破性的进展。现在，AI的魔力已经被逐步引入药物研发的领域，并正 在深刻地改变这个领域的研究和发展流程。无论是在早期的药物筛 选、药物优化，还是在药物的临床试验和后期的上市监控，AI的应用 都愈发广泛。 在上篇 "AI for 医疗" 的专题文章“AI for 医疗: AI大模型在药物 靶点识别中的应用”中，我们整体描述了药物研发的流程，并介绍了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，药物化学实验方法在很大程度上依赖于"试错法"。这些技 术涉及检查大量潜在的药物化合物，以识别具有所需特性的化合物。显然，这些 术涉及检查大量潜在的药物化合物，以识别具有所需特性的化合物。显然，这些 方法速度缓慢且成本高昂，若是完全基于实验方法进行药物虚拟筛选，完成化合 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 s

的 进展。现在，AI的魔力已经被逐步引入药物研发的领域，并正在深刻地 改变这个领域的研究和发展流程。无论是在早期的药物筛选、药物优 化，还是在药物的临床试验和后期的上市监控，AI的应用都愈发广泛。 本文将简要的概括药物研发的流程，并深入探讨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: 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 [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] 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 组等组学数据差异性比较，提取出可能致病的基因或蛋白靶点。这一方法通常有 着较高的准确性，但整体策略既费时又费力，且实验结果严重受到生物样本质量 的限制。 计算机辅助的方法主要包括反向对接，结构相似性分析等。这些计算技术能

四大类药物的数字营销现状..............................................................7 图表 8 以医生学术推广场景为例的传统营销线上化与数字营销的区别............ 8 图表 9 以非医保 OTC 药物为例的三层精细化数字营销管理..........................11 图表 10 不同场景药物数字营销结果的可预测性分析 医疗服务链条完善，数字营销是刚需 过去的医疗服务链条简单，以治疗为主。过去，医疗资源有限，患者直奔城市医院，看 病后拿药即结束了一次医疗服务。彼时的药品流通线路也十分简单，多为医院单一口径。 并且，药物的选择也并不丰富。 在这样的背景下，医药代表作为专业药品信息的传递桥梁，其工作有效性用最终的销量 考核具有合理性。此外，在缺乏信息基础的年代，要考量学术推广的有效性，缺乏相关 数据收集手段，考核销量也是“退而求其次”的选择。 根据是否进入医保、是否为处方药我 们将药物分为四大类，而它们由于不同药品性质，数字营销的需求点有所不同。我们从 “药物总品种数”“药物种类拥挤程度”及“营销重心”3 个维度，观察不同品类药物的数字 营销现状。 药物总品种数，是指该类药物获得国家批文准许上市销售的总批文数，反映该类药物一 共有多少种药物上市进入销售阶段，间接体现数字营销的潜在需求药物品种数量。根据 摩熵医药数据，医保目录

医药产品的特殊性要求高效、安全、稳定的运输和储存， 但在运输过程中可能面临温度控制、跟踪监测、防护措 施等方面的挑战。医药物流的供需匹配、配送调度等环 节可能存在不合理和低效的情况。 • 随着医疗卫生事业的发展和人们对医疗服务质量的要求 提高，医药物流行业迎来了发展的机遇。科技的进步和 信息化的推进为医药物流行业提供了更多的解决方案和 发展机会。 医药行业背景 信息化程度需要 进一步加强 没有完全 控、配合，因此智能设备的投入回报程度如何至关重要 基础设施管理混 乱协同不足 一些物流园区存在盲目性、重复性建设，部分仓库空置率较 高，缺少系统规划 添加标题 单击此处输入您的正文 医药物流发展挑战  计算机信息化管理系统  建立疫苗信息化追溯平台 《药品管理法》 《疫苗管理法》 分级诊疗制度等 药品零加成政策等  拆零比例上升、整箱比例下降  订 单 量 出 现 明 合 解 决 方 案 ， 通 过 智 能 补 货 ， 降低药品库存，减少损耗 药品全程智能化追溯 订单碎片化，智能拆单拣 货功能将成为运营规划重 点 智慧物流系统有效解决落 地配送问题 医药物流发展需求 敏 捷 共 仓 公 配 短 链 供应链更敏捷，服务响应度更高物流 一体化趋势明显，仓配一体化、店仓 一体化等模式将在全面推广 供应链更短，医药商业集中度更高，并 深度链接

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 智能（AI）技术，构建新药研发知识图谱，开展复杂蛋白 质结构预测，显著提升药物靶点的识别和筛选效率。 2.智能药物分子设计与优化 面向药物分子设计和先导化合物优化等业务活动，针 对传统基于经验的药物设计模式限制问题，通过运用计算 机模拟、数字孪生以及深度生成模型和强化学习算法等人 工智能（AI）技术，以更高的效率和更低成本获得符合特 2 定要求的化合物，实现药物分子的从头设计及结构优化。 3.超高通量化合物虚拟筛选 筛选范围 和效果。 4.动物模型数据挖掘与虚拟动物实验 面向动物实验研究、药物测试等业务活动，针对动物 替代需求高、与人体结果一致性有偏差等问题，运用数据 挖掘、模拟技术，建立动物造模计算机仿真模型；基于动 物实验数据库，利用建模工具建立决策树、神经网络等不 同模型，对实验数据进行解析，指导药物研发，从而提高 决策质量、效率和成本效益。 5.中医药人用经验数据挖掘和决策模型研究

2023年是中国医疗大模型发展的元年，各种医疗大模型已广泛应用于临床辅助决策、 医学研究、健康管理等多个场景。未来，医疗大模型有望实现多模态AI与医疗实践全 流程的深入链接，应用于医疗教育和临床培训，提高药物研发和药物反应监测等方面 的能力。但在实际应用中，医疗大模型仍面临一些挑战，如准确度、透明度和可解释 性等问题，以及对数据隐私和安全问题的担忧。本文主要探讨医疗大模型在医疗领域 的应用及其面临的挑战。 大模型技术在医疗领域的应用 床环境中评估、调优。经验 证的模型可部署到医疗信息系统、移动设备等，提供智能服务。 （二）医疗大模型的主要应用场景和适用范围 医疗大模型在医疗领域的应用广泛，涵盖疾病预测、辅助诊断、个性化治疗、药物发 现等各个方面，同时还可用于医疗咨询和患者教育，提供相关信息和建议。 在医疗实践场景中，大模型可以协助分析临床文本以提取关键信息，从而加快医生的 诊断和治疗建议。此外，大模型还可辅助分析医学影像，帮助检测肿瘤并进行疾病分 数据融合能力可为医院管理者提供对话式交互和数据洞察，简化数据应用，实现精细 化医院管理。 在药物研发过程中，医疗大模型可预测药物-蛋白质相互作用和药物毒性等信息，从而 评估新药的功效和安全性，有助于缩减研发周期，加速新药发现。如，清华系初创团 队水木分子推出新一代对话式药物研发助手ChatDD，涵盖药物立项、临床前研究、临 床试验各阶段，作为制药专家的AI助手，提升药物研发人员的工作效率。 医疗大模型的应用场景展示了其在医学领域的多样性和重要性，可改善诊断、治疗和

AI如何赋能药物研发工作中的最后一步：临床试验。 图1：药物研发生产流程，图片引自[1]↓ 临床试验简介 药物研发的最后一步，便是将药物大规模应用到患者体内以进行实际效果测试，这 一步骤即临床试验。临床试验是一种系统性的研究，其目的是调查医药产品对人类 疾病过程的影响，以证实或揭示试验药物的作用、不良反应及试验药物的吸收、分 布、代谢和排泄，并最终确定试验药物的疗效与安全性。 全性。 临床试验是一项极为重要的任务，其结果直接决定了药物能否成功上市。如果临床 试验无法通过，那前期所有的初筛、优化、预实验都将失去意义。 但是临床试验的结果会受到多种客观因素的影响，其中至关重要的一点是试验患者 的匹配。患者的匹配是指将研究对象按照一定的标准进行分类，以挑选出最适合特 定临床试验的患者。每个临床试验都会有不同的纳入标准和排除标准，患者自身的 情况也需要达到一定的门槛，才可以参加。 的临床试验由于招募不到合适的患者而被迫延迟，有25%的临床试验由于患者不足 而完全无法开展。据估算每招募一名患者约花费6000至7500美元，成本可谓十分 高昂。因此如果进行高效的临床试验-患者匹配，是药物研发中急需解决的一个难 题。 传统的临床试验患者匹配方法及局限性 传统情况下，患者和试验的匹配是人工进行的。主要包含两大方向：TO B（找医 生）和TO C（找患者）。早期的患

血库管理信息系统 1 41. 康复治疗管理系统 1 42. 血液透析管理系统 1 43. 体检管理信息系统 1 44. 药品管理 药房管理信息系统 1 45. 药库管理信息系统 1 46. 抗菌药物管理系统 1 47. 前置审方管理系统 1 48. 合理用药监测系统 1 49. 处方点评管理系统 1 50. 静配中心管理系统 1 51. 质量管理 护理管理系统 1 52. 院感管理系统 门诊医生站内应包含结构化基础医学术语、解剖学、药理学、诊断学、影 像学、实验室诊断术语全量数据用于支持系统辅助诊疗。 知识的动态生成，包含：医院个科室常用的主诉、诊断、症状、体征、检 查、检验、常用治疗药物及操作等。 提供常用药品、常用诊疗、药品字典、诊疗字典、诊断字典及诊疗组套等 目录。 提供业务流程与系统操作之间的联动操作。 提供助手数据快速引用至电子病历功能。 7.2.1.2、主菜单配置 暂停诊\恢复开诊：支持医生短时间离开诊室，回来后可恢复正常开诊。 患者信息展示： 支持接诊患者基本信息的查看，包括：个人信息、健康摘要、就诊信息， 界面显示数据项内容及顺序可个性化配置。 支持患者过敏信息查询和补录，包括：药物过敏、食物过敏、造影剂过敏； 患者就诊列表展示：支持显示当前开诊的就诊科目可接诊患者列表； 预约患者列表展示：支持显示查询一周内已预约患者列表查询； 诊间加号：支持加号至指定就诊人和添加号源数量不指定就诊人两种诊间

.........................................................................................40 4.2.2 药物研发与优化.............................................................................................. 持。 3.2 数据分析与利用的瓶颈 在中医药健康产业中，数据分析与利用的瓶颈主要体现在以下 几个方面：首先，数据来源的多样性和复杂性导致数据标准化程度 较低。中医药数据涵盖临床诊疗、药材种植、药物研发、市场销售 等多个领域，而这些数据往往以非结构化或半结构化的形式存在， 缺乏统一的格式和标准，增加了数据整合与分析的难度。 其次，数据的质量和完整性存在较大问题。中医药数据往往依 赖于人 的强大计算能力，可以对中医药历史文献、临床数据、 药材信息等进行结构化处理，构建知识图谱。这一过程不仅能够整 合分散的数据资源，还能通过关联分析发现潜在的药物配伍规律、 疗效机制以及疾病治疗的新思路。 例如，通过对历代中医典籍和现代临床病例的文本挖掘，系统 可以自动识别出常用的药物组合及其适应症，形成药物配伍数据 库。这一数据库能够为中医师提供实时的处方建议，同时也能为中 药新药研发提供数据支持。此外，DeepSeek 还能够对药材的产

移动医护软件系统 移动医护软件系统 患者服务需求管 理 门诊，病房呼叫 随身定位按钮紧急 求助 床旁呼叫，自助娱 乐服务 总体框架 ——功能框架 安全、可靠的无线网络 应急移动医疗 资产 / 药物管理 身份及药物确认 移动无线查房 重要患者监护 总体框架 ——移动医疗应用 智慧医疗业务方案 智慧医疗产品的基础——基础网络 内外网安全隔离；内网以办公大楼作为信息中心进行建设 服务器群 无线基站 任意角度，最快速度采集数据 移动医嘱确认（现场采集） 移动医嘱确认（患者身份识别及药物确认） • 无线网络和条码技术结合，解决了患者与用药的识别及核对问题，杜绝用药差错。 • 护士在床边使用无线识别设备扫描患者腕带及输液贴，关于患者的标识、用药、剂量及方法等详细 信息即可以通过 WLAN/3G 在护士工作站得到确认。 • 实现护士对病人身份和药物条形码的准确核对，在正确的时间、正确的地点及时响应病人求助，并 对处置信息进行准确记录。 医嘱信息 • 确保医嘱执行的有效性 移动护士工作站—患者身份识别及药物确认 • 无线网络和条码技术结合，解决了患者与用药的识别及核对问题，杜绝用药差错。 • 护士在床边使用无线识别设备扫描患者腕带及输液贴，关于患者的标识、用药、剂量及 方法等详细信息即可以通过 WLAN 在护士工作站得到确认。 • 实现护士对病人身份和药物条形码的准确核对，在正确的时间、正确的地点及时响应病 人求助，并对处置信息进行准确记录。