醫(yī)藥創(chuàng)新的競賽，向來是一場關(guān)于時間、金錢與風(fēng)險的殘酷馬拉松?！笆?十億美金=一款新藥”的“雙十定律”，是無數(shù)藥企難以掙脫的魔咒。
為探尋破局之路，1月27日，E藥經(jīng)理人聯(lián)合釘釘，以及協(xié)辦單位安恒信息、影刀RPA、深維智信，在上海舉辦“2026醫(yī)藥釘峰會暨E藥經(jīng)理人首屆AI大會”，以“AI重塑醫(yī)藥生產(chǎn)力”為核心，匯聚產(chǎn)學(xué)研各界代表，直面產(chǎn)業(yè)最緊迫的議題。
峰會上下午場分別由舶望制藥IT負(fù)責(zé)人史俊和醫(yī)藥行業(yè)數(shù)字化轉(zhuǎn)型專家，微解藥《AI半月談》《張蕊會客廳》欄目主理人張蕊主持。邀請釘釘商業(yè)總裁楊猛，中國醫(yī)藥企業(yè)管理協(xié)會副會長、E藥經(jīng)理人系列媒體出品人譚勇，西湖大學(xué)講席教授、前創(chuàng)校副校長許田，云南白藥集團(tuán)數(shù)字戰(zhàn)略科學(xué)家、云南白藥數(shù)智科技公司總經(jīng)理李少春，釘釘大健康行業(yè)總經(jīng)理韋亞偉分享行業(yè)洞察。
同時，峰會還邀請信達(dá)生物生產(chǎn)運營部錢駿，昭衍新藥市場部溫慧霞，仙樂健康數(shù)字化部門韓冰，樂普生物信息技術(shù)部毛磊分享實踐經(jīng)驗；影刀市場VP，醫(yī)藥大健康負(fù)責(zé)人諾拉，深維智信CEO韓三普，安恒信息高級副總裁楊勃分享落地案例。
此外，峰會還特別設(shè)置三場圓桌討論，由釘釘行業(yè)總經(jīng)理李偉，圣和藥業(yè)董事長王勇，振東制藥總裁王銳，海楓生物董事長、上藥集團(tuán)原總裁左敏，深勢科技創(chuàng)始人、CEO孫偉杰，恒瑞醫(yī)藥董事、執(zhí)行副總裁張連山，普瑞基準(zhǔn)創(chuàng)始人、CEO季序我，維亞生物上海首席執(zhí)行官任德林，信達(dá)生物制藥集團(tuán)高級副總裁孫興，諾納生物首席執(zhí)行官洪滌，賽菲尼醫(yī)藥董事長黃予良，成都先導(dǎo)戰(zhàn)略規(guī)劃副總裁竇登峰，釘釘大健康行業(yè)總經(jīng)理韋亞偉、壹生檢康創(chuàng)始人、CEO王強(qiáng)宇，康弘藥業(yè)副總裁殷勁群分別就AI的產(chǎn)業(yè)進(jìn)階、重塑新藥研發(fā)范式、從臨床到商業(yè)化的全鏈路變革三大話題展開深入討論。
會議共識指向一個清晰的未來：“AI+”浪潮正在悄然改寫這場馬拉松的規(guī)則。它不僅能讓藥物發(fā)現(xiàn)從“大海撈針”變?yōu)椤熬珳?zhǔn)導(dǎo)航”，更關(guān)鍵在于，它能否在新藥價值兌現(xiàn)的“最后一公里”——從臨床到商業(yè)化的驚險一躍中，真正成為顛覆性的“加速器”與“穩(wěn)定器”？在臨床研發(fā)的深水區(qū)，AI如何直面數(shù)據(jù)、算力與信任的挑戰(zhàn)？在商業(yè)化的關(guān)鍵戰(zhàn)場，中國能否孕育出自己的“OpenEvidence”，讓創(chuàng)新藥不僅被發(fā)現(xiàn)，更能被精準(zhǔn)、高效地送達(dá)每一位需要的患者手中？
01 AI+新藥研發(fā)將改變臨床“戰(zhàn)場”？
在新藥研發(fā)的早期，“干濕結(jié)合”已成為AI賦能的核心模式。與會嘉賓指出，通過“利用基于物理的分子采樣，與生成式AI有效結(jié)合”，能夠在“短短幾周內(nèi)探索海量的分子空間”，設(shè)計出傳統(tǒng)方法難以發(fā)現(xiàn)的新穎結(jié)構(gòu)。這大大加速了先導(dǎo)化合物的發(fā)現(xiàn)進(jìn)程。例如，有企業(yè)通過其AI平臺，將虛擬篩選規(guī)模提升至“萬億”級別，并將苗頭化合物的發(fā)現(xiàn)成功率推高至約80%。
“對藥物研發(fā)中后期風(fēng)險的預(yù)測是至關(guān)重要的?！边@一警示背后，醫(yī)藥行業(yè)得出“十年+十億美金=一款新藥”這一“雙十定律”的慘痛案例。2007年前后，輝瑞因核心產(chǎn)品在III期臨床階段折戟，直接關(guān)閉了其位于美國密歇根州安娜堡的核心研發(fā)中心，超過兩千名科研人員受到影響。這一事件至今仍被反復(fù)提及，成為傳統(tǒng)研發(fā)模式下，失敗成本在后期呈指數(shù)級放大的標(biāo)志性事件。
也正是在這個意義上，AI在臨床研發(fā)中的角色開始發(fā)生位移。
有嘉賓指出，AI正被用于早期預(yù)測候選藥物的藥代動力學(xué)性質(zhì)、毒性及免疫原性等關(guān)鍵指標(biāo)，旨在從根本上改變這種“賭注式”的研發(fā)模式。以抗體藥物的“聚集性”問題為例，傳統(tǒng)動物模型轉(zhuǎn)化性差，難以準(zhǔn)確預(yù)測人體反應(yīng)。有企業(yè)就基于此建立了AI預(yù)測平臺，能夠有效評估抗體發(fā)生聚集的傾向，從而在早期淘汰高風(fēng)險分子，避免將巨大資源投入后期可能失敗的臨床階段。
而在臨床開發(fā)階段，AI的應(yīng)用正在向更深層次延伸。針對臨床療效不佳的藥物，通過AI工具系統(tǒng)性分析藥物在人體內(nèi)作用的復(fù)雜網(wǎng)絡(luò)，從海量基因組學(xué)數(shù)據(jù)中尋找影響藥效的關(guān)鍵生物標(biāo)志物，進(jìn)而實現(xiàn)患者的精準(zhǔn)分層，提升臨床試驗的成功率與藥物價值。有嘉賓分享，借助AI工具，原本需要9個人工作一年的基因數(shù)據(jù)分析，現(xiàn)在6周左右即可完成類似規(guī)模的工作，效率提升顯著。
不過，盡管前景廣闊，但AI在臨床研發(fā)中的深入應(yīng)用仍面臨一系列嚴(yán)峻挑戰(zhàn)。
多位與會嘉賓指出，AI的三大支柱是“數(shù)據(jù)、算力和算法模型”，其中，高質(zhì)量、結(jié)構(gòu)化、標(biāo)準(zhǔn)化的數(shù)據(jù)是首要基石。
目前，無論是實驗室科研數(shù)據(jù)，還是醫(yī)院真實世界臨床數(shù)據(jù)，都存在質(zhì)量參差、標(biāo)準(zhǔn)不一、孤島林立的問題。例如在小分子領(lǐng)域，約50%的靶點缺乏明確三維結(jié)構(gòu)信息；而大分子和抗體領(lǐng)域，可用于模型訓(xùn)練的高質(zhì)量、大規(guī)模實驗數(shù)據(jù)依然稀缺。
而當(dāng)AI向復(fù)雜臨床決策支持邁進(jìn)時，對算力和模型也提出更高要求。例如，實現(xiàn)診療對話類的深度臨床決策，需要多輪推理和復(fù)雜分析，其算力消耗可能是簡單問答的“十倍到二十倍”。同時，醫(yī)學(xué)領(lǐng)域容錯率極低，要求模型結(jié)果高度精準(zhǔn)、可解釋且符合倫理。解決大模型幻覺問題，確保推理過程基于臨床指南、權(quán)威文獻(xiàn)等可靠醫(yī)學(xué)證據(jù)鏈，是產(chǎn)品被醫(yī)生接受的關(guān)鍵。有嘉賓指出，臨床決策支持類大模型需做到99%以上的精準(zhǔn)度，在無法確定時要敢于坦言“不知道”。
當(dāng)然，在跨越挑戰(zhàn)的過程中，仍然需要不同領(lǐng)域人才的高度融合與協(xié)同。
AI引入后，傳統(tǒng)生物學(xué)、醫(yī)學(xué)專家與計算科學(xué)、數(shù)據(jù)科學(xué)專家需要深度融合。產(chǎn)業(yè)界共識是，AI并非替代人類專家，而是賦能工具。在決策邊界上，不同企業(yè)有不同的“管理哲學(xué)”：在前期探索性強(qiáng)的發(fā)現(xiàn)階段，可開放讓AI生成多樣化選項甚至提供決策建議；在涉及重大資源投入、臨床方案制定及監(jiān)管申報等環(huán)節(jié)，最終決策權(quán)必須掌握在人類專家手中。“藥物研發(fā)，有時就是一場賭博，一些人的經(jīng)驗是最重要的?！?一位嘉賓如此評價。
此外，監(jiān)管框架對AI技術(shù)的適應(yīng)相對緩慢，AI參與研發(fā)決策的可追溯性、算法公正性等，都需接受嚴(yán)格監(jiān)管審視。
不過，現(xiàn)場嘉賓仍然達(dá)成了一個共識：未來，AI在新藥臨床研發(fā)中的角色將愈發(fā)核心與立體。例如，自動化實驗室（Automation Lab）的興起，不僅是為了提升實驗效率，更是為了以標(biāo)準(zhǔn)化、高通量的方式生成用于喂養(yǎng)和迭代AI模型的高質(zhì)量數(shù)據(jù)。AI模型根據(jù)這些數(shù)據(jù)進(jìn)行優(yōu)化，再指導(dǎo)自動化實驗進(jìn)行驗證，形成一個自我強(qiáng)化的飛輪，加速從假設(shè)到驗證的科學(xué)循環(huán)。前不久，禮來與英偉達(dá)的合作就驗證了這一趨勢。
在AI+新藥研發(fā)的應(yīng)用方面，應(yīng)用場景也將從研發(fā)后端向前端延伸。與會嘉賓指出，除了分子發(fā)現(xiàn)和臨床優(yōu)化，AI在轉(zhuǎn)化醫(yī)學(xué)、疾病機(jī)理研究、新型生物標(biāo)志物發(fā)掘等方面的潛力巨大。尤其是在真實世界研究（RWS）和真實世界證據(jù)（RWE）生成領(lǐng)域，隨著數(shù)據(jù)質(zhì)量的提升和合規(guī)路徑的清晰，AI有望在適應(yīng)證拓展、上市后研究等方面發(fā)揮巨大作用。有嘉賓展望，“未來眼科、腫瘤等?？祁I(lǐng)域，或?qū)⒊霈F(xiàn)一系列深度垂直、精準(zhǔn)可靠的專用AI模型或智能體?！?/p>
02 能否誕生中國版OpenEvidence？
當(dāng)AI在新藥研發(fā)領(lǐng)域高歌猛進(jìn)之時，其商業(yè)化的“最后一公里”——如何讓創(chuàng)新藥更高效、精準(zhǔn)地觸達(dá)醫(yī)生與患者，并實現(xiàn)其市場價值，同樣成為焦點。
例如，在美國市場上，OpenEvidence作為AI+醫(yī)療領(lǐng)域的新星，其成功的商業(yè)模式為行業(yè)提供了重要的參考。該公司利用大模型技術(shù)，在醫(yī)療信息處理、臨床決策支持等領(lǐng)域?qū)崿F(xiàn)了突破，短短兩年時間估值便達(dá)到120億美元。
因此，在中國市場的醫(yī)療生態(tài)下，能否以及如何誕生自己的“OpenEvidence”，是業(yè)界共同思考的命題。
回到OpenEvidence的成功路徑上，其核心在于利用大模型技術(shù)，深度理解和處理海量醫(yī)學(xué)知識，為醫(yī)生提供實時、精準(zhǔn)、可溯源的臨床決策支持。它在極短時間內(nèi)獲得了大量醫(yī)生用戶和高頻使用，其價值迅速得到驗證。這揭示了一個趨勢：AI在醫(yī)療商業(yè)化的核心價值，正從傳統(tǒng)的營銷工具，轉(zhuǎn)向成為醫(yī)生臨床工作中不可或缺的“智能伙伴”。
這種轉(zhuǎn)變能夠為藥企的商業(yè)化進(jìn)程提供直接賦能。因此，一位與會嘉賓提出大膽假設(shè)，當(dāng)AI工具深度滲透臨床診療場景，實現(xiàn)對疾病分期、分型、并發(fā)癥及治療需求的精準(zhǔn)識別后，藥企將得以開展前所未有的精準(zhǔn)醫(yī)學(xué)教育、產(chǎn)品信息傳遞與市場活動匹配。以減重門診場景為例，AI可基于診療數(shù)據(jù)，自然且精準(zhǔn)地匹配對應(yīng)的治療藥物。這種變革帶來的不僅是運營效率的提升，更是藥企商業(yè)模式從傳統(tǒng) “廣撒網(wǎng)” 模式，向精細(xì)化、精準(zhǔn)化深度服務(wù)模式的進(jìn)階。
然而，將這一模式在中國市場落地，也面臨一系列獨特挑戰(zhàn)。
在醫(yī)生端，從輔助診療到信任就要走過漫長之路。與會嘉賓指出，中國醫(yī)生對AI工具的態(tài)度普遍謹(jǐn)慎。他們不僅要求結(jié)果準(zhǔn)確，更關(guān)注其臨床思維是否符合復(fù)雜現(xiàn)實，是否具備落地可行性。嘉賓分享了一個深刻案例：即使AI診斷建議在醫(yī)學(xué)上完全正確，資深醫(yī)生也可能基于患者年齡、家庭意愿等綜合因素做出不同決策。
因此，中國版的產(chǎn)品不能僅僅是“冰冷的精準(zhǔn)”，更需要理解并融入中國特色的醫(yī)患溝通與臨床決策邏輯。如何跨越從“有用工具”到“可信賴伙伴”的鴻溝，是首要挑戰(zhàn)。
而對于制藥企業(yè)而言，也面臨著內(nèi)部組織變革與一線賦能的難題。對于擁有龐大銷售隊伍的藥企，如何讓一線代表真正用好AI工具，是一大管理課題，簡單推行往往收效甚微。有企業(yè)分享了實踐經(jīng)驗：通過建立內(nèi)部使用排行榜，將AI工具使用頻率與區(qū)域客戶覆蓋深度掛鉤，并讓優(yōu)秀團(tuán)隊分享經(jīng)驗，形成正向激勵。他們發(fā)現(xiàn)，工具使用活躍的區(qū)域，往往與業(yè)務(wù)成果正相關(guān)。
與會嘉賓一致認(rèn)為這一案例極具參考價值，AI商業(yè)化賦能必須與一線業(yè)務(wù)人員的實際工作流深度融合，并配套有效的管理機(jī)制與激勵體系。
當(dāng)然，關(guān)于AI產(chǎn)品在醫(yī)療領(lǐng)域的落地，難以回避的問題是，醫(yī)療領(lǐng)域?qū)I(yè)壁壘極高，通用大模型極易產(chǎn)生幻覺，難以滿足臨床級的精準(zhǔn)與安全要求。
對此，與會嘉賓的共識是，“你需要在每一個科室都有 IP”。這意味著“AI+醫(yī)療”產(chǎn)品必須走垂直化、?？苹缆?，在特定疾病領(lǐng)域深耕，結(jié)合高質(zhì)量專病數(shù)據(jù)、醫(yī)學(xué)知識圖譜和臨床路徑，打造高度可靠的專業(yè)模型。技術(shù)架構(gòu)上可采用混合模式：用專業(yè)小模型處理意圖識別和初步推理，再調(diào)用大模型進(jìn)行語言生成與整合，最終輸出嚴(yán)格依據(jù)醫(yī)學(xué)證據(jù)鏈，確保精準(zhǔn)可控。
總而言之，中國版OpenEvidence的誕生，絕非一家公司可以獨立完成，它需要藥企、AI技術(shù)公司、醫(yī)療機(jī)構(gòu)和數(shù)字化平臺方的深度協(xié)同共創(chuàng)。
與會嘉賓的討論主要集中在三條路徑：
第一，共創(chuàng)行業(yè)專屬模型。未來趨勢是與釘釘?shù)華I平臺合作，將藥企積累的結(jié)構(gòu)化產(chǎn)品知識、醫(yī)學(xué)資料、專家共識等“私有知識”與通用模型結(jié)合，訓(xùn)練出醫(yī)藥行業(yè)甚至藥企專屬的 “領(lǐng)域模型”，提升內(nèi)部培訓(xùn)、醫(yī)學(xué)信息查詢、市場資料生成等方面的效率與準(zhǔn)確性。
資源有限情況下，AI+商業(yè)化投入需戰(zhàn)略聚焦。多位嘉賓的觀點提供了方向：一是賦能一線業(yè)務(wù)洞察，利用AI分析市場數(shù)據(jù)、文獻(xiàn)，生成客戶洞察，輔助代表制定精準(zhǔn)拜訪策略；二是深度服務(wù)關(guān)鍵客戶，利用AI工具幫助醫(yī)生設(shè)計臨床研究、梳理文獻(xiàn)、管理患者，從銷售產(chǎn)品轉(zhuǎn)向提供解決方案，構(gòu)建深度伙伴關(guān)系。
例如，影刀RPA通過自動化技術(shù)，幫助藥企實現(xiàn)政策情報自動抓取、新媒體營銷數(shù)據(jù)整合乃至AI搜索優(yōu)化，在于部分本土企業(yè)的合作中已實現(xiàn)了“運營成本降至十分之一，效率提升十倍”的突破。深維智信則通過AI構(gòu)建“虛擬客戶”，對銷售代表進(jìn)行沉浸式、可量化的溝通訓(xùn)練，在其與藥企的合作實踐中顯著提升了代表學(xué)術(shù)推廣能力與考核成績。安恒信息也從安全底座角度切入，為醫(yī)藥AI營銷提供數(shù)據(jù)與隱私保護(hù)方案，確保在合規(guī)前提下推進(jìn)智能觸達(dá)與內(nèi)容生成，筑牢商業(yè)化落地的信任基礎(chǔ)。
這些實踐表明，AI正從“賦能個體”與“重構(gòu)流程”兩個維度，切實推動營銷體系向精準(zhǔn)化、自動化演進(jìn)，成為藥企穿透商業(yè)化“最后一公里”不可或缺的實戰(zhàn)能力。
最重要的是，提升全員AI素養(yǎng)。正如一位嘉賓所言，在預(yù)算有限時，首要投資可能是“橫向地把全員的AI素養(yǎng)提升起來”。只有當(dāng)市場、醫(yī)學(xué)、銷售等各個崗位的員工都了解AI能做什么、如何為其所用時，由業(yè)務(wù)需求驅(qū)動的、自下而上的創(chuàng)新場景才會源源不斷地涌現(xiàn)。這是一個“從業(yè)務(wù)中來，到業(yè)務(wù)中去”的循環(huán)。
因此，當(dāng)提出“能否誕生中國版OpenEvidence”這一核心拷問之時，答案并非簡單的“是”或“否”，而在于如何走出一條符合中國醫(yī)療生態(tài)、解決中國藥企真實痛點的特色之路。這條路要求AI產(chǎn)品不僅精準(zhǔn)，更要“有溫度”；不僅是一項技術(shù)，更要能驅(qū)動藥企內(nèi)部的組織協(xié)同與流程再造；不僅要單一產(chǎn)品，更要融入整個醫(yī)療數(shù)字化生態(tài)。
