聚焦數字醫療丨人工智能大模型廣泛應用，“AI+醫療”程序能否加速突破？

21世紀經濟報道記者 唐唯珂 廣州報道

随着ChatGPT的問世，大資料模型發展進入到了一個全新階段，AI深入到各個領域。

而在醫療領域，AI的應用能夠推動醫療事業高品質發展，同時醫療領域也為AI提供了廣闊的發展空間和商業價值。

邁瑞醫療集團研發副總裁李新勝在接受21世紀經濟報道記者采訪時表示，“醫療應該是AI可落地的最佳領域，因為在醫療領域AI是剛需，AI在其他領域可能是錦上添花，但在醫療領域是雪中送炭。我們知道醫生大量時間花在病例記錄，文書上，沒有太多時間真正關注病人。有了AI後，可以讓醫生從繁重的文書工作以及裝置操作中解放，更多地關注病人，我們能夠通過AI技術将日常記錄、文書承接過來，讓醫生花很少的時間輸出，高品質地給病例看病，滿足醫院的需求。”

随着人工智能大模型滲透進千行百業，對開發者而言，産業實踐已經成為衡量模型價值的重要标準，而由于醫療行業的專業性和複雜性，醫療人工智能的發展面臨着資料、算法、算力三大挑戰。

人工智能開發需要大量高品質資料，而國内大部分醫療資料存儲于各級醫療機構，業務系統相對獨立，資料較難實作共享，存在明顯的“資料孤島”現象，可供訓練的真實場景資料集有限。

人工智能仍需破解資料挑戰

即便得到了大量的醫療資料，如何對離散的海量醫學專業資料進行處理、統計和分析，通過模型進行有效的整合，特别是醫療行業的嚴謹性對模型的精确度要求更高，進而對算法和算力提出了更高的要求。

李新勝表示，“随着IT技術的發展，資料孤島的問題慢慢被解決，醫院無論從日常護理、電子病曆以及裝置資料都是打通的，沒有太大難度。難度就在于資料的清洗、資料的挖掘，因為收集大量資料也有再亂的假的資料幹擾，這些資料如果不能清洗，有效剔除幹擾，就不能把精确的結果提煉出來，再好的模型都沒有用，是以這才是最大的技術障礙。”

一直以來，醫療行業被視為是人工智能應用的最佳場景之一。AI醫療的應用一方面可減輕醫生工作負擔，提升工作效率；另外一方面，也可以提升基層機構診療水準，改變醫療資源分布不平衡局面。

然而，上一輪的人工智能浪潮在醫院的落地速度并不快，更多的應用集中在影像領域，但也面臨商業轉換率低的挑戰。

開發出來的醫學人工智能成果存在規模化落地的困境，資料與算法模型的産、供、銷缺乏産業鍊資源支撐，即便是在人工智能滲透較早的醫檢領域，也成為制約醫檢人工智能進一步發展與落地的重要因素。而通過建構人工智能開發平台能夠整合醫療資料，滿足個人及企業開發者對訓練、開發、應用和分享的需求。

通過算力、算法、資料、模型共享，建構AI開發平台，能夠為創業公司、醫療科研機構、個人開發者、行業專家等使用者提供服務。開放的平台能夠滿足包括資料處理、開發訓練、模型管理、線上部署等從資料訓練到人工智能應用部署全流程開發需要。

通過平台彙集醫檢醫學專家處理的疾病診斷資料集，可以實作樣本資源、高品質醫檢資料與病例标注資料的安全共享，降低開發門檻。通過穩定可靠、可持續創新的雲服務建構能夠滿足多方開發者在資料不出域的情況下完成通用模型的訓練。

建構人工智能開放創新平台能夠帶動資料、技術、産業鍊資源整合，輸出醫檢人工智能核心研發能力和服務能力，以海量醫檢資料服務和開放AI技術服務，推動形成醫檢領域人工智能産業叢集。同時能夠通過彙聚産業資源、促進行業交流、加速研發程序、助力應用落地等手段，扶持行業中小微醫檢AI企業發展。

此外在如何定義人工智能賦能醫療的角色上從業者需要重新思考。

人工智能在醫療領域被認為是剛需，能夠提高醫生效率，滿足更多患者需求，面對的是全球共同的難題：醫患比例嚴重不足。

但與通用大模型不同的是，醫療大模型聚焦嚴肅且謹慎的醫療場景，天然對錯誤的容忍度更低。這也要求醫療大模型的準确性和安全性必須更高。

“‘沃森醫生’的定位過于激進，代替醫生做決策，是失敗的主要原因。”李新勝表示，很長一段時間，人工智能、大模型的定位都會是醫生的得力助手。

“目前很多醫院實際上已經在應用人工智能輔助，而大模型的出現帶來人機自然語言的無障礙互動，可以調動多種能力解決多個場景的問題，預計未來一兩年，基于大模型的AI醫療應用會越來越多。未來，不僅在醫院，AI家庭醫生也能幫你做初步診斷、推薦就診專科、分析檢測報告等，想象空間是無限的。”金域醫療集團副總裁李映華表示。

探索“AI+醫療”新發展

随着大模型拓展應用的發展，醫療AI技術不斷創新。在影像領域，AI給醫療檢測提供新的技術支援。李新勝表示，一個創新點就是高品質的成像技術，成像之後的圖檔，跟鏡下檢測的圖檔高度還原，醫生不用再從鏡下做複檢，如果異常情況下用企業拍的電子圖檔可以進行複檢。第二就是創新的飛行掃描技術，對一個血細胞斷層成像，然後快速把圖檔上的大面積的血小闆完成成像和統計，通過血小闆看凝結反應。第三個創新就是借助基于機器學習的AI算法，提高圖像的血細胞成像識别率。

随着各大資料AI在醫學領域的應用更加廣泛,大模型的整合、多功能作用更為突出。騰訊傑出科學家、騰訊天衍實驗室負責人鄭冶楓向21世紀經濟報道表示，“在大模型出發之前，我們推出了很多智能對話形式的服務，包括智能挂号、預問診、問答助手。此前，我們分别推出不同的專用模型服務不同的任務，大模型出來以後我們有可能用一個通用模型就可以服務所有的應用，一個模型能夠對應多個任務，這對于我們來說是重要的提升。”

而目前有多個企業均在做嘗試探索。2020年，廣東省科技廳釋出第三批“廣東省新一代人工智能開放創新平台”名單，金域醫學承建“臨床檢驗與病理診斷廣東省新一代人工智能開放創新平台”，2023年，9月12日，這一平台正式上線。

AI診斷能力的提升能夠為醫療事業提供更多幫助。李新勝表示，“去年我們舉辦了‘行者無疆’的學術活動，大概5000多名醫生線下參與，60多萬名醫生線上參與，進行AI閱片和人工閱片的對比。通過大量的人機對比實驗，初步證明機器閱片準确率高于人工，機器閱片準确率達到了95%以上，年輕醫生準确率在80%左右，AI技術顯著提升了閱片準确性，同時大幅降低了閱片的時間，原來閱一個片需要25分鐘到半小時，使用人工智能工具以後不到半分鐘就把這個片子讀完了。”AI閱片能夠為醫療事業提速增效。

在大資料不斷發展的今天，人工智能将拓展到更多應用醫學領域，例如重症科、急診科、麻醉科等。“這些科室用到了大模型和多模态資料融合分析後，可以幫助醫生盡早發現病人，及時治病并進行合理簡單化以及調整。原來就診靠醫生經驗積累，有了這個模型之後我們可以大大縮短醫生學習時間，讓年輕醫生有技術支援之後，能夠達到高年職醫生相當的治療水準，這是我們的目标。”李新勝表示。

更多内容請下載下傳21财經APP