当下 AI 的发展，已经开始向医疗领域的方方面面渗透。但要让“AI+ 医疗”真正走向“大医精诚”，就决不能贸然突进。
人工智能助力医疗新时代。
当我们见证科幻从书中走出变成现实，何其幸运。比如，亲身体验由人工智能（AI）医生看病，可能就会在5年后初步实现。比起其他还在象牙塔里的科学幻想，这也许更贴近人类当下的现实需求，因此让科研人员有了一种紧迫感。
从“AI+影像”“AI+临床”，到“AI+原生硬件”，2024年被誉为“AI+医疗大模型”发展元年。甚至连看似和医疗只是“交易”关系的支付宝也坐不住了。
9月5日，蚂蚁集团旗下支付宝在“2024Inclusion·外滩大会”上发布了“AI健康管家”。当然，这并不是一个医疗智能体，只是一个便捷付费服务综合体。按照支付宝副总裁、数字医疗健康事业部总经理张俊杰的介绍，这是一个一站式平台，可以围绕诊前、诊中、诊后全流程随时为患者提供服务，还可以针对非医疗的泛健康问题给出智能化、个性化解答。
支付宝“AI健康管家”的立足点，依然是为了“撮合”交易。但在支付宝入场之前，确实已经有大量人工智能公司涌入AI医疗赛道。
困扰医疗领域的“ 不可能三角”，会被打破吗？或许，它的奇点就将在人们意想不到的某个位置爆发。
AI+ 医疗 ：机遇与风险共存
以科技预言为人熟知的《连线》杂志创始主编凯文·凯利（Kevin Kelly）曾断言，在AI浪潮袭来之时，金融和医疗领域会最先看到变化，因为这两个行业信息密度更高。
十余年求索，AI已经逐渐长成了超级电脑IBM Waston所期望的样子。它甚至跨出了医疗领域里诊断和治疗的范畴，融入医疗场景中的各个角落。
在更多人的眼中，AI医疗能够带来一次突破—对“不可能三角”的突破。所谓“不可能三角”指的是医疗服务高质量、低成本、高效率难以兼得，达成平衡。换成更通俗的话来说，医疗服务高质量、低成本和高效率指的就是人们看得好病、看得起病和看得上病。
在科技界看来，从人工智能带来的第四次科技革命浪潮，必然如蒸汽化、电气化、信息化三次重大科技革命一样大幅提高人的劳动效率，极大地解放生产力，而“不可能三角”就有可能在人工智能的极致配合下，实现“三合一”的最大限度平衡。
但这只是愿景，并不代表就能落地。正如在ChatGPT展现了若干“奇迹”之后，绝大多数人依旧视其为一个“玩具”或者辅助工具。
AI医生距离治病救人，还有多远？科学家Kun-Hsing Yu在美国哈佛医学院生物医学信息学系工作，他说的一句话——“AI的一些医疗决策，实际上就是抛硬币”，足以让所有人心头一紧。
Kun-Hsing Yu的发言，质疑的是AI医疗模型很容易产生随机的判断，但医学诊断的准确性显然不能建立在概率之上。事实上，当下的AI医疗，确实存在太多的问题，难以破解。
比如，2021年，一款名为Epic Sepsis Model的医疗诊断模型被曝出存在严重漏检问题。据介绍，该模型用于败血症筛查，通过识别病人早期患病特征进行检测，但美国密歇根大学医学院研究者通过分析了2.77万人的就诊情况发现，该模型未能识别67%的败血症病患。
一直以来，科学家们都没有停下对“AI+医疗”的探索步伐。2023年7月，全球顶级科学期刊《自然》（Nature）发表了一篇论文，详细介绍了谷歌公司研发的医疗大模型。谷歌和DeepMind的科研人员提出了全新的MultiMedQA评估基准（包括7个医疗问题回答数据集），以评测大模型在临床方面的能力。随后，该团队研制了医疗大模型Flan-PaLM，并且通过提示策略等方式调整得到了 Med-PaLM。
Flan-PaLM在每一个MultiMedQA多选题数据集上都达到了极高的准确率，其中在MedQA（美国医学执照考试）上的准确率为67.6%。Med-PaLM 2也被开发出来，该模型在挑战MedQA数据集上取得了86.5%的高分，创造了新的在医学问答方面的先进水平。
这无疑是AI在医疗领域又前进的一大步。可是，换个角度想：即使是谷歌的产品，其错误率也依然有13.5%，而且这可能是每一次诊断都会发生的。因误诊、数据泄露、算法透明度不足等行为引发的问责和归责问题，也成为其背后存在的法律风险。
2024年8月，《自然》上发表的一篇文章让此研究领域再次引发关注，文章中写道：“一种完美的算法可能失败，因为人类行为具有可变性，无论是医疗专业人员还是接受治疗的人。”
赛道 ：深挖场景，尚需深耕
诚然，当下AI的发展，已经开始向医疗领域的方方面面渗透：利用AI技术，平均每5秒可自动生成一份体检总检报告，每日自动生成超过500份不是难事，而且报告采纳率能达到96%以上；AI能够帮助医生实现更精准、更轻松的手术，如AI辅助穿刺手术可将误差缩小到2mm；AI赋能远程医疗，能够实现大城市三甲医院、基层医院联合会诊，更好地平衡全国医疗资源；AI医疗服务进入社区，每个家庭都将拥有私人家庭医生，实现精准、个性化健康管理……
总而言之，“AI+医疗”不只是AI医生，还囊括很多普通人体验不到的项目。业界普遍认为，现阶段的“AI+医疗”，主要包括AI辅助诊断、AI医学影像分析、AI精准医疗、AI药物研发、医疗机器人等多个细分赛道。
其中，AI辅助诊断是通过分析患者的症状、体征、检验结果等数据，提供可能的诊断建议，帮助医生做出更准确和及时的决策。AI医学影像分析，则是利用AI视觉技术，对医学影像数据进行自动化分析和诊断。在药物研发方面，AI则可以通过对药物靶点、药物结构、药物作用机制等数据进行建模和模拟，加速药物的研发过程。
不容忽视的是，尽管每一条赛道当下都不时有捷报传来，但距离其落地依然有距离，哪怕最后一微米，也未必能够快速通过。
以最被人们所关注的诊断环节为例，各大AI企业目前基本上都是针对单一疾病开展单项研究，可医生在对病人做检查时，需要对多种疾病、并发症、精神状况等进行综合判断，并不局限于一种。据了解，仅皮肤病就有2000多种，而AI技术目前也只能判断几十种皮肤病。
更被看好的AI医学影像领域，则是冰火两重天之境况。2023年，红杉资本发布了一篇名为《医疗领域的生成式AI》报告，指出从市场需求及规模来看，AI医疗影像及AI药物研发将成为主要的增长突破口。另有Global Market Insights调查数据显示，全球AI医疗影像市场规模占AI医疗市场的25%，仅次于AI制药为第二大细分市场。但在实际应用层面，问题丛生。
比如，谷歌健康开发的一种用于检测糖尿病视网膜病变（一种导致糖尿病患者视力丧失的状况）的算法在理论上非常准确，但当该工具在泰国的诊所使用时，其性能显著下降。一项观察性研究显示，泰国诊所的照明条件并不良好，导致形成低质量的眼睛图像，从而导致该算法的有效性降低。
AI在药物研发的应用上，更加有压力。以商业模式来划分，国内AI药物研发企业主要有三种主流模式——AI SaaS、AICRO、AI biotech，即出售软件、出售服务和研发药物。其在模式上的选择恰恰说明：AI企业更乐意于按照传统商业软件模式，即类似理财用“金蝶”那样，给传统企 业提供定制服务，而非自己下场做实操。
相关企业做出这种选择的一个关键原因在于难以突破数据孤岛，即AI制药所必需的药代动力学（与药物在人体中的代谢有关）和毒理等需要从人体试验中获得数据的项目，相对不容易获取。毕竟，与人体试验相关的数据主要集中在大药企的手里，属于核心数据，几乎无可能共享。
换言之，AI制药确实可以模拟各种可能、做出各种超快超精准计算，但这种加速无论如何不能跳过临床阶段。即使是传统药企也往往会在临床环节用最稳健的方法、多年多次小步探索，哪怕拥有顶尖的专家和技术。关乎人命，谁也不敢加速。
此外，在中国，《互联网诊疗管理办法（试行）》明确规定，“不得对首诊患者开展互联网诊疗活动”。这也意味着，在互联网上的AI医生不能为首次来问诊的病人开展诊断和治疗活动。但如果患者在线下已经去过医院、做过化验、开过药方，也拿到药了，还要AI诊断什么呢？
科大讯飞已成功打造人工智能全科辅助诊疗系统“智医助理”，并发布讯飞星火医疗大模型。
中医药 ：大健康才是大格局
我们不妨再换个角度看AI医疗。当全球都将AI医疗的赛道选择投向西医之时，中医药开始展现出另一种潜力——大健康。
“AI未来完全有可能成为中医药领域的颠覆性技术，改变行业现状，产生新业态，应用前景广阔。”中国科学院院士、中国科学院上海药物研究所研究员陈凯先说道。
AI如何颠覆中医药领域呢？也许是从望闻问切开始。
在广州医科大学附属中医医院门诊大厅里，银灰色机器人外形的中医体质辨识仪为来往行人提供着新服务。只要坐在一部台式终端机前，面对屏幕摄像头拍摄几张面部和舌头的照片，再回答5道问题，用户就会在手机上收到一份详细的中医体质辨识报告。
这其实是广州探索AI助力基层中医药服务能力提升的一个试点，该体质辨识仪由华南理工大学团队研发，其基础就是一套机器学习的AI模型。2023年7月，广州医科大学附属中医医院承担的“广州市三级名中医工作室”建设项目下沉多个社区卫生服务中心，开展了“智能中医体质辨识”治未病服务项目。截至2023年10月，该项目服务已累计覆盖广州市内11个社区，服务社区人群超过1.2万多人次。
在山东，望闻问切有了更加具象化的体验。在东阿阿胶的体验馆中，一个圆形的仪器内装有各种摄像头，用户只要按照指示把头靠在检测仪的正中间，一张“大头照” 就会随之出现在电脑屏幕上。当用户伸出舌头，其影像也立刻被记录。然后工作人员会拿起一个白色小盒子，将里面的三块小凸起对准患者的关脉、寸脉、尺脉位置进行操作和诊断。这个被称为“智能体质辨识仪器”的设备还会开出方子。当然，受限于各种客观原因和安全考虑，只能是食物疗法。
不仅有“大”，而且还有“小”。一款名为“望舌问膳”的小程序是这样做的：只要用户对着手机摄像头拍下舌头照片，仅1分钟左右，就可以得到一份从中医角度进行详细分析的身体健康报告和膳食养生防治方案。
“这款小程序融合传统中医舌诊方法和现代人工智能图像识别技术，通过对2万多张临床舌诊图片深度学习，为用户提供便捷的健康分析服务。”小程序研发相关负责人介绍，近半年来，已有3万多人次使用该小程序，其中94%的用户对分析结果准确性表示认可。
AI针灸机器人、中医健康手环、脉象信息采集系统……中医四诊的技术研发开始进入了一个全新的AI体验环节。
应该说，计算机技术应用在中医药领域时日已久。早在20世纪80年代就有“中医专家系统”问世。它通常使用知识库检索的方法，事先将专家划定好的标准、规范、诊断步骤等录入系统，使用时依据患者的数据检索、提取相应方案，实现模拟中医专家的分析、判断过程。此次人工智能的进入，或许还能同步解决老中医不足这个困扰中医药领域多年的老大难问题。
9月，在2024国际经方大会上，就发布了此类一项创新成果——“黄煌经方AI专家系统”。该系统由中医人工智能企业脉景(杭州)健康管理有限公司与南京中医药大学国际经方学院院长黄煌联合研发，基于其自主构建的结构化、标准化中医药大数据库，采用自主研发的双引擎技术，可还原黄煌经方思想，模拟黄煌教授开方，辅助医生临床决策，已在深圳平乐中医健康集团（深圳市骨科医院、坪山区中医院）黄煌经方AI工作室应用。
当然，这一切依然只是开始。不过，虽然AI中医目前更偏重于养生而非治疗，却也破解了AI西医在落地上的不少“疑难杂症”。而且，AI中医还给出了另一个突围思路：AI或许从小处入手，方能走出大健康的大格局。
未来 ：如何当好“医学生”
总被人误以为与科技不在一个频道的中医药，当下已经在向更远的未来展开探索，例如大模型。其繁盛景象甚至在业界引发了戏言：中医药大模型，已经多到老祖宗的名字都不够用了。
这句戏言反映的则是“AI+中 医药”的现况：在国内，华为、百度、阿里巴巴、科大讯飞等科技巨头，云南白药、华润江中、太极集团、天士力等知名药企，还有部分地方政府，都在联手发展中医药大模型，其命名上则纷纷请出神农、黄帝、扁鹊、华佗、张仲景等开宗立派的大人物，或使用本草、灵枢、岐黄等中医药领域的高频词……
中医药大模型之百舸争流，并不亚于ChatGPT、文心一言等通用大模型的千帆竞渡。
然而，无论是中医药领域，还是西医领域，道阻且长依然是“AI+ 医疗”领域的主旋律，这也决定了未来许多年的基本范式—以其中最当红的医疗大模型而言，也只能继续充当“医学生”，至少5年内难以毕业。
打个比方，在中医药和人工智能的亲密接触中，中医AI扮演的正是老中医身边的小药童角色：背好汤头歌，帮忙抓个药，导诊减负担，顺便煎个药……在对自身的定位上，中医AI其实跑在了急切走到前台的西医AI的前面。
诚如凯文·凯利所预言：AI落地产业需要时间，业界仅仅消化现有技术可能就需要5年到8年的时间。这就像19世纪电力开始广泛应用一样，当时各领域的企业并不是把电力引进来就万事大吉，实际上，必须重新调整组织结构、改造建筑，以适应事物通过电来运转，以及实现自动化。
具体到医疗大模型上，需要重构的框架更多，需要破解的痛点并不比攻克癌症容易。例如：诊疗上，由于许多病症的复杂性，需要各种检查寻找病因，医疗大模型目前还很难完成诊疗全流程的复杂工作。
要让“AI+医疗”真正走向“大医精诚”，就决不能贸然突进，而是要在大模型的基础上去更垂直的领域中试错，通过大数据和深度学习，为医患提供诊疗参考方案，减少中间环节，提高诊疗效率。
这一幕，已经开始展现出价值。研究表明，曾经需要两名放射科医 生合作完成的乳腺癌检测，如今已可由一名放射科医生在专门的AI工具的辅助下完成。2020年，麻省理工学院的研究人员还通过AI技术发现了一种能够杀死大肠杆菌的抗生素……
但解决更多的痛点，需要更多人参与到AI的“医学生”训练中，并且打破“隔阂”。毕竟，无论是人还是AI，成为一个合格的医生，都需要足够的且细分到不同病例的大数据，来提供深度学习。效率或许大不同，但学习实践的过程，则大同小异。
未来5年，医疗大模型依然还是“医学生”的状态，距离真正意义上的商用还有距离，但更多发掘出来的应用场景将使其距离商用愈来愈近。
一边深度学习，一边进医院围绕各个垂直领域做“规培”试点，是“AI医生”现阶段的发展目标。服务用户精准找对医院和医生，看懂医学报告单，了解药品用法，解答日常健康问询……要先做好“医学生”和助手，否则一切都是纸上谈兵。
（文章来源：《创意世界》2024年11月号）
↓点击下方链接进行购买↓
编校：范晓华，审读：郭丽
/ / / / /
/ / / / /
/ /
/ / / / /
/ / / /