医药行业专题报告：当医药遇上ChatGPT-摩熵咨询

AI精读报告

中心思想

ChatGPT赋能医药健康产业的潜力与挑战

本报告深入分析了ChatGPT技术在医疗和医药行业的应用潜力、面临的挑战以及由此带来的投资机遇。核心观点认为，ChatGPT凭借其强大的自然语言处理、数据分析和生成式AI能力，有望在提升医疗服务效率、优化药物研发流程方面发挥关键作用，尤其在标准化、重复性、数据密集型环节展现出巨大价值。然而，其在专业性、数据质量、伦理安全及用户认知等方面的局限性，也构成了其全面深度应用的显著挑战。报告强调，尽管存在挑战，但AI与医药健康的融合是不可逆的趋势，资本市场已通过政策（如港股18C）积极支持特专科技公司上市，预示着该领域巨大的发展空间。

效率与创新：驱动行业变革的核心动力

报告指出，ChatGPT对医疗行业的影响主要体现在助力平衡高效率与高质量，通过智能化分诊导诊、辅助决策、健康管理及数据归档等服务性、重复性强的标准化环节，显著提升医疗服务效率。在医药行业，ChatGPT的强数据分析和生成式AI技术有望加速拓展药物研发新边界，实现高效率和创新度，尤其在药物发现、临床前/临床试验、销售定价和生产工艺等对管理分析持续海量数据流和服务性有较高要求的环节。这种效率与创新的双重驱动，将是未来医药健康行业变革的核心动力。

主要内容

ChatGPT与人脑学习路径的比较及资本市场助力

学习路径与能力差异分析

ChatGPT与人脑在知识习得路径和能力上存在显著差异。ChatGPT主要依赖自然语言处理（NLP）技术，通过从互联网抓取海量医疗相关数据（其中80%为问答类），经人工标注高质量答案后输入模型进行训练，并通过专家反馈的强化学习模型不断调整参数，完成自我进化。其核心在于文字性、数据性的输入与输出。

相比之下，医疗从业人员的学习路径耗时更长，且知识习得方式更为多元。本科和研究生阶段的训练类似文字/数据性输入输出，但规培/博后和专科专家阶段则以真实环境下的经验、病例输入输出为主，需要调动感官积累专科知识和经验，进行重大课题及复杂实验，形成理论与实践相结合的深度认知。

效率与局限性对比

在学习效果上，ChatGPT展现出强大的数据处理和文本生成能力。其优势在于可同时掌握多领域大量知识并永久储存，检索信息并准确匹配或分类的效率高，且具有生成式特点，可根据已知创作新内容。然而，其劣势也十分明显：依赖深度学习，训练大量数据的算力成本极高（每日高达460万美元）；仅接受语义训练，无法区分虚拟和现实，可能产生符合逻辑但不符合常理的错误答案误导非专业人士；学习资源多为离线语料库，难以获取实时更新数据。

医疗从业人员（人脑）的优势在于经过学习培训后在某一专科领域造诣较深，学习过程中经验与理论结合，能根据现实情况举一反三进行复杂判断，尤其擅长人文关怀、疑难杂症诊断等复杂脑力劳动。但其劣势是培养及学习时间长达10余年，精力有限，只能专注于一个领域，且掌握的知识层级越深，范围越窄。报告指出，ChatGPT短期内仍无法替代高要求、高限定场景下的工作需求。

港股18C助力特专科技公司上市

资本市场正积极为特专科技公司提供支持。港交所于2022年10月19日发布了《特专科技积极公司上市制度咨询文件》，并于2023年3月24日发布咨询总结，宣布将在《主板上市规则》中新增18C章节。该制度旨在助力新一代信息技术、先进硬件、先进材料、新能源及节能环保、新食品及农业技术等五大领域的特专科技公司上市。潜在上市申请人包括晶泰科技（应用人工智能、量子物理和机器人自动化为全球公司赋能的全球制药平台）和美时医疗（高端医疗诊断设备）等，这为AI在医药健康领域的应用提供了重要的融资渠道和发展机遇。

ChatGPT对医疗行业的影响：提升服务效率与面临挑战

医疗服务流程痛点与ChatGPT定位

医疗服务的关键在于如何找到高质量与高效率的最佳平衡点。当前医疗服务流程存在诸多痛点：诊前分诊导诊信息不对称、医生精力有限无法及时处理所有面诊/问诊需求、慢病及术后患者健康管理落实不到位、随访及患者意见反馈渠道不完善、大量病历录入整理耗时耗力等。ChatGPT被定位为“医疗从业人员的好帮手”，有望在这些环节发挥作用，提升效率，使医护人员能更专注于提升个人素质、业务能力、研究水平以及人文关怀。

诊前阶段应用：分诊与导诊智能化

在诊前阶段，ChatGPT凭借其重复性、标准化、海量数据匹配和快速响应能力，有望实现分诊和导诊的智能化。

分诊： 现有互联网医院AI分诊服务针对性差，线下医院分诊台细粒度不足。ChatGPT的强大资料检索与匹配能力可取代线下分诊台，为互联网医院提供具有针对性的线上分诊服务，使医生在患者就诊前初步了解病情。高质量分诊能有效减少误诊漏诊率，改善患者就医体验。数据显示，质量分诊组的漏诊率仅为1.30%，远低于普通分诊组的11.90%；分诊准确率高达96.10%，而普通分诊组仅为48.10%。
导诊： 多数线下医院导诊服务不完善，值班人手少。ChatGPT的多回合交互服务、海量数据匹配能力可与手机APP、线下电子屏结合，提供针对性更强、更详细的就医流程指引，减少患者来回奔波。引入智能导诊能有效减少患者就医所耗费的时间，例如，实施后导诊的平均在院时间从62.87分钟降至42.15分钟，患者非常满意率从35.51%提升至84.86%。

诊中阶段应用：辅助诊断与智能管理

在诊中阶段，ChatGPT的标准化、重复性、知识覆盖广、快速学习、复杂数据分析和生成式解决方案能力，将助力辅助问诊、影像诊断、手术机器人、NGS诊断及健康管理。

辅助问诊（决策、诊断）： 优质医疗资源紧张、医生依赖经验、患者自述不准确等问题导致误诊。ChatGPT结合互联网医疗咨询模式和医院非公开数据库大数据，可帮助医生分担疑似危重症筛选、轻症患者处方需求及医学检验结果初步诊断等工作。其海量数据训练可提示危重病风险、用药及治疗方案建议，有望在三甲医院实现“AI+专家”双重把关，提高诊断效率及准确性；在基层诊所，可提高全科医生诊断能力。未经专业训练的ChatGPT在美国医学执业考试中成绩接近通过（正确率接近60%）。
影像： AI辅助诊断在ECG、医疗影像等领域，可解决下沉式医疗资源不足问题，提升识别准确度，实现精准诊疗。
手术机器人： AI辅助精准定位、图像识别分析与手术规划，提升手术精准度，缩短医生学习周期。
NGS诊断： AI赋能有望提升诊断效率，降低单G数据分析时间及人员操作需求，从而降低成本，并提升分析准确率，助推基因测序应用场景打开。
辅助查房及健康管理： 针对患者病情进展了解不及时、术后康复教育效果差、病人体征指标监控不及时等问题，ChatGPT结合语音识别技术和实时监测身体数据的可穿戴设备，可辅助完成部分查房问询和基础健康宣教，减轻医护人员压力，并对病人各项数据持续监测分析，提供量化反馈。

诊后阶段应用：资料归档与数据分析

在诊后阶段，ChatGPT的流程化、标准化、重复性、高精度、语义理解和对话能力，以及学习及迭代能力，将助力重要资料归档及数据分析。

医疗随访秘书： 针对随访覆盖不全面（尤其慢病患者）、意见反馈渠道不畅、病历总结归档繁琐易错等问题，ChatGPT可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。数据显示，接近50%的三级公立医院随访工作未覆盖全科。
病例数据统计分析： ChatGPT能根据反馈和输入信息进行学习、分析、归类，生成数据洞察、重要指标统计结果的仪表盘，为医护工作及改善指明方向。

医疗行业应用挑战：专业性与伦理限制

尽管潜力巨大，ChatGPT在医疗行业的全面应用仍面临挑战。它在医学专业性、诊断准确性方面欠缺甚多，且永远无法完成涉及伦理情感和经验操作的领域。ChatGPT未经过医学训练，专业性、诊断准确性较低；其本质是模型与数据，不具备人类情感医学伦理，无法共情；目前仅支持语言交互，无法进行实际操作的学习；知识习得仅从海量数据中来，没有对真实与虚拟世界的辨别能力，生成答案的唯一标准是符合逻辑推断，不将情理作为考虑因素。此外，全面应用ChatGPT后产生的误诊等医疗事故的追责问题也难以解决。

ChatGPT对医药行业的影响：创新研发模式与面临挑战

药品研发全流程痛点与ChatGPT赋能

药品研发至上市销售全流程面临时间长、耗资大、监管严格、回报率低等共同痛点。ChatGPT被定位为“数据分析+生成式AI”赋能，有望加速拓展药物研发新边界，实现高效率和创新度。其高效率体现在高速数据处理与匹配、预测药物和靶点相互作用、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信息差。其创造力则体现在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。

具体痛点包括：监管严格、审批周期长；疾病机制了解少、旧靶点扎堆；数据孤岛现象；ADMET性质预测准确率低；招募合适实验对象耗时；实验数据收集困难；企业对政策了解不足；药品定价复杂等。