医药魔方数据库 | 如何客观动态地评估临床需求，助力新药研发？

近些年，“未满足临床需求”成为医药领域内最热门的词汇之一。但是，从方法学角度，“临床需求”的评估还没有被公认的量化标准和调研方法。在创新药研发的内卷时代，如何客观动态地挖掘和评估“临床需求”，从而确立产品研发适应症和核心方案？2023年6月26日，第五届“全球人工智能产品应用博览会” 、更清晰的疾病用药路径（通过完善的临床指南、文献信息的结构化，清晰展现用药、诊疗、疾病评估等多维度信息）、更及时的指南循证内容更新，以及更完备的创新药证据链条（对入组人群、基线特征、结果披露、证据重要性等元素进行更好的标准化）。

目前DeepMed数据库包含了2万+临床指南、20万+循证证据、45万+临床试验和大量疾病流行病学与预后相关数据，基本实现对临床需求客观评估信息的全面覆盖。

那么，DeepMed数据库到底是如何构建出来的呢？其实，方法论的本质在于医药魔方深耕多年的“AI+医学”特色之路，即数据、场景与AGI（人工智能）的三位一体。

首先，DeepMed数据库构建了一个非常浩瀚的数据底座，包含各个文献数据库（例如：PubMed，ASCO官网，CDE官网等），并结合医药魔方专业知识库和数据标准，包含疾病、药物、靶点、分期分型、生物标记物等内容，通过医药魔方核心自主AI技术进行专业的清洗和处理，从而形成了魔方数据基础。

其次，魔方内部通过三大融合——通专融合、人机融合、知智融合，将数据与最终的场景和用户需求进行了打通。

首先，所谓通专融合，是指尽管GPT技术引发了一股热潮，带领全球进入一个AIGC时代。但是如果具体到某一个专业领域（例如：医学），通用大模型在知识的深度和准确度上并不十分理想。医药魔方在自身积累的大量高质量行业数据的基础上，自研了专业大模型，结合通用模型和专业模型（即：通专融合）来回答专业领域应用场景提出的问题。

第二个是人机融合，AI虽然有很大的发展，但是想用AI替代人类，目前还不太现实，因此必须将AI与HI（人类智能）进行很好地融合。

第三个是知智融合，由于通用大模型目前的技术路线是生成式的，相对来说不可控，如果把经过结构化的、可提供确定性答案的魔方图谱和通用大模型相融合，可以更好解决实际应用场景。

围绕疾病出发，期待未来DeepMed数据库能在AI技术的加持下，荟萃循证医学信息，客观动态地评估临床需求，进一步为行业助力赋能。