热潮中，通过深度学习、强化学习、迁移学习等技术手段，极大地推 动了自然语言处理、知识图谱、大数据挖掘、图像识别等相关领域的应用与发展。 这些新技术还在辅助诊断、新药发现等领域发展发挥了重要作用。 在中医药领域，深度学习、迁移学习技术已经广泛应用于中医舌诊、面诊的 5 辅助诊断中应用最为广泛。如北京交通大学胡晓晨团队将深度学习和强化学习结 合运用在续贯诊疗方案优化中， 数字化助力中医药理论探索。中医药领域有诸多理论问题有待解决，数字 化技术显然是一种强大的辅助工具。比如，针对传统中药研发缺乏数据支撑的难 题，可以依靠计算技术对中医药进行多维度量化分析，还可以整合分析传统中医 药文献、临床试验、化学成分、基因组学、代谢组学等海量数据，挖掘与中医药 相关的特征、模式和潜在的客观规律，可提升对中药药效、毒副作用和合理组方 的认识，为研发新的中药产品提供科学依据。 20 大数据辅助

其他工 或科临 项设 设是假 CHIMA 医疗语言大模型——“大医” CHIMA 大医 医疗语言大模型 • 超大语言模型 • 海量医学专业训练数据 • 基于强化学习 ，可依据 人 类反馈持续优化 疾病库 医学习题 检验 数据库 医学指南 药品库 “ 大医”——基于医疗语言大模型的自动问答服务 CHIMA 体检 数据库 真实问答

者 医生作 其他工 或科临 项设 设是假 xxx 医疗语言大模型——“大医” 大医 医疗语言大模型 • 超大语言模型 • 海量医学专业训练数据 • 基于强化学习 ，可依据 人 类反馈持续优化 疾病库 医学习题 检验 数据库 医学指南 药品库 “ 大医”——基于医疗语言大模型的自动问答服务 xxx 体检 数据库 真实问答 千万轮

科研工作 者 医生作 其他工 或科临 项设 设是假 大医 医疗语言大模型 • 超大语言模型 • 海量医学专业训练数据 • 基于强化学习 ，可依据 人 类反馈持续优化 疾病库 医学习题 检验 数据库 医学指南 药品库 “ 大医”——基于医疗语言大模型的自动问答服务 体检 数据库 真实问答 千万轮 真实医

门诊、挂号大厅 主要通道 挂号收费窗 口 护士站 / 咨询台 医患纠纷调解室 药房 / 库房 危险化学品仓库 一、安全防范 --- 视频监控系 统 报警联动 现场处置 实时识别 黑名单报警 以脸搜脸 特征检索 一人一档 性别：男 戴眼镜：否 位置：门诊大厅