AI 醫生，何時真正“上崗”
當下 AI 的發展，已經開始向醫療領域的方方面面滲透。但要讓“AI+ 醫療”真正走向“大醫精誠”，就決不能貿然突進。
人工智能助力醫療新時代。
當我們見證科幻從書中走出變成現實，何其幸運。比如，親身體驗由人工智能（AI）醫生看病，可能就會在5年後初步實現。比起其他還在象牙塔裡的科學幻想，這也許更貼近人類當下的現實需求，因此讓科研人員有了一種緊迫感。
從“AI+影像”“AI+臨牀”，到“AI+原生硬件”，2024年被譽爲“AI+醫療大模型”發展元年。甚至連看似和醫療只是“交易”關係的支付寶也坐不住了。
9月5日，螞蟻集團旗下支付寶在“2024Inclusion·外灘大會”上發佈了“AI健康管家”。當然，這並不是一個醫療智能體，只是一個便捷付費服務綜合體。按照支付寶副總裁、數字醫療健康事業部總經理張俊傑的介紹，這是一個一站式平臺，可以圍繞診前、診中、診後全流程隨時爲患者提供服務，還可以針對非醫療的泛健康問題給出智能化、個性化解答。
支付寶“AI健康管家”的立足點，依然是爲了“撮合”交易。但在支付寶入場之前，確實已經有大量人工智能公司涌入AI醫療賽道。
困擾醫療領域的“ 不可能三角”，會被打破嗎？或許，它的奇點就將在人們意想不到的某個位置爆發。
AI+ 醫療 ：機遇與風險共存
以科技預言爲人熟知的《連線》雜誌創始主編凱文·凱利（Kevin Kelly）曾斷言，在AI浪潮襲來之時，金融和醫療領域會最先看到變化，因爲這兩個行業信息密度更高。
十餘年求索，AI已經逐漸長成了超級電腦IBM Waston所期望的樣子。它甚至跨出了醫療領域裡診斷和治療的範疇，融入醫療場景中的各個角落。
在更多人的眼中，AI醫療能夠帶來一次突破—對“不可能三角”的突破。所謂“不可能三角”指的是醫療服務高質量、低成本、高效率難以兼得，達成平衡。換成更通俗的話來說，醫療服務高質量、低成本和高效率指的就是人們看得好病、看得起病和看得上病。
在科技界看來，從人工智能帶來的第四次科技革命浪潮，必然如蒸汽化、電氣化、信息化三次重大科技革命一樣大幅提高人的勞動效率，極大地解放生產力，而“不可能三角”就有可能在人工智能的極致配合下，實現“三合一”的最大限度平衡。
但這只是願景，並不代表就能落地。正如在ChatGPT展現了若干“奇蹟”之後，絕大多數人依舊視其爲一個“玩具”或者輔助工具。
AI醫生距離治病救人，還有多遠？科學家Kun-Hsing Yu在美國哈佛醫學院生物醫學信息學系工作，他說的一句話——“AI的一些醫療決策，實際上就是拋硬幣”，足以讓所有人心頭一緊。
Kun-Hsing Yu的發言，質疑的是AI醫療模型很容易產生隨機的判斷，但醫學診斷的準確性顯然不能建立在概率之上。事實上，當下的AI醫療，確實存在太多的問題，難以破解。
比如，2021年，一款名爲Epic Sepsis Model的醫療診斷模型被曝出存在嚴重漏檢問題。據介紹，該模型用於敗血症篩查，通過識別病人早期患病特徵進行檢測，但美國密歇根大學醫學院研究者通過分析了2.77萬人的就診情況發現，該模型未能識別67%的敗血症病患。
一直以來，科學家們都沒有停下對“AI+醫療”的探索步伐。2023年7月，全球頂級科學期刊《自然》（Nature）發表了一篇論文，詳細介紹了谷歌公司研發的醫療大模型。谷歌和DeepMind的科研人員提出了全新的MultiMedQA評估基準（包括7個醫療問題回答數據集），以評測大模型在臨牀方面的能力。隨後，該團隊研製了醫療大模型Flan-PaLM，並且通過提示策略等方式調整得到了 Med-PaLM。
Flan-PaLM在每一個MultiMedQA多選題數據集上都達到了極高的準確率，其中在MedQA（美國醫學執照考試）上的準確率爲67.6%。Med-PaLM 2也被開發出來，該模型在挑戰MedQA數據集上取得了86.5%的高分，創造了新的在醫學問答方面的先進水平。
這無疑是AI在醫療領域又前進的一大步。可是，換個角度想：即使是谷歌的產品，其錯誤率也依然有13.5%，而且這可能是每一次診斷都會發生的。因誤診、數據泄露、算法透明度不足等行爲引發的問責和歸責問題，也成爲其背後存在的法律風險。
2024年8月，《自然》上發表的一篇文章讓此研究領域再次引發關注，文章中寫道：“一種完美的算法可能失敗，因爲人類行爲具有可變性，無論是醫療專業人員還是接受治療的人。”
賽道 ：深挖場景，尚需深耕
誠然，當下AI的發展，已經開始向醫療領域的方方面面滲透：利用AI技術，平均每5秒可自動生成一份體檢總檢報告，每日自動生成超過500份不是難事，而且報告採納率能達到96%以上；AI能夠幫助醫生實現更精準、更輕鬆的手術，如AI輔助穿刺手術可將誤差縮小到2mm；AI賦能遠程醫療，能夠實現大城市三甲醫院、基層醫院聯合會診，更好地平衡全國醫療資源；AI醫療服務進入社區，每個家庭都將擁有私人家庭醫生，實現精準、個性化健康管理……
總而言之，“AI+醫療”不只是AI醫生，還囊括很多普通人體驗不到的項目。業界普遍認爲，現階段的“AI+醫療”，主要包括AI輔助診斷、AI醫學影像分析、AI精準醫療、AI藥物研發、醫療機器人等多個細分賽道。
其中，AI輔助診斷是通過分析患者的症狀、體徵、檢驗結果等數據，提供可能的診斷建議，幫助醫生做出更準確和及時的決策。AI醫學影像分析，則是利用AI視覺技術，對醫學影像數據進行自動化分析和診斷。在藥物研發方面，AI則可以通過對藥物靶點、藥物結構、藥物作用機制等數據進行建模和模擬，加速藥物的研發過程。
不容忽視的是，儘管每一條賽道當下都不時有捷報傳來，但距離其落地依然有距離，哪怕最後一微米，也未必能夠快速通過。
以最被人們所關注的診斷環節爲例，各大AI企業目前基本上都是針對單一疾病開展單項研究，可醫生在對病人做檢查時，需要對多種疾病、併發症、精神狀況等進行綜合判斷，並不侷限於一種。據瞭解，僅皮膚病就有2000多種，而AI技術目前也只能判斷幾十種皮膚病。
更被看好的AI醫學影像領域，則是冰火兩重天之境況。2023年，紅杉資本發佈了一篇名爲《醫療領域的生成式AI》報告，指出從市場需求及規模來看，AI醫療影像及AI藥物研發將成爲主要的增長突破口。另有Global Market Insights調查數據顯示，全球AI醫療影像市場規模佔AI醫療市場的25%，僅次於AI製藥爲第二大細分市場。但在實際應用層面，問題叢生。
比如，谷歌健康開發的一種用於檢測糖尿病視網膜病變（一種導致糖尿病患者視力喪失的狀況）的算法在理論上非常準確，但當該工具在泰國的診所使用時，其性能顯著下降。一項觀察性研究顯示，泰國診所的照明條件並不良好，導致形成低質量的眼睛圖像，從而導致該算法的有效性降低。
AI在藥物研發的應用上，更加有壓力。以商業模式來劃分，國內AI藥物研發企業主要有三種主流模式——AI SaaS、AICRO、AI biotech，即出售軟件、出售服務和研發藥物。其在模式上的選擇恰恰說明：AI企業更樂意於按照傳統商業軟件模式，即類似理財用“金蝶”那樣，給傳統企 業提供定製服務，而非自己下場做實操。
相關企業做出這種選擇的一個關鍵原因在於難以突破數據孤島，即AI製藥所必需的藥代動力學（與藥物在人體中的代謝有關）和毒理等需要從人體試驗中獲得數據的項目，相對不容易獲取。畢竟，與人體試驗相關的數據主要集中在大藥企的手裡，屬於核心數據，幾乎無可能共享。
換言之，AI製藥確實可以模擬各種可能、做出各種超快超精準計算，但這種加速無論如何不能跳過臨牀階段。即使是傳統藥企也往往會在臨牀環節用最穩健的方法、多年多次小步探索，哪怕擁有頂尖的專家和技術。關乎人命，誰也不敢加速。
此外，在中國，《互聯網診療管理辦法（試行）》明確規定，“不得對首診患者開展互聯網診療活動”。這也意味着，在互聯網上的AI醫生不能爲首次來問診的病人開展診斷和治療活動。但如果患者在線下已經去過醫院、做過化驗、開過藥方，也拿到藥了，還要AI診斷什麼呢？
中醫藥 ：大健康纔是大格局
我們不妨再換個角度看AI醫療。當全球都將AI醫療的賽道選擇投向西醫之時，中醫藥開始展現出另一種潛力——大健康。
“AI未來完全有可能成爲中醫藥領域的顛覆性技術，改變行業現狀，產生新業態，應用前景廣闊。”中國科學院院士、中國科學院上海藥物研究所研究員陳凱先說道。
AI如何顛覆中醫藥領域呢？也許是從望聞問切開始。
在廣州醫科大學附屬中醫醫院門診大廳裡，銀灰色機器人外形的中醫體質辨識儀爲來往行人提供着新服務。只要坐在一部臺式終端機前，面對屏幕攝像頭拍攝幾張面部和舌頭的照片，再回答5道問題，用戶就會在手機上收到一份詳細的中醫體質辨識報告。
這其實是廣州探索AI助力基層中醫藥服務能力提升的一個試點，該體質辨識儀由華南理工大學團隊研發，其基礎就是一套機器學習的AI模型。2023年7月，廣州醫科大學附屬中醫醫院承擔的“廣州市三級名中醫工作室”建設項目下沉多個社區衛生服務中心，開展了“智能中醫體質辨識”治未病服務項目。截至2023年10月，該項目服務已累計覆蓋廣州市內11個社區，服務社區人羣超過1.2萬多人次。
在山東，望聞問切有了更加具象化的體驗。在東阿阿膠的體驗館中，一個圓形的儀器內裝有各種攝像頭，用戶只要按照指示把頭靠在檢測儀的正中間，一張“大頭照” 就會隨之出現在電腦屏幕上。當用戶伸出舌頭，其影像也立刻被記錄。然後工作人員會拿起一個白色小盒子，將裡面的三塊小凸起對準患者的關脈、寸脈、尺脈位置進行操作和診斷。這個被稱爲“智能體質辨識儀器”的設備還會開出方子。當然，受限於各種客觀原因和安全考慮，只能是食物療法。
不僅有“大”，而且還有“小”。一款名爲“望舌問膳”的小程序是這樣做的：只要用戶對着手機攝像頭拍下舌頭照片，僅1分鐘左右，就可以得到一份從中醫角度進行詳細分析的身體健康報告和膳食養生防治方案。
“這款小程序融合傳統中醫舌診方法和現代人工智能圖像識別技術，通過對2萬多張臨牀舌診圖片深度學習，爲用戶提供便捷的健康分析服務。”小程序研發相關負責人介紹，近半年來，已有3萬多人次使用該小程序，其中94%的用戶對分析結果準確性表示認可。
AI鍼灸機器人、中醫健康手環、脈象信息採集系統……中醫四診的技術研發開始進入了一個全新的AI體驗環節。
應該說，計算機技術應用在中醫藥領域時日已久。早在20世紀80年代就有“中醫專家系統”問世。它通常使用知識庫檢索的方法，事先將專家劃定好的標準、規範、診斷步驟等錄入系統，使用時依據患者的數據檢索、提取相應方案，實現模擬中醫專家的分析、判斷過程。此次人工智能的進入，或許還能同步解決老中醫不足這個困擾中醫藥領域多年的老大難問題。
9月，在2024國際經方大會上，就發佈了此類一項創新成果——“黃煌經方AI專家系統”。該系統由中醫人工智能企業脈景(杭州)健康管理有限公司與南京中醫藥大學國際經方學院院長黃煌聯合研發，基於其自主構建的結構化、標準化中醫藥大數據庫，採用自主研發的雙引擎技術，可還原黃煌經方思想，模擬黃煌教授開方，輔助醫生臨牀決策，已在深圳平樂中醫健康集團（深圳市骨科醫院、坪山區中醫院）黃煌經方AI工作室應用。
當然，這一切依然只是開始。不過，雖然AI中醫目前更偏重於養生而非治療，卻也破解了AI西醫在落地上的不少“疑難雜症”。而且，AI中醫還給出了另一個突圍思路：AI或許從小處入手，方能走出大健康的大格局。
未來 ：如何當好“醫學生”
總被人誤以爲與科技不在一個頻道的中醫藥，當下已經在向更遠的未來展開探索，例如大模型。其繁盛景象甚至在業界引發了戲言：中醫藥大模型，已經多到老祖宗的名字都不夠用了。
這句戲言反映的則是“AI+中 醫藥”的現況：在國內，華爲、百度、阿里巴巴、科大訊飛等科技巨頭，雲南白藥、華潤江中、太極集團、天士力等知名藥企，還有部分地方政府，都在聯手發展中醫藥大模型，其命名上則紛紛請出神農、黃帝、扁鵲、華佗、張仲景等開宗立派的大人物，或使用本草、靈樞、岐黃等中醫藥領域的高頻詞……
中醫藥大模型之百舸爭流，並不亞於ChatGPT、文心一言等通用大模型的千帆競渡。
然而，無論是中醫藥領域，還是西醫領域，道阻且長依然是“AI+ 醫療”領域的主旋律，這也決定了未來許多年的基本範式—以其中最當紅的醫療大模型而言，也只能繼續充當“醫學生”，至少5年內難以畢業。
打個比方，在中醫藥和人工智能的親密接觸中，中醫AI扮演的正是老中醫身邊的小藥童角色：背好湯頭歌，幫忙抓個藥，導診減負擔，順便煎個藥……在對自身的定位上，中醫AI其實跑在了急切走到前臺的西醫AI的前面。
誠如凱文·凱利所預言：AI落地產業需要時間，業界僅僅消化現有技術可能就需要5年到8年的時間。這就像19世紀電力開始廣泛應用一樣，當時各領域的企業並不是把電力引進來就萬事大吉，實際上，必須重新調整組織結構、改造建築，以適應事物通過電來運轉，以及實現自動化。
具體到醫療大模型上，需要重構的框架更多，需要破解的痛點並不比攻克癌症容易。例如：診療上，由於許多病症的複雜性，需要各種檢查尋找病因，醫療大模型目前還很難完成診療全流程的複雜工作。
要讓“AI+醫療”真正走向“大醫精誠”，就決不能貿然突進，而是要在大模型的基礎上去更垂直的領域中試錯，通過大數據和深度學習，爲醫患提供診療參考方案，減少中間環節，提高診療效率。
這一幕，已經開始展現出價值。研究表明，曾經需要兩名放射科醫 生合作完成的乳腺癌檢測，如今已可由一名放射科醫生在專門的AI工具的輔助下完成。2020年，麻省理工學院的研究人員還通過AI技術發現了一種能夠殺死大腸桿菌的抗生素……
但解決更多的痛點，需要更多人蔘與到AI的“醫學生”訓練中，並且打破“隔閡”。畢竟，無論是人還是AI，成爲一個合格的醫生，都需要足夠的且細分到不同病例的大數據，來提供深度學習。效率或許大不同，但學習實踐的過程，則大同小異。
未來5年，醫療大模型依然還是“醫學生”的狀態，距離真正意義上的商用還有距離，但更多發掘出來的應用場景將使其距離商用愈來愈近。
一邊深度學習，一邊進醫院圍繞各個垂直領域做“規培”試點，是“AI醫生”現階段的發展目標。服務用戶精準找對醫院和醫生，看懂醫學報告單，瞭解藥品用法，解答日常健康問詢……要先做好“醫學生”和助手，否則一切都是紙上談兵。
（文章來源：《創意世界》2024年11月號）
↓點擊下方鏈接進行購買↓
編校：範曉華，審讀：郭麗
/ / / / /
/ / / / /
/ /
/ / / / /
/ / / /