“目前，要研发一种有效的药物或疫苗，需要投入10亿到20亿美元的资金和数年的研发时间。而AI将大幅提升药物的研发速度，降低研发成本，为患者提供更多价格在可承受范围内的特效药。”近日，创新工场董事长兼CEO李开复在医疗创新趋势分享会上说道。

他以一家AI研发新药公司InsilicoMedicine举例，其用AI发现了肺纤维化、肾纤维化等2种罕见病药物。“科学家的生产力提高了，并能够以3到4倍的速度发现药物，而且可能便宜10倍。”李开复说道。

也正是基于这样对医疗科技的认知，在过去两年时间，大量的医疗科技企业在港股、美股和A股上市，也有大量的一级市场资金涌入。这里的参与者不仅有传统的医疗基金，还有一些新兴的基金，同时包括传统TMT基金。

“从去年2月份开始，市场进入了调整期。现在A股的PE估值到了12倍以下，基本上处于历史底部。对于港股和美股的情况，大家在过去的几个月也已感受非常深了。除了整个二级市场的动荡之外，俄乌战争、疫情，还有地缘政治博弈等因素的叠加，让整个一级市场也充满了动荡。今年是不是就那么悲观？特别就整个医疗赛道的投资而言，是不是就那么悲观？”创新工场合伙人武凯直言道。

对这个行业内人人都在自问的问题，武凯保持谨慎乐观，对此他分享了两个数据。

年，中国在医疗健康赛道的VC和PE募资一共达到亿美元，在美国这个数据是创历史新高的亿美元。虽然一直在说一级市场降温，悲观情绪蔓延，但现在一级市场的资金充裕。同时，这也说明，中国医疗投资市场在未来三到四年里，资金仍然充裕。

第二个数据有关退出。清科数据显示，年第一季度中国股权投资市场共有起投资，医疗健康赛道投资案例数和投资金额分别为起和.96亿，均位居第三。同时在第一季度，整个医疗健康领域中国企业上市的数量达21家，在所有行业里位居最高。

这是一个数据结果，说明外界虽然不乏唱衰，但投资人在实际决策中对医疗健康项目仍保信心。那么这个信心来自于什么？

这就需要回到文章开头李开复所言：科技的发展。

这个发展可以从疫苗进入临床的速度直观体会。年非典疫苗从发现病毒到进入临床试验历时数百天，而年新冠疫苗从公布病毒的全基因组序列到一期临床试验获批（比如中国的康希诺和美国的Moderna）只经历了数十天。

“我们看到在过去的二十年间，整个医疗技术在非常快速地发展。随着病毒检测技术的成熟，年还没出现和普及的NGS（‘Next-generation’sequencingtechnology）二代测序，到现在NGS第三代测序都已开始发挥作用。”武凯说道。

这只是过去几十年时间医疗科技发展的一个方面，事实上远不止如此。武凯认为过去的医疗科技发展经历了三个阶段：第一阶段在年之前，包括了小分子、重组多肽，即胰岛素、生长激素、抗体；也包括当下普遍接触的医疗器械，如CT、MR，种植牙、人工晶体、心脏起搏器。从年到年，药物领域从单抗药物进入了ADC药物、基因治疗及双抗药物，器械领域出现了手术机器人，包括当下使用的二代测序、神经介入等都是这个时期的产物。

从年开始，医疗技术进入发展最快的时候。溶瘤病毒、mRNA药物，细胞治疗CAR-NK等一些新名词出现了，在医疗器械上进入三代测序，出现全世界最小的植入体——青光眼微创植入耗材iStent等等。年，肿瘤免疫细胞疗法（CAR-T）首次成功治疗了身患白血病的小女孩EmilyWhitehead，CRISPR基因编辑技术首次被发现。到前几天，Synchron开展首个脑机接口人体临床试验。

同时，AI技术快速发展，几年前AI已开始介入整个制药环节。年首个AI设计的小分子药进入临床试验，年AlphaFold2解锁98.5%人类蛋白质组结构，AI进入大分子药已经有了非常好的基础。

第三波的巨大的浪潮是“AI＋Science”

AI的三大基石是算法、算力和数据，AI以此为养料迭代发展。这三者中数据尤其重要，因为要有海量的数据才能把AI的“大脑”训练好，人的大脑是可以少量的数据来训练的，但AI在大部分的应用里有越多的数据，最终得到的结果就越好。而且这个数据的增加会不断地让AI进化迭代。

“从计算机视觉、NLP自然语言理解等领域都看到类似的AI进化过程，特别是近年来，NLP领域的大语言模型在落地应用层面取得了突破性的进展，让感知智能跃迁到认知智能的通道畅通了。所以也可以说，哪个领域有海量的数据，哪个领域就会有巨大的机会。”李开复说道。

那么在医疗行业中，李开复有怎样的观察呢？

第一，传统的医疗行业正在全方位数字化，包含医疗流程信息化、可穿戴设备记录全程健康数据、以及新技术产生海量生物学数据等。这些数据将成为AI的“养料”，产生有价值的算法，在疾病预警、诊断、治疗、监测、长期管理等方面辅助医生进行诊断和治疗，更有利于执行针对患者的“千人千面”精准治疗方案。

海量的数据也会用在新药发明，如当下在做的小分子、大分子药，那么这些科学实验无论成功失败都会产生大量数据。

第二，从AI发展的角度看，刚开始的AI就是一个新技术去寻找落地场景。第二波则是AI在某一商业应用里创造价值，如无人驾驶初创企业，它们都是在交通、金融、制造领域中把AI应用起来。

李开复认为，第三波的巨大的浪潮就是“AI＋Science”。“在医疗或者科学领域，我们过去很多都是小数据的做法。比医院，他们在真正的癌症数据上，每一种癌症都只有十来个例子，这是用来教医生的。但是AI可以学习几十万几百万甚至几千万个例子，而且是越多越好，所以我觉得它的潜力非常大。”

我们可以想象一个医生，他的诊断能力主要来自他的经验，而一位医生一辈子可能看一万个病人都算很多了。如果是AI，完全可以看1亿个病人，甚至10亿个病人。AI医生可以通过海量数据可以去做更好的总结，而且还可以找到一些长尾的罕见病，也会避免一些用药可能带来的问题等等。

所以李开复认为，在海量结构化、金标准标注的闭环数据的助推下，生命科学赛道将不断寻找符合行业规律且有商业价值的落地场景。

“可以说‘医疗＋X’时代下，一个科学家可以从半夜起床看实验结果的重复辛苦工作中解放出来。我们可以想象，以后的生物科学家、化学科学家、制药科学家，他们的工作可能更像是一个AI科学家，他可以用一套软件来写一些控制机器人的代码，帮助人类完成重复性的工作。然后，科学家就可以把时间全部花在想新的点子和创造上，药物研发就可以得到提速。”李开复说道。

即便是高度依赖人类医生审慎判断和灵活操作的复杂手术，AI也能在其中发挥作用。年，美国的机器人辅助腔镜手术渗透率是13.3%，到年预计会增长到23%；中国目前的渗透率还不到1%，还有大量的增长空间。

李开复判断，5到10年内，AI也将在各种医疗细分领域落地，“数字医疗和AI融合将带来一场新的革命。随着AI+Science获得越来越多的应用，各学科领域不断交叉融合，技术驱动的医疗创新将迎来重大拐点，‘医疗＋X’将是下个十年的医疗创新主旋律。”

“医疗+X”：交叉学科，跨界融合

这里所说的“医疗+X”指什么？武凯解释道，“跨界交叉和融合创新是现在医疗健康行业发展的大方向，在过去的十年时间，随着人工智能、量子计算、新材料、集成电路，以及传感器技术，生物化学，光电技术等交叉学科的快速发展，大量跨界人才进入了医疗健康赛道，迅速推动了‘医疗+X’交叉创新的发展。”

武凯分享了他所观察到的两个变化。一个是交叉学科在多个方向产生重大技术突破，其中有些已经实现了商业化落地，如计算生物学（AI制药），合成生物学在医疗以及其他赛道（化工，日化等）的落地，手术机器人，医疗级别可穿戴设备，医美材料等。另一个是越来越多的创始团队有着复合型管理背景，如人工智能和医疗团队的结合（AI制药），医疗背景和传感器背景的交叉（可穿戴医疗器械），合成生物学科学家和化工行业专家的搭配，集成电路背景和体外诊断行业经验的结合（分子芯片）等。

基于对这些变化的认知，创新工场的整个医疗投资团队也有五个重点

转载请注明:http://www.aideyishus.com/lkyy/2515.html