2024年诺贝尔化学奖，又有人工智能！

北京时间10月9日下午，瑞典皇家科学院宣布，将2024年诺贝尔化学奖授予三位科学家，其中一半授予美国科学家戴维·贝克（David Baker），以表彰其在“计算蛋白质设计”方面的贡献；另一半授予就职于英国人工智能公司谷歌DeepMind的两位科学家德米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M. Jumper），以表彰其“对蛋白质结构预测的贡献”。

这三位科学家的工作展示了人工智能在化学领域，特别是在蛋白质研究方面的强大应用能力和巨大潜力。人工智能的引入不仅大大提高了蛋白质结构预测的精度和效率，为药物研发、疾病研究等提供了重要的理论支持和技术手段，也为化学领域的研究开辟了新的方向。

针对“人工智能+医疗”，《前沿人工智能：发展与治理》一书中指出，AI大模型在医疗领域已呈现出广泛的应用前景，包括医学影像诊断、辅助临床决策、药物研发、疾病预测与诊断、个性化治疗等方面。

在医学影像诊断方面，AI大模型可以赋能医学影像进行诊断分析，并可自动生成影像诊断报告。具体来看，其主要是通过医学影像图文进行数据集训练，将文本知识和视觉理解相结合，以对话的形式阐释胸部 X 射线等医学影像，并根据结果自动生成影像诊断报告。应用于医学影像诊断的AI大模型有 XrayGLM、Visual Med-Alpaca等，这些模型可以在不需要人工注释和任何监督微调的帮助下，展现出较高的精度，根据图像或文本检索相似的内容，使用大模型理解病理图像和自然语言，帮助人类病理学家寻找类似的病例。

在辅助临床决策方面，AI大模型可以助力临床决策，预测疾病风险、生成诊断和治疗意见。AI大模型通过结合患者的个人信息和检测检验结果，从大量的临床病例数据库和医学文献中获取解释结果，生成诊断和治疗决策。医疗健康大模型具备强大的推理能力，可以处理分析大量的临床记录和基因组学数据，选择适合的评估治疗、预测疾病风险和紧急预警，为医生和研究人员提供决策帮助。

在药物研发方面，AI大模型可赋能于器械和药品从研发到上市全产业链。药物研发领域有着成本高、周期长和失败率高等痛点，而 AI大模型的加入能够在一定程度上实现提速降本增效，在有效的预测方面双重提升药物筛选、优化、试验等关键环节的效率。在具体实施方面，AI大模型将利用 SMILES字符串或分析图表征分子结构来预测分子性质，在未标记的分子数据上获得更加丰富的分子结构和语义信息。同时，通过药物分子生成模型能够让药物学家在短时间内筛选大量分子，提高有效分子的利用率等。

在疾病预测与诊断方面，AI大模型可以助力患者个体综合性的健康评估，预测患者未来可能出现的疾病风险。AI大模型可以通过分析整合患者的基因组数据、社交媒体行为数据、电子健康记录等多个来源信息，构建精准的风险评估模型。同时，医疗健康大模型也能够检测流行病和预测疫情。

在个性化治疗方面，AI大模型能够辅助医护人员提供个体化的诊疗方案。AI大模型根据患者的个人信息、基因数据、临床数据及其他相关信息，推荐最优的治疗方案和药物选择，还可以通过大数据分析帮助医护人员在特定情况下做出有效准确的诊断，提供相应的治疗决策。

（整理/李欣桐，内容摘自《前沿人工智能：发展与治理》一书，本文图片和部分文字由AI工具生成）

图书简介

《前沿人工智能：发展与治理》一书由清华大学文科资深教授、博士生导师，清华大学苏世民书院院长薛澜担任顾问。清华大学公共管理学院教授、人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正担任主编。

本书在解读前沿人工智能的技术原理、功能特征的基础上，呈现我国人工智能大模型的最新发展动态，以生动案例展现“人工智能+多场景”的价值前景，识别其在技术开发、部署和应用中产生的风险挑战，并对美国、欧盟等经济体的人工智能治理模式进行比较，深入剖析人工智能国际治理现状与挑战，提出构建前沿人工智能治理体系的发展方向和未来范式，力求为人工智能健康发展和有效治理提供有力支撑和有益参考。