AI如何赋能药物研发工作中的最后一步：临床试验。 图1：药物研发生产流程，图片引自[1]↓ 临床试验简介 药物研发的最后一步，便是将药物大规模应用到患者体内以进行实际效果测试，这 一步骤即临床试验。临床试验是一种系统性的研究，其目的是调查医药产品对人类 疾病过程的影响，以证实或揭示试验药物的作用、不良反应及试验药物的吸收、分 布、代谢和排泄，并最终确定试验药物的疗效与安全性。 临床试验是一 临床试验是一项极为重要的任务，其结果直接决定了药物能否成功上市。如果临床 试验无法通过，那前期所有的初筛、优化、预实验都将失去意义。 但是临床试验的结果会受到多种客观因素的影响，其中至关重要的一点是试验患者 的匹配。患者的匹配是指将研究对象按照一定的标准进行分类，以挑选出最适合特 定临床试验的患者。每个临床试验都会有不同的纳入标准和排除标准，患者自身的 情况也需要达到一定的门槛，才可以参加。 个过程需要仔细分析患者的病 历，根据临床试验的纳入标准和排除标准判断患者和试验的匹配度。据统计有50% 的临床试验由于招募不到合适的患者而被迫延迟，有25%的临床试验由于患者不足 而完全无法开展。据估算每招募一名患者约花费6000至7500美元，成本可谓十分 高昂。因此如果进行高效的临床试验-患者匹配，是药物研发中急需解决的一个难 题。 传统的临床试验患者匹配方法及局限性 传

..............................................224 1. 引言 近年来，随着人工智能技术在医疗领域的深入应用，AI 辅助病 历书写系统已成为提升临床工作效率、减轻医生文书负担的重要工 具。传统病历书写过程存在耗时耗力、标准化程度低、易出现遗漏 或错误等问题，而基于自然语言处理（NLP）和知识图谱技术的解 决方案能够有效改善这一现状。据统计，三甲医院住院医师平均每 等医院信息系统，实现检 验结果、影像报告等数据的自动抓取与归集 当前医疗信息化建设已为 AI 辅助病历系统奠定基础条件。全 国二级以上医院电子病历系统普及率达 98%，且 80%的医疗机构 已完成临床数据中心的标准化改造。通过以下关键技术的成熟应 用，系统具备快速落地可行性： 实际部署案例显示，某省级医院在接入 AI 辅助系统后，门诊 病历完整率从 82%提升至 97%，入院记录书写时间由 需经医师审核确认后方可生效，确保法律效力和医疗安全。 1.1 项目背景 近年来，随着医疗信息化建设的加速推进，电子病历系统已在 国内各级医疗机构得到广泛应用。然而，传统病历书写方式仍面临 三大核心挑战：一是临床医生平均每天需花费 2-3 小时手工录入病 历，据 2022 年国家卫健委统计数据显示，三级医院医师日均病历 书写时间占门诊工作时长的 28%；二是病历质量参差不齐，某省质 控中心抽查显示，住院病历的缺陷率高达

2023年是中国医疗大模型发展的元年，各种医疗大模型已广泛应用于临床辅助决策、 医学研究、健康管理等多个场景。未来，医疗大模型有望实现多模态AI与医疗实践全 流程的深入链接，应用于医疗教育和临床培训，提高药物研发和药物反应监测等方面 的能力。但在实际应用中，医疗大模型仍面临一些挑战，如准确度、透明度和可解释 性等问题，以及对数据隐私和安全问题的担忧。本文主要探讨医疗大模型在医疗领域 的应用及其面临的挑战。 性，使用知识蒸馏、参数剪枝等技术压缩模型并在真实临床环境中评估、调优。经验 证的模型可部署到医疗信息系统、移动设备等，提供智能服务。 （二）医疗大模型的主要应用场景和适用范围 医疗大模型在医疗领域的应用广泛，涵盖疾病预测、辅助诊断、个性化治疗、药物发 现等各个方面，同时还可用于医疗咨询和患者教育，提供相关信息和建议。 在医疗实践场景中，大模型可以协助分析临床文本以提取关键信息，从而加快医生的 诊断和 疗诊后康复管理平台基于星火认 知大模型，专注于康复指导和诊后管理，提供个性化康复计划，服务延伸至患者日常 生活。 在医院管理流程中，医疗大模型可实现以下功能：一是优化患者流程管理，根据患者 需求和临床优先级合理分配医院资源，涵盖排队、资源分配和病房管理，提高患者满 意度和医疗效率；二是分析患者反馈、社交媒体评论和医疗调查数据，发掘患者意见 和需求，为医疗机构提供建议，助力医疗服务改进和患者体验提升。如，东软针对医

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。2021 年被微软以 197 亿 美金收购的 Nuance 和国内的科大讯飞、云知声等是主要企业。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 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。建议关注国内科大讯飞、 云知声等企业的进展。 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 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。 图表1： AI+医疗应用场景 资料来源：各公司官网，华泰研究 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 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

• AI 患者服务 • AI 临床辅助诊疗 • 5G 智慧医院 • 医学影像辅助诊断 • 互联网医院 • 生物识别 • 互联互通（核心：临床数据中 心） • 目前中国医院信息系统的主要趋势是在从 “以收费和医院管理为核心”的传统的医院信息系统（ HIS) 上慢慢向“以患者和提高服务质量为核 心” 的临床信息系统（ CIS) 上转型升级。未来再向区域化医疗卫生服务系统（ 上转型升级。未来再向区域化医疗卫生服务系统（ GMIS) 上升级，最终实现信息和资源共享的医联体。 • 领先的三级医院建设医疗数据湖平台向智慧医院演进。 • 结构化电子病历 • 医院影像、诊断、临床检 验数字化 • 高通量基因测序 • 家医联动 • 可穿戴设备 医院加速向智慧医疗转型，强化远程诊疗、精细化服务能力 • 医疗数据湖平台 • 院内跨系统协同运营 • 跨医院协同医疗（区域远程 数字化医疗阶段 现阶段 将分散在各医疗业务系统中的数据集中管理、挖 掘、传递出更大的价值 ，满足医院决策管理； 以临床和管理的需求维度 ，以可视化的展现形式 为业务部门提供更多维度的数据分析、辅助决策。 将信息技术与医疗服务深度融合 ，构建高质 量的医疗管理、科研和临床服务体系； 以服务为导向搭建开放性智慧医院基础平台。 以服务为本 新生态圈 数据融合 华为的智慧医院理念 聚合合作伙伴

2024 里 程 碑 临床文档生成 ( 如电子病例， 临床笔记， EHR) 获取临床洞见， 辅助诊断 报告规范化， 术语归一化 智能随访 出院小结生成 辅助生成 检查建议和计划 相似病例查询 辅助生成 治疗建议和计划 l J 医学文献 / 指南解读 科研方向预测 报告匿名化 / 结构化 代码辅助生成 临床科普文生成 赋能临床试验 智能预问诊 Healthineers, 2024 Computed Tomography 18 数据稀缺 开源的医学图像数据集规模较小， 会限制影像语言大模型在该领域 的性能。 知识专业密集 专业知识需求高，临床概念层级复杂，缺 乏深入理解可能影响性能 多尺度信息 医学图像解读需重视多尺度特征， 局部特征对诊断影响显著 挑战： VLLM 在医学领域的局限 性 s EMENS: H a l t 生成 ( 支持多 模态影像数据） 相似病例 / 影像检索 临床文档生成 ( 如临床笔记， EHR) 智能预问诊 智能导诊 健康风险预测 预 诊 断 常 见 疾 病 症状评估 分析穿戴 设备数据 临床科普文生成 跨模态影像生成 稀少疾病 影像生成 基于掩膜自监督 方法快速迭代下 游开发任务 赋能临床实验 28 辅助制定 个性化治疗方案 智能随访 出院小结生成

个领域中，中国在 6 个领域得分最高， 美国在 5 个领域得分最高，两国共同包揽了所有领域 的最高分。分领域比较来看，美国在 5 个领域的研究 前沿热度指数得分排名第一，包括：地球科学领域， 临床医学领域，生物科学领域，天文学与天体物理学 领域，数学领域；在其他 6 个领域均排名第二，基础 研究活跃程度整体仍然最强。 中国在 6 个领域排名第一，分别是：农业科学、 植物学和动物学领域，生态与环境科学领域，化学与 济学、心理学及其他社会科学领域，展现出鲜明的相 对领先优势；中国在地球科学领域、生物科学领域和 数学领域等 3 个领域排名第二，在临床医学和天文学 与天体物理学领域分别排名第四和第五（表 2）。 临床医学领域和天文学与天体物理学领域一直是 中国热度指数得分排名相对较低的领域，但整体仍呈 现提升趋势。临床医学领域，2017-2025 年，中国的研 究前沿热度指数排名分别为第 10、13、9、12、1、4、 9、6、4 研究前沿热度指数 07 表 2 十一大学科领域整体层面研究前沿热度指数 Top20 国家 / 地区在分领域层面的研究前沿热度指数得分和排名 十一领域 农业科学、植 物学和动物学 生态与 环境科学 地球科学 临床医学 生物科学 化学与 材料科学 物理学 天文学与 天体物理学 数学 信息科学 经济学、 心理学及其 他社会科学 国家 / 地区 得分 排名 得分 排名 得分 排名 得分 排名 得分 排名 得分 排名

039 2.1 新兴前沿概述 039 2.2 重点新兴前沿⸺“中国区域性极端降水 - 滑坡动态模型研究” 039 002 目录 2025研究前沿 临床医学 1. 热点前沿及重点热点前沿解读 041 1.1 临床医学领域 Top 10 热点前沿发展态势 041 1.2 重点热点前沿⸺“CFTR 调节剂三联疗法对囊性纤维化实现从症状控制到病因治疗” 042 1.3 重点 Topics）遴选出 3 个热点前沿，合计 110 个热点前沿 和 18 个新兴前沿。 005 ② 11个大学科领域分别为：1. 农业科学、植物学和动物学；2. 生态与环境科学；3. 地球科学；4. 临床医学；5. 生物科学；6. 化学与 材料科学；7. 物理学；8. 天文学与天体物理学；9. 数学；10. 信息科学；11. 经济学、心理学及其他社会科学。 ③ 核心论文出版年的平均值。 ④ 引用至少两篇核心论文的施引论文。 合灾害“旱涝急转”，揭示了其在中国日益频发的趋 势及其不同的区域性驱动机制。 039 2025研究前沿 地球科学 2025 1. 热点前沿及重点热点前沿解读 1.1 临床医学领域 Top 10 热点前沿发展态势 2025 年临床医学领域 Top10 热点前沿主要集中于 肿瘤、呼吸道传染病、阿尔茨海默病、囊性纤维化、 抑郁症等疾病的预防和治疗，以及人工智能技术在医 学中的发展和应用。 其

项有关医学问题回答的研究，研究结果表明 ChatGPT 在绝大多方面表现得比执业医生 更加出色，尤其在“回答质量”和“同理心”方面尤为突出[16]。2023 年 4 月 Cascella[17] 等人分析了 ChatGPT 在临床实践中的可能作用，比如提供诊断建议，回答常见问题， 进行健康宣教等。但需要注意的是，由于医疗领域具有特殊性，如果某些问题回答产 生错误将会为患者带来较大的风险。因此，可在一定约束和规范下，尝试在该领域开 通信作者: 苏文星，硕士，发表论文 4 篇。 电子病历（Electronic Medical Record，EMR）是临床诊中重要的应用工具之一， 指医务人员在医疗活动过程中以文字、符号、图表、数字、影像等形式产生和记录的 重要医疗信息资源。由于病历涉及的内容繁杂且形式多样，在临床中记录、使用和分 析的效率不高[18]，因此可借助大模型强大的理解分析和创造能力，自动化生成病历和 医学报告，通 域的巨 大潜力。此外，苏龙翔等[20]将大模型应用到真实病例用于预后与死亡风险预测上，并 取得一定的效果。 3.4 人工智能大模型在医学研究的应用 3.4.1 药物研发 从新药靶标到发现到临床试验研究通常需要海量的多模态数据以及大量的实验研 究。大模型正在全面驱动生物医药领域的变革，可充分发挥大模型的强大分析能力， 率先在模拟细胞培养、药物试验等场景展开应用探索，提升实验设计的准确性，提高

转频繁、监护需求连续的场景中，部署慢、维护重、耗材占比高；更重要的是，它对患者的舒适度与依从性构成 长期干扰：线缆限制活动、贴片引发皮肤过敏或压疮，患者往往在休息或康复训练时主动“脱离”设备，造成数 据空窗，进一步削弱临床判断与康复评估的连续性。 更严肃的现实来自感染控制与特殊科室限制。重复使用的接触面即便严格消毒，仍存在病原体传播隐患；一 次性耗材虽然降低风险，却推高成本且不环保。强磁与防爆约束使 MRI 室、防爆病房等场景对金属导线天然不 换等后续环节的人力与物资成本，在保障监测效果的前提下，实现医疗资源的高效配置与运营成本优化。 4.2 适用场景 医疗毫米波检测适用场景如下： 部署场景 解决方案 客户价值 普通临床科室、康养病房 轻症患者体征日常监测 1. 监测轻症患者的呼吸、心 率、在/离床等指标，自动记 录、自动上传看板，超出正 常阈值及时告警，通知医护 及时查看 2. 夜间监测患者睡眠质量、 床 提 供 呼 吸 疾 病 （ 例 如 OSAS）判断依据，与多导仪 器吻合度在 70%左右 通过非接触式呼吸/睡眠指 标监测，可为临床疾病筛查 或预判提供依据，患者免佩 戴设备，提高体感舒适度， 也减轻了护士工作量 普通临床科室、康养病房 异常心率监测及预警 心率监测范围分为两个区 间：[40,120]以及[120-150]， 可针对非急症患者和 3 级急