医学传播瓶颈：为什么AI瞄准了制药业的沟通问题

医学传播一直处于压力之下：生物制药公司产生大量的临床数据——试验结果、真实世界证据、安全更新——这些信息必须同时传达给多个受众，包括专科医生、社区医生、医学科学联络员、支付者、护理人员和患者。

每个受众需要不同的框架、语言和技术深度。然而，过去几十年中，负责弥合这一差距的医学传播人员——医学事务机构的熟练科学传播人员——却花费了惊人的时间不在思考，而是在重新格式化。

他们将幻灯片内容从一个国会模板移到另一个，为不同的受众重建演示文稿，并且经常在紧迫的截止日期前手动完成这些工作。“我们为客户做了所有这些交付物，但我们也花了很多时间组装演示文稿，然后将内容从一个模板转移到另一个模板，”弗朗辛·卡里克说，她是一位拥有22年医学传播经验的博士科学家。

“我们梦想着一个可以为我们翻译科学的解决方案，”她补充说。

卡里克最近加入了AI演示平台Prezent，担任Prezent Vivo的总裁，Prezent Vivo将专门的AI和领域专家融合在一起，支持生命科学传播生态系统——包括生物制药和公司的代理合作伙伴。

她描述的问题并非特定于某个领域；它位于两个已经在行业中得到充分记录的压力点的交叉点。一方面，近8成的医疗保健专业人员从制药公司接收到的信息量超过了COVID-19前的水平，77%的人认为数字通信的量已经过大。

另一方面，制药公司正在努力提供个性化、相关的内容，以满足医疗保健专业人员的需求，部分原因是传统系统缺乏支持大规模高级个性化的灵活性。内容管道在两个端都被淹没：产生的内容太多，有效落地的内容太少。

模块化内容问题

该行业对这一问题的提议解决方案长期以来一直是“模块化内容”——将科学信息分解为可重用的组件，这些组件可以以不同的方式为不同的受众组装起来。

在理论上，这很优雅，但在实践中，大型语言模型现在被用于准备稿件、将真实世界证据数据集浓缩为摘要，并为教育医疗保健专业人员开发模块——这些工具直到最近才作为概念验证存在。

卡里克将根本挑战表述为简单的术语：“我们向学术医生、社区医生、护理人员和患者呈现的方式非常、非常不同，”她强调道。

“在传统模型中，获取这些信息并对其进行定制非常耗时耗力，而且需要时间。”换句话说，瓶颈并不是传播者的专业知识；而是处理速度——数据以比团队能够手动重新包装的速度更快的速度到来。

在2024年广泛的AI实验之后，公司正面临着展示其AI投资真正回报的压力，这推动了专门为特定工作流程设计的垂直AI解决方案的采用。

这正是Prezent为其Astrid AI代理提出的论点：专门为生命科学构建的系统，经过生物制药的合规性要求、监管约束和科学词汇的训练，将比为行业改装的通用工具表现更好。

专业性问题

生命科学背景是否真正需要专门的AI，或者这只是一个竞争市场的营销框架，是一个合理的问题。

然而，很明显，FDA一直在密切关注。自2025年FDA发布了关于使用AI支持药品和生物制品监管决策的指南后，已经收到了超过500份包含AI组件的提交。这种监管审查为合规性本地AI工具而非改装工具创造了真正的理由：在受监管的环境中犯错的风险与在营销演示文稿中犯错的风险是质的不同。

更广泛的医疗保健AI市场反映了日益增长的信心：预计全球医疗保健AI市场将从2024年的266亿美元增长到2030年的1877亿美元，行业已经以比整个经济更快的速度部署AI。

在此基础上，制药和生物技术公司仍然是最注重研发的公司，54%的公司优先考虑创新和药物开发，尽管商业运营——包括传播——也越来越受到关注。

人类专业知识问题

AI工具出现在专业服务中，总会引发同样的对话：目前从事这项工作的人会怎么样？在医学传播中，工作需要真正的科学流利度，答案比简单的取代更为细致。

卡里克的观点是，医学传播中人类专业知识的约束不是知识，而是带宽。“它使人类专业知识能够加速、扩展，能够与更多受众在更及时的方式下分享专业知识、见解和人类知识，”她说。

这一观点与AI对熟练知识工作影响的更细致入微的图景相吻合。医生调查显示，AI不会取代他们的工作，而是会改变他们的工作方式。

医学传播的类比并不完美，但结构上的相似性仍然存在：AI目前可以做到的是加速常规工作；而AI无法做到的是取代定义高价值工作的科学判断、受众直觉和战略思考。

EPG Health的一项研究发现，近60%的制药公司受访者将医疗保健专业人员的洞察力列为战略性接触的首要任务，并且医学科学联络员已经超过销售团队成为向医疗保健专业人员发送信息的最重要渠道。

这表明，制药公司正在转向更注重关系、更少广播式的传播，这需要更多的人类判断，而不是更少——即使AI处理生产层。

转变的真正需求

更难的问题不是AI是否会在医学传播中发挥作用——这已经明确。真正的问题是，正在构建的工具是否真正适合该领域的复杂性。

卡里克提到了Prezent所谓的“指纹”——可以编码和应用于适应内容的受众特定通信偏好。这个概念反映了一个更根本的挑战：医学传播中的长期目标“正确的内容、正确的时间、正确的渠道、正确的受众”一直更具雄心壮志，而不是操作性。

实现这一目标需要不仅仅是好的科学写作，还需要对不同受众如何处理不同类型信息的系统性了解。

AI是否能够可靠地编码这种知识，以及是否能够在保持医学传播特有的科学准确性和监管合规性的同时做到这一点，仍然是一个开放的问题。

无论如何，旧模式已经不再可疑：它的凌晨格式化马拉松和手动模板迁移，从来都不是能够满足现代生物制药需求的速度。

这个问题多年来一直对从业者可见，但解决它的工具现在才刚刚变得可行——多亏了AI。