AI作為技術引擎，正為人類的健康事業注入強大動能。從大幅降低藥物發現的時間和成本，到打造智慧醫療裝置、讓醫生擁有自己的“賈維斯”，乃至進一步升級數字醫療，AI+醫療健康產業的無限潛力正被不斷激發。
如同NVIDIA CEO黃仁勳所說，在AI和計算的驅動下，“人類歷史上第一次有機會讓生物學成為工程（life engineering），而不再僅僅是科學（life science）。當某個領域從科學轉變為工程時，它就不再那麼隨機，而是呈指數級改進。”
-
NVIDIA作為生成式AI時代備受矚目的公司，已經在醫療健康領域打造了哪些AI解決方案？
-
醫療創新企業如何將AI技術作為“標配”融入研發過程中？
-
從醫療需求角度如何看AI為產業帶來的可能與當前現實挑戰？
近期，由 NVIDIA 主辦的 2024 NVIDIA 創業企業展示華南地區香港分站專場在香港科學園成功舉辦，高榕創投參與聯合主辦。在此次專場活動中，來自NVIDIA、高榕創投、康諾思騰等的醫療專家，在圓桌論壇中就上述問題展開分享與對話。
讓醫療企業充分利用生成式AI最新進展
張天靜 NVIDIA資深開發者關係經理
NVIDIA致力持續推動醫療健康和生命科學領域的進步。NVIDIA資深開發者關係經理張天靜系統介紹了NVIDIA在該領域的全棧AI方案。
近年來，NVIDIA持續升級包含計算平臺、軟體和服務在內的Clara套件，為醫療健康和生命科學各個領域提供AI解決方案，包括用於藥物研發的BioNeMo、用於醫療裝置的Holoscan、用於基因組學的Parabricks以及醫學影像方向的MONAI等等。
張天靜指出，醫療健康和生命科學行業正成為資料量最大的產業之一，2020到2025年醫療健康領域資料的複合年增長率達36%。NVIDIA不僅希望為醫療行業提供GPU和加速計算，也致力透過各類工具幫助開發者進行產品快速開發迭代。
例如，今年GTC大會上推出的NVIDIA NIM旨在為開發者提供一系列經過最佳化的推理“微服務”，讓企業快速、安全地部署AI應用程式，這些微服務涵蓋醫學影像、藥物發現、基因組學、數字人、大語言模型等。NIM微服務現已透過NVIDIA AI Enterprise 5.0軟體平臺提供。“我們希望讓醫療健康領域的公司輕鬆體驗和執行企業級生成式AI模型，無論是體驗NVIDIA預訓練的大模型，還是接入API，亦或是基於NIM做部署，都可以將AI能力無縫整合到商業應用中。”
張天靜隨後分別圍繞幾大應用方向，分享NVIDIA為醫療開發者打造的解決方案。針對醫療裝置，張天靜指出，無論是手術機器人還是內窺鏡，亦或是超聲檢查、診斷成像等，未來每一臺醫療裝置都將變成機器人式的，能夠即時執行AI指令。
“NVIDIA旨在助力醫療裝置開發者快速進行端到端軟硬體研發迭代，開發下一代基於邊緣計算、AI賦能的醫療裝置。”例如，感測器處理平臺NVIDIA Holoscan，讓醫療裝置開發者能夠對前端感測器進行即時AI處理，並提供超低延遲和極致的邊緣AI效能。
在藥物發現領域，張天靜指出，計算機輔助藥物發現呈指數級增長，且方興未艾。資料顯示，生成式人工智慧有望讓藥物發現加速3年、節約數億美元成本。NVIDIA BioNeMo可為藥物研發提供開發、定製和部署基礎模型所需的服務，現已提供十餘個生成式AI模型以及雲服務，賦能醫藥開發者進行大小分子設計、蛋白結構最佳化。
在基因組學領域，隨著測序成本降低，基因組學的資料量將急速攀升，“我們對DNA測序的能力已經遠遠超過解讀其包含資訊的能力”。NVIDIA Parabricks工具旨在最佳化測序分析的工作流程，幫助基因測序行業開發者進行序列比對、突變分析、空間組學研究，並且顯著提高準確性、提升速度、降低成本。
分享最後，張天靜強調生成式AI還有望顯著變革的一大領域是數字醫療。“在醫療保健資訊系統領域，有非常多的資料，如處方、劑量、病歷等等”，生成式AI有望打造通用AI智慧體和醫療智慧體，幫助生成臨床記錄、為臨床決策提供支援、開發虛擬助手等等。“透過多模態AI打造智慧醫院，未來整個醫院有機會成為一個智慧體。”NVIDIA正打造數字醫療工具棧，助力醫療資訊化企業進行語言模型開發與部署。
利用AI工具，解決真正的未被滿足需求
於江濤博士 高榕創投董事總經理
高榕創投深耕醫療健康領域，在過去幾年投資了多家醫療健康領域企業，覆蓋新藥研發和Biotech平臺、醫療器械與檢測，以及數字醫療和醫療服務等領域。
“將AI技術應用在產品和服務的研發過程中，已經成為醫療健康企業的共識乃至標配。”於江濤結合高榕投資企業案例，分享企業如何利用AI技術全面加速研發程序。
在傳統的精神疾病藥物開發領域，由於缺少藥物對人腦影響的瞭解，經常在臨床階段面臨高失敗率。Alto Neuroscience利用AI技術預測患者對候選治療藥物的臨床反應，從而顛覆精神疾病藥物研發的方式，提升藥物臨床成功的可能性。
百奧幾何專注於打造生成式AI蛋白質設計平臺，賦能生物製造領域。百奧幾何的生成式AI蛋白質設計大模型GeoFlow，在抗原-抗體複合物結構預測任務上達到了與AlphaFold3同樣的水平。
水木未來打造的冷凍電鏡平臺，旨在幫助藥企實現有針對性的藥物設計，特別是利用X射線晶體學難以解析的膜蛋白等蛋白質。水木未來研發了SMART軟體系列，是業內唯一全面覆蓋冷凍電鏡資料計算全過程的工具平臺。藉助眾多的AI深度學習演算法，SMART平臺顯著提高了整個冷凍電鏡資料分析過程的效率，用更少的機器時間和資料生成更高解析度的模型。
西湖雲谷智藥致力於將人工智慧技術賦能基因治療方法研發。在基因編輯治療中，負責基因遞送的AVV載體非常關鍵。西湖雲谷智藥透過AI模型，可以更有效地篩選和開發出具有特定器官靶向性的AAV突變體，這對於開發更有效的基因治療策略具有重要意義。
於江濤也強調，目前從醫療健康領域的角度，人工智慧仍然是工具、起到加速作用，現在或許還不是人工智慧解決一切的時候，需要足夠的積累、包括資金和時間的投入來加強人工智慧基礎設施的建設。“此外，我們必須從醫療健康領域需求角度出發，醫療創業者需要思考——究竟要利用技術去解決哪些健康領域的關鍵問題，即什麼是真正的未被滿足需求？”
於江濤指出，今天值得關注的未被滿足需求包括腫瘤、代謝性疾病、神經與退行性疾病、長壽等，最終是為了實現“live longer, live better”。
隨著中國創新醫療企業開始從本土走向全球，於江濤也就企業構建全球競爭力給出四點建議：1）建立全球視野；2）用創新技術構建差異化競爭力；3）積極擁抱AI；4）與合作伙伴共贏。
手術機器人應用生成式AI：想象與挑戰
王澤睿博士 康諾思騰聯合創始人、CTO
康諾思騰成立於2019年，致力於打造安全高效的手術機器人平臺，其自主研發的Sentire思騰腔鏡手術機器人已經完成註冊臨床入組手術，即將正式投入臨床應用。
康諾思騰聯合創始人、CTO王澤睿率先回溯了人類手術的發展史。多個世紀以來，外科醫生從事的是開放式手術，他們直接用手去操作、也用眼睛觀測病灶，但因為傷口較大、導致病患恢復緩慢。20世紀80年代末、90年代初，腹腔鏡手術開始出現，讓醫生可以達到非常深和複雜的手術部位，而且因為切口小顯著加快了恢復程序；但弊端在於提高了外科醫生的學習難度，且容易導致醫生疲勞。當然，今天腹腔鏡手術非常普遍，也是許多手術的金標準。
直到2000年，第一代手術機器人系統獲得FDA批准，從此進一步革新了手術的效率和效果。機器人手術都有哪些優勢？
王澤睿指出，手術機器人全方位提升了生產力。首先，手術機器人讓醫生能夠進入封閉狹窄的手術部位進行直觀操作，並極具靈活性和精準度；其次，能夠顯著縮短複雜手術的時長；第三，可以減輕外科醫生的疲勞以提高手術量，如外科醫生平均每天可以完成1-2臺腹腔鏡手術，使用手術機器人可以完成3-4臺手術；此外，還有助於縮短微創外科手術的學習曲線，延長外科醫生的職業生涯，“這是極具價值的，因為優質醫療資源往往稀缺”。
那麼，手術機器人是如何完成工作的？首先，主操作手會對醫生操作手勢進行編碼，隨後機械臂進行解碼，進而進行手術的操作，這些操作由內窺鏡捕捉，並回流到控制檯。過程中，康諾思騰運用了先進的演算法，讓手術機器人更加易於使用、流暢和精準，讓外科醫生手術操作擁有沉浸感。
王澤睿指出，2022年統計資料顯示，美國一年有860萬臺手術，其中15%的手術由手術機器人輔助完成；而中國每年手術量為1150萬臺，其中只有不到1%是機器人手術。全球範圍內手術機器人的滲透率是4%。自成立以來，康諾思騰始終致力於提升中國乃至全球範圍優質醫療資源的可及性，讓更多患者受益於科技創新帶來的高品質醫療服務。
王澤睿也談及未來生成式AI有可能為手術機器人帶來的變革。“10年前，當我還是一名博士生的時候，很多想象還停留在科幻小說；但今天生成式AI讓我們有希望打造一個‘賈維斯’，即時幫助外科醫生完成手術。”
不久的將來，生成式AI技術有機會實現在手術前輔助醫生做術前規劃，例如分析最佳的手術路徑和操作步驟。 手術期間，一方面可以給外科醫生提供更多有用的資訊，例如即時手術導航、影像增強、風險預測等；另一方面可以完成部分手術操作，例如自動化器官牽引、切割、縫合等。 手術後，幫助醫生做術後分析和持續改進，例如手術階段分割、關鍵解剖結構標引、動作識別與評估等。
當然，手術機器人作為醫療器械，必須確保產品的安全性和有效性，也需要面對嚴格的驗證確認流程和監管部門的審批。因此，在手術機器人中運用生成式AI，還需要時間去不斷嘗試和探索，尤其需考慮關鍵的成本問題，以及資料、計算資源等挑戰。康諾思騰也希望基於大灣區的供應鏈優勢，提高手術機器人的可及性、不斷降低成本。
毫無疑問，生成式AI已經滲透到醫療健康行業的各個領域，不再是“錦上添花”，而是有機會拓展人類對生命科學邊界的探索。走在醫療與AI交匯點的先鋒們，將有機會感受前所未有的加速度，也需要合作共贏、解決臨床需求和未知挑戰。