医药行业AI应用的本体知识之锤

【编者按】

在政策、技术与全球格局多重变化叠加、行业承压的变量时代，第二十三届医药产业生态发展大会围绕内涵式增长务实突围展开主论坛及两场平行案例会，并配套会前闭门沙龙与信销迷你展，解读政策趋势、分享落地实践，助力药企向内挖潜、在存量市场寻找增长空间。10月25日，在会前主题沙龙活动中，零点有数董事长袁岳作题为《垂直知识智能AIKC：人工智能应用之锤》的主题演讲，零点有数AIKC人工智能研究院院长、海乂知CEO兼总经理丁军作题为《从数据资产到研究决策》的主题演讲。10月26日，第二十三届医药产业生态发展大会召开，零点有数董事长袁岳受邀参加活动并作题为《本体知识智能AIKC在药企中的应用空间》的主题演讲。本文整理自袁岳在第二十三届医药产业生态发展大会中的演讲内容。
过去的一年里，我们见证了AIGC的狂飙突进，医药行业也掀起了一股前所未有的智能化浪潮。从新药研发到商业化的全生命周期，AI的赋能已经不再是纸上谈兵。我们看到诺华通过Data42项目整合了7亿患者生命数据与100万试验患者数据，构建起庞大的机构记忆底座；赛诺菲整合了1700万患者的RWE队列，短短10周内发现了5个新适应症；在临床试验端，Parexel利用StudyOntology将申报材料的准备时间缩短了50%以上；而在生产与商业端，从Butantan研究所的全自动化安全监测，到合规申报Agent的应用，AI似乎正以前所未有的速度重塑着整个行业。一切看起来都很美，但如果我们剥开这些光鲜的应用场景，去看看底层的技术逻辑，就会发现一个残酷的现实：大模型在医药领域的应用，目前依然大量停留在文书生成、信息问答等辅助场景。它的Token主要流向了泛在的文本交互，本质上依然是表层知识的调用。
在横向的通用智能领域，大模型展现出了泛在、概率和表层的强大能力，它能写申报资料、能做医学信息查询、能进行初步的文献检索。然而，当触及到医药行业的垂直深水区时，它显得力不从心。药物研发需要基因组、蛋白质组、病理影像等多源数据的时空对齐，概率模型难以生成稳健的跨模态特征；大模型缺乏底层病理与药理机制的因果推断，极易产生逻辑幻觉；在面对多靶点、药物相互作用以及临床终点风险的动态博弈时，它无法像真正的人类专家那样权衡利弊；而在精准医疗场景下，将临床指南、药物机制与个体化患者数据在统一语义下映射，输出可追溯、可审计的决策链，更是目前大模型的盲区。医药AI正在跨越一道巨大的垂直鸿沟，它亟需从泛在调用，走向本体知识管理工程。
我们面临的真正短板，是缺少一套“工程化医药知识体系”。大模型有泛化能力，但它不懂药物研发逻辑与临床开发规则；医药行业有极其规范的研发指南与监管路径，但这些人类语言并没有被翻译成机器能理解的语言。两者之间，缺乏一座桥梁。如果缺乏这座桥梁，我们再强大的模型，也无法真正实现将散落的知识转化为可管理、可复用，且具备研发与临床可解释性的闭环推理。因此，构建药物研发与临床开发的本体知识模型，就成了破局的关键。我们需要将医药对象与专家规则变成机器能懂的基因，让知识编译、循证推理与研发临床行动无缝衔接，从而跨越这道鸿沟。
在这条探索之路上，他山之石可以攻玉。超越通用大模型，Palantir以“主权AI”重塑医药知识资产的理念，非常值得我们借鉴。Palantir倡导的并非单纯购买或开发某一个通用大模型，而是构建一套自主可控的“主权AI”底座。它通过企业级Ontology架构，帮助顶级药企在自有基础设施上，构建完全自主可控的数字神经中枢。这种核心平台矩阵，以Foundry构建医药五大本体，整合私有数据资产，配合Apollo的全栈私有化部署，以及在AIP和Gotham的协同下，保障了数据主权。传统RAG技术检索的只是碎片化医疗文本，AI需要自行在海量信息中盲目寻找逻辑关系；而本体驱动的AI构建的是医药业务世界的结构化认知模型，它能够自动建立跨系统（研发、临床、生产、监管）的概念映射，执行多步复杂推理，确保医学逻辑的一致性，让AI从单纯的“检索医学信息”进阶为真正“参与临床与研发判断”的智能体。
以赛诺菲的标杆案例为例，为了缩短“数据到证据”的周期，应对药物警戒与合规压力，赛诺菲部署Palantir Foundry构建了私有化的RWE平台，定义了患者、就诊、诊断等核心本体对象，在同一语义框架下进行流行病学分析与药物警戒监测。这不仅大幅缩短了转化周期，让赛诺菲真正拥有了自己的数据资产与知识底座，更实现了全链路可审计的推理路径，满足了FDA和EMA的严苛监管审计。纵观这些跨国标杆实践，无论是Parexel的临床试验提速，还是FDA的监管科技转型，其本质都是打通数据孤岛，构建统一语义的可执行智能系统。医药企业最稀缺的资源，早已不是数据，也不是算力，而是将分散的研发与临床知识整合为可执行决策的系统能力。
这就引出了我们迈向未来的核心概念——AIKC（AI Knowledge Core，人工智能知识核心）。要实现这一目标，我们需要在思维上完成四个关键质变。首先，我们要从“模型崇拜”走向“知识筑基”。没有高质量的医药知识底座，再强的模型也难以实现精准研发。其次，要从“单点工具”走向“系统工程”。未来的AI建设不能是“拿来即用，上线即终点”，而是需要像建设核心LIMS、ERP、QMS系统一样，进行长期工程化投入、维护和迭代。第三，我们要从“黑盒输出”走向“白盒推理”。医药的核心是合规与证据，我们需要的是可见的研发指南、靶点数据、监管证据和责任主体的清晰链条，而非不可解释的概率输出。最后，我们要从“人机替代”走向“人机协同”。让大模型负责海量文本的理解与放大复用，让AIKC负责知识管理与复杂推演，让专家经验负责最终的灵感与判定，在协同中沉淀出企业的专属主权AI。
在具体的落地实践中，我们需要依托动态本体体系和多模态数据编织引擎，培育一个“会生长”的医药知识体系。通过语义增强的数据编织，从数据虚拟化接入到统一逻辑查询，再到语义元数据治理，让数据找得到、接得通、用得稳，实现主动服务。而动态本体则负责让业务对象对得上、业务状态跟得上、备选方案比得清，并让处理结果留得住。这套体系在业务价值上，能够完美支撑研发证据评审、医学知识服务、制药工艺转移、药品质量调查与药物安全复核等核心场景。
真正的AIKC需要像生命体一样生长。我们要把医药对象与专家规则变成机器能懂的基因，深深扎根；要通过数据虚拟化引擎，将多组学、临床、真实世界数据等海量异构数据统一逻辑接入，构建语义增强的元数据图谱，从中汲取营养；要基于医药本体进行逻辑推理，把资深研发专家的隐性经验变成可复用的显性知识，完成逻辑进化；最终，要把这些判断投入到靶点发现、临床试验的真实业务中，通过每一次使用和人工反馈回写进系统，让医药知识体系越用越聪明，枝繁叶茂。这也就是我们所说的，以“知识治理”为核，构建专有医药AI体系。在这个体系下，知识治理中枢将驱动AI智能体精准执行全周期任务，无论是研发情报预警、临床智能匹配，还是药物警戒合规与数字健康管理，都能在医药专有底座和垂直AI自动化引擎的支撑下高效运转。
在拥抱AI的浪潮中，我们首先要明确战略靶向，摒弃“拿来主义”，确立构建企业专属主权AI的战略决心，从高价值场景切入，实现知识穿透。其次，要坚定筑基，将医药本体建模作为核心基础设施进行长期投入，让医学知识在临床与研发运行中持续自我丰富。同时，我们要建立专门的医药知识工程与转化团队，让业务专家、数据工程师和知识工程师协同作战，萃取隐性经验进行工程化建模。在技术路线上，AIKC与医学大模型应当协同而非替代，各司其职，确保研发决策既高效又精准。最后，一切的技术应用都必须溯源，以NMPA、FDA等监管要求为牵引，建立可审计、可验证的AI决策体系，确保结果稳定、可靠且可预期。

如需了解更多详情及合作

请扫描下方二维码

??????

零点有数 · Dataway
北京零点有数数据科技股份有限公司（深交所上市，简称：零点有数，股票代码：301169）是中国前沿的数据分析与决策智能服务机构。深耕公共事务和商业服务的诸多领域，以第三方评估为驱动、以解决应用场景中的关键问题为出发点，梳理和优化不同垂直行业的模型与算法。在数据智能时代，公司不断整合移动互联网、人工智能、云计算、物联网等领域新技术，将多源数据与公共和商业服务的垂直行业场景结合，将30多年积累的专业知识实现“经验模型化，模型算法化，算法软件化”，推进决策科学化、服务高效化。
口号
算法绽放，相信数据智能的力量！
愿景
建设数据分析与决策智能业的中国典范
使命
用专业分析的能量，助力领导者决策更有数
价值观
先锋主义、专业主义、长期主义
团队文化
富于洞见、乐于协力、追求卓越的知识服务战队
官网
www.idataway.com
电话
010-53896000
邮箱
mkt@idataway.com
商务合作请点击左下角【阅读原文】