医学大模型辅助医生精准识别疑难罕见病例；利用人工智能快速预测蛋白质结构缩短药物研发周期；基于人工智能技术的受试者筛选提高临床研究效率……当前，医学和人工智能正处于快速融合阶段，并已成为国际科技竞争的新焦点。
近日，上海正式发布《上海市发展医学人工智能工作方案（2025—2027年）》（以下简称《方案》），围绕人工智能与医学创新深度融合，从创新策源、支撑平台、应用场景、产业发展、发展环境等5个方面提出18条举措，目标是将上海打造成为具有全球影响力的医学人工智能技术创新、应用示范和产业发展高地。
人工智能和生物医药是浦东乃至上海重点发展的先导产业，在基础科研、关键技术和数据治理等方面已经积累起医学人工智能创新发展的必备要素。同时，上海医疗资源丰富，为医学人工智能的前沿技术研究提供了丰富的应用场景。记者注意到，《方案》提出在人工智能与临床医疗、人工智能与中医药、人工智能与公共卫生、人工智能与医疗管理、人工智能与医保监管、人工智能与药械研发等方面打造全领域应用场景。
目前，在医学人工智能创新领域，浦东的医疗研发机构和科研平台已经开展了早期探索，并涌现出人工智能在辅助诊断、医药研发、临床试验各个环节的应用。
面对医学知识和数据难题，
上海有何破题之策？
在上海市东方医院，医学大模型“Med-Go”创始人、东方医院急诊、重症医学科主任张海涛演示了一个病例：这是北京某著名三甲医院儿科的真实案例，患儿两次住院，经过近一年的时间才确诊为一种十分罕见的自身免疫性疾病。张海涛将患儿病历输入“Med-Go”，几分钟就给出了专家们用了一年才做出的诊断。
医学大模型创新应用面临的一大难题是人工智能如何读懂密集复杂的医学知识，以及医学标注数据的稀缺。“‘Med-Go’以200亿条高质量医学数据为基础。”张海涛介绍说，“我们用了6000多本教材来训练它，其中一些国际权威教材还没有中文版本，我们几个学会、60多名专家硬是一页一页翻译，把一万多页的新书翻了出来，‘喂’给了它。”
记者了解到，目前医学基础模型的发展主旋律为从通用领域逐步细化到医疗各领域。但是也有研究人员指出，直接将通用基础模型应用于医疗专精任务往往难以取得理想的效果。鉴于此，医疗领域的研究者们开始探索将通用模型的架构和思路迁移到医疗任务中。这一过程中最突出的问题之一是医学标注数据的稀缺。虽然少量示例数据的训练在某些任务中是可行的，但医学影像标注成本高昂且耗时，使得全面迁移通用基础模型的能力仍面临阻碍。这一现实问题成为了在医疗领域训练大规模基础模型的主要瓶颈。
面对海量的医疗数据以及复杂的医学知识，“上海方案”有何应对之策？根据发布的《方案》，上海将建设医疗健康数据新型基础设施，如制定卫生健康数据分类分级、融合应用等标准规范，建设市卫生健康数据大平台。依托市级语料平台，构建一批医疗行业开放语料库。此外，在数据治理方面，《方案》提出将通过语义知识图谱、预训练大语言模型等技术，自动抽取、处理复杂医学数据。通过隐私计算、差分隐私、同态加密等技术，支持分布式、多模态数据管理以及联邦学习技术范式的发展。
抢占新赛道，
浦东打造医学人工智能创新与应用引领区
对于需要巨额投资的创新药研发来说，人工智能在提高药物研发效率方面是一把利器。数据显示，截至目前，上海有34家企业涉及AI制药，共推进了51个临床前研究和14个临床试验项目，在全国占比分别高达60%和47%。
针对人工智能助力创新药物研发，《方案》提出，推进人工智能技术在难成药靶点、罕见病、复杂疾病抗药性、创新药检验检测等复杂领域的应用。支持蛋白质结构预测与从头设计、药靶预测、药物设计与智能优化、虚拟筛选、晶型剂量、器官芯片等关键技术研究。
值得注意的是，在打造产业集聚高地方面，《方案》指出，发挥张江生物医药创新引领核心区和人工智能产业集聚区的优势，打造医学人工智能创新与应用引领区。
在浦东最新科创地标模力社区，上海衍因科技有限公司（以下简称“衍因科技”）为基因组编辑、基因治疗等领域研发了基因组尺度大模型平台。“我们希望把AI大模型算法，应用于CRISPR-Cas系统设计、蛋白质功能预测、基因组建模，以及利用小样本强化学习，提升研究效率。”衍因科技创始人陈泽平表示。
衍因科技已成为张江AI新药研发联盟成员单位。自2021年10月成立的张江AI新药研发联盟，成员单位已达到45家，涵盖了从源头创新到产业化应用的全方位生态系统。在AI制药赛道，浦东拥有英矽智能、晶泰科技等科技企业，美迪西、和元、皓元等医药研发服务类企业也有相关战略合作项目。如皓元医药已与AI制药公司德睿智药、临床阶段生物医药公司英矽智能等形成战略合作，通过AI模式助力新药研发突破技术壁垒，推进人工智能在药物研发阶段的应用落地。
临床试验是药械研发不可忽视的必要环节，如何应用人工智能技术提高临床研究质量和效率？
上海市临床创新转化研究院正在尝试应用人工智能技术提高受试者的筛选效率。“基于AI的受试者筛选能够在多中心同步开展临床试验时实现受试者的精准筛选与发现，进而扩充患者入组的数据规模，降低脱落率，最终显著提高患者入组效率。对于临床研究者而言，这样的技术赋能将极大地提升临床研究效率。”上海市临床创新转化研究院总裁段琦表示。
在助力药械临床试验方面，《方案》提出，推动人工智能技术在临床试验管理方面应用。探索应用数字孪生技术，结合药物人工智能模型，建立虚拟患者和疾病模型，开展肿瘤新药虚拟临床研究试点。深入挖掘临床专病队列和自然人群队列的特征与规律。
医学人工智能的发展浪潮正汹涌澎湃，上海浦东无疑站在了这一浪潮的前沿。随着医学与人工智能的融合日益深入，未来将有更多的疑难病症被攻克，药物研发周期将进一步缩短，临床研究效率将大幅提升。浦东这片创新的热土，将继续孕育出更多的科技成果，为医学人工智能的发展贡献浦东智慧。
文字丨树丫儿
