聚焦数字医疗丨人工智能大模型广泛应用，“AI+医疗”进程能否加速突破？

21世纪经济报道记者 唐唯珂 广州报道

随着ChatGPT的问世，大数据模型发展进入到了一个全新阶段，AI深入到各个领域。

而在医疗领域，AI的应用能够推动医疗事业高质量发展，同时医疗领域也为AI提供了广阔的发展空间和商业价值。

迈瑞医疗集团研发副总裁李新胜在接受21世纪经济报道记者采访时表示，“医疗应该是AI可落地的最佳领域，因为在医疗领域AI是刚需，AI在其他领域可能是锦上添花，但在医疗领域是雪中送炭。我们知道医生大量时间花在病例记录，文书上，没有太多时间真正关注病人。有了AI后，可以让医生从繁重的文书工作以及设备操作中解放，更多地关注病人，我们能够通过AI技术将日常记录、文书承接过来，让医生花很少的时间输出，高质量地给病例看病，满足医院的需求。”

随着人工智能大模型渗透进千行百业，对开发者而言，产业实践已经成为衡量模型价值的重要标准，而由于医疗行业的专业性和复杂性，医疗人工智能的发展面临着数据、算法、算力三大挑战。

人工智能开发需要大量高质量数据，而国内大部分医疗数据存储于各级医疗机构，业务系统相对独立，数据较难实现共享，存在明显的“数据孤岛”现象，可供训练的真实场景数据集有限。

人工智能仍需破解数据挑战

即便得到了大量的医疗数据，如何对离散的海量医学专业数据进行处理、统计和分析，通过模型进行有效的整合，特别是医疗行业的严谨性对模型的精确度要求更高，从而对算法和算力提出了更高的要求。

李新胜表示，“随着IT技术的发展，数据孤岛的问题慢慢被解决，医院无论从日常护理、电子病历以及设备数据都是打通的，没有太大难度。难度就在于数据的清洗、数据的挖掘，因为收集大量数据也有再乱的假的数据干扰，这些数据如果不能清洗，有效剔除干扰，就不能把精确的结果提炼出来，再好的模型都没有用，所以这才是最大的技术障碍。”

一直以来，医疗行业被视为是人工智能应用的最佳场景之一。AI医疗的应用一方面可减轻医生工作负担，提升工作效率；另外一方面，也可以提升基层机构诊疗水平，改变医疗资源分布不平衡局面。

然而，上一轮的人工智能浪潮在医院的落地速度并不快，更多的应用集中在影像领域，但也面临商业转换率低的挑战。

开发出来的医学人工智能成果存在规模化落地的困境，数据与算法模型的产、供、销缺乏产业链资源支撑，即便是在人工智能渗透较早的医检领域，也成为制约医检人工智能进一步发展与落地的重要因素。而通过构建人工智能开发平台能够整合医疗数据，满足个人及企业开发者对训练、开发、应用和分享的需求。

通过算力、算法、数据、模型共享，构建AI开发平台，能够为创业公司、医疗科研机构、个人开发者、行业专家等用户提供服务。开放的平台能够满足包括数据处理、开发训练、模型管理、在线部署等从数据训练到人工智能应用部署全流程开发需要。

通过平台汇集医检医学专家处理的疾病诊断数据集，可以实现样本资源、高质量医检数据与病例标注数据的安全共享，降低开发门槛。通过稳定可靠、可持续创新的云服务构建能够满足多方开发者在数据不出域的情况下完成通用模型的训练。

构建人工智能开放创新平台能够带动数据、技术、产业链资源整合，输出医检人工智能核心研发能力和服务能力，以海量医检数据服务和开放AI技术服务，推动形成医检领域人工智能产业集群。同时能够通过汇聚产业资源、促进行业交流、加速研发进程、助力应用落地等手段，扶持行业中小微医检AI企业发展。

此外在如何定义人工智能赋能医疗的角色上从业者需要重新思考。

人工智能在医疗领域被认为是刚需，能够提高医生效率，满足更多患者需求，面对的是全球共同的难题：医患比例严重不足。

但与通用大模型不同的是，医疗大模型聚焦严肃且谨慎的医疗场景，天然对错误的容忍度更低。这也要求医疗大模型的准确性和安全性必须更高。

“‘沃森医生’的定位过于激进，代替医生做决策，是失败的主要原因。”李新胜表示，很长一段时间，人工智能、大模型的定位都会是医生的得力助手。

“目前很多医院实际上已经在应用人工智能辅助，而大模型的出现带来人机自然语言的无障碍交互，可以调动多种能力解决多个场景的问题，预计未来一两年，基于大模型的AI医疗应用会越来越多。未来，不仅在医院，AI家庭医生也能帮你做初步诊断、推荐就诊专科、分析检测报告等，想象空间是无限的。”金域医疗集团副总裁李映华表示。

探索“AI+医疗”新发展

随着大模型拓展应用的发展，医疗AI技术不断创新。在影像领域，AI给医疗检测提供新的技术支持。李新胜表示，一个创新点就是高质量的成像技术，成像之后的图片，跟镜下检测的图片高度还原，医生不用再从镜下做复检，如果异常情况下用企业拍的电子图片可以进行复检。第二就是创新的飞行扫描技术，对一个血细胞断层成像，然后快速把图片上的大面积的血小板完成成像和统计，通过血小板看凝结反应。第三个创新就是借助基于机器学习的AI算法，提高图像的血细胞成像识别率。

随着各大数据AI在医学领域的应用更加广泛,大模型的整合、多功能作用更为突出。腾讯杰出科学家、腾讯天衍实验室负责人郑冶枫向21世纪经济报道表示，“在大模型出发之前，我们推出了很多智能对话形式的服务，包括智能挂号、预问诊、问答助手。此前，我们分别推出不同的专用模型服务不同的任务，大模型出来以后我们有可能用一个通用模型就可以服务所有的应用，一个模型能够对应多个任务，这对于我们来说是重要的提升。”

而目前有多个企业均在做尝试探索。2020年，广东省科技厅发布第三批“广东省新一代人工智能开放创新平台”名单，金域医学承建“临床检验与病理诊断广东省新一代人工智能开放创新平台”，2023年，9月12日，这一平台正式上线。

AI诊断能力的提升能够为医疗事业提供更多帮助。李新胜表示，“去年我们举办了‘行者无疆’的学术活动，大概5000多名医生线下参与，60多万名医生线上参与，进行AI阅片和人工阅片的对比。通过大量的人机对比实验，初步证明机器阅片准确率高于人工，机器阅片准确率达到了95%以上，年轻医生准确率在80%左右，AI技术显著提升了阅片准确性，同时大幅降低了阅片的时间，原来阅一个片需要25分钟到半小时，使用人工智能工具以后不到半分钟就把这个片子读完了。”AI阅片能够为医疗事业提速增效。

在大数据不断发展的今天，人工智能将拓展到更多应用医学领域，例如重症科、急诊科、麻醉科等。“这些科室用到了大模型和多模态数据融合分析后，可以帮助医生尽早发现病人，及时治病并进行合理简单化以及调整。原来就诊靠医生经验积累，有了这个模型之后我们可以大大缩短医生学习时间，让年轻医生有技术支持之后，能够达到高年职医生相当的治疗水平，这是我们的目标。”李新胜表示。