目前在医疗领域，有以下一些出色的 AI 应用：
为了在医疗保健中产生真正的改变，AI 应像人类一样学习，投资创建模型生态系统，例如“专家”AI，通过学校教育和经验获得有助于在复杂情况下确定最佳答案的直觉。不应仅仅依靠大量数据和生成模型解决所有问题，而应通过堆叠模型进行训练，如先训练生物学、化学模型，再添加特定于医疗保健或药物设计的数据点。
chatgpt引发的范式转移涉及各个行业，过去两周在蛋白质结构预测和合成又有大量突破。用于生成漂亮图片的AI也可以帮助科学家研究并设计新的蛋白质。这意味着能够以更快速度开发药物用于治疗癌症、制造胰岛素、治疗多发性硬化症和管理自身免疫性疾病等。过去两周在蛋白质结构预测和蛋白质合成方面ai的重大进展：1、AlphaFold是一种在蛋白质结构预测方面表现出色的AI系统，由DeepMind开发，其预测准确度超过其他系统，为科学家和药物开发提供了巨大帮助。2、Meta的蛋白质结构预测ai模型：ESMFold，截至目前已经进行了7亿次预测3、多伦多大学研究人员开发了一种新的AI系统，利用类似stable diffusion，midjourney的生成扩散技术创造出自然界中不存在的蛋白质。4、华盛顿大学的David Baker教授的团队开发了基于DALL-E的人工智能系统RF Diffusion，用于根据科学家的需求生成合适的蛋白质结构。5、洛桑联邦理工学院的科学家们开发了一种基于神经网络的新工具PeSTo，可以预测蛋白质如何与其他物质相互作用，速度快、且通用性强。6、在surrey大学开发了一种人工智能系统，用于识别个体细胞中的蛋白质模式，这一进展可以用于理解肿瘤的差异并开发药物。7、肯特大学的研究团队使用名为talin的蛋白质制成凝胶，该凝胶具有吸收冲击的能力，他们的目标是将talin蛋白质制成防弹材料。文献参考https://www.sciencedaily.com/releases/2023/05/230504121014.htmhttps://www.wevolver.com/article/pesto-a-new-ai-tool-for-predicting-protein-interactionshttps://www.sciencedirect.com/science/article/pii/S0958166923000514
毫无疑问，AI将不可逆转地改变我们如何预防和治疗疾病。医生将把文档工作交给AI书记员；初级医疗服务提供者将依赖聊天机器人进行分诊；几乎无穷无尽的预测蛋白结构库将极大地加速药物开发。然而，为了真正改变这些领域，我们应该投资于创建一个模型生态系统——比如说，“专家”AI——它们像我们今天最优秀的医生和药物开发者那样学习。成为某个领域顶尖人才通常以多年的密集信息输入开始，通常是通过正规的学校教育，然后是某种形式的学徒实践；数年时间都致力于从该领域最出色的实践者那里学习，大多数情况下是面对面地学习。这是一个几乎不可替代的过程：例如，医学住院医生通过聆听和观察高水平的外科医生所获取的大部分信息，是任何教科书中都没有明确写出来的。通过学校教育和经验，获得有助于在复杂情况下确定最佳答案的直觉特别具有挑战性。这一点对于人工智能和人类都是如此，但对于AI来说，这个问题因其当前的学习方式以及技术人员当前对待这个机会和挑战的方式而变得更加严重。通过研究成千上万个标记过的数据点（“正确”和“错误”的例子）——当前的先进神经网络架构能够弄清楚什么使一个选择比另一个选择更好。我们应该通过使用彼此堆叠的模型来训练AI，而不是仅仅依靠大量的数据，并期望一个生成模型解决所有问题。例如，我们首先应该训练生物学的模型，然后是化学的模型，在这些基础上添加特定于医疗保健或药物设计的数据点。预医学生的目标是成为医生，但他们的课程从化学和生物学的基础开始，而不是诊断疾病的细微差别。如果没有这些基础课程，他们未来提供高质量医疗保健的能力将受到严重限制。同样，设计新疗法的科学家需要经历数年的化学和生物学学习，然后是博士研究，再然后是在经验丰富的药物设计师的指导下工作。这种学习方式可以帮助培养如何处理涉及细微差别的决策的直觉，特别是在分子层面，这些差别真的很重要。例如，雌激素和睾酮只有细微的差别，但它们对人类健康的影响截然不同。
接下来，我们将深入了解大模型在商业化过程中的实际应用情况。首先来看医疗行业，这是关乎每个人生命健康的重要领域。大模型在医疗行业的应用主要涵盖三个方向：疾病的诊断与预测、药物研发以及个性化医疗。从医疗前期的图像诊断，基因组学和精准医疗到药物研发阶段再到最后病人的个性化医疗，人工智能都有其适合的应用场景。例如，在2020年，麻省理工学院利用AI发现了一种名为Halicin的新型广谱抗生素，它不仅能有效杀灭对现有抗生素产生耐药性的细菌，而且不会使细菌产生新的耐药性。这一突破性发现源于AI的助力。研究者先搞了一个由两千个性能已知的分子组成的训练集，这些分子都被标记好了是不是可以抑制细菌生长，用它们去训练AI。AI自己学习这些分子都有什么特点，总结了一套“什么样的分子能抗菌”的规律。之后又对美国FDA已通过的六万多个分子中进行分析，最终成功识别出了一个符合所有要求的分子，这就是Halicin。之后研究者开始做实验证明，它真的非常好使，大概很快就会用于临床，造福人类。这个例子充分展示了AI大模型在医疗领域的巨大潜力，目前很多医疗研究机构都进行医疗大模型的开发研究，大模型在医疗领域大有可为！广告营销行业目前仍然是AIGC()应用最多的业务场景之一，大模型在营销行业从初期的市场分析、中期的客户转化以及后期的客户复购均可参与打开营销生态新思路，为消费者提供更个性化、智能化和互动性强的营销体验，而对于广告图案的生成完全可以通过AI+设计相关的SOP来提高效率。大模型的应用不仅为营销策略提供了新的思路，还能为消费者带来更加个性化、智能化和互动性强的体验。此外，它们还能显著降低内容制作的成本并加速创意的实现过程。