AI 大模型在药物研发的第一步: 靶点识别中的应用。这篇文章，我们将 延续这一路线，介绍AI在药物研发的第二步: 先导化合物发现中的应 用。 图1：药物研发生产流程，图片引自[1] 传统方法在先导化合物发现中的局限性 在AI大模型时代到来之前，先导化合物的发现以实验方法及计算机辅助药物 设计(CADD)的方法为主。这些方法都有着一些自身难以解决的问题。 实验方法: 当前，药物化学实 物数据库的筛选所需的时间是一个天文数字。此外，实验方法还受到可用测试化 合物的供应和准确预测它们在体内行为的难度的限制。 计算机辅助药物设计方法(CADD): CADD相较实验方法极大地加速了先导 化合物发现的速度。在CADD中，先导化合物的筛选被普遍称为: 虚拟筛选 (virtual screening)。他使用基于分子力场或者量子力场的分子对接方式，对数 据库中的海量化合物与靶点进行对接，从而依据自由能最小化等方式，计算靶点 能够加速，还不受化 合物是否可以获得的限制。然而，基于CADD的虚拟筛选存在一个trade off， 即想要进行精确的筛选需要大量的计算资源和时间，而想要快速的完成筛选，则 会损失较大的精度。在药物发现这个先导化合物准确率极为重要的领域，大量的 计算资源和时间很难避免。曾有研究统计过，若想要对100亿个小分子进行令人 满意的筛选，则需要长达3000年的时间。简而言之，利用CADD进行高精度的 药物虚拟筛选，所需的时间同样是难以接受的。

讨AI在药物研发的第 一步: 靶点发现中的作用，以及它如何为这个过程带来革新。 药物研发的整体流程 药物的研发是一个复杂且耗时的过程，业内一直流传着"三十定律"的说法: 耗时10年，耗资10亿美金，成功率不足10%。因此，如何降低药物研发的金钱 成本、时间成本，提高成功率已然成为了药物研发行业的重中之重。 通常而言，药物的研发包括以下步骤: 靶点发现，候选药物筛选，候选药物 优化，临床前研究，临床实验，以及市场化等步骤 优化，临床前研究，临床实验，以及市场化等步骤 [1]。靶点发现作为整个流程 的第一步，是新药研发中决定成败的一步，成功的靶点识别可以为后续的药物设 计提供方向。不仅能提高新药的研发效率，也能极大地改善患者治疗期间的生活 质量。 药物研发生产流程，图片引自[1] 传统方法在靶点识别中的局限性 在AI的第三次浪潮之前，靶点的识别通常依赖多组学实验方法或者计算机辅 助药物设计的方法。多组学方法主要通过对病例组和对照组进行基因组、蛋白质 型可以整合海量的医疗研究相关文本，通过在文本中提取潜在的关联信息，发现 人类可能忽视的模式或连接。目前已有研究通过向大语言模型提问的方式，提取 出针对特定疾病的潜在靶点，从而避免一些不必要的组学实验。此外，AI模型完 成训练之后，可以将类似反向对接技术的时间复杂度降低到线性级别，甚至提高 精度。AI也可以进行蛋白质结构的预测，从而帮助结构相似性分析等技术的实 现。 基于上述所提的AI在靶点发现中的应用，本文将依据近期的AI医疗相关论

疾控组，上海 200336； 3. 上海市疾病预防控制中心，上海 200336 摘要： 新型冠状病毒肺炎疫情的处置充分体现了传染病监测预警的重要性，也对进一步做好疫情监测，实现对各类病原体的早发现、早识别、 早报告和早处置提出了更高要求。文章通过对上海市近年来传染病综合监测体系建立与发展的回顾，阐述了基于症候群和相关事件 的综合监测思路，初步总结了综合监测在关口前移、扩大监测范围、提高灵敏度 检测的核心功能融为一体，整合多个单病种监测体系 的资源，实现“一份样本，多重检测，多种目的”，大幅提 高监测工作效率。通过 3类综合监测，可准确反映疾 病的流行特征和病原学特征，实时掌握症候群病原谱 变化动态，及时发现罕见和新发传染病，并为临床用药 和辅助诊断提供依据。 在综合监测点的抽样选址上，结合历史病例就诊 情况，通过分层抽样选择监测点医院，并采用按容量比 例概率抽样法（PPS）抽样选择监测对象，确保数据代表 哨点监测 不同病种间差别较大 单一病原体 有一定的发现能力 临床诊疗、流行病学、微生物检验 多为线下报告，部分病种有登记报告系统 单一监测较低，但资源利用率不高 传染病综合监测 腹泻、发热伴呼吸道症状、发热伴皮疹、发热伴出血、 发热伴神经系统症状等症候群 病例报告与哨点监测结合 针对一类症候群，统一监测方法流程 数十种病原体 有较灵敏的发现能力 多科室临床诊疗、流行病学、多病种实验室检验、大

1）负责医院供配电设备设施的日常运行操作及巡视工作。 2）供配电系统的运行维护运行维修人员严格实行持证上岗，严格的供配电运行 制度和电气维修制度。 3）负责医院各级配电间的巡视及维护保养。 4）安排人员 24 小时巡视，做到及时发现故障、及时排除。 5）停电限电事先（24 小时以上）出通知、以免影响医疗和科研工作安全。 6）对临时施工工程有用电管理措施和操作流程。 7）制定突发停电应急预案。 8）加强机房可视化建设。 1）空调运行实行二十四小时三班制监控和管理。（每 2 小时 1 次）通过闻、看、 听、摸等办法及时掌握和发现设备潜在故障。 2）配合维保单位每月检查空调主机，测试运行控制和安全控制功能，分析运行 数据。 3）通过观察监视设备，掌握空调设备运行状态。注意空调运行有无三漏现象， 有无异声异味。发现问题及时报部门部长和维保单位组织人员维修处理。 4）定期（每天）检查循环泵电机及泵体，每年进行一次添加更换润滑脂、基础 生态后勤 智慧运维 发水淹时内及时抢修处理，避免医院设备财产损失。 （5）.雨季中，根据加强巡视频次尤其易溢水区域，及时发现、预判问题、处 理问题，确保设备工作正常、无溢水事故发生，避免因溢水导致的医院财 产。 （9）.按预案定期进行应急演练，确保突发事故处理安全、迅速、有效，避免 事故扩大。 3.1.3.7.电梯系统

全等级保护工作的指导意见〉的通知》要求，XX 市人民医院积极开展等级测评工作。 医院信息系统是支撑医院系统运作及各部门共同合作与营运的关键应用，承载着医院主 要的业务数据。通过信息系统等级保护定级和安全测评工作，提前发现信息系统中存在 的安全风险和漏洞，据此提出信息系统安全等级保护建设方案，避免安全事件对业务工 作带来损失；完善信息系统安全管理制度，提升信息系统安全管理水平。 12 建设方案建议书 1.3 照事先设置的访问权限进行访问， 38 建设方案建议书 而不是可以访问任意整个网络。支持内网访问和外网访问进行逻辑隔离的功能。 8、入侵检测无为而治。IDS 对网络中的应用数据进行安全检测，当发现异常数据 （如多次尝试数据库帐号等），将告警信息直接转化为安全策略，下发至该用户的接入 交换机，对该用户进行安全控制。 9、数据库审计控制。真正做到事前威慑、事中监管、事后定责的效果。 39 另外根据系统类型进行其它安全配置的加固处理。 针对网络入侵防范，可通过部署网络入侵检测系统来实现。将网络入侵检测系统位 于有敏感数据需要保护的网络上，通过实时侦听网络数据流，寻找网络违规模式和未授 权的网络访问尝试。当发现网络违规行为和未授权的网络访问时，网络监控系统能够根 据系统安全策略做出反应，包括实时报警、事件登录，或执行用户自定义的安全策略等。 48 建设方案建议书 入侵检测系统可以部署在 XX 市人

物流公司密切沟通，实时掌握运输状态，确保按时抵院。 5. **到货验收（第 7 周）**：设备到院后，由我方项目团队、医院人员及供应商代表共同验收。对照清 单检查设备型号、数量、外观、附件、文档等。发现问题及时与供应商沟通解决。 6. **初步安装调试（第 8 - 9 周）**：验收合格后，技术人员进行设备上架、布线、通电等初步安装工 作，随后调试确保设备正常运行。 7. **网络测试与优化（第 10 **运输路线规划**：依据医院地理位置和交通状况合理规划路线，避开拥堵、施工和恶劣天气影响路 段。运输中用 GPS 定位实时跟踪车辆位置和状态。 ## 四、应急预案 ### （一）货物破损处理流程 1. **现场发现与报告**：货物到院验收时，若发现设备破损，验收人员立即停止验收，保护现场，通知 项目经理、供应商和保险公司。详细记录破损设备外观、程度、数量等信息并拍照留存。 2. **破损评估与鉴定**：供应商接到通知后尽快派专 **系统集成工程师**：负责无线网络与医院其他信息系统集成，开发调试接口，保障系统集成稳定可 靠。 4. **测试工程师**：全面测试无线网络系统功能、性能、安全等。制定测试计划和用例，分析评估结果， 及时发现报告问题，为优化改进提供依据。 5. **技术支持工程师**：项目实施中为医院工作人员提供技术支持和培训，解答使用问题，帮助熟悉操 作方法。验收后负责日常维护支持，确保系统稳定运行。

Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看 到 AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时 问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一 方面，目前尚未看到面向医疗影像的新 AI 大模型服务，大模型在医疗影像 领域主要作用是降本。国内关注讯飞医疗、云知声、晶泰、数坤等企业发展。 AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率 题，为探索生命的起源迈出重要的一步。随着生成式 AI 的出现，业内开始 探索自动根据功能需求设计/优化蛋白质、给定抗原等目标蛋白生成抗体等 蛋白、给定靶点一键生成 Binder 蛋白等功能，为提高药物发现的效率作出 贡献。英伟达于 3 月推出的生物医药大模型云服务 BioNeMo 也包含蛋白质 生成等模型的调用服务。国内关注晶泰科技等最新应用。 AI+医疗影像：应用相对成熟，关注 AI 大模型提升数据标注效率 资料来源：北京协和医院官网，华泰研究 AI+影像 AI 应 用 场 景 公 司 AI+诊断 AI+制药 医院数据实时处理、临床辅助决策、 临床辅助治疗、临床预警、患者画像 等 靶点确定、先导化合物发现等 计算机视觉、深度学习、大模型 语音识别+自然语言处理、深度学习、 大模型 深度学习、大模型 CT、MR影片诊断等 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 3

创新和融合应用发展趋势，凝练总结了 6 个方面 41 个典型 场景，为医药企业数智化转型工作提供参考。 一、医药研发 围绕药物发现、临床前研究管理、临床试验管理等环 节，应用数智技术提升新靶点和新药发现效率，加速药物 研发和临床试验进度。 1.精准靶点识别与筛选 面向疾病机制探究和药物靶点发现等业务活动，针对 传统实验方法在通量和成本方面的局限性问题，利用多组 学数据分析和文本挖掘方法，整合丰富的生物学数据，结 计划，快速评估临床试验的可实现性及潜在风险，从而进 一步优化试验计划及方案；结合真实世界数据、人工智能 （AI）技术，自动筛选符合入组标准的患者，提高招募效 率，规避受试者流失导致试验中断风险；运用智能化工具， 及时发现试验文档、患者入组协议等方面的问题，降低数 据核对成本，提升临床试验质量。使用数字孪生技术，在 虚拟环境中模拟临床试验，预测药物反应，提高研发效率。 7.医药实验室数据集成管理 面向医药研发实验室管理标准化、数智化发展趋势， 面向药物警戒数智化发展趋势，围绕药品不良反应数 据监测及风险预警等业务活动，部署药物警戒数智化系统， 建立快速反应体系，结合数据挖掘算法，实现药品不良反 应信息的收集、分析、风险识别、信号预警和快速响应， 做到“早监测、早发现、早预警”。利用人工智能（AI） 和机器人流程自动化（RPA）等技术，完成药物警戒不良反 应案例的收集、评估、录入、审阅、递交等流程自动化工 作，提升药物警戒工作效率。 40.数智化医疗设备管理

考过程的基础。然后将这些知识进行聚合，最 终得出一个答案。这样的过程也是一种可解释 性。通过生成式知识提示，我们可以了解大模 型在推理和生成答案时所参考的具体知识，从 而更好地理解其决策过程。这种方法可以帮助 我们发现模型可能存在的偏见或错误，并进一 步优化模型性能。同时，由于知识的结构化特 点，它还可以为人们提供更加结构化的模型解 释，增强模型的可解释性。 CHIMA 20Pag2 Tsinghua Confidential prompt 以引导模型关注输入的相关方面，可以产生更精确和一致的输出。因 此 prompt engineering 对自动印象生成非常重要。 ① 关 于 预 训 练 首先使用标签器对报告的“发现”部分进行分 类 并提取疾病标签，然后基于疾病类别，在现 有的诊断报告语料库中搜索相似的报告。 使用“动态提示” 来构建具有相似诊断报告 的 “动态上下文” 环境，以便 ChatGPT 可以 学 言描述五个观察值中每一个的可能性 4) Prompt#3 是一个简洁的 prompt ，报告在 Output tensor 中诊断分数高于 0.5 的疾病，如果 五种 疾病都没有预测，则提示“未发现” CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn ChatGPT 应用于医学图像辅助诊 断 ③ 精 准 可 解 释

除此之外，新增传感器及高清摄像头用于配电房、设备间等重要后勤服务 区域进行运行环境监测。 4.4.10 设备综合运行分析 设备综合运行分析包含了关联分析及系统联动两大功能，旨在通过对设备 的安全监控与协同控制，及时发现设备运行缺陷及安全风险，积极调整、主动 响应，提高设备整体运行性能以及抵御安全风险的能力。 关联分析主要是根据用户自定义的设备关联规则进行分析，并给出分析结 果及原因，发掘后勤设备整体所处的健康状态及安全风险，如正常、手动运行、 全综合预警平台数据联动，从而保证医院工作人员、患者及家属的人身与财产 安全。 设备安全：基于预警机制，提早发现设备不良运行状态，消除事故隐患； 基于告警联动机制，及时发现设备故障根因，缩短设备故障处理时间，避免设 备故障造成医疗业务中断，威胁患者生命安全。 用能安全：基于用能实时监测与诊断机制，及时发现能源异常、能耗突变、 累计变化越限等情况，从而采取有效防控措施，避免能源使用处于不安全状态。 40 导及医管局领导，从而确保风 险在第一时间得到有效控制。 5.2 用能全面诊断与持续节能 平台将对医院整体用能情况进行定期评估，通过线上系统评估与线下专家 诊断的方式，输出全面的用能诊断报告，发现用能隐患与节能潜力，指导下一 步节能工作。当前各医院节能工作往往偏重于在节能厂家的引导下，了解到某 种节能技术的先进性，进而采取相应的技术节能措施，但缺乏系统性，结果常 常不尽如人意，并且经常