當(dāng)AI深度重構(gòu)醫(yī)療健康領(lǐng)域，“研診治管”全鏈條會(huì)迎來(lái)怎樣的突破性變革？全球患者能否真正享受到可及又普惠的智能醫(yī)療服務(wù)？而這些變革，又將如何改寫人類從“疾病治療”到“健康管理”的固有認(rèn)知？
美西時(shí)間9月27-28日，鈦媒體集團(tuán)攜手NextFin.AI、全球亞裔領(lǐng)袖聯(lián)盟（GALA）、盛大集團(tuán)（Shanda Group）及巴倫周刊中文版（Barron’s China），于美國(guó)斯坦福大學(xué)重磅舉辦首屆硅谷未來(lái)峰會(huì)——NEX-T Summit 2025。這場(chǎng)以“New Era of X-Tech”為主題的全球科技與資本盛會(huì)，匯聚了400多位來(lái)自世界各地的創(chuàng)業(yè)者、投資人、科學(xué)家與政策制定者。
其中“AI與人類健康未來(lái)”圓桌論壇，由斯坦福大學(xué)醫(yī)學(xué)院客座教授周慧君（Prof. Huijun Ring）主持，邀請(qǐng)到四位嘉賓：斯坦?；蚪M中心教授兼主任邁克爾·斯奈德（Prof. Michael Snyder）、黑石集團(tuán)生命科學(xué)前高級(jí)董事總經(jīng)理埃米特·坎寧安（Dr. Emmett Cunningham）、Fusion Fund風(fēng)險(xiǎn)投資合伙人桑吉夫·庫(kù)馬爾（Sanjeev Kumar），以及Form Bio Inc.總裁兼首席執(zhí)行官米歇爾·陳（Dr. Michelle Chen）。
嘉賓分別從學(xué)術(shù)、投資、技術(shù)、產(chǎn)業(yè)視角出發(fā)，多維度拆解了AI對(duì)醫(yī)療健康領(lǐng)域的變革性影響、行業(yè)認(rèn)知誤區(qū)與待解難題、不同主體角色定位、全球?qū)嵺`經(jīng)驗(yàn)及未來(lái)廣闊圖景，為AI與人類健康的融合發(fā)展提供了參考路徑。
在醫(yī)療健康領(lǐng)域，AI的滲透已不是未來(lái)概念，而是正在對(duì)從基礎(chǔ)研究到臨床應(yīng)用的全鏈條進(jìn)行重構(gòu)。
邁克爾·斯奈德是國(guó)際知名精準(zhǔn)健康、基因組學(xué)及可穿戴技術(shù)先驅(qū)，他將AI的影響歸納為四大核心領(lǐng)域：研究、診斷、治療與患者管理。
“在基因研究層面，AI能幫助我們挖掘疾病的遺傳基礎(chǔ)，找到致病基因的數(shù)量是傳統(tǒng)方法的10到100倍，這讓我們更清晰地理解疾病遺傳性。”他舉例稱，利用AI構(gòu)建早期疾病檢測(cè)系統(tǒng)，可在癥狀出現(xiàn)前預(yù)警健康風(fēng)險(xiǎn)；診斷端，AI在放射科的應(yīng)用已能識(shí)別醫(yī)生或放射科醫(yī)師遺漏的影像異常，部分系統(tǒng)已實(shí)現(xiàn)“半廣泛應(yīng)用”，未來(lái)應(yīng)該得到進(jìn)一步普及。
藥物研發(fā)是AI落地的“重點(diǎn)戰(zhàn)場(chǎng)”，米歇爾·陳分享的行業(yè)數(shù)據(jù)與實(shí)踐案例極具說(shuō)服力。她是前Insilico Medicine首席商務(wù)官、藥明康德高級(jí)副總裁，還曾任羅氏及默克公司高級(jí)管理職位。
據(jù)麥肯錫報(bào)告，在AI驅(qū)動(dòng)的藥物研發(fā)（AI-DD）領(lǐng)域，近百家企業(yè)的實(shí)踐顯示，從藥物發(fā)現(xiàn)到IND（新藥臨床試驗(yàn)申請(qǐng)）階段，效率提升超50%，覆蓋多類藥物劑型與疾病領(lǐng)域。
“但臨床階段的提升僅10%-15%，這仍是待突破的瓶頸。”她舉例稱，在Insilico Medicine任職期間，她親身經(jīng)歷過生成式AI將臨床前候選藥物的開發(fā)周期，從傳統(tǒng)的4-5年縮短至18個(gè)月；而在其當(dāng)前掌舵的Form Bio，AI更是解決了基因治療的關(guān)鍵難題，幫助一家生物技術(shù)公司將其基因治療載體的表達(dá)量提升了20倍，并將空載體率從80%降至20%。
在服務(wù)效率層面，埃米特·坎寧安強(qiáng)調(diào)AI的兩步進(jìn)化：短期以效率提升為主，覆蓋藥物研發(fā)、患者診斷等環(huán)節(jié)；長(zhǎng)期則將實(shí)現(xiàn)“人類無(wú)法完成的任務(wù)”。
以眼科為例，人類能診斷黃斑變性患者的視網(wǎng)膜病變，但AI可預(yù)測(cè)100位患者中誰(shuí)會(huì)對(duì)特定療法產(chǎn)生響應(yīng)，而這種精準(zhǔn)分層能力，正是AI的獨(dú)特價(jià)值。埃米特·坎寧安擁有逾20年風(fēng)險(xiǎn)投資與藥物研發(fā)領(lǐng)導(dǎo)經(jīng)驗(yàn)，是現(xiàn)HealthQuest Capital高級(jí)顧問，同時(shí)也是斯坦福大學(xué)醫(yī)學(xué)院客座教授。
作為斯坦福卓越職業(yè)學(xué)院學(xué)者，桑吉夫·庫(kù)馬爾則從技術(shù)視角補(bǔ)充，AI對(duì)醫(yī)療的影響主要覆蓋四大利益相關(guān)者，分別為醫(yī)療服務(wù)提供者、患者、支付方、藥企，既優(yōu)化流程效率，其潛在影響貫穿于這些利益相關(guān)者工作流程的各個(gè)環(huán)節(jié)，既有流程效率的提升，也有臨床醫(yī)學(xué)方面的突破。
盡管AI在醫(yī)療領(lǐng)域應(yīng)用火熱，但嘉賓們一致認(rèn)為，行業(yè)存在明顯的認(rèn)知偏差，部分領(lǐng)域被過度炒作，而真正有潛力的方向卻未獲足夠關(guān)注。
“最被高估的，無(wú)疑是‘AI將完全取代醫(yī)生’的說(shuō)法。”邁克爾·斯奈德直言，醫(yī)療行業(yè)的強(qiáng)監(jiān)管屬性與保守特性決定了這一場(chǎng)景短期內(nèi)不可能實(shí)現(xiàn)，醫(yī)生需對(duì)患者承擔(dān)最終責(zé)任，AI更應(yīng)是協(xié)作伙伴而非替代者。
埃米特·坎寧安進(jìn)一步補(bǔ)充，若未來(lái)AI替代部分醫(yī)生，也將是最具分析能力、我們認(rèn)知中最好的、擅長(zhǎng)診斷和手術(shù)的“技術(shù)型”醫(yī)生，到那時(shí)，醫(yī)療服務(wù)的重心將向人文關(guān)懷轉(zhuǎn)移，具備良好患者溝通能力的醫(yī)生將更受重視。
立足藥物研發(fā)，米歇爾·陳認(rèn)為，臨床試驗(yàn)開發(fā)中的AI應(yīng)用存在過度炒作，比如合成數(shù)據(jù)、數(shù)字孿生等概念，很少有人能清晰解釋其核心邏輯與落地路徑，原因在于臨床試驗(yàn)數(shù)據(jù)與真實(shí)世界數(shù)據(jù)中存在大量噪聲，且需要巨額投資。
桑吉夫·庫(kù)馬爾認(rèn)為，生成式AI在醫(yī)學(xué)領(lǐng)域的應(yīng)用更多是概念炒作；而AI替代的是特定任務(wù)而非整個(gè)職業(yè)，這才是更現(xiàn)實(shí)的路徑。
與之相對(duì)，多個(gè)高價(jià)值領(lǐng)域被低估。埃米特·坎寧安指出，個(gè)性化健康管理的潛力遠(yuǎn)未被挖掘，未來(lái)的健康服務(wù)將比我們想象的更精準(zhǔn)；桑吉夫·庫(kù)馬爾則看好基因組技術(shù)與AI的結(jié)合，當(dāng)前醫(yī)療多是推測(cè)性的病因分析，兩者結(jié)合將讓精準(zhǔn)醫(yī)療真正貼合個(gè)體需求。
米歇爾·陳從產(chǎn)業(yè)角度提出，AI在毒理學(xué)預(yù)測(cè)領(lǐng)域的價(jià)值被低估，“若能利用AI模型預(yù)測(cè)動(dòng)物實(shí)驗(yàn)中的毒性，最終延伸至人類用藥的副作用預(yù)警，不僅符合FDA‘減少動(dòng)物實(shí)驗(yàn)’的指南方向，更能降低藥物從動(dòng)物試驗(yàn)到人體試驗(yàn)的風(fēng)險(xiǎn)。”
面對(duì)AI與醫(yī)療融合的機(jī)遇與挑戰(zhàn)，不同主體需明確自身定位，方能推動(dòng)行業(yè)落地。
于投資者而言，如何判斷AI醫(yī)療初創(chuàng)企業(yè)的 “生命力”？桑吉夫·庫(kù)馬爾提出三大標(biāo)準(zhǔn)。首先是痛點(diǎn)解決能力，必須明確產(chǎn)品要解決的具體問題，這是長(zhǎng)期生存的基礎(chǔ)；其次是獨(dú)特性，體現(xiàn)在其是否擁有獨(dú)家數(shù)據(jù)，能否將數(shù)據(jù)封裝為獨(dú)特模型，并實(shí)現(xiàn)云端與邊緣的部署；最后是階段匹配度，早期看創(chuàng)始團(tuán)隊(duì)的背景和過往業(yè)績(jī)，后期則看產(chǎn)品市場(chǎng)契合度、客戶認(rèn)可度與規(guī)模化能力。
埃米特·坎寧安則給出更直接的判斷邏輯：“先問‘這款A(yù)I產(chǎn)品能否做人類做不到的事’，若只是更快更便宜，那么其價(jià)值也只是增量的，依然面臨激烈競(jìng)爭(zhēng)；若能實(shí)現(xiàn)不可替代性，再追問‘誰(shuí)會(huì)為此付費(fèi)、付多少錢’，這才是價(jià)值核心”。
對(duì)企業(yè)來(lái)說(shuō)，“橋接AI預(yù)測(cè)與臨床驗(yàn)證的鴻溝”是關(guān)鍵挑戰(zhàn)。米歇爾·陳以Form Bio的團(tuán)隊(duì)架構(gòu)舉例，涵蓋軟件開發(fā)、AI/機(jī)器學(xué)習(xí)、生物學(xué)與生物信息，以及最新加入的藥物研發(fā)——團(tuán)隊(duì)間有著各自的“語(yǔ)言體系”和舒適區(qū)，因此必須通過每周甚至每日溝通、雙周研討會(huì)等方式強(qiáng)制“破壁”，讓技術(shù)與臨床需求對(duì)齊。“年輕一代應(yīng)主動(dòng)突破學(xué)科邊界，這是解決‘翻譯鴻溝’的核心”。
立足學(xué)術(shù)界，邁克爾·斯奈德認(rèn)為核心職責(zé)是“發(fā)現(xiàn)和驗(yàn)證原理”。高校擅長(zhǎng)探索未知領(lǐng)域，但規(guī)?；涞匦枰蕾噭?chuàng)業(yè)與產(chǎn)業(yè)力量，AI能為這一過程提供助力。他同時(shí)強(qiáng)調(diào)，學(xué)術(shù)界還需承擔(dān)公平性責(zé)任，相比盈利導(dǎo)向的藥企，高校在臨床試驗(yàn)中更易保持中立，重要的是推動(dòng)AI技術(shù)普及，不讓任何人掉隊(duì)。
在AI與醫(yī)療的融合實(shí)踐中，中國(guó)與印度的經(jīng)驗(yàn)為全球化視角提供了重要參考。
米歇爾·陳指出，中國(guó)已從過去的技術(shù)追隨者轉(zhuǎn)變?yōu)?ldquo;全球創(chuàng)新源”。去年全球上百個(gè)生物科技授權(quán)交易中，有1/3的授權(quán)方來(lái)自中國(guó)，總交易額高達(dá)400-500億美元。這一轉(zhuǎn)變歸因于三大因素：龐大的人才庫(kù)、相對(duì)較低的研發(fā)與臨床試驗(yàn)成本優(yōu)勢(shì)，以及活躍的資本生態(tài)。
“以上海張江高新區(qū)為例，那里聚集了數(shù)千家生物科技公司，規(guī)模從10人到200人不等，形成了完整的產(chǎn)業(yè)生態(tài)。”米歇爾·陳認(rèn)為，在臨床實(shí)踐層面，中國(guó)的效率優(yōu)勢(shì)尤為明顯，試驗(yàn)成本約為美國(guó)的1/3，速度卻是其2-3倍，這為全球企業(yè)提供了降本提速的參考路徑，也倒逼企業(yè)思考如何優(yōu)化全球試驗(yàn)布局。
桑吉夫·庫(kù)馬爾則分享了印度通過數(shù)字公共基礎(chǔ)設(shè)施，實(shí)現(xiàn)醫(yī)療普惠的案例。印度基于“數(shù)字身份”基礎(chǔ)數(shù)據(jù)體系，進(jìn)一步搭建醫(yī)療數(shù)據(jù)交換框架，類似美國(guó)的HL7（衛(wèi)生信息交換標(biāo)準(zhǔn)），實(shí)現(xiàn)了支付與醫(yī)療記錄的互聯(lián)互通。
更具突破性的是邊緣AI的應(yīng)用，比如將醫(yī)療專家的判斷模型嵌入到AI聽診器等便攜設(shè)備中，大規(guī)模部署于醫(yī)療資源匱乏的農(nóng)村地區(qū)，極大地?cái)U(kuò)展了專業(yè)醫(yī)療的可及性。此外，AI在糖尿病視網(wǎng)膜病變檢測(cè)、疫情預(yù)測(cè)等領(lǐng)域的應(yīng)用，也為全球提供了“資源有限地區(qū)如何利用AI提升醫(yī)療水平”的參考。
聊完全球視角下的醫(yī)療實(shí)踐“啟示錄”，不妨再作一個(gè)大膽的設(shè)想：如果擁有無(wú)限資源，嘉賓們更傾向于啟動(dòng)哪些突破性AI醫(yī)療項(xiàng)目？
整體來(lái)看，他們的愿景都聚焦于“健康本質(zhì)的重構(gòu)”。
埃米特?坎寧安看好實(shí)時(shí)組學(xué)分析，“若能實(shí)時(shí)解讀基因組、轉(zhuǎn)錄組等多維度數(shù)據(jù)，理解細(xì)胞通路與信號(hào)傳遞的動(dòng)態(tài)變化，將真正實(shí)現(xiàn)個(gè)體化、實(shí)時(shí)化的精準(zhǔn)醫(yī)療”。這需要巨大投入，但一旦實(shí)現(xiàn)，將徹底改變醫(yī)療健康的范式。
桑吉夫·庫(kù)馬爾對(duì)此觀點(diǎn)深表認(rèn)同，并進(jìn)一步闡釋：“將基因組技術(shù)、其他組學(xué)技術(shù)與AI結(jié)合，再融入人類醫(yī)療判斷，推動(dòng)精準(zhǔn)醫(yī)療從推測(cè)性走向確定性，讓醫(yī)療服務(wù)真正貼合個(gè)體需求。”
邁克爾·斯奈德提出三大方向：從“疾病治療”轉(zhuǎn)向“健康維護(hù)”，利用AI主動(dòng)管理健康，而非被動(dòng)治療；深入研究環(huán)境暴露對(duì)健康的影響，這方面的研究極其不足；以及解決心理健康的標(biāo)志物缺失與管理方案不足問題——這三者相互關(guān)聯(lián)，AI將成為關(guān)鍵驅(qū)動(dòng)力。
米歇爾·陳的愿景更貼近普羅大眾的痛點(diǎn)。當(dāng)前醫(yī)療數(shù)據(jù)高度分散且封閉，而AI的潛力釋放需要大規(guī)模高質(zhì)量數(shù)據(jù)，只有實(shí)現(xiàn)數(shù)據(jù)協(xié)同，才能真正讓醫(yī)療體系惠及更多人。
“希望在5到10年后，當(dāng)我問起‘你們有多少人擁有用于個(gè)人健康和長(zhǎng)壽的AI助手’時(shí)，在座的大部分人都會(huì)舉起手。”米歇爾·陳面向觀眾展望道。（作者丨曹倩）
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論