本书详细阐述了医药大语言模型的基本概念、训练过程、技术特点及其在药物研发、临床试验、市场分析及循证医学等多方面的应用。本书通过丰富的案例与数据分析，展示了医药大语言模型如何提高药物研发效率、优化临床试验设计、精准分析市场动态并为临床决策提供科学依据。此外，本书还展望了医药大语言模型的未来发展趋势，包括在智能经济背景下的应用前景与医药数据的演进方向，为医药行业的智能化转型提供了宝贵的参考与指导。

1.引领医药智能化新篇章
本书是医药与人工智能领域深度融合的创新之作，书中系统阐述了医药大模型从基础理论到实际应用的全景，覆盖药物研发、临床诊疗、医药情报分析等关键环节。通过丰富的案例和前沿技术解读，为医药从业者和科研人员提供了极具价值的实践指南，助力行业智能化转型，引领医药产业迈向新时代。
2.医药与大模型融合的专业指南
本书汇聚了大量真实落地场景案例，涵盖药物研发、临床诊疗、医药市场等多个方面，生动展示了医药大模型的强大赋能作用。这些案例为从业者提供了宝贵的实战经验，极具启发性和借鉴意义。书中还提供了丰富的技术细节和操作方法，读者可以直接将书中的知识应用到实际工作中，解决实际问题。
3.专家团队铸就专业力作
本书三位作者团队在医药、人工智能等领域都有着丰富的实践经验与深厚的学术造诣。本书不仅总结了当前医药大模型的应用现状，还对未来发展趋势进行了深入探讨，得到了包括CMAC理事长李景成、复旦大学教授张成洪、同济大学附属上海市肺科医院主任医师郑迪、映恩生物创始人朱忠远等一众专家的倾情推荐。

高飞：中国卫生信息学会常务委员，慢性病防控信息技术委员会副主任委员，中国药学会高级会员，中国人工智能学会青年委员，CMAC 医学事务生成式 AI联盟委员。美国费城儿童医院(CHOP)访问学者。毕业于中国科学院大学，拥有临床药学、计算机、数学等多个学位与交叉学科背景。曾任职于多家知名药企从事肿瘤临床研究，任高级科学家。长期从事医药与人工智能结合方面的研究，曾负责北京协和医院临床科研平台研发，负责包括赛诺菲、吉利德、阿斯利康、罗氏、药明生物等多家知名药企数智化知识平台产品。
叶中楷：智慧芽生命科学工程技术总监，河南省科技成果奖获得者，清晖管理大赛一等奖获得者，国家级高级系统分析师，亚马逊国际架构师认证，复旦大学 MBA。领导智慧芽内部生物医药大数据管理平台的研发，管理国际化研发团队研发诸多产品。
吴刚：南京柯基数据首席执行官，CMAC医学事务生成式 Al联盟负责人，中国人民大学信息学院企业硕导。毕业于中科院软件所人机交互与智能信息处理专业。曾在全球领先的智能数据公司汤森路透担任中国区首席顾问。现担任中华预防医学会慢性病预防与控制分会委员，中国计算机学会数字医疗分会执行委员，中文信息学会医疗健康与生物信息专委执行委员。

第一章 DeepSeek 与医药大语言模型
1.1 通用大语言模型与垂直大语言模型
1.2 医药业务助手
1.3 什么是智能体与模型上下文协议
1.4 医药大语言模型的意义
1.5 DeepSeek 与未来医药发展
第二章 生物医药大语言模型场景
2.1 药物研发与临床医学场景概述
2.1.1 药物研发场景概述
2.1.2 临床医学的场景概述
2.2 医药情报洞察
2.2.1 药物竞争格局分析
2.2.2 医药文献分析
2.2.3 医药专利分析与挖掘
2.3 药物临床研究的大语言模型场景
2.3.1 研究中心与 PI 选择
2.3.2 患者招募
2.3.3 真实世界研究
2.4 医药市场的大语言模型场景
2.4.1 医药学术推广
2.4.2 医药营销
2.5 循证医学的大语言模型场景
2.5.1 Meta 分析
2.5.2 循证医学知识问答
2.6 临床诊疗的大语言模型场景
2.6.1 临床决策支持
2.6.2 临床预问诊
2.7 中医药大语言模型
2.7.1 中医药大语言模型的场景
2.7.2 中医药大语言模型的设计
2.8 其他应用场景
第三章 生物医药大语言模型的数据准备
3.1 大语言模型的数据要求
3.2 医药数据如何获取
3.3 医药数据分类与治理策略
3.3.1 医药数据治理要素
3.3.2 医药数据治理方案
第四章 大语言模型构建
4.1 大语言模型的训练过程
4.2 有监督微调
4.3 强化学习过程
4.4 RAG 原理与技巧
4.5 写好提示词
4.6 DeepSeek 与知识蒸馏
第五章 医药企业内部知识平台建设
5.1 医药知识平台的意义
5.2 医药知识平台的构建方法
5.2.1 需求梳理
5.2.2 顶层设计确定目标与节奏
5.2.3 数据智能平台建设
5.2.4 DeepSeek 与技术能力构建
5.3 医药大语言模型的未来发展
第六章 落地场景案例分析
案例：医药数据分析报告