AI导读:

AI医疗历经10年发展,终于不再是“狼来了”的资本故事。国内数百家三甲医院接入AI应用,AI已成为医生的基本生产工具。公立医院正在“开箱”AI医疗,AI在医疗端的应用显著提升了效率。同时,AI医疗也在挑战医生,需提升沟通能力。未来,AI医疗将推动医疗行业智能化发展。

  “AI(人工智能)来了,大家都在拥抱。”4月9日下午,复旦大学附属中山医院党委书记、副院长顾建英在联影举办的uAInnovation2025创新大会上说。

  AI医疗在历经10年的呼声后,终于不再是“狼来了”的资本故事。今年春节以来,国内数百家三甲医院接入了Deepseek,国家卫健委发布了84个AI应用场景。联影智能联合创始人、联席CEO周翔表示,大模型的到来如春天般生机盎然,一些以前依赖医生知识储备、记忆力和通识进行推理的任务可能很快会被人工智能取代,医疗行业正迎来巨变。

  但AI并非旨在取代医生。在这场关于AI医疗的深度对话中,中山大学肿瘤防治中心副院长孙颖表示,她对AI的态度是“越来越多、越来越爱、越来越快、越来越难”——与几年前不同,现在AI已成为医生的基本生产工具。

公立医院院长“开箱”AI医疗

  10年前,互联网医疗蓬勃发展,时任北京大学人民医院院长王杉与春雨医生创始人张锐在一场75分钟的对话中,互相打断18次,辩论激烈。

  科技浪潮下的医院如同堡垒,科技公司一直试图“攻”进去。双方“火药味”十足,代表的正是公立医疗机构与互联网医疗。王杉并不反对互联网医疗,相反,他是医疗信息化最早的践行者。然而,当时很多公立医院院长的态度相对保守,鲜有愿意与互联网医疗对话的。

  但在10年后的今天,越来越多的公立医院正在“开箱”AI医疗。

  复旦大学附属中山医院是我国排名前十的顶级医疗机构,年门急诊量近140万人次,患者来自全国各地。顾建英表示,医生、患者和管理者都能感受到AI带来的变化。

  在辅助诊断方面,“有爱小山-病历助手”按诊疗规范自动生成电子病历,使医生有更多时间专注于看病、思考和培训,而非重复劳动。同时,医生可通过远程诊疗进行慢病管理等一系列突破,提高效率,减少误诊和漏诊。

  对患者而言,中山医院的智慧客服已导入大语言模型,可24小时不间断为患者服务,无法回答的问题将转至人工。顾建英认为:“这样一个有耐心的24小时服务,是很好的改变。”

  作为医院管理者,顾建英感触更深。她提到,医生常要求增加空间、设备和人手,但这似乎是一个无解的问题。通过数据化和人工智能的赋能,中山医院一方面在诊疗端实现规范化、数字化和智能化,另一方面合理配置资源提高效率,如门诊、急诊病人高峰时预警和配置医疗资源。

  AI在医疗端的应用显著提升了效率。孙颖提到,她所在的中山大学肿瘤防治中心,放疗的12个流程中有9个贯穿了AI元素,剩下3个也实现了自动化。以前患者的放疗时间以天计算,现已控制在24分钟。

  然而,AI也在挑战医生。孙颖说:“现在常有病人拿着DeepSeek来询问方案,信息不对称已不存在,因此医生需提升沟通能力。还要学会辨认哪些是幻觉,建立自己的智能体,学习工科知识。”

“百模大战”下,AI医疗从效率工具转变为“智能协作者”

  这只是AI医疗发生颠覆性变化的缩影。据不完全统计,DeepSeek已在全国超90家知名三甲医院部署。此外,医疗领域的垂类大模型已有上百个。

  “AI不仅是技术竞赛,更是解决临床痛点的工具。”盈康生命副总经理、盈康一生医疗服务CEO马安捷在接受采访时表示,据其统计,目前全球围绕肿瘤患者的诊断、治疗、康复的AI已有近500种。国内某三甲医院应用12个AI产品涉及9个厂家,每次为一个患者调用不同厂家的AI时,花费时间超过20分钟。

  但据中国医师协会的统计数据,在已布局AI影像辅助诊断的医院中,AI影像辅助诊断的实际使用率为58%。在布局预防预测的AI应用中,实际使用率不足22%。马安捷表示,盈康生命的AI创新应用平台接入联影智能等多家厂商的AI应用,旨在解决医疗多场景与AI产品多样化的难题,从患者、临床和管理三个维度融入AI,构建面向患者的智能交互平台和面向医护技的临床创新平台。

  周翔表示,大模型对行业的推动巨大,技术推动是一方面,更重要的是推动医院使用。因为治病救人关乎生死,医生是非常谨慎的群体,所以AI医疗比自动驾驶还要谨慎。

  任何形式的医疗都离不开医疗质量和病人安全两个原则。通用大模型在当前许多医疗细分场景中,性能还未达到临床应用要求,医疗领域仍需专业团队构建垂域、多模态的大模型,以应对复杂多样的医疗需求。

  周翔在发布会现场展示了一些通用模型生成的文本和医疗影像,表示它们都不像真正的医疗影像,说明通用模型尚未完全掌握医疗影像。他提到,他们训练了一个医学影像模型学习DSA图像,可以生成高质量的图片,但这需要专业人员进行专业数据训练。

  他表示,尽管大模型的学习能力很强,但它仍未掌握医疗领域的很多知识,且医疗领域很多问题不易学习。例如,所有不懂医疗但从事AI的人首次进入AI领域时,都会尝试做X光辅助诊断,但从未取得过很大成功。因为这与用人脸识别技术找心脏疾病类似,X光中的结节常隐藏在骨头、心脏后面,天生难以观察。

  4月9日,联影推出元智医疗大模型平台和10余款医疗智能体。周翔表示,AI医疗任重道远,过去七八年,联影智能在医疗领域积累了大量垂类知识,希望用联影的AI大模型解决医疗上的优质、可控和可及性问题。

  他认为,医疗行业的决策是多模态诊断的整合,包括血检、尿检、家族病史、症状加影像,以及未来的基因学等新技术,这些综合起来才能对健康问题和医疗问题做出正确答案。行业挑战在于很多问题非常模糊,这个行业仍有巨大的爆发空间。

  对此,联影集团董事长薛敏也表示,大模型的竞争已从单纯的“参数竞赛”转向围绕“生态协同和场景落地”的下半场比拼。未来由文本、影像、混合模型能力驱动的大模型基建,将有机会全面重塑AI产品的应用形态,催生一系列能够持续学习进化的智能体,最终将智能真正转化为生产力。

(文章来源:每日经济新闻)