21世紀經濟報道記者 閆碩 北京報道
隨著技術的發展，AI正成為重構醫療生態的核心力量。
醫療AI兼具巨大社會價值與商業潛力。京東健康探索研究院（JDH XLab）首席科學家王國鑫表示，醫療AI不僅是效率工具，更是重塑醫療行業的新質生產力，將在解決醫療資源供給方面發揮巨大價值。
隨著行業的深入探索，醫療大模型已經在具體場景中發揮實際價值。以互聯網醫療頭部企業京東健康為例，京東互聯網醫院已有超80%的醫生問診單使用了AI服務，幫助醫生降低誤診風險，釋放更多臨床精力，讓醫生可以專注投入到更有價值的工作事項中。與此同時，京東健康旗下醫療AI數字人的人工替代率最高已超90%，過去一年服務用戶人次超過3500萬。
“人工智能的上限目前仍未達到，今天我們要思考的是如何從行業大模型走向專家模型。未來的醫療AI有幾個核心方向，首先是個體要從治病走向健康管理，我們可以通過AI技術向用戶提供健康陪伴助手，讓個體避免生病；其次還要解決醫生的培養問題，支持醫療行業發展；另外，未來的醫療有可能是AI決定的醫療。”王國鑫認為。
多位專家均向21世紀經濟報道記者表示，AI是一種生產力工具，最大的改變是生產關系。AI改變了業務流程，但并不改變要解決的問題。在醫療領域，要解決的問題就是提高醫生水平、降低診療成本、讓患者少生病甚至不生病。需要指出的是，這場技術革命在落地實踐中仍面臨多重挑戰。
醫療AI仍處早期階段
目前無論是從技術還是行業的層面看，醫療AI均處于早期階段，王國鑫認為，整個行業正共同推動技術生態合作，共同培育市場。
王國鑫表示，對于AI帶來的變革，首先是在已有的工作方面，可以提高效率。無論是分診、導診，還是患者管理、病理質控等相關技術，在新一輪大模型技術爆發之前，包括京東健康在內的一些企業其實已經在推進了，但大模型可以對這些技術進行全面優化。
其次，仍是在已有的技術或項目方面，但更傾向于獨立的替代。比如藥師咨詢、科研助手，以前的模式不是通過技術產品，而是人工服務，目前AI正在實現相關工作的替代。
此外，在AI原生方面，即以前做不到的，有大模型之后可以完成的工作，目前有很多產品、很多技術在持續探索中。主要聚焦在兩方面，一方面，對醫生而言，傳統的工作流程是否可以被改造，另一方面，對患者而言，其就醫過程、健康管理等方面能否被重構。
在醫療AI加速變革的過程中，商業化是企業必然要回答的問題。
王國鑫表示，短期來看商業化包括幾方面，一是作為醫生的成長工具，比如今天的醫生培訓是一個老大難問題，如何降低醫生培訓成本，同時提升AI的能力，這是很重要的一點。
二是過去的患者已經被傳統的互聯網醫療信息所淹沒，今天可以為他們提供更簡單、直接的醫療服務，有更強的統一入口。此外，在輔助診斷方面，通過提升醫生的工作效率，可以把互聯網醫療向三甲醫院輻射，并提升邊遠地區的服務能力，惠及更多患者。
而中長期的商業模式，則是做用戶型的醫療服務產品，即“為每一個人提供個性化的醫療，這是醫療AI長期商業模式最重要的立足點。”王國鑫說。
當前的治病流程是患者認為自身某方面出現了問題，然后去醫院，醫生不僅要考慮如何治療病癥，還要考慮衛生經濟學、合規、指南等多方面信息。
王國鑫表示，患者能夠處于今天的疾病狀態，并非無跡可尋。我們可以通過一些健康服務智能體，為用戶提供隨身的健康陪伴助手，一站式解決用戶健康問題——不僅僅是醫療問題，而是幫助用戶日常健康管理，從而避免走向需要治療的狀態。
“當前AI更多解決的是效率問題，強調如何讓醫生輕松一些，本質上沒有回答可以為患者帶來什么。長期來看，我特別看好醫療AI的個性化醫療和全生命周期的健康管理概念。所有的醫療AI最終都需要回答如何實現患者少生病，而不是患者生病了如何掛號，這是短期的商業模式。”王國鑫強調。
場景落地仍存挑戰
需要指出的是，當前AI落地醫療場景仍存多重挑戰。
在醫療領域的某些場景，面臨兩個比較重要的問題，一是不一定有正確答案，二是不一定有唯一答案。
有業內專業人士向21世紀經濟報道記者指出：“醫療場景具有開放性，甚至某些時候醫生所做的診斷、治療和患者最終的結果之間是否呈因果關系也不確定。在這個過程中，如何模擬醫生的診斷路徑就變得極其重要。”
該業內人士表示，在產品設計上，最重要的診療決策都需要采用輔助模式運行。我們可以把AI生成結論的過程、證據、推理鏈路展示給醫生，幫助其快速理解。今天的醫療AI替代目標，是能夠在沒有醫生介入的情況下，確定整體的診斷和治療方案，同時白盒化給出推理路徑，再由醫生進行最終的決策。
從技術層面看，王國鑫認為，AI落地醫療場景最大的挑戰是醫療數據量質雙缺，高水平的醫療數據極難獲得和訓練。這也是目前有如此多的AI產品與醫院、互聯網醫院以及患者合作的本質原因，如果我們可以像培養一位初級醫生那樣在醫院訓練一個AI，那么將會推動AI快速發展。
“未來我認為每個醫生都應該有一個AI助手，一方面成就醫生，同時也成就AI。另外，數據還存在信息孤島的問題，在全球化過程中，即便拿到了全球的數據，在訓練AI時仍會存在問題。”王國鑫說。
在數據隱私方面，上述業內專業人士指出，大模型所需要的數據天然去ID化，即不需要知道患者或醫生的名字，大模型技術是順應數據隱私的。但是在醫療實踐中，很少有數據脫敏的流程，很少有醫院存在完全不涉及用戶隱私的數據。
王國鑫認為，今天醫療AI在數據上實際上走兩條路，一是通過數據合成完成訓練，但要符合真實的醫療環境，二是和特定醫院簽戰略合作，將單一科室的數據脫敏之后開展訓練。“我認為前者是更有希望的技術鏈路，即便是醫療影像也在走數據合成的賽道。”
幻覺是所有大模型做行業應用都繞不開的問題。據王國鑫介紹，京醫千詢走的是兩種技術路線：一是安全圍欄，二是檢索+推理技術。
“首先，我們要讓大模型知道什么能做什么不能做，其次是當模型在某些場景容易犯錯時，我們需要反復校驗。”王國鑫表示，我們可以做一個驗證，對于一道數學題，讓大模型先給答案再給出推理過程，和先給推理過程再給答案相比，前者出錯的概率更高。因此我們可以拉長大模型的推理過程，給它更多的信息，讓它反復校驗以達到最終目的。
本文鏈接：醫療AI的下一站：技術潛力如何跨越現實鴻溝？｜ AI醫療浪潮?http://m.lensthegame.com/show-9-38861-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任，僅提供存儲服務。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。