21世紀經濟報道記者 閆碩 北京報道
AI醫療熱度持續上升。
近日,有媒體報道,華為正式組建醫療衛生軍團,將重點構建AI輔助診斷解決方案體系,推動醫療大模型在臨床場景的應用。華為DCS領域總裁張偉力將擔任負責人。
所謂“軍團”,是受到谷歌軍團概念啟發,華為創始人任正非在2021年提出的改革模式。華為輪值董事長胡厚崑曾介紹,成立軍團的目的是一個軍團只針對一個特定行業,把行業吃透,縮短內部管理鏈條,完成數字化轉型過程中最難最累的活。
目前,華為組建的軍團已超過20個,覆蓋煤礦、港口、公路等多個領域。業內觀點認為,此次組建醫療衛生軍團,表明智慧健康產業被華為提至更高戰略級別,華為對智慧醫療的布局也從技術探索開始轉向系統性攻堅。
IQVIA艾昆緯中國人工智能和創新業務負責人張暢向21世紀經濟報道記者表示,華為作為一家科技企業,在構建AI輔助診斷解決方案體系,推動大模型在臨床場景的應用方面有諸多優勢,包括技術積累、本土化落地、芯片、數據安全等多方面。
加碼AI醫療
近些年,華為持續通過AI、5G等技術與ICT(信息與通信)基礎設施產品與方案推動醫療行業數字化轉型,促進提升醫療服務能力與水平,加強醫院精細化管理,改善基層公共衛生服務。
與此同時,華為也不斷深化與眾多企業在醫療領域的合作。在AI診斷與病理模型方面,華為與潤達醫療、安必平等企業展開深入合作。其中,華為與潤達醫療聯合打造了其首個醫療AI消費級產品——“良醫小慧”,能夠智能化解讀醫學檢驗報告,涵蓋超過4500個檢驗項目和2800種疾病的解釋,綜合準確性達到87.74%。
而在醫療信息化層面,華為與衛寧健康、萬達信息、東軟集團等多家企業開展合作。其中,與衛寧健康聯合開發“三醫智能監管系統”;與萬達信息聯合開發AI病歷質控、影像報告生成應用;與東軟集團合作的NeuAI系列設備將CT/MRI診斷效率提升40%。
隨著技術的不斷突破,相關產品也在醫院加速落地。比如,在近期召開的2025醫療人工智能與精準診療發展論壇上,上海交通大學醫學院附屬瑞金醫院發布了瑞智病理大模型RuiPath,這款臨床級國產多模態互動式病理大模型,基于華為DCS AI解決方案打造,僅需16張算力卡,2個月訓練百萬病理切片。
截至目前,華為已服務全球110多個國家和地區的超過5000家醫療衛生機構。在中國,華為已經與1800多家三級醫院合作建設智慧醫院。
事實上,華為向來重視AI在醫療領域的應用。2020年4月,華為在一篇《五年之后,醫院長什么樣?》的文章中指出,云、AI、5G是智能世界技術融合的趨勢。現代信息技術和AI技術可以實現輔助決策、預警和診斷,更高效發揮醫院在診療方面的能力。
五年后,隨著AI技術的飛速發展,華為新組建的醫療衛生軍團也將在此前探索的基礎上,進一步突出AI,依托昇騰計算架構與盤古大模型,為智慧醫療帶來新的解決方案,釋放AI生產力。
張暢認為,華為加碼AI醫療有諸多優勢,首先,其本身的技術積累,是推動醫療大模型在臨床場景應用的重要優勢,華為對底層技術的掌握,包括對算法的優化、分布式計算能力等方面均有深厚積累;其次,作為本土企業,華為在生成和推廣適合中國的業務方面也有一定的優勢。
“不僅如此,華為有自己的芯片,這是一種長期競爭優勢。此外,醫療數據無論是在云端還是在本地,數據隱私和網絡安全都非常重要,而華為在這些方面也構建起了技術護城河。”張暢說。
應用前景廣闊
東吳證券認為,生成式AI不僅能夠分析現有數據,還能生成新數據,拓展智能交互和對話能力,使醫療服務更加精準、自然和高效。AI在醫學影像分析、手術輔助和疾病診斷等領域表現尤為突出,推動了醫療服務智能化、高效化和便捷化的發展。
有券商分析師向21世紀經濟報道記者指出,AI在醫院的應用主要在兩方面,首先在流程上,可以優化醫院運營和患者體驗;其次在業務上,可以輔助醫生提高其診斷效率和診療能力,目前已有比較成熟的應用場景。
以占臨床數據80%的醫學影像為例,華為醫技數字化2.0解決方案,在放射影像場景中,AI質控的準確率達98%,輔診結果敏感性和準確率提升至90%以上,醫生診斷用時節省40%。在超聲場景中,實現全域超聲AI實時輔助診斷和集中質控,超聲質控由抽檢變為全覆蓋,結節檢出率超過95%,全域AI實時輔助診斷端到端時延小于150毫秒。
在這些比較成熟的應用場景中,商業化也在不斷實現突破。“事實上,在AI輔助診斷以及醫學影像分析等多個場景中,AI+醫療的商業化已然跑通。”張暢指出,隨著技術的不斷發展和監管的持續推進,將會有更多場景的商業化被逐漸跑通。
世界經濟論壇發布的《人工智能驅動健康的未來:引領潮流》報告顯示,預計2024年—2032年,AI醫療市場將以每年43%的速度增長,市場規模有望達到3.58萬億元。
值得一提的是,最近一段時間以來,多家醫院陸續接入DeepSeek等大模型,有醫院反饋在就診的高峰期,系統會變得很慢,甚至直接卡住動不了。
“有些大模型接入之后運行比較慢,首先是因為存在算力瓶頸或者算力難題。在醫療領域,運行大模型時可能會有特殊要求,又或者需要檢索、推理的內容比較復雜,這些對GPU算力都是一大挑戰。”張暢認為,另外現有的算力所能提供的技術基礎,是否滿足醫療的需求也有待觀察。因為醫療本身有各種類型的數據,包括文本數據、影像數據,其中影像還有2D和3D、靜態和動態之分,所以數據本身的復雜性對技術也有一定的要求。
“我認為對醫療而言,肯定需要有一定的算力冗余,才能夠滿足系統對于可靠性、準確性以及反應速度的要求。未來會不會有專用的芯片,或者是用分布式計算的方式,更加平均地提供算力,這些都值得期待。”張暢補充道。
本文鏈接:臨床場景落地加速:AI醫療進入“華為時間”?| AI醫療浪潮?http://m.lensthegame.com/show-9-39593-0.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。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。