站在生成式AI和生命科学交汇点，左手技术加速、右手临床需求 | 榕汇 X NVIDIA 初创加速计划

AI作为技术引擎，正为人类的健康事业注入强大动能。从大幅降低药物发现的时间和成本，到打造智能医疗设备、让医生拥有自己的“贾维斯”，乃至进一步升级数字医疗，AI+医疗健康产业的无限潜力正被不断激发。

如同NVIDIA CEO黄仁勋所说，在AI和计算的驱动下，“人类历史上第一次有机会让生物学成为工程（life engineering），而不再仅仅是科学（life science）。当某个领域从科学转变为工程时，它就不再那么随机，而是呈指数级改进。”

NVIDIA作为生成式AI时代备受瞩目的公司，已经在医疗健康领域打造了哪些AI解决方案？
医疗创新企业如何将AI技术作为“标配”融入研发过程中？
从医疗需求角度如何看AI为产业带来的可能与当前现实挑战？

近期，由 NVIDIA 主办的 2024 NVIDIA 创业企业展示华南地区香港分站专场在香港科学园成功举办，高榕创投参与联合主办。在此次专场活动中，来自NVIDIA、高榕创投、康诺思腾等的医疗专家，在圆桌论坛中就上述问题展开分享与对话。

让医疗企业充分利用生成式AI最新进展

张天静 NVIDIA资深开发者关系经理

NVIDIA致力持续推动医疗健康和生命科学领域的进步。NVIDIA资深开发者关系经理张天静系统介绍了NVIDIA在该领域的全栈AI方案。

近年来，NVIDIA持续升级包含计算平台、软件和服务在内的Clara套件，为医疗健康和生命科学各个领域提供AI解决方案，包括用于药物研发的BioNeMo、用于医疗设备的Holoscan、用于基因组学的Parabricks以及医学影像方向的MONAI等等。

张天静指出，医疗健康和生命科学行业正成为数据量最大的产业之一，2020到2025年医疗健康领域数据的复合年增长率达36%。NVIDIA不仅希望为医疗行业提供GPU和加速计算，也致力通过各类工具帮助开发者进行产品快速开发迭代。

例如，今年GTC大会上推出的NVIDIA NIM旨在为开发者提供一系列经过优化的推理“微服务”，让企业快速、安全地部署AI应用程序，这些微服务涵盖医学影像、药物发现、基因组学、数字人、大语言模型等。NIM微服务现已通过NVIDIA AI Enterprise 5.0软件平台提供。“我们希望让医疗健康领域的公司轻松体验和运行企业级生成式AI模型，无论是体验NVIDIA预训练的大模型，还是接入API，亦或是基于NIM做部署，都可以将AI能力无缝集成到商业应用中。”

张天静随后分别围绕几大应用方向，分享NVIDIA为医疗开发者打造的解决方案。针对医疗设备，张天静指出，无论是手术机器人还是内窥镜，亦或是超声检查、诊断成像等，未来每一台医疗设备都将变成机器人式的，能够实时执行AI指令。

“NVIDIA旨在助力医疗设备开发者快速进行端到端软硬件研发迭代，开发下一代基于边缘计算、AI赋能的医疗设备。”例如，传感器处理平台NVIDIA Holoscan，让医疗设备开发者能够对前端传感器进行实时AI处理，并提供超低延迟和极致的边缘AI性能。

在药物发现领域，张天静指出，计算机辅助药物发现呈指数级增长，且方兴未艾。数据显示，生成式人工智能有望让药物发现加速3年、节约数亿美元成本。NVIDIA BioNeMo可为药物研发提供开发、定制和部署基础模型所需的服务，现已提供十余个生成式AI模型以及云服务，赋能医药开发者进行大小分子设计、蛋白结构优化。

在基因组学领域，随着测序成本降低，基因组学的数据量将急速攀升，“我们对DNA测序的能力已经远远超过解读其包含信息的能力”。NVIDIA Parabricks工具旨在优化测序分析的工作流程，帮助基因测序行业开发者进行序列比对、突变分析、空间组学研究，并且显著提高准确性、提升速度、降低成本。

分享最后，张天静强调生成式AI还有望显著变革的一大领域是数字医疗。“在医疗保健信息系统领域，有非常多的数据，如处方、剂量、病历等等”，生成式AI有望打造通用AI智能体和医疗智能体，帮助生成临床记录、为临床决策提供支持、开发虚拟助手等等。“通过多模态AI打造智慧医院，未来整个医院有机会成为一个智能体。”NVIDIA正打造数字医疗工具栈，助力医疗信息化企业进行语言模型开发与部署。

利用AI工具，解决真正的未被满足需求

于江涛博士高榕创投董事总经理

高榕创投深耕医疗健康领域，在过去几年投资了多家医疗健康领域企业，覆盖新药研发和Biotech平台、医疗器械与检测，以及数字医疗和医疗服务等领域。

“将AI技术应用在产品和服务的研发过程中，已经成为医疗健康企业的共识乃至标配。”于江涛结合高榕投资企业案例，分享企业如何利用AI技术全面加速研发进程。

在传统的精神疾病药物开发领域，由于缺少药物对人脑影响的了解，经常在临床阶段面临高失败率。Alto Neuroscience利用AI技术预测患者对候选治疗药物的临床反应，从而颠覆精神疾病药物研发的方式，提升药物临床成功的可能性。

百奥几何专注于打造生成式AI蛋白质设计平台，赋能生物制造领域。百奥几何的生成式AI蛋白质设计大模型GeoFlow，在抗原-抗体复合物结构预测任务上达到了与AlphaFold3同样的水平。

水木未来打造的冷冻电镜平台，旨在帮助药企实现有针对性的药物设计，特别是利用X射线晶体学难以解析的膜蛋白等蛋白质。水木未来研发了SMART软件系列，是业内唯一全面覆盖冷冻电镜数据计算全过程的工具平台。借助众多的AI深度学习算法，SMART平台显著提高了整个冷冻电镜数据分析过程的效率，用更少的机器时间和数据生成更高分辨率的模型。

西湖云谷智药致力于将人工智能技术赋能基因治疗方法研发。在基因编辑治疗中，负责基因递送的AVV载体非常关键。西湖云谷智药通过AI模型，可以更有效地筛选和开发出具有特定器官靶向性的AAV突变体，这对于开发更有效的基因治疗策略具有重要意义。

于江涛也强调，目前从医疗健康领域的角度，人工智能仍然是工具、起到加速作用，现在或许还不是人工智能解决一切的时候，需要足够的积累、包括资金和时间的投入来加强人工智能基础设施的建设。“此外，我们必须从医疗健康领域需求角度出发，医疗创业者需要思考——究竟要利用技术去解决哪些健康领域的关键问题，即什么是真正的未被满足需求？”

于江涛指出，今天值得关注的未被满足需求包括肿瘤、代谢性疾病、神经与退行性疾病、长寿等，最终是为了实现“live longer, live better”。

随着中国创新医疗企业开始从本土走向全球，于江涛也就企业构建全球竞争力给出四点建议：1）建立全球视野；2）用创新技术构建差异化竞争力；3）积极拥抱AI；4）与合作伙伴共赢。

手术机器人应用生成式AI：想象与挑战

王泽睿博士康诺思腾联合创始人、CTO

康诺思腾成立于2019年，致力于打造安全高效的手术机器人平台，其自主研发的Sentire思腾腔镜手术机器人已经完成注册临床入组手术，即将正式投入临床应用。

康诺思腾联合创始人、CTO王泽睿率先回溯了人类手术的发展史。多个世纪以来，外科医生从事的是开放式手术，他们直接用手去操作、也用眼睛观测病灶，但因为伤口较大、导致病患恢复缓慢。20世纪80年代末、90年代初，腹腔镜手术开始出现，让医生可以达到非常深和复杂的手术部位，而且因为切口小显著加快了恢复进程；但弊端在于提高了外科医生的学习难度，且容易导致医生疲劳。当然，今天腹腔镜手术非常普遍，也是许多手术的金标准。

直到2000年，第一代手术机器人系统获得FDA批准，从此进一步革新了手术的效率和效果。机器人手术都有哪些优势？

王泽睿指出，手术机器人全方位提升了生产力。首先，手术机器人让医生能够进入封闭狭窄的手术部位进行直观操作，并极具灵活性和精准度；其次，能够显著缩短复杂手术的时长；第三，可以减轻外科医生的疲劳以提高手术量，如外科医生平均每天可以完成1-2台腹腔镜手术，使用手术机器人可以完成3-4台手术；此外，还有助于缩短微创外科手术的学习曲线，延长外科医生的职业生涯，“这是极具价值的，因为优质医疗资源往往稀缺”。

那么，手术机器人是如何完成工作的？首先，主操作手会对医生操作手势进行编码，随后机械臂进行解码，进而进行手术的操作，这些操作由内窥镜捕捉，并回流到控制台。过程中，康诺思腾运用了先进的算法，让手术机器人更加易于使用、流畅和精准，让外科医生手术操作拥有沉浸感。

王泽睿指出，2022年统计数据显示，美国一年有860万台手术，其中15%的手术由手术机器人辅助完成；而中国每年手术量为1150万台，其中只有不到1%是机器人手术。全球范围内手术机器人的渗透率是4%。自成立以来，康诺思腾始终致力于提升中国乃至全球范围优质医疗资源的可及性，让更多患者受益于科技创新带来的高品质医疗服务。

王泽睿也谈及未来生成式AI有可能为手术机器人带来的变革。“10年前，当我还是一名博士生的时候，很多想象还停留在科幻小说；但今天生成式AI让我们有希望打造一个‘贾维斯’，实时帮助外科医生完成手术。”

不久的将来，生成式AI技术有机会实现在手术前辅助医生做术前规划，例如分析最佳的手术路径和操作步骤。
手术期间，一方面可以给外科医生提供更多有用的信息，例如实时手术导航、图像增强、风险预测等；另一方面可以完成部分手术操作，例如自动化器官牵引、切割、缝合等。
手术后，帮助医生做术后分析和持续改进，例如手术阶段分割、关键解剖结构标引、动作识别与评估等。

当然，手术机器人作为医疗器械，必须确保产品的安全性和有效性，也需要面对严格的验证确认流程和监管部门的审批。因此，在手术机器人中运用生成式AI，还需要时间去不断尝试和探索，尤其需考虑关键的成本问题，以及数据、计算资源等挑战。康诺思腾也希望基于大湾区的供应链优势，提高手术机器人的可及性、不断降低成本。

毫无疑问，生成式AI已经渗透到医疗健康行业的各个领域，不再是“锦上添花”，而是有机会拓展人类对生命科学边界的探索。走在医疗与AI交汇点的先锋们，将有机会感受前所未有的加速度，也需要合作共赢、解决临床需求和未知挑战。