醫療AI大模型的數據困境與破局之路

各大廠商接入Deepseek後，開啓AI進化加速度。投資市場將目光聚焦於各垂直領域的AI應用落地，“醫療+AI”的大模型應用成了“香餑餑”。前不久，甲骨文創始人拉里·埃裡森（Larry Ellison）就公佈了依託AI驅動的癌症疫苗系統計劃，聲稱只需48小時，就可以檢測出患者體內的癌症，並在48小時內製造出專屬對症疫苗。國內，華爲組建醫療軍團，計劃三年內建成全球最大醫學知識圖譜，醫療AI正試圖重塑全球醫療行業格局。

醫學影像分析篩查是當前AI技術在醫療領域應用較爲成熟的環節。早在2017年，騰訊覓影進軍AI醫學影像領域，在當年，其早期食管癌智能篩查系統的實驗室準確率就可以達到90%；阿里健康開發的肺結節篩查系統可以快速對CT圖像進行分割、定位、分類和風險評估，輔助肺癌診斷。值得關注的是，在中醫診療領域，AI的賦能讓中醫傳承迎來新曙光。騰訊“岐黃鏡”系統，3秒內就可以捕捉舌面18萬像素的微觀變化，將舌面形態關聯至多種症形，辨證準確率高達91%。全國政協委員劉清泉表示：“實際上我們都在想利用DeepSeek也好，利用哪個大模型也好，建立自己的大模型也好，在這個過程中，通過模型訓練，實現中醫的傳承。這個傳承就從原來的口傳心授，變成跟着機器，那麼我還在訓練機器，這機器在不斷地提升，目前我們也開始探索這種傳承辦法。”在不斷的探索實踐中，AI也在一步步完善知識體系，以提升中醫輔診準確率。

AI技術在醫療領域展現出巨大潛力，我們也須正視這其中有許多繞不開的弊端和風險，如倫理困境、數據算法偏差、患者隱私泄漏、以及臨牀數據不足等。

前段時間，醫生用DeepSeek協助問診的話題衝上了熱搜，AI的準確性也被擺上檯面。問診結果是基於大模型對海量數據的抓取，就拿數據源頭的準確性來說，目前我國各垂直領域的數據標記、數據清洗、數據庫搭建工作，其完成度還不足以覆蓋AI大模型涉獵的所有領域，由此所呈現的數據“幻覺”還無法讓人類完全交付信任；而從數據的權威性出發，目前僅有30%的AI醫療產品通過國家藥監局（NMPA）三類醫療器械認證，所抓取的數據還需要通過多中心嚴格、多次的臨牀研究實驗，尚不能直接運用在患者身上。

醫療AI既不是洪水猛獸，也不是救世主。要確定AI醫療系統作爲“輔診”的角色定位，以提升診斷效率，醫生依然要緊握決策權，過度依賴AI也可能導致醫生的決策能力下降。全國政協委員趙宏指出，對於技術的研發、發展要持開放的態度，去研究它去使用它，但是真正地用到人身上，用到實際的診療行爲的時候一定要慎重，不建議把人工智能作爲診斷的主要依據或者唯一依據。

歐盟頒佈《人工智能法案》，特別規定高風險醫療AI系統需建立實時決策追溯機制技術；“醫智雲"平臺通過區塊鏈技術，保證問診全流程中的數據可溯源……技術在迅猛發展，人類也需要運用智慧爲原始創新劃出安全邊界，只有法治先行，搭建靈活、適度的法律框架，才能讓AI技術在創新的土壤上，健康、蓬勃、可持續的發展。（本網記者 林華黎）

來源：東南網