人工智能在医疗保健领域的应用：从药物研发到患者护理

我们相信医疗保健体系正处于转折点，通过运用数码医疗技术，该领域长期存在的低效率问题将不复存在。人工智能是这一变革的核心，具有将医疗效果提高30-40%的潜力，同时能为美国节省高达10%的年度医疗开支。[1][2]

关键要点

 药物研发是一个漫长且昂贵的过程，当中存在低成本效益与潜在隐患。从早期阶段的电脑模拟，到后期阶段的试验设计、患者招募与数据分析，人工智能几乎有助整个过程的每一个步骤。

 医疗保健行业庞大而复杂，牵涉到众多保险公司及医疗服务提供者。这就造成了摩擦、低效与沉重的文书工作，而人工智能有望协助减少这些问题，从而节省大量时间和金钱。

 鉴于医疗保健行业的规模和多元化，要从人工智能对行业的颠覆中挑选出个别优胜者，可能具有挑战性。因此，能够更广泛地参与这一巨大趋势的 ETF，可能会成为吸引投资者的选择。

人工智能在药物开发中的应用

药物研发是一个非常困难的过程。尽管技术日新月异，但开发一种新药仍需要10-15年的时间，平均成本为13亿美元。[3][4]此外，90%的研究药物在人体试验中由于没有效果或副作用太大而失败告终。[5]更为复杂的是，临床试验的设计和操作难度众所周知，往往会阻碍治疗方案的审批。

人工智能在药物发现中的应用：历时数十年的电脑辅助药物设计，现在得以大幅加快

自1990年代以来，电脑模拟软件一直被用于开发研究药物，成功地降低成本，并提高药物研发的成功率。[6]然而，新的人工智能模型提出了更为有利的单位经济效益。通过运行数百万个情景，人工智能软件可将临床前药物开发成本降低20-40%，并将候选药物的设计和验证速度提高15倍之多。[7][8]

人工智能为药物开发提供：

 更好的分子构建：人工智能软件可预测目标蛋白质的立体结构、药物蛋白质相互作用以及新疗法的活动。改进分子结构有助于确保临床前研究药物的高疗效。不过，最重要的是，人工智能有助于确保小白鼠临床研究前与后期人体试验之间的最大关联性。

 让调查工作事半功倍：人工智能软件有助于设计多靶点药物分子，并预测药物的重新利用，以最大限度地扩大治疗范围。通过单一分子，GLP-1（胰高血糖素样肽1）等新的治疗类别在2型糖尿病、肥胖症、心血管疾病等方面取得了成功。人工智能可以帮助预测治疗一种疾病的方法是否对其他疾病也有用，从而让我们更容易在药物发现阶段的早期就确定广泛治疗方法。

 加强患者识别能力：人工智能软件通过基因组剖析预测治疗的毒性和疗效，识别可受益患者的特征。在药物开发过程的早期制定有关指导方针，有助于明确界定临床试验参与者，提高研究药物成功的可能性。获得批准后，其亦为治疗营销开辟清晰的路线。

更广泛的人工智能对药物研发将产生巨大影响，并有可能改变我们原先熟知的药物研发过程。截至2025年，预计将有30%的新药利用人工智能技术研发，而目前这一比例仍然为零。[9]人工智能药物研发技术的广泛应用，预计将在十年内促成额外50种新型疗法，而仅此一项就可能转化为超过500亿美元的收入。[10]

人工智能在临床试验操作中的应用：人体内试验的现代化

设计和开展临床试验因其固有的复杂性和挑战性而为人所知。人工智能可以降低临床试验的营运成本，并为药物开发过程中的一些最大绊脚石提供可扩展的解决方案。

 试验设计：负面试验结果的原因可能很难辨别，原因是试验设计中未知的缺陷可能会掩盖药物的真实疗效。人工智能可以从试验结果中识别出人类无法识别的规律，帮助确定某种药物是否只适合特定的细分患者。

 招募效果欠佳：根据过往数据，约有86%的试验错过了招募截止日期，其中有85%的患者不知道他们可以参加的临床试验。[11]近三分之一的第三期试验因招募困难而失败，例如难以确定合适的患者或参与者的保留问题。[12]通过分析大量患者记录数据集来确定符合临床试验条件的候选者，人工智能有助于减少招募参与者的时间和成本。人工智能精准医疗公司Tempus加快了临床试验的注册速度，使得试验在十个工作日内就能启动，相较于行业平均水平的八个月有了大幅提高。[13]人工智能在临床试验参与者身份识别方面预计将可节省130亿美元。[14]

 数据不足：每种研究性疗法都使用一个标准来评估其疗效。对于某些疾病，我们依靠替代终点来衡量治疗效果，有关终点可能与临床改善相关，但不一定有保证关系。据估计，80%的癌症治疗试验都依赖于替代终点。[15]人工智能驱动的可穿戴装置可协助在临床试验期间测量药物疗效和监察患者，从而可能消除频繁前往检测中心的需要。与病人记录的电子数据和遥距医疗的进一步整合，将有望使人工智能模型变得更加强劲。

临床试验也能从数字孪生中受益。数字孪生是人工智能生成的真实患者虚拟模型，用于模拟不同的用药方案和患者病情进展。数字孪生可以将临床试验对照组的规模减少30%，这代表更大比例的临床试验参与者可以获得有效成分而非安慰剂。[16]

人工智能在医疗业务中的应用：数码化转型的缺失一环

尽管医疗保健行业在数码化营运方面取得了大幅进步，但估计80%的美国医疗保健文件仍然通过传统邮件和传真传送。[17]通过使用电子病历(EMR)，整个医疗行业正日益数码化，但这仍属低效和人手密集的过渡阶段。不出意外地，78%的医生报告了与医疗资讯技术相关的倦怠和疲劳。[18]

在减轻医疗服务提供者的日常工作方面，人工智能可以产生广泛的益处，使他们能够将更多的时间用于治疗病人。我们认为，其中少数几个重点部分的影响特别显着：

 从医疗记录中提取相关资料，推动医疗决策

 协助编制记录，如进展记录和出院摘要，以便与EMR整合

为患者提供护理指导，如手术前的饮食禁忌等

 减轻获得预先授权和提交保险索赔的负担

 归纳医学期刊文章

 编写病人转介信、转院单、处方，规划医疗定制膳食，安排就诊时间

所有日常应用中，人工智能都可为整个医疗生态系统节省大量成本：

 私营保险公司可节约总成本的7-9%，在未来五年内每年可节约800-1,100亿美元。[19]

 医生团体可节省3-8%的成本，相当于节省200-600亿美元。[20]

 医院每年可节约4-11%的成本，总计600-1200亿美元。[21]

医疗记录文件自动化：为医生腾出时间

据估计，医生要花费39%的时间在电子病历中记录病人资讯。[22]为了帮助医生腾出时间照顾病人，多间数码医疗公司一直将病人病历的自动化视为优先事项。Teladoc与微软旗下的Nuance紧密合作，后者是一个人工智能解决方案，可以自动转录病人的就诊记录，平均每次预约可节省7分钟。Nuance观察到参与医生的职业倦怠感已降低70%。[23]

鉴于传统转录服务的交付时间可能长达72小时以上，我们看到其他科技巨头也进入了这一领域。[24] Amazon Web Services最近推出了一项新服务HealthScribe，通过语音辨识、机器学习和人工智能来总结医生的诊症情况。[25]开发了ChatGPT的OpenAI公司也进入了这一领域。OpenAI正与Hint Health合作开发新功能，让医生能够记录预约并自动转录就诊记录。[26]

人工智能驱动的聊天机械人：促进病人护理

我们亦已观察到为医疗保健行业度身订造的对话式人工智能工具进入市场，期望简化医疗保健的复杂性，主要是实现保险覆盖。事先授权是一个非常艰巨的过程，当中保险公司要在提供某些医疗服务或产品之前对其进行审查和批准。尽管新的人工智能服务可协助将成本降低70%，即从每笔交易10美元降至3美元，但这一过程可能会耗费大量时间。[27]

对话式人工智能工具允许医生用自己的说话输入资讯，剩下的就由服务来处理。数码医疗公司Doximity最近推出了DocsGPT，这是一款人工智能驱动的聊天机械人工具，用于促进事先授权、保险理赔和患者沟通。医生批准了人工智能生成的资料后，平台也会自动将其发送给相应方。最近的研究表明，当医生使用基于人工智能的聊天机械人时，回复通常更长、品质更高、更有同情心，从而改善了对病人的整体态度。[28]

结论

对投资者来说，量化人工智能的影响还为时尚早；但人工智能医疗的潜在使用案例有望彻底改革整个行业。尽管如此，在医疗保健这样一个涵盖从药物研发、保险到治疗等所有领域的庞大领域中，要评选出单一优胜者也极具挑战性。无论投资者希望关注数码健康、基因组学，还是更纯粹的人工智能，ETF都能为这一大趋势提供广泛的投资机会。

资料来源：

[1] 弗若斯特沙利文。（2016年1月）。从6亿美元到60亿美元，人工智能系统有望在医疗保健领域大幅拓展市场。

[2] 美国全国经济研究所。（2023年1月）。人工智能对医疗支出的潜在影响。

[3] PhRMA。（2021年9月20日）。2021年行业概况。

[4] 美国医学协会杂志。（2020年3月3日）。2009-2018年将新药推向市场所需的研发投资估算。

[5] 美国国家卫生院。（2019年6月）。药物开发中的第二期试验和适应性试验设计。

[6] 美国国家卫生院。（2009年11月）。药物发现中的硅毒理学–基于立体模型的概念。

[7] 摩根士丹利。（2022年9月9日）。为甚么人工智能可以加速药物发现。

[8] Margaretta Colangelo。（2019年）。人工智能首次在数日内设计并验证候选新药。

[9] NVIDIA。（2023年1月12日）。摩根大通第41届年度医疗保健会议演讲。

[10] 摩根士丹利。（2022年9月9日）。为甚么人工智能可以加速药物发现。

[11] CLINPAL。（无注明日期）。招募资料图表。访问日期：2023年10月24日。

[12] 同上。

[13] Tempus。（无注明日期）。利用TIME Trial计划加速试验注册。访问日期：2023年10月24日。

[14] 埃森哲。（2020年7月30日）。人工智能：医疗保健的新神经系统。

[15] 临床试验竞技场。（2021年11月1日）。试验终点：是时候对替代品进行选择了吗？

[16] George Lawton。（2022年2月16日）。Unlearn与 Merck合作开展双生医学试验。

[17] Doximity。（2023年6月6日）。2023年投资者日推介会。

[18] Doximity。（2023年6月6日）。2023年投资者日推介会。

[19] 美国全国经济研究所。（2023年1月）。人工智能对医疗支出的潜在影响。

[20] 同上。

[21] 同上。

[22] 贝克尔医院评论。（2023年4月19日）。23个专科医师花在文书工作和行政管理上的时间。

[23] Fierce Healthcare。（2023年3月21日）。Microsoft旗下Nuance将OpenAI的GPT-4整合到语音医疗转录软件中。

[24] DeepScribe。（无注明日期）人工智能在医学转录中的崛起。访问日期：2023年10月24日。

[25] Axios。（2023年9月22日）。人工智能可能会在您下次就诊时聆听您的对话。

[26] 同上。

[27] Mark Scott。（2021年12月）。人工智能如何解决优先授权问题。

[28] Fierce Healthcare。（2023年3月1日）。在回答病人问题的准确性和同理心方面，聊天机械人的表现优于医生：JAMA研究。

本文章仅供参考，不应被视为【未来资产环球投资（香港）有限公司】（“我们”）在中国进行关于该机构或该机构相关的任何证券或其他金融工具、金融产品或提供的任何金融服务的买卖、招揽、要约或宣传、推广、推介、投资建议。本文章仅作为一般市场评论提供，不构成任何形式的财务建议、法律、税务或其他受监管服务。

本文章所讨论或提及的意见及资料截至刊发日期。本文章的若干陈述仅为我们的预期及前瞻性陈述。该等预期、意见及观点基于大量最终未必会发生或未必正确的假设，过往表现并非未来表现的指示。有关的投资者于作出任何投资决定前，应获取有关详情及风险因素，并在投资前务必征询独立专业建议。我们概不就使用本文章产生的损失承担任何责任。

我们或我们的任何关联公司均不对因使用或依赖于本文章的内容，产品或服务或与之相关的使用或依赖而造成的、或据称由之引起或被指称的任何损害或损失承担任何责任。未经我们的书面许可，不得以任何形式复制本出版物的任何部分，或在任何其他出版物中引用本出版物的任何部分。

文章作者：未来资产环球投资（香港）有限公司，本文件未经证券及期货事务监察委员会或辖区内的适用监管机构审阅。

文章版权 2023 未来资产环球投资。保留所有权利。

#人工智能掀涨停潮 AI又行了？#