繼去年AI和大數據成為炙手可熱的詞匯，越來越多行業開始尋找與二者結合的可能性，醫療行業就是其中一個。

實際上，AI就是利用語言、語義、圖像和深度學習技術，模擬人的信息處理過程，讓機器模仿人類的思維進行工作。所以理論上人類能做的許多工作，都可以拆解出機器能夠完成的部分，由AI來取代。

目前來看，全球的頂級醫藥企業紛紛開展了一些AI應用項目，有的與IBM等大型技術公司的AI平臺合作，有的則大量收購AI醫療領域的技術公司。 

大藥企紛紛試水AI項目

強生：著眼AI技術的臨床應用

強生與 IBM 的Watson醫療開展了合作，針對手術康復的患者進行虛擬指導和康復支持，這種指導通過移動應用提供，能夠在長期的康復過程中提高效率，更有針對性。

強生還運用SEDASYS系統，將自動化和麻醉學結合起來，應用于手術室中。目的是減小麻醉風險，加快患者的回復速度。

早在2015 年，強生就通過“Verb Surgical”項目進入手術機器人領域，這個項目旨在通過 AI 幫助手術醫師整合手術過程中的影像信息，提供患者在手術過程中的動態反饋。

羅氏：加強與科技公司的外部合作

2017 年，羅氏集團旗下的基因泰克宣布與一家精準醫療公司進行癌癥療法方面的合作，致力于使用機器學習，把大量癌癥患者的數據轉化到計算模型中進行分析，從而識別癌癥治療的新靶點。

羅氏還在幾年前收購了Bina科技公司，這家生物科技公司提供大規模基因測序的平臺，瞄準的是個性化醫療領域。

輝瑞：搶灘Watson藥物開發云基礎平臺

2016 年 12 月，輝瑞成為首個應用Watson藥物開發云基礎平臺的組織之一。輝瑞通過這項合作瞄準癌癥療法，利用Watson的認知計算系統從2500萬美國醫學索引文章的摘要和100萬醫學文章中收集數據，從大量癌癥數據中發現隱藏的模式。

拜耳：藥物研發與數字化醫療公司的扶持

拜耳在藥物研發方面投入巨大，2016 年研發費用就達到53.2億美元，占公司總銷售額的9.8%。

拜耳還發起Grants4Apps計劃，目的是幫助數字化醫療初創公司實現商業化，著眼于各類醫療保健解決方案，從新穎的商業模式、設備到應用程序一應俱全。在 2016 年的 4 家參與公司中，Turbine和xbird都是AI 醫療的初創公司，分別瞄準癌癥和可預防疾病領域。

Turbine通過結合最新研究和AI技術，模擬復雜的醫療干預，從而預測每種癌癥的治療方法。Xbird旨在幫助患者戰勝可預防的疾病，通過智能手機和其他可穿戴技術監測患者實時數據，整合之后幫助識別出導致致命健康問題的模式。

廣藥：與AI企業加大合作廣度

國內的藥企也在AI領域有所行動。

去年，廣藥集團與智能語音公司科大訊飛正式簽署了戰略合作協議，雙方將在人工智能醫院、智慧醫療信息服務系統、智能客服系統、智能營銷、智能終端、品牌聯動等多領域展開合作。具體來看，未來雙方可以探討三個層次的合作，包括單獨的項目合作、新業務和新產品的拓展，以及更緊密的資本合作，共同建立“醫藥+智能”的新模式。

醫藥智能化與大數據的運用方向

結合大型藥企在AI和大數據領域的項目與布局，以及現有的醫藥AI領域的研究應用，我們可以看到藥企的AI化和大數據潮流將主要在以下幾個領域展開。

新藥研發

在新藥研發領域，AI可以幫助科學家從巨大體量的化合物數據庫中完成文獻搜索，許多公司也在研究如何利用機器模擬化合物跟特定靶標的結合效果，從而大大加快新藥篩選的過程。全球每年都有數千億美元用于新藥研發，AI技術的運用能夠在一定程度上提高研發效率。

類似的人工智能應用在流行病統計、臨床試驗數據分析和精準醫療基因檢測方面也大有可為。在人工智能精準醫療項目方面，IBM也繼“Waston腫瘤醫生”推出了“Waston for Genomics”。

智能醫療器械

在醫療器械領域，AI最顯而易見的價值在于使其產品智能化。在傳統的醫療設備檢測人體參數的基礎上，AI的配置可以給出診斷參考甚至干預意見。

例如在CT、MRI等影像學檢查設備上加裝智能插件后，就可以減少醫院影像科的工作量；胰島素泵和血糖監測儀加上AI算法，就可以更加精準地提供個體化給藥，降低血糖水平的波動。

目前，醫療設備企業都在大舉投入AI研究，AI將有可能成為未來醫療設備的標準功能。

用戶精準畫像

藥企每年在營銷上投入大量資金，能否抓住客戶的真實需求是藥企的一個痛點，只有了解客戶需求，才能盡可能避免大量營銷費用因錯配而被浪費。

醫生是藥企的主要客戶，許多藥企都在思考如何整合醫生的線下醫療行為和線上信息獲取行為的數據，從而針對某一產品判斷醫生的態度、觀念和行為，做到客戶的精準畫像和產品信息的精準傳遞。這就需要運用到AI對海量數據的處理能力，快速找到不同來源數據的關系，從而歸納出有意義的結論。 

個性化健康管理

智能移動平臺可以為患者提供個性化健康指導，通過使用實時獲得的醫療大數據，采取有效的虛擬指導和康復支持，更適合長期的恢復過程或者健康管理。

此外，智能平臺還可以根據患者的差異化狀況推薦藥物，實現更加有效的用藥、康復與健康管理。

結語：AI和大數據在醫藥行業的研究應用逐漸拉開帷幕，可以說，AI技術的應用是藥企在未來激烈行業競爭中的重要砝碼。如何通過AI和大數據提高新藥研發效率、營銷效率以及企業管理效率，是藥企需要進一步探索的方向。