不僅于此，從 " 十四五 " 明確提出發(fā)展醫(yī)療人工智能之后，多部門、地方相繼出臺具體 AI 醫(yī)療指導(dǎo)方案，引導(dǎo)人工智能技術(shù)面向精準(zhǔn)醫(yī)療、精細(xì)化運(yùn)營管理、患者服務(wù)、健康管理等多個應(yīng)用場景加速落地，助力醫(yī)療的高質(zhì)量發(fā)展。

在政策的引導(dǎo)下，AI+ 醫(yī)療步入了快速落地的階段。對此，東軟集團(tuán)副總裁兼醫(yī)療健康事業(yè)部總經(jīng)理李東表示，東軟十分看好 AI+ 醫(yī)療這個賽道，" 特別是大模型技術(shù)日趨成熟與算力成本下降后，我們圍繞臨床智能化進(jìn)行了深入探索，結(jié)合多年行業(yè)積累，已落地眾多 AI 應(yīng)用場景。"

AI+ 醫(yī)療市場龐大

AI+ 醫(yī)療其實(shí)不是伴隨著生成式 AI 的興起才出現(xiàn)的。早在 2007 年，IBM 沃森（Watson）問世，首次將語音問答集成到了臨床診療智能化產(chǎn)品中，通過挖掘醫(yī)療文獻(xiàn)和相似病例為醫(yī)生提出對癥治療建議，同時支持影像識別，在腫瘤治療領(lǐng)域有明顯貢獻(xiàn)。

2012 年前后 IBM 和醫(yī)療保險公司 Wellpoint 簽訂協(xié)議，會開發(fā)出一套面向醫(yī)生的技術(shù)，使得醫(yī)生可以通過自己的手機(jī)和平板電腦，了解腫瘤患者的身體狀況?？梢哉f AI 醫(yī)療早在上一個 AI 時代就開始影響著人們的生活了。

而當(dāng) ChatGPT 問世以后，AI+ 醫(yī)療的呼聲一直沒有停下，近年來，AI 技術(shù)正在改變藥物研發(fā)、疾病診斷、個性化治療和慢病管理等領(lǐng)域的現(xiàn)狀，尤其是在 DeepSeek 問世之后，將算力及模型應(yīng)用成本大幅降低后。

根據(jù) Global Market Insights 報告，預(yù)計(jì) "AI+ 醫(yī)療 " 市場規(guī)模年均復(fù)合增速將超過 29%，2032 年將達(dá)到 700 億美元。IDC 預(yù)計(jì)，到 2025 年，全球人工智能應(yīng)用市場總值將達(dá) 1270 億美元，其中醫(yī)療行業(yè)將占總規(guī)模的五分之一。

從應(yīng)用上看，AI 的能力在醫(yī)療行業(yè)的應(yīng)用主要有三個方面：一是，醫(yī)療行業(yè)可以通過大模型提升醫(yī)療工作者的工作效率，進(jìn)而還能彌合當(dāng)下切實(shí)存在的醫(yī)療資源不平衡的問題；二是，通過大模型的能力，可以降低患者在醫(yī)院候診、診療的時間，提升患者整體就醫(yī)體驗(yàn)；三是，通過大模型的能力，醫(yī)藥制造等相關(guān)領(lǐng)域可以提升研發(fā)新藥的效率，同時還能降低研發(fā)成本。

智能化融合度仍較低

對于醫(yī)療機(jī)構(gòu)來說，在提升工作效率，以及提升患者整體體驗(yàn)方面的應(yīng)用是其主要發(fā)力的領(lǐng)域，但在李東看來，目前 AI+ 醫(yī)療的發(fā)展仍然面臨著一些挑戰(zhàn)。

首先，就如同其他行業(yè)應(yīng)用一樣，AI+ 醫(yī)療也同樣面臨著數(shù)據(jù)困境、可解釋性、能力離散等 " 通用 " 的問題。針對此，李東表示，在數(shù)據(jù)方面，目前為止醫(yī)療機(jī)構(gòu)的高質(zhì)量數(shù)據(jù)匱乏，很多醫(yī)院里邊積累的數(shù)據(jù)的標(biāo)準(zhǔn)化程度很低，難以直接用于模型訓(xùn)練。

在數(shù)據(jù)標(biāo)注層面，在醫(yī)療領(lǐng)域的專病影像科研里雖有大量的數(shù)據(jù)積累，但以 CT 像影像為例，上萬張圖像中，標(biāo)識局部病變的可能不足幾十張，甚至更少。" 除此之外，罕見病、疑難重癥的數(shù)據(jù)樣本更稀少，這也是 AI 起到更好的效果的過程中，遇到一個很重要的挑戰(zhàn)。" 李東強(qiáng)調(diào)。

而在可解釋性方面，醫(yī)療領(lǐng)域特有的嚴(yán)肅性、嚴(yán)謹(jǐn)性的特點(diǎn)，" 醫(yī)療行業(yè)的特點(diǎn)是診療嚴(yán)肅性和過程不可逆性，這也是 AI 技術(shù)落地的難點(diǎn)所在。" 高博醫(yī)療集團(tuán)首席信息顧問陳金雄曾在 2024 ITValue Summit 數(shù)字價值年會期間指出。

無獨(dú)有偶，李東也表達(dá)了類似的看法，他指出，在實(shí)際臨床應(yīng)用中，AI 的幻覺問題，以及 " 黑盒 " 特性下的不可解釋性問題，是實(shí)踐過程中遇到的最大挑戰(zhàn)，" 許多產(chǎn)品都在講是些內(nèi)容、能力，包括提效，但在真正應(yīng)用，面向臨床醫(yī)生，面向臨床管理，以及面向醫(yī)療安全的過程中，存在因果鏈解不足的問題，這也是當(dāng)前 AI+ 醫(yī)療的挑戰(zhàn)之一。" 李東強(qiáng)調(diào)。

目前 AI 具備問答、檢索、摘要等多種能力，但彼此相對獨(dú)立，未能形成合力。李東認(rèn)為，醫(yī)護(hù)人員需要的不是一個獨(dú)立的 AI" 窗口 "，而是一個能深度融合于工作流程的載體。" 一些所謂的智能化應(yīng)用僅是簡單自動化，對醫(yī)護(hù)人員提效而言，杯水車薪。"

除了上述這些醫(yī)療行業(yè)，乃至全行業(yè)在 AI 落地過程中的 " 通病 " 之外，對于不同的醫(yī)療機(jī)構(gòu)而言，還存在一些 " 個性化 " 的挑戰(zhàn)。不同級別的醫(yī)院面臨的挑戰(zhàn)也各不相同。

對于頭部的科研型醫(yī)院來說，他們在原先數(shù)字化轉(zhuǎn)型過程中，就處于了領(lǐng)先的位置，高質(zhì)量數(shù)據(jù)集較多，而李東表示，這些頭部醫(yī)院在智能應(yīng)用創(chuàng)新與臨床結(jié)合方面走的比較靠前。

與之不同的是，對于市級 /" 腰部 " 醫(yī)院而言，因?yàn)閿?shù)字化水平參差不齊，AI 多應(yīng)用在一些導(dǎo)診、分診等基礎(chǔ)的問答層面，與頭部醫(yī)院仍存在較大的差距。

而對于基層的醫(yī)療機(jī)構(gòu)來說，如何以更具性價比的方式，在基層規(guī)?；瘧?yīng)用大模型的能力，輔助醫(yī)生對患者進(jìn)行診療，并提升醫(yī)生的整體水平。

AI+ 醫(yī)療如何更好落地？

面對如此多的挑戰(zhàn)，李東給出的建議是數(shù)據(jù)驅(qū)動，場景牽引。

在數(shù)據(jù)層面，醫(yī)療機(jī)構(gòu)首先需要完善基礎(chǔ)數(shù)據(jù)體系建設(shè)，做好數(shù)據(jù)治理，準(zhǔn)備充足的行業(yè) "Know-How"，用于 " 制造 " 出行業(yè)智能體，正如業(yè)內(nèi)共識的—高質(zhì)量數(shù)據(jù)是醫(yī)療 AI 的核心燃料，沒有高質(zhì)量數(shù)據(jù)就訓(xùn)練不出優(yōu)秀的行業(yè)垂類大模型。

在場景層面，目前能看到的醫(yī)療行業(yè)應(yīng)用大模型的場景大多在問診、分診等基礎(chǔ)大語言類模型的問答層面。向輔助醫(yī)療決策、CT 影像識別等更深層的多模態(tài)應(yīng)用拓展。

比如，通過大模型的輔助，能幫助醫(yī)生快速識別諸如 X 光片、CT 等影像，從而大幅提升醫(yī)生工作效率，也能降低患者等待的時間。" 原本每天能審閱 50 張 CT 片子，未來每天能審閱 500 張 / 天，那么醫(yī)療效果的提升，將讓患者的就醫(yī)體驗(yàn)，以及醫(yī)生的工作體驗(yàn)都得以改善。"IEEE 標(biāo)準(zhǔn)協(xié)會新標(biāo)準(zhǔn)立項(xiàng)委員會副主席兼 IEEE 數(shù)字金融與經(jīng)濟(jì)標(biāo)準(zhǔn)委員會主席林道莊曾與筆者分享了多模態(tài)模型應(yīng)用的場景。

為幫助醫(yī)療機(jī)構(gòu)應(yīng)對上述挑戰(zhàn)，東軟基于三十年行業(yè)積淀與人工智能技術(shù)實(shí)踐，推出了添翼醫(yī)療健康智能化解決方案 2.0（簡稱 " 添翼 2.0"）。

據(jù)李東介紹，該方案遵循可信、可控、可持續(xù)三個原則，在三個方面實(shí)現(xiàn)了迭代。首先是數(shù)據(jù)基座，構(gòu)建業(yè)務(wù)數(shù)據(jù)聯(lián)動底座、奠定高質(zhì)量 AI 基石；其次是賦能平臺，打造安全可控賦能平臺，確?？尚刨嚨尼t(yī)療智能；第三是價值擴(kuò)展，平臺實(shí)現(xiàn)能力跨機(jī)構(gòu)開放，驅(qū)動城市級普惠醫(yī)療。

具體來看，添翼 2.0 以醫(yī)療業(yè)務(wù)痛點(diǎn)為起點(diǎn)，依托湖倉一體全量數(shù)據(jù)中心，運(yùn)用飛標(biāo)醫(yī)學(xué)影像標(biāo)注平臺與洞察醫(yī)療數(shù)據(jù)智能平臺，" 通過三大核心載體，構(gòu)建了從原始數(shù)據(jù)到智能服務(wù)的閉環(huán)鏈條，全面釋放醫(yī)療數(shù)據(jù)資產(chǎn)價值。" 李東介紹道，" 在這基礎(chǔ)上，我們已經(jīng)構(gòu)建了 213 種專病的影像模型及 371 種通用的影像模型，形成支持 1 萬多種疾病的能力矩陣。目前為止，準(zhǔn)確度已經(jīng)超過 90%，內(nèi)涵質(zhì)控規(guī)則的準(zhǔn)確率超過 95%。"

實(shí)踐是檢驗(yàn)成效的唯一標(biāo)準(zhǔn)。據(jù)李東介紹，在武漢大學(xué)中南醫(yī)院的實(shí)踐中，通過上線醫(yī)事服務(wù)賦能體、病歷服務(wù)賦能體和 AI 技術(shù)賦能平臺，實(shí)現(xiàn)了單一科室日均自動生成 500 份出院總結(jié)，全院日均完成 3500~4000 份病歷內(nèi)涵質(zhì)控，病歷質(zhì)量與效率得到雙重提升。（文｜Leo 張 ToB 雜談，作者｜張申宇，編輯丨蓋虹達(dá)）