中国AI科技公司DeepSeek的大模型R1登上《自然》封面，实现中国大模型在此领域零的突破。这一成果不仅标志着中国AI技术获国际高度认可，也为大模型在医学领域的发展带来新契机。如今，AI在医学与制药领域融合加速，虽前景广阔，但也面临诸多挑战。
DeepSeek-R1登上《自然》封面，中国大模型实现突破
9月17日，在最新一期《自然》杂志中，DeepSeek团队的R1推理模型研究论文登上封面，梁文锋担任通讯作者。该论文首次公开仅靠强化学习就能激发大模型推理能力的重要成果，这是中国大模型研究首次登上《自然》封面，也是全球首个经完整同行评审并发表于权威期刊的主流大语言模型研究。自今年2月14日投稿，历经半年，8位外部专家参与评审，终获发表。审稿人对数据来源、训练方法等严格质询，论文较初版有较大改动，全文64页，披露了训练成本等更多技术细节。R1使用512张H800 GPU，训练80个小时，总训练成本约29.4万美元，相比其他推理模型成本大幅降低。同时，回应了“蒸馏”质疑，称数据虽可能含GPT - 4生成结果，但非有意，且无专门蒸馏环节。
AI在医学与制药领域加速融合，巨头纷纷布局
从药物设计到医学影像，AI企业正加速与临床应用融合。近年来，跨国制药公司对AI制药大力投资，百时美施贵宝（BMS）和赛诺菲等企业期望新一代AI公司实现技术突破，改变药物发现过程。复星医药在临床试验数字化解决方案公司Medidata的中国年会上，分享AI研发策略，着力打造AI开发工具，引入AI决策智能体平台PharmAID。Medidata首席战略官Lisa Moneymaker表示，软件增强药物研发是下一代临床试验重要领域，已联合业内伙伴全面布局AI。自2015年以来，Medidata支持了美国FDA获批的93%的肿瘤新药。Medidata副总裁、大中华区总经理李威称，全球由中国企业发起的临床试验比例从过去约3%跃升至2024年的30%，中国已成全球第二大临床试验市场。
AI制药面临多重难题，发展之路仍漫长
在药物研发过程中，人工智能可快速浏览分子数据库匹配化合物与靶点，但这只是第一步。一位制药领域专家表示，目前仍有很多问题无法用人工智能预测，如药物毒副作用，纸面上不错的药物在临床试验中仍有90%的失败率。AI制药走向现实，不仅要解决技术算法难题，还面临复杂生物学问题及监管问题，因人类对自身生物学问题了解有限，大模型缺乏所需数据。
大模型、AI智能体在医学诊疗领域落地，专家指出关键环节与伦理问题
9月15日，复旦大学附属中山医院联合华为、联影智能等发起的“元医疗模拟实验室”正式启用，将开发AI智能体，开展人工智能技术应用中试。中国科学院院士、复旦大学附属中山医院心内科主任葛均波教授表示，人工智能、大模型正改变诊疗范式。在欧洲心脏病学会（ESC）年会上，葛均波团队联合华为终端发布创新研究，重构冠心病早期筛查与风险评估临床路径。葛均波指出，AI在医疗领域应用涉及数据质量、计算能力、算法优化三个关键环节，要实现应用落地需在这三方面取得突破。同时，他提到伦理问题，认为医生是诊疗决策主体，正在制定相关伦理规范，确保AI技术安全有效服务临床诊疗。
以上文章由 AI 总结生成
