一年一度的摩根大通医疗健康大会于上周举行，一连四日的会议汇聚了全球顶尖製药巨头、生物科技先锋，以及全球投资者，在会上就最新的研究及业务发展深入交流。今年，面对席卷全球的AI洪流，几乎所有参与者在场内外都会谈及AI，核心议题从以往“是否拥抱AI”转变为“用AI重塑价值链”。

不少与会者分享了自家经验，从药物研发的早期探索到临床试验的优化，从患者诊疗的精准化到医疗运营的智能化，深入剖析生成式AI如何赋能新药发现，大模型如何提升临床决策效率，知识图谱如何构建智能医疗大脑，以及全球领先的药械营养保健跨国企业如何将AI融入其核心战略。

今年大会最引人注目的一个话题，莫过于礼来与英伟达共同宣布，双方计划在未来五年内投入超过10亿美元，建立一个新的AI联合创新实验室，旨在构建能够持续学习的AI系统，以加速新药发现。这一合作的核心，在于将英伟达先进的AI模型与实验室自动化设备、机器人技术相结合，实现高通量实验的自主设计、执行和数据采集。

生成式人工智能（GenAI）在药物发现阶段能够显著缩短时间、降低成本，成为加速药物发现、优化临床设计、个性化患者护理的关键驱动力，早已是行业内的共识。但一个更引人注目的趋势是代理式AI（Agentic AI）的兴起，它代表了AI从被动执行指令到主动识别问题、规划并执行解决方案的演进。

英伟达与礼来正是瞄准了这一巨大机会，通过AI与机器人技术的结合，将药物研发的效率提升到一个新的水准。例如，AI可以指导机器人进行精确的液体处理、细胞培养和化合物筛选，大大提高实验效率和重复性，加速新药的合成、筛选和优化，从而加速新药从实验室走向临床的进程。

另一个值得注意的趋势是多模态AI的崛起。众所周知数据是AI的基石，但医疗领域的数据孤岛现象严重，不同医疗机构、系统之间的数据互操作性差，阻碍了生成式AI潜力的充分发挥。如何打破数据壁垒，实现数据的安全共用和有效整合，一直是行内的一个痛点。知识图谱（Knowledge Graph）作为一种能够将实体、概念及其关系以结构化形式表示的技术，在本届大会上被多次提及，为多模态数据互通指示了出路。

知识图谱打破数据壁垒

知识图谱能够将散落在不同资料库、文献、临床纪录中的资讯，有效地组织、连接和推理，形成一个统一的、可机器理解的知识网络，是AI发挥作用的关键。未来的医疗AI将不再局限于单一数据类型，而是能够同时处理文本、语音、影像甚至视频，实现跨模态、多任务的协同，为生成式AI和大模型提供更丰富的上下文和更准确的推理能力。可以从不同数据集，包括基因组学、蛋白质组学、医学影像、电子病历、可穿戴设备数据等，学习并生成新的洞察。

Illumina（因美纳）在今年的大会上发布的“十亿细胞图谱”，正是这一趋势的典型代表。该图谱是因美纳与阿斯利康、默克和礼来等领先药企合作共建，利用CRISPR技术系统性地研究在200多种疾病相关细胞系中，开关2万个基因后10亿个单细胞的反应。这一专案预计在一年内产生20PB的单细胞转录组数据，并通过因美纳的云平台进行处理和分析，形成全球最大的全基因组遗传扰动数据集。通过对如此庞大而精细的细胞数据进行分析，科学家们能够更深入地理解疾病机制，发现新的生物标志物，将使医疗决策更加全面和精准，并开发出更具针对性的治疗方法。

此外，Anthropic在大会前一天发布了Claude for Healthcare，旨在为医疗服务提供商和支付方提供量身定制的AI工具和资源，简化临床文档、监管提交和临床试验分析等行政工作流程，将大大加速AI在医疗行政和临床支持领域的应用。OpenAI则推出了ChatGPT Health，容许个人用户安全地上传病历和连接健康App，从而获得个性化的健康咨询和建议，标志着AI开始直接赋能消费者，帮助他们更好地管理自身健康，不少患者已急不及待，开始自己用ChatGPT来分析化验报告。

AI正以前所未有的广度和深度重塑着整个医疗健康行业，从生成式人工智能驱动的药物发现，到代理式AI提升运营效率，再到物理AI与机器人技术的融合，以及知识图谱构建的智能医疗大脑，更深入地理解疾病的复杂性，开发出更有效的诊断工具和个性化治疗方案。

（作者为创业投资者联盟召集人）