AIGC行业专题报告：当医药遇上ChatGPT

BFT机器人 | 智能机器人系统

01 与人脑学习的比较

ChatGPT与医疗从业人员的学习路径比较

ChatGPT与医疗从业人员的学习效果比较

ChatGPT的强大数据处理和文本生成能力在短期内仍然无法代替高要求、高限定场景下的工作需求。

02 医疗：提升服务效率

医疗服务流程及痛点

ChatGPT的定位：“医疗从业人员的好帮手”

高效率：ChatGPT胜任【诊前】基础性咨询、【诊中】辅助医生诊断和生成定制化健康管理计划、【诊后】整理病患资料等工作；

高质量：医护人员将专注于提升个人素质、业务能力、研究水平；同时重视人文关怀和医患关系处理。

ChatGPT在诊前阶段的作用——分诊

现状：

互联网医院：现有AI分诊服务针对性差，主要由患者根据在线医生评分及资料介绍自行选择；

线下医院：按片区（内科、外科等）设立分诊台，细粒度不足且服务质量难以保证；

痛点：两种模式下，医生均无法提前获知患者诉求及关键信息。

ChatGPT改变：

强大且快速的资料检索与匹配能力可取代线下医院的分诊台，为互联网医院接入具有针对性的线上分诊服务；

患者就诊前，医生已经完成患者病情初步认知。

高质量的分诊能有效减少误诊漏诊率和改善患者就医体验

ChatGPT在诊前阶段的作用——导诊

现状：

多数线下医院不设置专门导诊台：仅靠楼层指示图、就诊流程图等给病人提供指引；

部分医院导诊台与分诊台合二为一：肩负双重功能，既加剧工作人员负担，也无法保证解答疑问的细致程度；

部分医院设置导诊服务但值班人手少：难以应付开诊期间庞大的咨询需求，如遇特定需求也无法离开导诊台提供进一步指引。

ChatGPT改变：

智能化导诊：ChatGPT的快速资料检索和匹配能力、强大的多回合语言交互能力可与手机APP、线下医院导诊用电子屏结合，针对性更强、更详细的解答每位患者就医流程中遇到的问题，而无需来回奔波至导诊台排队咨询。

引入智能导诊能有效减少患者就医所耗费的时间

ChatGPT在诊前阶段的作用——辅助问诊（决策、诊断）

现状：

线下优质医疗资源紧张：面诊最长等待周期超过一个月；互联网医院医生线上查看及回复的积极性低，轻症患者的紧急处方需求无法满足；

面诊中存在问题：医生过于依赖经验、因时间压力错漏识别医学检验或影像结果中的细微数据、患者无法准确自述症状及病史而导致的误诊。

ChatGPT改变：

结合互联网医疗咨询模式和医院非公开数据库大数据，帮助在院医生分担诸如疑似危重症筛选、轻症患者处方需求及医学检验结果初步诊断等工作。

依靠海量数据的训练，可提示危重病风险、用药及治疗方案等相关建议，在三甲医院，有望由医生根据经验做出决策，实现“AI+专家”双重把关，提高诊断效率及准确率。在基层、乡镇诊所，或可提高全科医生诊断能力。

AI影像：提升识别准确度，实现辅助诊断

1. AI辅助诊断，解决下沉式医疗资源不足问题。

如ECG、医疗影像等方向，对医生的经验要求较高，医生学习周期较长，下沉式医院有经验的医生短缺，导致医疗资源紧张，AI辅助诊断有望在医生诊断前预先进行分析诊断，节约患者与医生时间，缓解资源紧张。

2. AI辅助精准诊疗。

大数据学习可以识别影像中微小的数据差异，达到人眼难以做到的精准，减轻医生压力的同时实现精准、稳定的诊断结果。

手术机器人：提升手术精准度，缩短医生学习周期

AI辅助精准度提升，缩短医生学习周期。机器人为实现精准定位，往往需要图像识别分析与精准手术规划，辅助医生进行手术指引与辅助手术，缩短医生学习周期，降低医生手术难度。

NGS诊断：AI有望助推精准度提升与成降低

1.AI赋能有望提升诊断效率，带来成本进一步下降。

成本过高一直是限制基因测序应用场景打开的重要因素之一，GPU的革新、技术的提升有望降低单G的数据分析时间，降低人员操作需求，降低单G分析成本，有望带来下游应用场景的打开。

2.AI赋能有望提升分析准确率，进一步带来应用场景打开。

基因诊断分析过程涉及图像识别，光学信号处理等多板块综合技术壁垒，AI有望进一步提升其分析准确度，提升市场认知度，从而助推下游应用场景打开。

ChatGPT在诊中阶段的作用——辅助查房及健康管理

现状：

患者病情进展了解不及时：主治医生查房，过半时间是在进行患者病历病情、医学检验结果汇报解读和常规身体状况问询；

术后康复教育效果差：责任护士需根据病人病情、身体状况和既往病史进行饮食和运动计划，用药注意事项、并发症预防等内容一对一的健康宣教，时间成本高；健康宣教的效果以及患者配合程度等反馈难以量化，目前主要通过患者满意度调查问卷抽查等主观方式进行衡量；

病人体征指标监控不及时：住院病人基础身体数据如体温、血压的监测需要护士手动测量记录并向医生汇报，病情和病例发生变化也需要手动更新。

ChatGPT改变：

病情跟踪：结合语音识别技术和实时监测身体数据的可穿戴设备，辅助完成部分查房问询和基础的健康宣教工作，减轻医护人员压力，避免其在重复性工作中易产生的倦怠心理。

实时监测：对病人各项数据持续监测分析，便于快速高效掌握患者情况，针对性的提示各阶段的健康管理计划、风险预警等内容并呈现量化反馈。

ChatGPT在诊后阶段的作用——重要资料归档及数据分析

现状：

随访覆盖不全面：倾向于重点关注临床观察实验、疑难杂症、重大术后患者身上，对于其他慢病患者则缺乏动力（内科病人中常见）；

意见反馈渠道不畅：转接人工难度大，多数医院使用AI客服前置接待，但智能化程度低，机械重复的回应极大降低了投诉效率；

病历总结归档繁琐易错：患者出院前出院摘要撰写，出院后病历资料录入、归档及分析耗费时间精力，容易精力不集中出现数据录入错误。

ChatGPT改变：

医疗随访秘书：帮助医护人员高质高效地完成随访、投诉处理等服务性工作和医疗文书撰写、资料录入等行政性工作，

病例数据统计分析：能够根据反馈和输入的信息进行学习、分析、归类，根据实际情况向医护人员生成数据洞察、重要指标统计结果的仪表盘，为接下来医护工作及改善指明方向。

ChatGPT在医疗行业的全面应用仍面临较大挑战

03 ChatGPT对医药行业的影响

药品研发至上市销售全流程及痛点

ChatGPT的定位：“数据分析+生成式AI”赋能，加速拓展药物研发新边界

高效率：高速的数据处理与匹配，预测药物和靶点之间的相互作用，快速筛选候选化合物并进行预测评估，减少医药代表和客户之间的信息差；

创造力：生成式算法可突破人类构想和测算极限，催生更具多样性的化合物，设计更合理的实验方案，助力医药发展从仿制为主向创新为重。

ChatGPT在药物发现环节的应用

背景：人脑学习能力有限，业界现有知识对新疾病发病机制知之甚少，难以识别和发现新靶点和生物标志物；蛋白质等大分子化合物的探索空间广阔，确定候选药品需对现有结构的预测、筛选、设计，凭借人类现有的计算能力需花费大量时间。

未来趋势：ChatGPT有望在新靶点识别、大分子药物的结构预测与筛选中大放异彩。通过论文、专利和临床试验等大量数据训练，其搜索深度和广度将远超专家经验，其强数据挖掘和分析能力可加速新靶点和先导化合物的确定，生成式技术可帮助科研人员针对特点蛋白快速设计新分子。

ChatGPT在药品研发和临床前实验中的应用

背景：研发持续时间长、效益低，研发人员因工作压力等原因跳槽离职频率高，部分资历经验积累尚不充分的人员被拔高任用，导致进展缓慢；药品制造与优化需要整合多领域的知识和专家，但各方协同配合难度大，信息与数据交流效率低下；动物模型和人类的发病机理、病程有显著区别，药物治疗效果预测能力差，临床前转化效率低。

未来趋势：ChatGPT有望成为“研发秘书”，承担该阶段中相对标准化的研究工作，整合各方提供的数据进行分析，并在药效预测时提供建议参考。

ChatGPT在临床实验环节的应用

背景：存在因患者隐瞒病史、筛选标准主观、招募宣传告知不充分、受试对象代表性差等复杂因素导致受试者筛选耗时长、成功率及入组率低；临床专家参与度低（通常一人负责十几个项目），投入项目的精力有限，使得缺乏整体流程的规划和安排，研究人员、医生和患者之间脱节；实验持续时间长达数年，受试者坚持记录药物摄入和身体状况的依从性不足，导致研究人员无法收集相应数据以有效指导和监测患者。

未来趋势：ChatGPT有望结合现有技术及算法打造“一体化数字管理平台”，打通患者招募、试验设计、受试者管理以及结果数据分析全流程，尽可能减少人为流程产生的错漏。

ChatGPT在生产销售环节的应用

背景：部分医药代表由于缺乏足够的专业性，与医生间的信任感较难建立，且无法通过给医生赋能（传递前沿医药知识）来提高客户粘性；医药代表线下推广效率较低，通过实地拜访、参加学术交流活动方式获客的时间成本较高，且无法保证对医生的及时反馈；药品定价涉及到众多复杂因素的考量如产品成本、竞品情况、消费者价格敏感度、企业的社会责任等，稍有不慎则易产生较大负面市场影响。

未来趋势：ChatGPT有望逐步替代医药代表，通过更丰富的专业知识、与医生更高频的沟通、更加合规的语言内容来快速捕捉医生的临床用药需求，提高客户转化率，并节省药企大量的销售费用支出。同时，ChatGPT可利用已掌握的海量市场信息和出色的建模能力，服务药企精准定价。

ChatGPT在医药行业的全面应用仍面临较大挑战

医药领域涉及到人类生命健康，相比于其他行业对生成算法的结果有更具体的要求，需要更精确的产出。这意味着需要大量更高质量的医药数据训练才能有效输出更专业的答案，拥有更强的核对事实的能力。

04 投资建议

AI医疗领域：主要布局于诊断中阶段，诊后服务布局潜力巨大

更多精彩内容请关注公众号：BFT机器人

版权归BFT机器人所有，如需转载请与我们联系。若您对该文章内容有任何疑问，请与我们联系，将及时回应。