“AI與人類健康未來”圓桌論壇現(xiàn)場

當AI深度重構(gòu)醫(yī)療健康領(lǐng)域，“研診治管”全鏈條會迎來怎樣的突破性變革？全球患者能否真正享受到可及又普惠的智能醫(yī)療服務(wù)？而這些變革，又將如何改寫人類從“疾病治療”到“健康管理”的固有認知？

美西時間9月27-28日，鈦媒體集團攜手NextFin.AI、全球亞裔領(lǐng)袖聯(lián)盟（GALA）、盛大集團（Shanda Group）及巴倫周刊中文版（Barron’s China），于美國斯坦福大學重磅舉辦首屆硅谷未來峰會——NEX-T Summit 2025。這場以“New Era of X-Tech”為主題的全球科技與資本盛會，匯聚了400多位來自世界各地的創(chuàng)業(yè)者、投資人、科學家與政策制定者。

其中“AI與人類健康未來”圓桌論壇，由斯坦福大學醫(yī)學院客座教授周慧君（Prof. Huijun Ring）主持，邀請到四位嘉賓：斯坦?；蚪M中心教授兼主任邁克爾·斯奈德（Prof. Michael Snyder）、黑石集團生命科學前高級董事總經(jīng)理埃米特·坎寧安（Dr. Emmett Cunningham）、Fusion Fund風險投資合伙人桑吉夫·庫馬爾（Sanjeev Kumar），以及Form Bio Inc.總裁兼首席執(zhí)行官米歇爾·陳（Dr. Michelle Chen）。

嘉賓分別從學術(shù)、投資、技術(shù)、產(chǎn)業(yè)視角出發(fā)，多維度拆解了AI對醫(yī)療健康領(lǐng)域的變革性影響、行業(yè)認知誤區(qū)與待解難題、不同主體角色定位、全球?qū)嵺`經(jīng)驗及未來廣闊圖景，為AI與人類健康的融合發(fā)展提供了參考路徑。

AI重構(gòu)“研診治管”全鏈條的探索實踐

在醫(yī)療健康領(lǐng)域，AI的滲透已不是未來概念，而是正在對從基礎(chǔ)研究到臨床應(yīng)用的全鏈條進行重構(gòu)。

邁克爾·斯奈德是國際知名精準健康、基因組學及可穿戴技術(shù)先驅(qū)，他將AI的影響歸納為四大核心領(lǐng)域：研究、診斷、治療與患者管理。

“在基因研究層面，AI能幫助我們挖掘疾病的遺傳基礎(chǔ)，找到致病基因的數(shù)量是傳統(tǒng)方法的10到100倍，這讓我們更清晰地理解疾病遺傳性?！彼e例稱，利用AI構(gòu)建早期疾病檢測系統(tǒng)，可在癥狀出現(xiàn)前預(yù)警健康風險；診斷端，AI在放射科的應(yīng)用已能識別醫(yī)生或放射科醫(yī)師遺漏的影像異常，部分系統(tǒng)已實現(xiàn)“半廣泛應(yīng)用”，未來應(yīng)該得到進一步普及。

藥物研發(fā)是AI落地的“重點戰(zhàn)場”，米歇爾·陳分享的行業(yè)數(shù)據(jù)與實踐案例極具說服力。她是前Insilico Medicine首席商務(wù)官、藥明康德高級副總裁，還曾任羅氏及默克公司高級管理職位。

據(jù)麥肯錫報告，在AI驅(qū)動的藥物研發(fā)（AI-DD）領(lǐng)域，近百家企業(yè)的實踐顯示，從藥物發(fā)現(xiàn)到IND（新藥臨床試驗申請）階段，效率提升超50%，覆蓋多類藥物劑型與疾病領(lǐng)域。

“但臨床階段的提升僅10%-15%，這仍是待突破的瓶頸。”她舉例稱，在Insilico Medicine任職期間，她親身經(jīng)歷過生成式AI將臨床前候選藥物的開發(fā)周期，從傳統(tǒng)的4-5年縮短至18個月；而在其當前掌舵的Form Bio，AI更是解決了基因治療的關(guān)鍵難題，幫助一家生物技術(shù)公司將其基因治療載體的表達量提升了20倍，并將空載體率從80%降至20%。

在服務(wù)效率層面，埃米特·坎寧安強調(diào)AI的兩步進化：短期以效率提升為主，覆蓋藥物研發(fā)、患者診斷等環(huán)節(jié)；長期則將實現(xiàn)“人類無法完成的任務(wù)”。

以眼科為例，人類能診斷黃斑變性患者的視網(wǎng)膜病變，但AI可預(yù)測100位患者中誰會對特定療法產(chǎn)生響應(yīng)，而這種精準分層能力，正是AI的獨特價值。埃米特·坎寧安擁有逾20年風險投資與藥物研發(fā)領(lǐng)導(dǎo)經(jīng)驗，是現(xiàn)HealthQuest Capital高級顧問，同時也是斯坦福大學醫(yī)學院客座教授。

作為斯坦福卓越職業(yè)學院學者，桑吉夫·庫馬爾則從技術(shù)視角補充，AI對醫(yī)療的影響主要覆蓋四大利益相關(guān)者，分別為醫(yī)療服務(wù)提供者、患者、支付方、藥企，既優(yōu)化流程效率，其潛在影響貫穿于這些利益相關(guān)者工作流程的各個環(huán)節(jié)，既有流程效率的提升，也有臨床醫(yī)學方面的突破。

“炒作”與“低估”的認知誤區(qū)辨析

盡管AI在醫(yī)療領(lǐng)域應(yīng)用火熱，但嘉賓們一致認為，行業(yè)存在明顯的認知偏差，部分領(lǐng)域被過度炒作，而真正有潛力的方向卻未獲足夠關(guān)注。

“最被高估的，無疑是‘AI將完全取代醫(yī)生’的說法。”邁克爾·斯奈德直言，醫(yī)療行業(yè)的強監(jiān)管屬性與保守特性決定了這一場景短期內(nèi)不可能實現(xiàn)，醫(yī)生需對患者承擔最終責任，AI更應(yīng)是協(xié)作伙伴而非替代者。

埃米特·坎寧安進一步補充，若未來AI替代部分醫(yī)生，也將是最具分析能力、我們認知中最好的、擅長診斷和手術(shù)的“技術(shù)型”醫(yī)生，到那時，醫(yī)療服務(wù)的重心將向人文關(guān)懷轉(zhuǎn)移，具備良好患者溝通能力的醫(yī)生將更受重視。

立足藥物研發(fā)，米歇爾·陳認為，臨床試驗開發(fā)中的AI應(yīng)用存在過度炒作，比如合成數(shù)據(jù)、數(shù)字孿生等概念，很少有人能清晰解釋其核心邏輯與落地路徑，原因在于臨床試驗數(shù)據(jù)與真實世界數(shù)據(jù)中存在大量噪聲，且需要巨額投資。

桑吉夫·庫馬爾認為，生成式AI在醫(yī)學領(lǐng)域的應(yīng)用更多是概念炒作；而AI替代的是特定任務(wù)而非整個職業(yè)，這才是更現(xiàn)實的路徑。

與之相對，多個高價值領(lǐng)域被低估。埃米特·坎寧安指出，個性化健康管理的潛力遠未被挖掘，未來的健康服務(wù)將比我們想象的更精準；桑吉夫·庫馬爾則看好基因組技術(shù)與AI的結(jié)合，當前醫(yī)療多是推測性的病因分析，兩者結(jié)合將讓精準醫(yī)療真正貼合個體需求。

米歇爾·陳從產(chǎn)業(yè)角度提出，AI在毒理學預(yù)測領(lǐng)域的價值被低估，“若能利用AI模型預(yù)測動物實驗中的毒性，最終延伸至人類用藥的副作用預(yù)警，不僅符合FDA‘減少動物實驗’的指南方向，更能降低藥物從動物試驗到人體試驗的風險?！?/p>

面對AI與醫(yī)療融合的機遇與挑戰(zhàn)，不同主體需明確自身定位，方能推動行業(yè)落地。

于投資者而言，如何判斷AI醫(yī)療初創(chuàng)企業(yè)的 “生命力”？桑吉夫·庫馬爾提出三大標準。首先是痛點解決能力，必須明確產(chǎn)品要解決的具體問題，這是長期生存的基礎(chǔ)；其次是獨特性，體現(xiàn)在其是否擁有獨家數(shù)據(jù)，能否將數(shù)據(jù)封裝為獨特模型，并實現(xiàn)云端與邊緣的部署；最后是階段匹配度，早期看創(chuàng)始團隊的背景和過往業(yè)績，后期則看產(chǎn)品市場契合度、客戶認可度與規(guī)?；芰Α?/p>

埃米特·坎寧安則給出更直接的判斷邏輯：“先問‘這款A(yù)I產(chǎn)品能否做人類做不到的事’，若只是更快更便宜，那么其價值也只是增量的，依然面臨激烈競爭；若能實現(xiàn)不可替代性，再追問‘誰會為此付費、付多少錢’，這才是價值核心”。

對企業(yè)來說，“橋接AI預(yù)測與臨床驗證的鴻溝”是關(guān)鍵挑戰(zhàn)。米歇爾·陳以Form Bio的團隊架構(gòu)舉例，涵蓋軟件開發(fā)、AI/機器學習、生物學與生物信息，以及最新加入的藥物研發(fā)——團隊間有著各自的“語言體系”和舒適區(qū)，因此必須通過每周甚至每日溝通、雙周研討會等方式強制“破壁”，讓技術(shù)與臨床需求對齊?！澳贻p一代應(yīng)主動突破學科邊界，這是解決‘翻譯鴻溝’的核心”。

立足學術(shù)界，邁克爾·斯奈德認為核心職責是“發(fā)現(xiàn)和驗證原理”。高校擅長探索未知領(lǐng)域，但規(guī)?；涞匦枰蕾噭?chuàng)業(yè)與產(chǎn)業(yè)力量，AI能為這一過程提供助力。他同時強調(diào)，學術(shù)界還需承擔公平性責任，相比盈利導(dǎo)向的藥企，高校在臨床試驗中更易保持中立，重要的是推動AI技術(shù)普及，不讓任何人掉隊。

醫(yī)療普惠的全球啟示與愿景猜想

在AI與醫(yī)療的融合實踐中，中國與印度的經(jīng)驗為全球化視角提供了重要參考。

米歇爾·陳指出，中國已從過去的技術(shù)追隨者轉(zhuǎn)變?yōu)椤叭騽?chuàng)新源”。去年全球上百個生物科技授權(quán)交易中，有1/3的授權(quán)方來自中國，總交易額高達400-500億美元。這一轉(zhuǎn)變歸因于三大因素：龐大的人才庫、相對較低的研發(fā)與臨床試驗成本優(yōu)勢，以及活躍的資本生態(tài)。

“以上海張江高新區(qū)為例，那里聚集了數(shù)千家生物科技公司，規(guī)模從10人到200人不等，形成了完整的產(chǎn)業(yè)生態(tài)。”米歇爾·陳認為，在臨床實踐層面，中國的效率優(yōu)勢尤為明顯，試驗成本約為美國的1/3，速度卻是其2-3倍，這為全球企業(yè)提供了降本提速的參考路徑，也倒逼企業(yè)思考如何優(yōu)化全球試驗布局。

桑吉夫·庫馬爾則分享了印度通過數(shù)字公共基礎(chǔ)設(shè)施，實現(xiàn)醫(yī)療普惠的案例。印度基于“數(shù)字身份”基礎(chǔ)數(shù)據(jù)體系，進一步搭建醫(yī)療數(shù)據(jù)交換框架，類似美國的HL7（衛(wèi)生信息交換標準），實現(xiàn)了支付與醫(yī)療記錄的互聯(lián)互通。

更具突破性的是邊緣AI的應(yīng)用，比如將醫(yī)療專家的判斷模型嵌入到AI聽診器等便攜設(shè)備中，大規(guī)模部署于醫(yī)療資源匱乏的農(nóng)村地區(qū)，極大地擴展了專業(yè)醫(yī)療的可及性。此外，AI在糖尿病視網(wǎng)膜病變檢測、疫情預(yù)測等領(lǐng)域的應(yīng)用，也為全球提供了“資源有限地區(qū)如何利用AI提升醫(yī)療水平”的參考。

聊完全球視角下的醫(yī)療實踐“啟示錄”，不妨再作一個大膽的設(shè)想：如果擁有無限資源，嘉賓們更傾向于啟動哪些突破性AI醫(yī)療項目？

整體來看，他們的愿景都聚焦于“健康本質(zhì)的重構(gòu)”。

埃米特?坎寧安看好實時組學分析，“若能實時解讀基因組、轉(zhuǎn)錄組等多維度數(shù)據(jù)，理解細胞通路與信號傳遞的動態(tài)變化，將真正實現(xiàn)個體化、實時化的精準醫(yī)療”。這需要巨大投入，但一旦實現(xiàn)，將徹底改變醫(yī)療健康的范式。

桑吉夫·庫馬爾對此觀點深表認同，并進一步闡釋：“將基因組技術(shù)、其他組學技術(shù)與AI結(jié)合，再融入人類醫(yī)療判斷，推動精準醫(yī)療從推測性走向確定性，讓醫(yī)療服務(wù)真正貼合個體需求?！?/p>

邁克爾·斯奈德提出三大方向：從“疾病治療”轉(zhuǎn)向“健康維護”，利用AI主動管理健康，而非被動治療；深入研究環(huán)境暴露對健康的影響，這方面的研究極其不足；以及解決心理健康的標志物缺失與管理方案不足問題——這三者相互關(guān)聯(lián)，AI將成為關(guān)鍵驅(qū)動力。

米歇爾·陳的愿景更貼近普羅大眾的痛點。當前醫(yī)療數(shù)據(jù)高度分散且封閉，而AI的潛力釋放需要大規(guī)模高質(zhì)量數(shù)據(jù)，只有實現(xiàn)數(shù)據(jù)協(xié)同，才能真正讓醫(yī)療體系惠及更多人。

“希望在5到10年后，當我問起‘你們有多少人擁有用于個人健康和長壽的AI助手’時，在座的大部分人都會舉起手?！泵仔獱枴り惷嫦蛴^眾展望道。（作者丨曹倩）