AIGC浪潮推動醫療變革，如何建構人工智能輔助醫檢？

21世紀經濟報道記者 唐唯珂 廣州報道

ChatGPT的成功面世，掀起了生成式大語言模型的開發浪潮。随着通用大模型的相繼上線，國内“百模大戰”迅速興起。而今，這一大戰開始席卷至垂直領域，基于醫療、金融、教育等應用大模型開始出現。

AIGC技術的出現，讓醫檢行業智能化發展同樣充滿想象。目前，醫學檢測服務正趨于專業化、精準化、個性化。無論是項目的選擇，還是結果的判讀，都需要結合大量的病例、論文、醫生經驗等多元度進行分析。AIGC具備問答能力、生成能力、歸納能力和對話能力。圍繞着文本和圖像的互相轉化，它可以用于文本生成、知識問答、資料增強、科學研究、人才培養等。

一旦AIGC技術真正落地在醫檢領域，将有望助力醫生臨床水準快速提升，提高醫療資源利用效率；同時也輔助醫生快速完成疾病診斷，提高診斷的準确性和可靠性，讓患者可以享受到更快更精準的診療服務。

中倫律師事務所合夥人樊曉娟向21世紀經濟報道記者表示，AIGC技術變革确實督促各行各業在自己的領域内思考，這樣一個大模型的時代，會對自己的專業領域産生哪些深遠的影響。對于醫療檢驗行業，AIGC成為了建構醫檢生态圈的重要力量。

開闊的醫療應用空間

從市場需求來看，當ChatGPT出現後，大模型将重塑很多行業，大模型會成為人工智能的作業系統，走進千家萬戶。從晶片、管理和貸款，大模型在硬體、網絡安全方面會帶來越來越多新的研究方向，AIGC的應用會更加廣泛。

而AIGC在醫檢行業具有開闊的發展空間，通過大資料模型，打造智能全科醫生能夠給醫檢行業帶來幫助。

近日，由廣州市科學技術局、廣州市工業和資訊化局指導，廣州金域醫學檢驗集團和廣東省人工智能産業協會主辦，廣州人工智能公共算力中心協辦，華為雲計算技術有限公司提供技術支援的2023“域見杯”醫檢人工智能開發者大賽也正式啟動。

左手醫生創始人兼CEO張超在啟動儀式上向21世紀經濟報道記者表示，ChatGPT學習的是取中智慧，通過資料歸納總結。真正的醫療知識分散産生在少數人手裡，ChatGPT能夠融合頂尖、領先、創新的知識與中庸的大多數人進行對抗。

通過對各種各樣的資料進行持續的普及分析和專家回報，産生有價值的資料模型，加上一些預制的決策知識，未來的大模型能夠達到一個非常好的效果。

大模型建構的虛拟醫生能夠為醫療事業提供幫助。上海長海醫院實驗診斷科主任、博士生導師劉善榮則表示，如果未來能夠通過ChatGPT建構一個或者若幹個區域性測試GPT，通過搜集學習和整合大型的三甲醫院的高端醫生對于某些疾病的認知，則能出現許多三甲醫院，這種情況也可以稱之為區域性的ChatGPT。

發展仍需攻克難題

在醫學領域，生産AIGC十分困難。“AIGC主要應用于媒體、電商等領域。這些領域并不需要标準答案，而在醫療領域，生産内容必須是精準的。” 華南理工大學計算機科學與工程學院院長、歐洲科學院外籍院士陳俊龍向21世紀經濟報道記者表示，在醫檢行業領域，前端和後端要加上一個決策模型，一個生成内容的模型無法做出準确的診斷模型。未來應該是生産模型加上專業的決策模型組合。

張超同樣認為決策模型的建構十分重要：“人類溝通和說話是一個詞一個詞地表達出來，本質是大腦在思考。而人工智能模型需要由一個更準确的抽象邏輯開指導，将内容表達出來，這既是決策模型。”

醫檢領域對于資料的要求格外高。劉善榮表示，醫檢領域的資料存在資料孤島的問題，如果不能突破每個醫院對患者的偏倚，那麼模型一定是偏移的。并且資料專業化程度高，醫檢對專家的依賴程度也比較高，要通過專家的判斷來告訴人工智能，結構化和标準化是檢驗人工智能要做的事情。

疑難疾病複雜多樣，而每一種疾病都需要建人工智能模型，針對不同疾病，建立精準的人工智能模型需要巨大的工作量，并且檢驗模型的建立需要突破原有的固化性。劉善榮教授表示，“在建設檢驗模型時，無論多麼精準，都是一個固化的模型。但臨床醫生并不如此。臨床醫生會向病人轉達這種疾病的機率是多少，而人工智能模型到目前為止還做不到。人工智能模型需要建立一個自我評估的過程。”

AIGC的應用需要滿足合法合規的要求。在大模型生成後，風險随之到來。突破AIGC在醫檢行業應用前景，需要滿足合規的要求。樊曉娟表示，合規的風險由幾個方面構成：“第一，是訓練資料可能有合規風險，知識産權和隐私資料，訓練資料來源是否合法；第二是生成的内容有風險，生成直接有壞内容的風險；還有一些不符合社會主義價值觀的有害内容；第三是隐私洩露，網絡安全和資料安全，OPERN Ai也有資料洩露 ；第四是刑事風險。”

作為大模型生成的資料，個人資料需要被保護。醫療資料有專門的要求，一些重要的敏感資料需要符合個人資訊保護規定。另外，當大模型和境外合作時，對于資料的認證檢查格外重要，涉及到一萬人的敏感資訊需要進行安全評估。

智能化變革

通過建構行業模型，能夠提高醫療領域智能化水準，推進醫檢行業從數字化向智能化轉型。

華為雲人工智能領域首席科學家、國際歐亞科學院院士、IEEE/CAAI fellow田奇教授表示，醫療機構并不擅長建構通用模型，應該交給其他企業進行建構基礎模型。而在通用模型的基礎上，加上海量的行業資料就可以建構出行業模型。行業模型是醫療機構擅長的，他們有着豐富的資源資料，可以建立完善的行業模型。

資料和算力的共享有助于建構精準的行業模型。田奇教授提到，“每個行業都有每個行業的優勢，可以建立一個企業合作的資料聯盟，通過某種機制實作特定資料的共享，也可以整個醫療行業與其他的一些企業聯合起來建構一個算力同盟。”

AIGC的應用，在醫療行業全鍊條發揮重要作用，從醫療藥企監管機構從數字化到智慧化轉型中，智能應用推動全鍊條發展。

優質醫療資源下沉是近幾年國家強調的發展方向。AIGC運用到醫檢行業，建構智能化醫檢，對推動優質醫檢資源下沉有着深遠的意義。劉善榮教授表示，“國家層面強調優質醫療資源下沉，通過人工智能輔助醫檢，是最容易實作優質醫療資源下沉的方式。能夠幫助偏遠或者基層醫院實作對複雜疾病、重大疑難雜症的早檢早治。實作智能輔助醫檢對于醫療事業發展具有重大意義。”

（實習生黃源軒對本文亦有貢獻）

更多内容請下載下傳21财經APP