每經記者：陳星 王佳飛
在生成式AI技術出現之前，AI看病更多是一個“空想”。往往在做完一連串選擇題後，患者才能拿到一個似是而非的診斷結果，甚至比不上去醫院排隊後的看病5分鐘。
但生成式AI給這一藍圖中的世界帶來了一絲可能性。今年5月，網際網路醫療平台“醫聯”開發了國内首款醫療大語言模型——MedGPT（Med指醫學，GPT即基于Transformer網絡結構的預訓練語言模型）。醫聯創始人、CEO王仕銳接受《每日經濟新聞》記者獨家專訪時表示，這一模型或為解決醫療的“不可能三角”（醫療系統難以同時兼顧提高醫療服務品質、增加醫療服務可及性和降低醫療服務價格）帶來了新的答案。
今年6月30日，醫聯在醫院搭起了線下義診，将患者的主訴分别傳達給真人醫生與AI醫生，并完成開單診斷和出具治療方案全流程。最後，專家打分結果顯示，AI醫生與三甲主治醫生在比分結果上的一緻性達到96%。
生成式AI聽懂了患者說話
在生成式AI出現之前，AI看病是一個“想象很美好、現實很骨感”的願望。2018年，網際網路醫療平台醫聯曾應用自然語言處理（NLP）、計算機視覺（CV）等AI技術，落地了一系列醫療應用場景。其中包括智能健康終端、智能分診等——這是智能醫助的“雛形”。
但彼時智能醫助的嘗試“是失敗的”。由于當時的診斷決策資訊收集主要通過選擇題完成，長達四五十項的冗長内容，讓使用者和醫生都不買單。醫聯團隊意識到，AI或許就是打開醫療服務時間、空間和人力限制的大門，但苦于找不到打開這扇門的鑰匙。
在團隊一度受挫時，ChatGPT出現了。大語言模型就像“最後一塊拼圖”，醫聯團隊開發了MedGPT，并于今年5月正式釋出。
7月20日的采訪中，王仕銳這樣描述MedGPT：“在我們看到的所有報道、學術期刊裡，MedGPT（出現的價值）應該是：第一次有了一個AI醫生能夠像人類醫生一樣，對患者進行多輪問詢、鑒别診斷，出具檢測意見并且讀取報告，最後給到精确的治療方案。這個過程全程模仿真實場景，不僅是國内首個，應該也是全球首個。”
“我現在每天都泡在這個事情裡面，因為這就是未來。”王仕銳難掩興奮。
但在生成式AI出現以前，自然順暢的AI疾病診療流程曾被視為一個難以突破的瓶頸。
“其中最難的一點應該是AI技術對人類真實自然語義的了解。”王仕銳說道。自然語音處理不好，機器就聽不懂患者的話，隻能通過冗長的選擇題排除可能存在的病因，最後下疑似診斷，使用者體驗随之大打折扣。此外，即使機器能夠讀懂人類語言，也未必能夠像一個真的醫生一樣直接做排除法，用直覺和經驗進行判斷推論，這個過程我們稱之為思維鍊。如何從若幹個可能性中找到一個最有可能性的診斷，是一個非常大的難題。
底層技術的革新首先突破了“讀懂”這一難關，基于Transformer架構的大語言模型出來之後，與自然語言的溝通能力、識别能力相關的問題就自然解決了。但在醫療領域，AI技術應用的準确性和一緻性至關重要。要提升這一點，還需要更多算法及指令要求機器收斂判斷，避免誤診或過度診療。“比如醫學檢驗報告可能有影像、文字，包含不同劑量、機關、符号，涉及病理、生化各類名額，如何準确地讀取檢測報告涉及大量統一标準的工作。并且醫學标準指南也在不斷更新，是以這對于及時更新資料庫提出了較高的要求。”王仕銳說。
據了解，MedGPT主要由兩個系統組成：大模型系統與專家系統。其中，大模型完成了60%的工作，專家系統完成最終的40%，以此來不斷優化醫學的準确性、有效性。截至目前，MedGPT每個月仍要檢測超3000個病例，然後由100位人類醫生對每個病例的診斷進行打分回報。“每個月收到的回報有2000多條”。
“這些回報包括但不限于——系統問多了，問題針對性不強，提到了國内沒有的藥品，沒有注意到患者的藥品偏好，檢測是不是必須一次性全部做完等等。現在我們認為MedGPT還有很多有待優化的地方。”王仕銳坦言。
今年6月30日，醫聯做了這樣一件事——在醫院搭起了線下義診，由醫生助理與患者面對面溝通，将患者的主訴分别傳達給真人醫生與AI醫生，多輪溝通之後，“醫生們”為患者開具檢查單或診斷，患者現場完成檢查後複診，再由AI醫生及真人醫生提供臨床診斷及治療方案。
最後，來自北大人民醫院、中日友好醫院等醫院的7位專家教授，從多個評價次元對這些有效病例進行打分。結果顯示，真人醫生綜合得分為7.5分，AI醫生綜合得分為7.2分——AI醫生與三甲主治醫生在比分結果上的一緻性達到了96%。
“如果從病種覆寫度、智能化、準确性和銷量四個次元衡量，MedGPT的分數應該分别是9分、6分、8.5分和9分。”王仕銳介紹。
機器永遠不會比人類更關心人類
美國耶魯大學教授William Kissick曾提出醫療衛生領域的“不可能三角”理論，這一理論是指，在既定的限制條件下，一個國家的醫療系統難以同時兼顧提高醫療服務品質、增加醫療服務可及性和降低醫療服務的價格。
但在王仕銳看來，生成式AI或給“不可能三角”提供了一個解法。
他認為，生成式醫療AI可以接待上千萬的患者，做到随時随地、無限供應。随着持續訓練，醫療AI的水準還會以月為機關提升，“現在我們認為MedGPT基本上達到了10年至15年臨床經驗的醫生水準，未來每個月可能會提升一到兩年的臨床經驗。”由此，醫療服務的可及性和服務品質得以借助AI這一工具得到兼顧。
在成本上，王仕銳表示，現在使用MedGPT完成一次完整的就診流程成本不超過1美元，此後每18個月成本會減半。
對于網際網路醫療而言，生成式AI帶來了新的可能性。王仕銳表示，網際網路醫療即将進入數字醫療時代。初始狀态時，網際網路醫療是以平台作為連結，實作資訊的彙聚和分發，但對“不可能三角”的幫助是有限的。AI的爆發使網際網路醫療從連結者變為了生産力的創造者，是一個能夠覆寫更多患者的原始生産力，這才能真正地解決問題。
但AI始終無法避開的一個問題是——AI與人的關系。在醫療領域，則是AI技術與人類醫生的關系是什麼樣的？
王仕銳認為，人類醫生有兩個層面永遠無法被替代。
第一個層面是隻有人類醫生才能夠做真正的深度研究。醫學要進步要依靠解決疑難雜症、罕見病、新發疾病，而以目前的AI技術水準來說，還需要真正的人類醫學專家去設定背後的算法規則。臨床指南、案例研究，這件事情必須人類醫學從業者去完成。但反過來，AI可以幫助人類醫學專家快速地搜集疾病案例和資料，将其彙聚起來供專家參考和攻克。
第二個層面是針對大量的基層、年輕醫務工作者，醫療AI可以扮演資料庫、知識庫的角色。
王仕銳介紹：“現在培養一個合格的醫生要花費很多年，大學到博士加上規培要花費數十年，千辛萬苦才能達到合格的水準。借助醫療AI，年輕醫生可以迅速成長起來并提升診療效率。”
在采訪最後，王仕銳說：“機器永遠不會比人類更關心人類。機器可以扮演得力的助手，但最後确認診療方案的、在方案上簽字的，一定是我們具有行醫資格的專業醫生，他們要為患者兜底”。
記者|陳星 王佳飛
編輯|文多
視訊編輯|韓陽
視覺設計|帥靈茜
統籌編輯|易啟江
每日經濟新聞