在新冠肺炎疫情防控中所發揮的巨大作用，讓人工智能（AI）在這個春天得到了更大的關注。

　　“未來，AI在醫藥研發過程中的作用將越來越凸顯。”阿斯利康全球執行副總裁王磊在近日舉辦的2020世界人工智能大會上說，“在醫療領域，AI的價值將主要體現在兩個方面，一是提升三甲醫院醫生的效率，二是提升基層醫療機構的診療水平。”

　　復旦大學附屬華山醫院感染科主任張文宏則認為：“在整個疫情防控中，全部是靠人工，也就是靠傳統智慧和城市管理實現的。”

　　在他看來，盡管現在AI已經應用于多個場景，技術還算成熟，但在醫療、流行病防治領域，AI的建設還在起點。

　　AI醫療=“醫生”？

　　醫療影像診斷系統能在5秒內完成數百張影像的初步診斷；智能語音將電腦端語音轉換醫療文字的極速輸入；AI醫療機器人不僅提供人工智能遠程診療服務，還承擔日常消毒、送餐、清掃等工作；AI算法將原來數小時的疑似病例基因分析縮短至半小時，精準檢測出病毒的變異情況……2020世界人工智能健康云峰會上，不少抗疫“明星”企業分享了他們的探索實踐。

　　疫情下AI大展身手，高效輔助醫療應用場景，AI算法和算力在新冠肺炎診斷中發揮了更大的價值。AI在醫療領域的應用忽地遍地開花。

　　盡管如此，AI仍然只是一個輔助手段。

　　疫情期間，上海依圖公司和上海公共衛生臨床中心合作推出了業內第一款智能評估新冠肺炎的AI影像產品。

　　“從前醫生對于新冠肺炎的定量評價需要數個小時，但AI輔助醫生診斷只要一兩秒，就可以作出準確判斷，這是視覺感知的智能。”依圖科技創始人兼CEO朱瓏介紹說。

　　上海兒童醫學中心智慧交接班的大屏上，患者的體溫、呼吸、脈搏等生命體征和導管情況、氧飽和度等數據得到清晰的顯示。據了解，上海兒童醫學中心根據不同場景分別部署了上海森億智能開發的輔助決策、質量管理和智慧交班系統，大大提高了效率，減輕了醫護人員的負擔。

　　然而，AI在輔助醫療上仍然困難重重。

　　數據是讓AI生根的土壤水源，但醫療電子病歷數據不僅類型復雜，而且體系割裂，對此類數據的采集、清理和挖掘，難度不亞于在沙漠里精耕細作。

　　數據標準化成為AI+醫療的核心問題。森億智能創始人張少典說，讓AI與臨床醫學深度融合的過程，就要讓IT人把臨床醫學的語言轉化成IT語言，讓IT人和醫學人雙方之間實現對話交流。用文本解析電子病歷數據，實際上是用不同的算法模型處理不同類型的數據，研發和搭建基于中文語言語義為特點的醫療知識圖譜。

　　除此之外，跨越AI技術與醫學專業難以逾越的知識壁壘也是當前階段AI醫療面臨的難題。

　　朱瓏舉例說：“在兒科領域，今天AI能夠基于幾百萬份病例，學習近百萬個醫學同義詞、近千萬種關聯關系。目前，AI在兒科的智能輔助診斷能夠接近初級醫生的水平，但是距離高水平專家還有一定差距。”

　　AI加速“神藥”的誕生？

　　中國科學院院士、中國科學院上海藥物研究所的陳凱先提到，藥物研究有兩個核心問題，一個是尋找靶點，另一個就是對藥物結構進行優化，AI在尋找靶點上更快捷。

　　AI運用強大的發現能力與計算能力，發現藥物與疾病、疾病與基因的連接關系，構建藥物、疾病和基因之間的深層次關系，虛擬篩選出具有較高活性的化合物，為后期臨床試驗做準備。目前，AI在新藥研發領域主要應用于靶點發現、化合物合成、化合物篩選等場景。

　　據了解，在藥物研發領域，已經出現了AI的身影。上海的一家生物制藥公司利用AI技術基于蛋白晶體學數據進行藥物設計，打造數據驅動的智能藥物開發云計算平臺，將藥物研發時間從原來的3—5年縮短至1—3年。這樣技術領先的企業目前被“雪藏”保護起來。

　　2017年以來，國際制藥巨頭紛紛入局AI開發。在新藥研發中，AI已經在阿斯利康的全球實驗室中，出任化合物篩選的幕后“小能手”。“將我們認為比較低水平的分子篩選，交給AI機器人去完成，要比人工完成有效率得多。”王磊說，以往50個科學家花幾百天才能篩出3個分子，而為此服務的研發團隊甚至達到幾千人；如今，通過計算機把分子結構搭好，再用AI去模擬這些實驗，就能快速鎖定讓人體產生抗體的某個化合物，大大加快了新藥研發的速度。

　　“雖然AI還沒有直接創造新的藥物，但在很多新藥發明的背后都有AI的身影，它已經成為了我們研發過程中不可缺少的部分。”王磊說。

　　然而，專家認為，AI應用于新藥研發與醫療AI落地面臨同樣的問題，如人才短缺、數據標準化與共享機制、商業模式創新等諸多挑戰。

　　AI的腳步已經走近，或許可以期待：AI成為未來的“藥神”。（記者 王 春）