校友总会国金金融学院分会与技术转移硕士项目联合举办“AI+生命科学”主题沙龙

主旨分享

打破数据孤岛：构建以个人为中心的“未来医院”

医疗大数据需经治理才具价值：当前医院拥有海量数据，但这些“原生数据”未经治理，存在标准不一、字段缺失、信息孤岛等问题，导致无法直接使用。只有经过系统性整合、标准化处理后，数据才能成为有价值的资源。

构建以个人为中心的健康档案系统是未来方向：应打破以医院为中心的数据壁垒，建立一个围绕个人全生命周期的统一健康档案系统。该系统能整合院内、院外（如可穿戴设备）及不同医疗机构的数据，实现患者数据的连续性和完整性。

发展垂直领域的医疗AI小模型优于通用大模型：在医疗领域，通用大模型因幻觉率高且无法获取最新真实个体数据而存在局限。如开发针对特定病种的垂类小模型，则能更精准地服务于临床决策、科研和患者管理。

技术创新将颠覆未来医疗模式：可穿戴设备、新型传感器、脑机接口等技术的发展，将使医疗服务从医院走向家庭和社区，实现万物互联和24小时健康管理。未来的医院将打破物理围墙，无处不在。

医生需拥抱变革：随着AI和大数据技术加速科研进程，医生若固守传统模式，不主动参与数据治理、利用AI工具并建立自己的“数据粮仓”（专病队列），将难以跟上时代步伐，在未来的医疗体系中失去竞争力。

共话圆桌

AI创业的“毛细血管”：小创新、大回报

AI蛋白质设计赛道比脑机接口更具商业落地优势：相较于脑机接口在严肃医疗领域高门槛、高资本需求以及消费级产品竞争激烈、前景有限的问题，AI蛋白质设计应用范围更广（涵盖医药、食品、日化、材料等），验证成本更低，商业化路径更清晰，对资本的吸引力也更强。

AI时代创业应聚焦“毛细血管”级创新：创业者不应盲目追逐大模型等“大动脉”级的巨头赛道，而应寻找AI应用层或基础设施中解决具体“小儿科”问题的机会。这些细分领域的创新者虽小，但能在特定生态中生存得很好，甚至获得比大厂更高的回报。

商业成功是多维度协作的结果，非技术单维度驱动：在中国市场，单纯依靠技术优势的“硬科技”公司可能需要更考虑更多兼容因素。商业世界是市场、产品、技术、投资、商务等多要素叠加的系统，而非将所有相关方都视为竞争者或客户。

合成生物学的“搭积木”革命

合成生物学是模块化、集成化的工程工具：将合成生物学理解为一个集成了基因编辑、代谢工程、发酵工程和分离纯化等多个模块，通过像搭积木一样对生物系统进行模块化设计和重组。

合成生物学的核心价值在于其广泛的应用潜力：尽管早期商业化落地缓慢且存在泡沫，但抽丝剥茧后，合成生物学真正的价值在于其作为一项基础性工具，能够被广泛应用于医药、材料、食品等众多生活领域，解决实际问题。

跨学科融合能打开视野并创造独特机遇：拥有传统科研背景的博士选择学习金融或商科并非转行，而是为了打破专业壁垒，学习商业世界的“语言”，实现与产业上下游的有效沟通。保持科研初心的同时跨界融合。

投资人不听“故事”，解析商业化路径

投资人评估药械项目采用截然不同的逻辑：投资机构对“药”和“械”（如迈瑞的产品）的估值逻辑不同。药品因其知识产权明确、易于交易（BD），更容易获得资本市场青睐；而器械的核心技术（如CT机的参数、经验公式）难以复制，其BD交易稀少，商业模式更依赖于产品制造业know-how及渠道推广。

创始人需在早期就规划好商业化路径：一级市场的投资人关注项目在5-7年内的变现潜力。创始人必须提前思考产品如何进入医院、获得收费编码、控制成本以满足医保和医院的接受度，以及卫生经济学的合理性。5年前就想清楚这些问题的创始人，更能赢得投资人的信任。

AI在医药数据处理中的正确使用方法是任务拆解：大模型在医药领域存在术语混淆（如霍奇金与非霍奇金淋巴瘤）和同义词识别（如唐氏综合征与21三体综合征）等准确性问题。最佳实践是将复杂任务分解为多个简单步骤，让AI逐层执行，可将准确率提升至接近99%。

亲爱的复旦国金校友，泛谈沙龙邀您共创！

欢迎有意参与策划和分享的校友

扫码或联络主创团队

来源：公众号 复旦国金校友会