在医药行业的创新浪潮中，人工智能（AI）技术正以前所未有的速度重塑着医疗领域的面貌。医生作为医疗实践的核心主体与第一执行者，在日常临床工作中直接面对患者，因此对AI技术落地临床的实际效果有着最为真切和深刻的感受。同时，他们对于AI技术如何更好地服务于临床、提升诊疗效率与质量，也提出了最为迫切和具体的需求与期望。

近日，随着2026CMAC创新药物医学大会暨展览会在苏州的成功举办，AI医学场景化不仅成为行业内外热议的焦点，更预示着医疗健康产业的未来发展方向。值此之际，医脉通特别邀请了扬子江市场和医学事务部负责人谷成明先生，其不仅在AI医学领域有着深厚的学术造诣，还积累了丰富的实战经验，他的见解无疑将为这场医疗变革贡献宝贵的智慧与洞见。让我们一同走进这场专访，聆听谷成明先生对AI医学场景化的独到见解与深刻剖析，共同期待AI技术为医疗领域带来的无限可能与美好未来。

谷成明先生：

过去，AI的应用更多以知识驱动为主导，而未来，其发展必然是在知识驱动的基础上融合数据驱动模式。引入数据驱动后，医疗领域将告别“千人一面”的标准化模式，迈向“千人千面”的个性化方向。

究其原因，首先，要实现个性化医疗，我们需掌握患者的详细数据，以此构建精准的患者画像，全面了解患者的具体状况。基于这些数据，才能针对每一位患者量身定制个性化的诊疗方案，这便是实现“千人千面”的关键所在。

其次，医生在临床决策过程中同样需要个性化考量，尽管临床诊治有既定的指南和路径作为参考，但在面对每一位具体患者时，医生必须结合患者的实际情况灵活运用这些标准。

基于上述两点，将知识驱动与数据驱动有机结合，医疗领域就会走上“千人千面”、个性化诊治的发展道路。

谷成明先生：

在从事医学相关工作的过程中，我们始终高度重视AI的应用。过去，AI主要作为一种工具存在，早期的AI多表现为具备语言交互能力的系统，即基于过往积累的知识来预测用户下一步可能的行为或需求。例如，大型医院所应用的模型，主要是通过分析过往数据来预测下一句话或下一个词的内容，其运作机制完全依赖于历史知识。

如今，AI领域正朝着智能体AI的方向发展。智能体AI不再局限于简单的语言交互，而是具备了从语言交流到实际执行任务的能力，它能够根据用户的当前状况进行深入分析、逻辑推理，并做出决策，甚至直接协助用户完成相关工作，堪称“会干活的AI”。

在临床医学工作以及我所负责的市场领域，我们的核心目标都是为患者提供优质服务，这一目标的实现，离不开医生、药师与政府等多方的紧密合作。

以医生教育为例，过去我们开展医生教育时，虽已意识到个性化教育的重要性，但实践层面仍有待深化。如今，我们能够围绕每位医生的具体需求，为其量身定制个性化的教育内容。

同样，在患者教育方面，我们也致力于满足每位患者的独特需求，若能精准掌握每位患者在何时需要何种信息，我们便可为其生成个性化的教育内容，并精准推送。这样的服务对患者而言极具价值，因为只有契合其当前需求的信息，才能真正发挥效用；反之，若信息与患者需求不匹配，则可能被视为无用信息。

当然，我们所做的远不止于此，上述内容仅是我们众多工作中的一小部分。

谷成明先生：

在AI应用的初期，我们的工作主要围绕文字处理展开。例如，我们曾开发了chatbot系统，其核心功能是提供一问一答的交互服务。我们会精心编纂常见问题解答（FAQ）内容，并经过严格审批流程后，再将其投入实际应用。实际上，这类工作早在近十年前便已启动。

随着技术不断演进，AI逐步向多模态方向发展。以PPT制作工作为例，大约五六年前，我们就已实现了基于PubMed等文献资源自动生成PPT的功能，这极大地提升了信息整合与展示的效率。后来，我们注意到医生群体更倾向于通过短视频获取信息，鉴于此，我们开始着手制作小型视频内容。

在初期阶段，我们采用手持手机为医生拍摄患者教育视频的方式，随后，我们萌生了将真人形象转化为虚拟数字人的想法，并与医学科学联络官（MSL）、eMSL、eREP 以及相关管理人员展开合作，成功打造出虚拟数字人形象。这一创新举措显著提高了视频制作效率，降低了人力成本。

然而，我认为这并非AI在医疗领域应用的终极目标，下一步，我们将重点探索具身智能的应用潜力。目前，我们在AI算法层面已取得显著进展，同时人形机器人的研发也日益成熟。回顾过去，我们曾尝试应用机器人技术，但当时的机器人功能相对单一，外观仅是一个带有屏幕和“眼睛”的简易装置，交互能力有限。如今，人形机器人已具备更加逼真的外观和灵活的行动能力，若能为其配备先进的AI系统，使其拥有“智慧大脑”与“健壮身体”，并能够自由移动、与用户进行自然交互，将能开创人机交互的新纪元。

此外，当前大型医院所应用的AI模型以及内容生成技术，相较于过去已有了质的飞跃，交互体验愈发自然流畅。我认为，下一步的发展方向应是进一步提升AI系统的拟人化程度与交互自然度，使其能够更精准地理解用户需求、提供更贴心的服务，从而赢得患者、医生以及客户等群体的广泛认可与喜爱，这将是我们在未来工作中重点突破与探索的方向。

谷成明先生：

这一发展趋势兼具革命性与颠覆性。从宏观层面来看，当前AI制药领域热度空前，国内已有数家相关企业成功上市，且估值居高不下。这一现象的背后，是医学领域正经历着从传统知识体系向语言化、数据化方向的深刻转变。

以蛋白质与配体结合研究为例，过去，科研人员需在实验室中逐一开展结合实验，过程繁琐且效率低下；如今，借助先进的AI技术，这一过程已实现自动化。通过自动化手段，科研人员能够同时对两亿个蛋白质与配体的结合情况进行研究，并迅速获取结果，无需再逐个进行实验。

今天早晨，我还关注到一项关于动态蛋白质与受体结合的研究。由于蛋白质与受体在结合过程中处于动态变化状态，其结构会随功能变化而不断调整，通过AI技术对这一过程进行深入研究，将有助于我们更全面、深入地理解蛋白质与受体的结合机制。

AI制药的核心原理正是如此，即通过计算机模拟技术精准定位药物靶点，明确靶点与药物的结合方式，这一原理同样适用于抗体药物的研发。借助计算机模拟，科研人员能够解决诸多传统实验难以攻克的问题，从而带来生产力的巨大飞跃。

另一方面，将干实验（计算机模拟实验）与湿实验（实验室传统实验）有机结合，也是推动医学研究发展的重要途径。通过计算机模拟，科研人员能够初步筛选出具有潜在价值的实验方向，随后在实验室中开展具体的湿实验进行验证。如今，实验室实验的自动化程度不断提高，许多实验环节已由机器人完成。在湿实验过程中，科研人员能够观察到各种实验现象与变化，并将这些信息反馈至干实验环节进行进一步验证与优化，这种干湿结合的实验模式，能够显著加快整个研发进程。

此外，在临床研究领域，AI的参与也日益广泛。从病人入组、方案撰写，到整个临床研究过程的实施，乃至未来研究论文的撰写，AI都发挥着重要作用，有效提升了临床研究的效率。展望未来，我们期望在未来十年内，所有患者都能受益于更加高效、精准的治疗手段，尽管目前尚难以准确预测这一目标的实现时间，但我坚信，随着技术的不断进步，这一愿景的实现速度将大大加快。

近期，美国食品药品监督管理局（FDA）也出台了一系列政策，旨在推动医药研发领域的创新与发展，鉴于当前计算机技术与大语言模型能力的不断提升，我对这一领域的未来发展充满信心。

谷成明先生：

AI并不会取代人类，但善于运用AI的人必定会在竞争中取代那些不运用AI的人。对此，可从以下层面进行深入阐释。

过去，生成式AI占据主导地位，其运作主要基于既有知识，通过分析大量数据来生成内容或提供答案，功能相对单一；而如今，智能体AI崭露头角，它不再局限于知识输出，而是具备了实际做事的能力。我们可以审视各类事务，但凡存在标准操作程序（SOP）的工作，机器凭借其精准性、高效性和不知疲倦的特性，往往能够完成得更为出色。

基于此，未来的发展趋势必然是人机深度融合。人类将专注于决策层面，明确工作目标与方向，即“决定要做什么”；而AI则凭借其强大的计算能力和数据处理能力，负责优化执行过程，确保“把事情做好”。用较为通俗的话来讲，人类在未来工作中更像是任务的派发者与成果的验收者，即“派活收活”，若AI完成的任务未达预期，人类可及时提出修改要求，持续优化工作成果，这种人机协作的模式，能够显著提升整体工作效率。

在CMAC大会的分享中，我提出一个观点：人人都应成为“爱马士”。这里的“爱马士”并非指奢侈品品牌，而是一种比喻。在未来，若仅依靠个人埋头苦干，即便个人能力出众、工作速度极快，也不过是一匹“快马”，其效率和成果存在一定局限；而那些善于运用AI的人，如同驾驭“赛马”的骑手，能够借助AI的优势实现更高的工作效率和更好的工作成果。更进一步说，若一个人能够统筹协调多个AI资源，就如同一位“牧马人”，能够充分发挥每个“马”（AI）的优势，形成强大的工作合力。

此时，个人的能力将不再仅仅取决于自身，自身能力仅占一小部分，真正决定其整体能力的，是运用AI的能力以及协调AI资源的水平。拥有的AI资源越多、运用越娴熟，个人所能释放的能量就越强大，这或许将成为未来发展的重要方向。