2025年才过去两个月，DeepSeek就火出了天际，大有成为“年度关键词”之势。事关全民健康福祉的医疗健康领域，自然也没有被这波席卷千行百业的AI浪潮所落下。

据不完全统计，截至今年2月，包括恒瑞医药、复星医药、医渡科技在内的27家上市医药企业宣布接入DeepSeek，涉及药物研发、诊疗辅助、内部效率优化等多个领域。医院方面，广东省妇幼保健院、南方医科大学第五附属医院、深圳大学附属华南医院等多家大型医院已经完成DeepSeek本地化部署，应用场景涵盖病理与影像分析、临床决策与病历管理、患者服务与流程再造等多个环节。

不过，“AI+医疗”的叙事在行业内并非新鲜事，只是DeepSeek的火热出圈，让有关“AI+医疗”的讨论从严肃走向通俗，从小小的、封闭的生物医学实验室走向了更广泛的大众视野。人们在当下这个节点再谈“AI+医疗”，关注的到底是什么？技术浪潮之下，“AI+医疗”的下一站将走向何方？

南方+记者 杨佳绘图

院内院外：重塑临床诊断逻辑

近日，广东一名医学博主发布一则网帖引发热议，“天都塌了！病人DeepSeek后质疑我的治疗方案，气得我自己又查了一遍指南，才发现指南更新了⋯⋯”评论区不少医生紧跟着调侃：“感觉离下岗的时间不远了。”

这仅仅是一个缩影。在这场关于“AI+医疗”的讨论中，临床诊疗场景中的应用，即通俗说的“看病”，是离普罗大众最近的、最受关注的，大家不免会有这样的疑虑：DeepSeek帮忙已经可以开出药方了，还有必要再去看医生吗？

中山大学附属第六医院副研究员高峰认为，DeepSeek等大型语言模型在医学领域的应用潜力是毋庸置疑的。“它们通过学习海量的医学文献、病例数据和临床指南，积累了远超预期的医学知识储备。同时，这些模型还具备强大的逻辑推理能力，能够根据患者描述的症状、病史等信息，进行初步的分析和判断，给出一些可能的诊断方向或建议。”

他认为，在基层医疗资源不足，“看病难、看病贵”较为突出的当下，DeepSeek等AI工具的出现，为患者提供了一个便捷、低成本的咨询渠道，能在一定程度上缓解患者的焦虑情绪，减轻基层医生的负担。

在院外场景，一早布局AI辅助诊疗系统的平安健康已经完成DeepSeek部署及部分场景的应用验证，并上线了依托数字人技术和医学大数据支持的AI大模型，以期在医疗数据分析、患者管理、线上咨询、线下就医等方面为用户提供服务。

不过，依赖AI诊疗系统“看病”的风险也显而易见。“DeepSeek本质上是一个‘聊天机器人’，它是基于概率回答问题的，有时候还会‘顺着你说话’，甚至会‘胡编乱造’。”高峰指出，更权威的“知识库”和更专业的“提问方式”是让DeepSeek在辅助临床诊断中变得更专业、更靠谱的两个重要条件，前者指医学教科书、临床指南、专家共识等，后者考验的则是提问者的常用医学知识水平。

2月20日，湖南省医保局发文对定点药店的医保处方管理等多项内容提出明确要求，其中就提及“严禁接收人工智能生成的处方”。其原因或许就在于，DeepSeek得出的诊断结果有时候并不那么准确，甚至可能出现一些“AI幻觉”，也就是被大家调侃的“一本正经地胡说八道”。

在传统的就医流程中，大部分AI医疗产品都属于“辅助诊断”的范畴，按照我国的规定，此类产品需要拿到“三类医疗器械证”才能用于临床，历时长、成本高，落地较为困难。在高峰的设想中，未来“训练有素”的AI工具或将变成一个针对特定疾病的“智能体”，将传统以医疗为主、AI为辅的“医疗+AI”模式，朝着“AI+医疗”的方向转变，让AI技术成为医疗行为的主体和“智能中枢”，重塑临床诊疗的流程和环境。

创新研发：走向全链条AI赋能

创新药物研发是生物医药行业可持续发展的核心，而高投入、高风险、高回报和长周期则是创新药研发所长期面临的痛点。根据美国塔夫茨大学药物开发研究中心的统计数据，目前一个新药的研发成本约为26亿美元，平均耗时14年。

AI等前沿技术的出现，为创新药物研发带来曙光和改变，目前AI技术已普遍在靶点发现、药物设计优化、药物合成、临床试验等环节发挥作用。公开资料显示，全球排名前20的药企均已布局人工智能相关管线。

深势科技生命科学事业部总监张鹏认为，AI技术在创新药物研发过程中的优势主要体现在两方面：一是能够解决传统药物研发中难以解决的问题，比如难成药靶点的突破。很多难成药靶点并没有稳定的构象，一些蛋白平坦的表面也很难找到成药“口袋”，可以利用AI技术强化分子动力学的方法对蛋白进行充分的动态构象搜索，采集到更可能成药的构象状态。

二是AI技术可以对蛋白和配体之间的相互作用、亲和力甚至是成药性进行充分预测，从而极大地减少实验的次数，减少药物开发的时间和资金成本。

人称“女版巴菲特”的凯西·伍德在近期发布的《Big Ideas 2025》报告中提到，AI可以大大减少开发成本，据测算，AI可以让药物上市时间从13年减少到8年，同时将药物总成本从24亿美元减少到6亿美元。

而DeepSeek爆火，则引发了行业对于不同范式的AI技术赋能生物医药全产业链发展的深度思考。“AI制药的话题行业内已经说了很久，但是如何用DeepSeek这样的AI技术去辐射企业全方位的发展，也是直到今年DeepSeek爆火以后，大家才慢慢开始思考的问题。”张鹏说。

对于企业而言，药物研发是其生产经营过程中至关重要的一环，此外，与之相关的生产销售、合规手续、企业运营管理、客户服务等环节同样缺一不可，其中就存在可被DeepSeek这类大语言模型“技术减负”的工作。

比如，对外，面对客户时，让AI成为及时答复疑问的智能客服，还能为目标客户群体画像；对内，企业运维的过程中，让AI解决药物研发前期大量的文献阅读需求等，或帮助诸如行政、人力、法务等处理生产数据，进行文档的搜集、整理和总结工作。

“如何将这些思考真正落地很重要。希望能以我们的平台能力、技术能力和算法能力，以及我们对于创新药物研发的理解，赋能企业端、学术端等方面的合作伙伴。”张鹏表示。据了解，今年1月，深势科技与复星医药控股子公司复宏汉霖达成了AI辅助药物研发战略合作，旨在融合人工智能与物理建模，共同推进新药研发进程。

迈普医学也正在尝试将AI技术多样化融入企业生产经营的各环节。迈普医学董事长袁玉宇向南方+记者介绍，目前公司主要将Deepseek应用于海外营销层面。“我们的产品覆盖100多个国家，市场调研、营销策略制定、临床医院分析等方面在人工智能工具辅助下，会大大提高我们的效率。”

智能时代：数据成共同的挑战

晶泰科技副总裁王明泰介绍，在人工智能三大核心要素的市场竞争中，主战场从目前的算力、算法，很可能逐渐转移到数据上来。在算力、算法差距不显著的情况下，高质量数据将成为训练和优化模型、提高人工智能水平的基础资源。

晶泰科技看好“AI+医疗”未来发展前景  受访企业供图

对“数据”的担忧，似乎已经成为业内人士的共识，将决定“AI+医疗”的未来发展前景。

首先，体现在临床诊断层面。建立一个强大的“数据基座”，就像建一个超级图书馆，对于提高诊断的正确性非常重要。“像学生需要做很多练习题才能考好试一样，AI同样也需要‘学习’大量的数据来辅助临床疾病的诊断。但很多时候，我们缺少足够的数据，特别是针对一些罕见病或者特殊情况的数据。”高峰表示。

其次，如何保证患者的数据隐私安全也很重要。南方+客户端此前报道，目前医院在接入DeepSeek时，基本上都把大模型部署在医院内部服务器上，避免了数据在云端传输过程中可能面临的安全风险。有大型医院负责人在接受采访时透露，医院会重点关注数据加密技术，对患者数据进行加密存储和传输，确保数据在各个环节的安全性，同时建立严格的访问控制机制，定期进行数据安全审计，及时发现和处理潜在的安全风险。

而在药物研发端，数据的多寡同样能扼住“命门”。

“越是有价值的药物，比如一些first-in-class药物（指使用全新的、独特的作用机制来治疗某种疾病的药物），与之相关的、公开的高质量数据就越稀少，因为它属于一家药企在研发过程中的核心资产，会受到保护。”张鹏表示，数据的稀缺性会使得针对某些特定适应症领域的研究或不同药物类型的分子发现阶段缺乏证据的支撑，从而对形成相应的高标准算法模型提出了挑战。

王明泰介绍，自2019年起，晶泰科技就开始着手进一步提升“干湿实验闭环”能力，自主开发AI机器人实验室，用于收集生成适合于机器学习的高质量和标准化的真实世界实验数据。依托自研量子物理模型与AI模型的深度融合，晶泰科技在物质结构预测领域的算法模型已达到全球领先水平，而要持续保持这一优势，还需不断积累高质量的垂直领域数据，通过数据反馈优化算法模型。

目前晶泰科技已在深圳、上海，美国的波士顿建有超过5000平方米AI机器人实验室，部署超200台自动化工作站。这些机器人实验室所生产、记录的专有实验数据堪比大语言模型的“语料”，在科学智能时代将成为宝贵的生产资料和具有高门槛的竞争资源。

“以DeepSeek为代表的高水平开源模型将带来颠覆式改变，垂类模型（指专门针对某一垂直领域而设计的大型生成式AI模型）开发企业可以自主独立地在本地部署运行，解决了成本和数据安全问题，并且可以基于源代码做二次开发。可以预见，在不久的将来，具有垂类模型积累、掌握高质量数据、具有二次开发能力的企业，很可能站在开源大模型的肩膀之上，诞生新的颠覆性成果。”王明泰如是判断。

采写：南方+记者 梅子仪

统筹：严慧芳