万字圆桌实录 | 人工智能如何加速医疗模式变革
2025/01/19

1月16日晚,医疗AI面面观栏目成功举办首期圆桌LIVE,直播期间我们共同见证了无数个精彩瞬间,每一位嘉宾的发言都令人印象深刻,在此特别感谢中国数字医学、亿欧网、今日人工智能、数字纵横这四家媒体平台实时分享转播,以及现场观看直播的诸位老师们的热情支持。

 

在此,我们将对本次直播的内容进行梳理与回顾,旨在总结专家们对于人工智能如何加速医疗模式变革的观点、领域大模型构建难点、以及在AI医疗应用落地的一些策略建议。

 

一、直播回放

 

识别二维码观看视频回放

 

二、精彩观点整理

 

甘霖

AI可能会取代医生的部分工作,但它毕竟是辅助工具,它能够帮助医生提供工作效率,承担更多数据分析、诊断的任务,但它仍然需要依赖医生,医生将继续扮演这个能力决策者的角色,处理涉及医患者权益的问题,所以他们的关系不仅仅是替代和被替代,而是一种合作共赢的模式,两者的结合将推动医疗行业的革新与发展。

 

易跃雄

要真正将AI应用到临床,还需要跨学科的人才。AI的应用需要技术、医学和伦理等多方面的专家合作,但这种复合型人才目前还是比较少。再加上现有的法律法规多是针对传统医疗设备的,目前来说还是难以适应AI技术的快速发展,因此需要新的政策来支持AI在医疗中的应用。

 

陈迎春

医疗是关系到人的生命和健康的,AI技术要应用到临床里面去,首先要保证它的安全和有效,从顶层设计上应该先明确政策框架,建立和完善针对医疗AI的法律法规框架,包括数据隐私保护、伦理标准。

 

吴笛

开发大模型算法、算力、数据是三点必要条件,在这其中数据是核心的区分点,而在这些之上,如何把一个好的模型把他工程化,拥有好的用户体验,给用户带来核心价值,我认为这是另一个核心的区分点。

 

三、圆桌对话实录

议题1

AI为医疗带来的价值和发展趋势

 

甘霖(主持人):人工智能新技术的发展,能为医学的发展带来哪些新的机遇?首先请易主任从对临床业务角度来谈谈这个话题。

易跃雄:

谢谢甘主任,目前我觉得人工智能(AI)的发展,正在给医学带来一场比较大的变革。站在临床的角度,AI主要有以下几个亮点:

首先,AI让诊断变得又快又准。比如它可以快速分析CT、X光片,甚至病理切片,发现早期的病变,比人工看得更细更快。特别是在肺结节、乳腺癌这种筛查上,AI的表现也是比较亮眼。

其次,个性化治疗也因为AI变得更容易。通过分析基因、影像和检测数据,AI可以帮医生设计更精准的治疗方案,比如为癌症患者挑选靶向药。复杂病例的治疗选择,AI还能帮忙分析利弊,为多学科团队决策提供支持。

再有,AI让我们医生的工作效率提高了不少。它能自动生成报告、分析数据,甚至在手术中提供实时导航。还有一些智能问诊系统,可以收集患者病史,完成初步分诊,大大减轻了医生的负担。

在医疗资源的分配上,AI也发挥了很大作用。远程医疗技术让偏远地区也能享受到优质诊疗服务。对于基层医生,AI系统还能提供实时支持,帮助他们提升诊疗水平。

科研方面,AI也给医学创新带来了动力。在药物研发上,AI可以加快新药筛选,缩短研发时间;在研究数据的分析中,AI能挖掘出潜在的疾病规律,推动疾病机制的研究。

对患者来说,AI让医疗服务更贴心。通过健康监测设备,AI可以实时分析健康数据,提醒风险;还能提供个性化的健康指导,让患者更愿意配合治疗。

当然,AI也有一些挑战,比如数据隐私和技术可靠性问题。但只要我们加强跨学科合作、标准化数据管理,加上政策保障,AI完全有潜力改变医学的未来,让患者真正受益。

 

甘霖(主持人):请教下陈迎春教授,您作为学者,当前人工智能在医疗领域的研究呈现出怎样的趋势?未来,人工智能将如何赋能诊疗过程?

 

陈迎春:

因为我长期主要从事基层卫生,尤其是农村卫生领域里面的研究工作,从我的研究情况来说,其实我们可以看到中国农村的卫生服务体系,以及农村的卫生服务能力在经历了经历了新农合、城乡居民医保等保险制度的变革之后,都有了很大的改善和进步,但是目前在农村地区,尤其是西部和山区,我们仍然面临着医疗资源不足、尤其是人才短缺、服务能力有待提升等问题。

我们在基层现场是可以看到,AI技术为我们基层、或说农村卫生服务能力,提供了一个很好的工具,来让我们农村和基层卫生服务体系能够更好的去满足人民的需求,支撑农村卫生服务能力提升。

另外从政策层面而言,比如,24年11月,国家卫健委就发布了《关于加强首诊和转诊服务,提升医疗服务连续性的通知》。通知指出:完善首诊负责制,医疗机构可通过临床决策辅助系统、人工智能等,提高接诊医师医疗服务质量和效率。所以政府实际上是鼓励和支持基层卫生服务机构能够去运用人工智能应用来帮助我们基层机构提升诊疗服务能力的。

再从《卫生健康行业人工智能应用场景参考指引》中也给了很多应用指引, 比如说对我们基层服务体系来讲,像针对全科医生的,人工智能+健康管理服务,有提到“智能健康管理”,它就是要求汇聚区域医共体内医疗机构等多方数据,来建立居民全息健康档案,构建人工智能健康管理垂直类大模型。

比如说对高血压、糖尿病这两项我国常见慢性疾病,是需要制定个性化干预计划和建议的,那么这个对于我们基层做好慢性病管理提供了非常好的指导,包括用药计划、用药监督等、以及一些非医疗干预的行为,比如说生活习惯调整建议指导等内容,这些应用功能我觉得对基层医疗而言都是可以起到一个非常好的促进作用,同样这和福鑫科创推出的基层医生AI助理这个产品理念可以说是不谋而合的。

其实从实践中来讲,AI技术在我们基层、农村地区是能够有效的去提升其服务能力的,也能更好的满足人们对基层卫生服务体系卫生服务的需求,所以在基层工作中,我们还是很有必要去推进这样一些好的AI技术在基层进行应用的。

 

甘霖(主持人):请教下吴笛总,福鑫科创定位是医疗AI场景化专家,从企业侧您是如何看待AI给医疗行业带来的价值的?

 

吴笛:

感谢甘主任的介绍,以及刚刚陈教授和易主任的分享,陈教授从基层公卫、政策层面、基层实际问题上,让我们看到了一些AI的机会,而从易主任临床的角度来看,我们也看到了非常多AI落地可能性。

从我们信息软件公司的视角来看了,我们认为AI目前看来是我们这代人最大的一个机会,这也是我一直以来持有的一个观点。

它主要表现在两方面,即商业层面、社会效益。在过去的30年时间里,全人类主要讨论的技术话题是互联网和移动互联网,在这个过程中出现了一系列比如谷歌、Mata、Microsoft、腾讯、阿里等非常优秀的公司。那么下一波类似移动互联网和互联网的新机会我认为会是生成式人工智能。

当然在Chat GPT推出之后,AI才走入大众视野,Chat GPT让大家认识到了AI,认识到生成式人工智能将有机会成为跟互联网、移动互联网同样级别的风口。

那么回到我们的医疗场景里面,刚刚甘主任有提问怎么看AI给医疗行业带来价值,那我们更看重的是在医疗领域有哪些机会最先会出现。我们从长期视角来看,其实医疗行业的每一个领域它都会被AI深度影响,在这一点上,我们是确信不疑的。就像现在,医疗领域里面,有哪一个事情没有被互联网和移动互联网所影响吗?

可能有些年纪的朋友会知道以前的就诊体验是什么样的,30年前我们在医院挂号的时候,医生的桌子上有一根钉子,我们把挂号单插在那个钉子上面,那就是以前的HIS系统。而今天整个医疗体验都是高度依赖于我们的信息软件系统、互联网、移动互联网这些技术的,未来30年AI将像互联网和移动互联网一样改变医疗技术或者整个医疗体验,那我们将无法想象在未来30年间,医疗体验会变成什么样。所以我觉得人工智能不仅会改变医疗行业,对于其他几乎所有行业而言,人工智能都会带来决定性、全面且深入的改变。

我们将眼下所有的机会从实现难度和产生价值两个维度进行了分割,看到了一些在未来一两年之内能够迅速给咱们医护工作者、换着带来巨大价值的场景,比如说我们谈到最多的生成式AI电子病历,那么咱们知道医生需要花非常多的时间和精力来处理各类的医疗文书,对于病历来说,一方面是监管的要求,一方面是为了方便患者和医生未来的沟通。那么在这个过程中,对于医生来说其实是很大的负担,医生会花50%的时间在这件事上,所以我们认为这是一个可以迅速落地的高价值场景。

实际上在国外,大家都知道微软花费了190亿美元收购了Nuance Communications,而这家公司的主要工作就是利用语音生成技术生成电子病历、及语音处理、ASR等。目前国内外有很多厂家也正在这方面做了一些尝试,但我认为我们的产品在国内是处于非常领先的地位,而且目前我们也在武汉大学中南医院这些非常大的三甲医院落地了,接下来我们也会在基层卫生院也会陆续落地一些应用。

第二个就是陪诊场景了,主要包括AI预问诊、AI智能导诊、诊后健康随访等一些应用,这些也是能够迅速给用户带来价值的场景。因为对很多人而言,去医院就诊是一件非常有挑战的事情,如何挂号?挂什么科室?就诊流程?怎么去做检查等都是难点。那么有了人工智能这样一个交互性非常强的存在,就可以引导我们来完成整个就医流程,大大提升就医体验。

还有一些其他的场景,比如说利用人工智能生成体检报告、出院小结等内容,这些也是生成式人工智能非常擅长的。所以我们其实是在利用生成式人工智能技术将现有医疗系统中核心的一些功能进行重构,从而来解决现在医疗领域中的一些问题,比如刚刚我提到的AI生成式电子病历、AI智能导诊、AI预问诊、AI生成体检报告等。

目前AI应用相对而言还比较早期,我认为未来AI的应用可能性和机会是无限的,必然会从深层次上改变现有医疗体验。

 

甘霖(主持人)谢谢吴笛总,刚刚三位嘉宾都谈的很好,易主任谈到了人工智能辅助医生诊断,提高诊断精度、以及个性化治疗提升医生工作效率。陈教授也谈到了人工智能对农村、基层卫生能力的提升和一些政策支持。吴笛总分享了一些深层次人工智能的应用场景,比如生成式电子病历、预问诊、陪诊、出院小结等等。

 

我也进行一下补充,目前人工智能对于药物的开发我觉得也是颠覆性的,今年诺贝尔化学奖的获得者哈萨比斯,他发明了蛋白质结构预测的AI工具,将药物开发周期从以年为单位缩减到以周为单位,并且他预测有望在未来十年攻克绝大多数疾病,我们期待着这一刻的到来。

 

议题2

AI和医生关系

 

甘霖(主持人):陈教授专注于卫生经济政策、农村卫生和医疗保障工作,请从您业务角度来谈谈AI对您有什么积极作用?比如对基层医生的影响,对医保基金的影响?

 

陈迎春:

因为我长期做农村和医保方向的研究,从我的角度来看,医保在AI智能审核方向的发展还是很快的,可以利用AI结合医保审核规则为医保审核员提供病历智能审核服务。比如说,利用AI审核医疗行为是否合理、编码是否违规,一方面帮助医保审核员提升审核效率和质量,另一方面,也是提高医保基金的使用效率,以及商业保险方案的设计等,所以综合来看,AI在医保领域必然是大有作为的。

再说AI对基层医生的影响,就像刚才我们易主任、吴笛总都有提到,AI技术是可以很好的去提升我们诊疗质量和能力的。其实刚刚也提到过,在诊疗能力上,基层医生和三甲医院相比还是有一定差距的,如果能通过AI大模型的能力将大三甲医生的诊疗经验,迁移或者说赋能给基层医生,这对基层医生来说是非常有帮助的。那怎么样迁移呢?其实就是先在大三甲医院利用院内的诊疗数据先训练院内的大模型,然后再利用医生的真实诊疗经验去反哺大模型,让模型去学习该医院所有科室所有医生的诊疗经验,再将这个训练后的模型给到基层医院去使用,这时,基层医生就相当于有了一个虚拟的带教老师,对提升基层整体诊疗服务质量都是有所帮助的。

 

甘霖(主持人):吴总,您如何看待医生和AI之间的协作,他们两个是什么关系,未来是否会替代医生?

 

吴笛:

这的确算是一个比较热门的话题,而且也是很有争议的话题,这个话题我跟很多行业内的朋友沟通交流过,大家不同的出发点视角也会不同,结论也会有所不同。

同样我把这个问题泛化一下,我认为从长期来看,人工智能将会取代今天我们人类做的绝大部分的工作,这是我的看法。这个范围可能包括司机(自动驾驶)、翻译、法律等等很多方面。我现在在使用一款编程工具,叫做Cursor,它的功能非常强大,我相信一个没有任何开发经验的人都可以使用它很快速的来制作网页或者一些简单的功能。从这个角度来看,现在一部分程序员、软件工程师的工作已经被这样的软件取代了。

所以在我看来,从长期的角度,AI会取代我们人类的绝大部分工作也包括医疗工作者的一部分工作,但是它在这个过程中必然会创造一些新的工作。而医生作为一个职业并不会消失,他给患者和人类所带来的价值并不会被取代掉。但这个职业的工作范围和工作形式可能会发生改变,而这个变化我认为会相对比较快到来。

 

甘霖(主持人):同样的问题我们也请教一下易主任,请您从医生的视角来回答一下这个问题。

 

易跃雄:

我跟吴笛总的观点差不多,我认为医生和AI之间的关系更像是伙伴,而不是竞争者。AI是医生的工具和助手,两者可以通过协作可以产生“1+1>2”的效果。AI擅长处理大量数据、做重复性的任务,比如筛查疾病、辅助诊断等等,帮医生节省时间,但具体怎么治病,还是要医生结合病情和其他因素来决定。两者的强项不一样,配合起来效果更好。

医生更擅长解决复杂问题、用经验判断、和患者沟通,而AI在分析数据和识别模式方面特别快,可以给医生提供很多支持。

此外,医患之间的情感和信任是AI取代不了的。患者不仅仅需要一个诊断结果,更需要医生的安慰和解释,这是AI无法做到的。

虽然AI技术很厉害,但它不可能完全取代医生。医学里有很多特殊情况和不确定性,需要医生的判断力来处理。反过来说,不会用AI的医生可能会慢慢落后。

未来,医生和AI会越来越紧密地协作。医生要学会用好AI,而AI也会变得更适合临床需求。两者结合后,医疗会变得更高效、更精准,让患者享受到更好的服务。

 

吴笛:

这个让我想到NVIDIA总裁黄仁勋的一个观点,我也很赞同。

“我们现在要担心的并不是AI取代我们,我们要担心的是一个会AI的别的人来取代我们。”所以不用担心AI的存在会取代我们,我们可能要更担心的是另一个拥有更多AI工具的人来取代我们,我认为这才是一个更现实的威胁。我们应该赶紧用AI把自己武装起来,我是比较赞同这个观点的。

 

甘霖(主持人)

谢谢易主任、吴笛总,总结来说,就是AI可能会取代医生的部分工作,但它毕竟是辅助工具,它能够帮助医生提供工作效率,承担更多数据分析、诊断的任务,但它仍然需要依赖医生,医生将继续扮演这个能力决策者的角色,处理涉及医患者权益的问题,所以他们的关系不仅仅是替代和被替代,而是一种合作共赢的模式,两者的结合将推动医疗行业的革新与发展。

 

议题3

开发医疗大模型必备的基础条件

 

甘霖(主持人):我们知道易主任是信息科和临床的交叉人才,而您的跨学科背景在这方面显得尤为珍贵。在推动大语言模型于医疗领域的应用时,您认为跨学科合作带来了哪些核心价值?

 

易跃雄:

我觉得跨学科合作在推动大语言模型应用于医疗领域中起到了比较重要的作用。大语言模型能够深入理解临床需求,使技术开发真正服务于医生和患者,解决如诊断支持、病历总结和患者教育等实际问题。技术和医学之间的隔阂通过合作进行消除,开发人员与临床专家能够共同设计既符合我们医学规范又可以落地的解决方案。

这种协作提升了模型处理医学数据的准确性,确保其在实际使用场景中表现更为可靠。同时,通过团队的努力,设计出更直观、易用的功能和界面,帮助技术在临床中更快落地。

面对医疗数据的隐私和伦理问题,跨学科团队也能够找到合适的平衡点,在保护患者隐私的同时推动技术创新。更重要的是,这种合作模式培养了既懂医学又懂技术的复合型人才,为AI在医疗领域的持续突破奠定了基础。

当然,跨学科合作把技术和临床需求紧密结合,为大语言模型在医疗中的成功应用提供了不可或缺的支持,谢谢。

识别二维码观看视频回放

 

甘霖(主持人):谢谢易主任,请教一下吴笛总,福鑫科创在研发大模型的过程中,觉得哪些是必要条件?咱们福鑫医助大模型的训练过程是怎么样的,麻烦分享下。

 

吴笛:

回到人工智能的核心三要素,算法、算力、数据。首先谈到算法,我们拥有一个很优秀的算法团队,建设了完整的算法体系,同时我们也使用了一些非常前沿的算法模型。但我认为这并不足以拉开我们和其他厂商的差距。

第二个逻辑是算力,主要体现在预训练和推理两方面,因为受到我国算力限制的影响,预训练并不是我们的重点,我们会用更多的第三方的预训练模型进行增量预训练、强化训练。

第三点就是数据了,刚刚易主任也谈到了,数据其实是一个非常tricky的问题,至少在我看来是这样,数据在医疗领域大模型中是一个非常核心的点。通用大模型我们可以把他当做一个拥有非常强的通用型知识的一个学生。但到了特定领域,由于受到模型本身训练逻辑的限制它并不会那么强。所以对于医疗垂直大模型需要对这种通用性的模型进行一系列的强化训练,而这个过程中需要非常多的专业领域的数据。

医疗行业里主要是两个层面的数据,一个是知识库,其中包括各种药品说明书、临床指南等公开发行的权威数据。第二类则是真实的临床数据,包括检查检验报告、医学文书、电子病历记录等。数据的质量对于大模型训练的质量是至关重要的。而我们比较幸运的一点就是,我们在过去十年间,就有意识的积累了非常大体量的高质量的医学专业数据,这使得我们的医疗大模型在全国都处于非常靠前的位置。

除了这三点外,我认为还有一个非常重要的点就是软件的工程化能力(engineering),我们怎么让一个产品拥有更好的用户体验和用户价值,这才是核心的优势,当我们拥有了一个大模型后,其实后续的工程化的难度会更高,占比大概80%。目前我们的产品在很多大三甲医院落地后,得到了很多用户正面的使用反馈,所以我认为工程化能力也是我们比较大的一个优势。

回到甘主任的问题上,算法、算力、数据是三点必要条件,在这其中数据是核心的区分点,而在这些之上,如何把一个好的模型把他工程化,拥有好的用户体验,给用户带来核心价值,我认为这是另一个核心的区分点。

 

甘霖(主持人)

汇总下大家的观点,首先大量高质量的医疗数据是必不可少的,包括临床记录、影像数据等等,第二,数据应该是高质量的,包括准确定、完整性和一致性;第三,需要一个跨科学团队,包括临床专家、医学专家、数据专家、研发算法专家等等。

 

议题4

推广大模型面临的问题

 

甘霖(主持人):请问易主任,作为临床一线专家,您认为人工智能走向临床,面临着什么挑战?

 

易跃雄:

AI依赖大量高质量的医疗数据来训练,其实我们也知道,这些数据常常分散在不同系统中,而且标准不统一,数据也时常有缺失或错误,这让AI的效果大打折扣。而且,很多AI技术可能和实际临床需求不对接。如果它解决的问题不是医生日常工作中的核心问题,就很难被广泛应用。

AI在临床使用前必须经过严格验证,确保准确性和可靠性。但由于每个患者情况不同,AI的表现有时可能不一致,因此需要经过长时间的临床试验和调整。此外,医生和患者对AI的信任也很重要。如果医生不了解AI的决策过程,患者可能也会担心AI取代医生,影响人与人之间的沟通和信任。

隐私和伦理问题也是个大难题。医疗数据非常敏感,AI的使用必须确保保护患者隐私,目前的隐私保护措施还不够完善。同时,AI技术常常是个“黑箱”,尤其是深度学习模型,医生不容易理解AI的决策过程,这也影响了他们对AI的信任。

要真正将AI应用到临床,还需要跨学科的人才。AI的应用需要技术、医学和伦理等多方面的专家合作,但这种复合型人才目前还是比较少。再加上现有的法律法规多是针对传统医疗设备的,目前来说还是难以适应AI技术的快速发展,因此需要新的政策来支持AI在医疗中的应用。

因此,AI进入临床不仅仅是技术上的突破,还需要更多的合作和政策支持,才能确保它能真正发挥作用。

 

甘霖(主持人):谢谢易主任,请问吴笛总,福鑫科创也在做医疗模型,能从企业界的角度谈谈目前做模型最大的难点在哪里?又是如何解决刚刚易主任提到的挑战的?

 

吴笛:

刚才易主任提到了很多关键点,比如数据的准确性、可获得性、伦理隐私等一系列非常现实的问题。然后刚刚易主任还有提到一点就是关于跨学科人才,这一点我特别有感触,因为其实很多医疗行业的从业人员,如果他不接触的这个领域的话,包括我看到的大部分人都是对大模型的能力都是表示怀疑的,我非常理解这种怀疑。因为从科技进步的角度来说,这些年一直都出一些新的概念,不断的在影响大家,所以大家会怀疑这次人工智能是不是也是一个概念,一个被炒作起来的热点。

但是实际并不是这样的,人工智能将真正能改变大家工作和生活的方式。这一点对于非行业内从业人员来说他们是持不确定态度的,即便对人工智能有一定的接受程度,但没有跨学科的知识见解,他同样也会对未来人工智能的影响力保持怀疑态度。

所以我认为现在最重要的是,利用人工智能的能力把自己武装起来,然后进行探索,确认它是不是能解决自己工作和生活中的一系列问题,从而来改变大家的观点,让我们自己成为一个跨领域的专业人员。我的认为应该用一个比较拥抱的态度去接受大模型,而不是把自己当做一个工程师或纯粹的医生,将自己框定在一个特定的范围里,我们需要跳出这个框架,来接受它看看是不是对自己有所帮助。

回到刚刚甘主任的问题,就是我们做大模型遇到的难点,其实我们作为企业而言,遇到的难点相对较少,比较现实的难点就是医院意识到了大模型的价值,但是基础设施并没有准备好。比如说数据体系不完整、没有算力资源这类普遍的问题。但是武汉大学中南医院其实是一个非常罕见的案例,他们是拥有自己的算力,相对其他同级别的三甲医院而言,他们是还没有算力的,这让我们在人工智能软件落地的时候遇到了一些阻碍,但我觉得算力问题被解决只是时间问题,并不算特别大的难点。

另一个挑战就是大家对人工智能可能性的认知还不够充分,这也需要我们花点力气来教育市场,但我对这一点也是非常乐观的,因为目前已经有非常多的医院已经开始花大力气做人工智能的研究,甚至很多时候医院的想法比我们的更激进一些,所以我们的想法就是抓住这波机会,把模型的能力迅速普及下去。

 

甘霖(主持人):刚刚易主任从医院的角度谈到了大模型的政策和法律问题,那陈教授您认为政策制定者,在医疗AI发展过程中应该采取哪些行动来促进AI的发展?

 

陈迎春:

谢谢,我从我的理解来看,医疗是关系到人的生命和健康的,AI技术要应用到临床里面去,首先要保证它的安全和有效,从顶层设计上应该先明确政策框架,建立和完善针对医疗AI的法律法规框架,包括数据隐私保护、伦理标准

第一,要支持有条件的医院、学校、企业等去做科研创新,设立专项基金,支持医疗AI的基础研究和应用开发。

第二,数据共享和标准化:推动医疗数据的标准化和共享,建立安全、可访问的数据库,以方便AI算法的训练和验证。同时,确保数据的安全性和患者隐私的保护。

第三,加强对医疗从业者的培训和教育:提高医疗行业的培训力度,加强从业者对AI技术的理解和应用能力。

第四,建立健全医疗AI伦理审查机制,确保AI技术的应用符合人道主义原则,并避免技术滥用。 政策制定者应设立监管机构,定期评估AI产品的性能和影响。这是我的一些想法。

 

甘霖(主持人):谢谢陈教授,那么易主任您作为临床医生,认为在AI使用上有哪些伦理问题是需要特别关注的。存在一个矛盾,在AI推广中,又想积极推广,但是伦理问题又会阻止推广,您认为在未来的数智化医疗发展中,如何平衡大语言模型的快速落地应用与伦理审查?

 

易跃雄:

其实伦理问题刚刚陈教授和吴笛总都有谈到,在医疗中应用AI时,主要的伦理问题有这几个。一个是数据隐私和安全,因为医疗数据很敏感,AI需要大量患者数据来训练。如果这些数据泄露或被滥用,就会侵犯患者隐私。另一个问题是模型的透明度和可解释性,很多AI决策是“黑箱”,尤其是深度学习模型,医生和患者不容易理解其判断依据,这就影响了信任。责任归属也是个难题,万一AI出错了,应该由谁负责呢?是开发者、医生还是医院?最后,医患关系也可能会受到影响,AI可能改变医生和患者之间的互动,尤其是在复杂的病例中,过度依赖AI可能会让医生和患者之间的沟通减少,影响信任感。

为了在推广AI的同时确保伦理问题得到解决,需要有严格的伦理审查机制。每个阶段,技术开发、验证、应用,都应该有伦理委员会参与,确保患者隐私、透明度和责任问题得到妥善处理。另外,政府应该出台相关的法规,明确AI的使用规则和责任归属,保护患者隐私。AI开发者和医疗机构要紧密合作,确保AI技术能真正符合临床需要,同时不会影响到患者的情感和医生与患者的关系。AI应该是医生的得力助手,而不是替代品。

总的来说,未来在医疗领域应用AI,要在技术推广和伦理审查之间找到平衡。通过建立有效的机制和法规,确保AI的使用既安全又符合伦理。

识别二维码观看视频回放

 

甘霖(主持人)我总结一下三位老师的观点,大模型在医院的落地应用主要面临这几个问题:即政策法规、伦理问题、隐私问题、医生对大模型能力缺乏信任、大模型自身成熟度、医院算力

 

议题5

医疗AI应用场景分享

 

甘霖(主持人):想请问吴笛总,医院也在建自己的模型,那从您的角度,企业侧的模型和医院侧的模型是否有冲突,两者是一种什么样的关系?

 

吴笛:

这是一个很好的问题啊,首先我认为医院应该有自己的模型,尤其是大的医院,当然不是要立刻开始或花很大力气来做。我觉得很多大的医院,尤其是研究型的医院,都可以尝试来设计自己的模型。

为什么这么认为呢,主要有两个核心的因素,一是医院最大的优势就是他们有大量的专业医疗数据,很多医院的数据它是不可能出现在医院以外的任何地方,并以如此大的体量和规模、高质量的形式出现,所以他们的数据是非常珍贵的。

第二点就是医院有很多应用场景,现在大模型的公司都有遇到一个挑战,就是大模型的确能力很强,但是他们缺乏行业经验和想象力,他们并不知道如何把这个工具用在什么场景上,但医院实际上可能有成百上千个场景都可以用到大模型的能力,将大模型的能力用到这些场景上后,所产生的化学反应是不可估量的。所以我觉得医院假如能利用好这两个优势,配合一些厂商来进行合作开发大模型是很好的,当然如果医院自己有能力去独自开发大模型,我也认为是非常有价值的一件事。

我们作为一家拥有自己大模型的企业,是非常愿意跟各级医院合作的,围绕医院现有的数据、场景的需求来做更多的尝试,实现合作共赢。不仅能给我们的大模型带来更强的能力,也可以帮助医院实现科研转化,为患者带来价值。所以我认为医院模型和企业模型之间并不冲突,反而医院的模型加上我们的软件实现能力也许可能碰撞出更多的可能性。

 

甘霖(主持人):易主任,目前在咱们医院落地了哪些AI医疗场景,效果如何?和福鑫科创合作中有哪些磨合点,对福鑫科创未来还有哪些场景期待?

 

易跃雄:

目前和福鑫科创进行合作,我们医院已经落地了AI导诊、AI预问诊、AI门诊生成式电子病历、AI移动查房这几个场景。AI导诊、AI预问诊主要是为患者提供服务的,导诊是用来解决患者不知道挂什么科室的问题,预问诊是在患者进入诊室之前先做一轮病情问询,这样既缓解了部分患者在直面医生时候的紧张焦虑情绪,让医生得到的病情信息更完善,另一方面也提前让医生知晓患者的病情,问诊更有针对性;还可以帮助医生直接回写到门诊电子病历中。

AI门诊生成式电子病历主要在我们医院的妇科、骨科、心内、心外、结构心、放化疗科、口腔科、产科等8个科室在使用。就这个场景来说,每个科室的使用都是要去做定制化适配,比如像我们妇科门诊电子病历写的比较详细,要去定制一些提示词,比如月经周期,孕几,产几,生产方式是什么,比如剖宫产,顺产,流产等等;再比如放化疗科,都是长期复诊的患者较多,这就要去拉取历史患者的检查检验单。

目前,我们正在上线AI移动查房,我们医生拿着一个移动端的设备在日常查房过程中,设备收录医生和患者的对话,就可以生成查房记录。

对福鑫未来的期待,我作为临床侧来说,希望去探索更多的为临床手术辅助相关的AI影像相关的,我也正在和福鑫科创积极沟通,希望可以尽快落地。

 

甘霖(主持人):请教下陈教授,在和技术共同成长、推动大语言模型在基层医疗的应用过程中,您认为应如何更好地提升基层医生的接受度和使用体验?有哪些具体方法可以帮助医生有效利用这种技术,以辅助其日常诊疗工作?

 

陈迎春:

谢谢,AI技术在基层医院应用想要有效提高基层医生的接受度和使用体验,首先,好的产品力一定是排在第一位的。在产品功能设计上,以用户为中心,真正解决基层医生的难点、堵点问题,比如基层医生的患者更多是慢性病患者,如果产品能够根据每个慢性病患者的情况定制化提醒医生和患者及时进入到下一个诊疗阶段,这对医生来说可以减少很大的工作压力。再比如说,现在倡导患者运动、饮食宣教,大模型智能化为患者推送健康建议,也是一个很好的功能点。

第二,在用户交互上,简化操作界面,和原有的基层公卫系统打通,让医生在日常工作中使用起来更便捷。

第三,加强不同地区基层之间的AI使用案例实践分享,激励和引导基层医生认识到这种技术的价值和效用。通过同行间的口碑传播,增强接受度。

 

甘霖(主持人):请教下吴笛总,福鑫科创已经开发了很多医疗AI应用,请介绍下这些应用。作为企业侧,开发的优先级是什么?未来,我们福鑫科创将重点研发哪些场景的AI应用?

 

吴笛:

刚才陈教授和易主任已经介绍了很多场景,特别是陈教授提及的个性化慢病管理以及通过个性化手段帮助医生提升病人依从性的应用,这些正是我们计划在2025年着力推进并实现落地的项目。事实上,中国众多医院乃至全世界在慢病管理上的医疗支出占比都颇高。慢病本身是可防、可控且可治的,然而,因一些疏忽或忽视,往往导致治疗与控制的机会被错过,进而影响到患者的预期寿命并增加了后期治疗成本。这无疑是非常遗憾的。因此,若我们能借助人工智能的力量来解决这些问题,无疑将带来巨大的经济效益与社会价值。

人工智能的优势可以很好的做到这一点,它可以很快速的阅读病人的病案文书、检查检验报告,再通过人工智能驱动的随访软件来帮助医生或基层公卫机构对患者进行跟踪随访和检查检验以及治疗,这一举措不仅具有深远的社会意义,同时也蕴含着巨大的经济效益,其适用范围更是广泛,不仅限于基层医院,还包括中医院、专科医院等各类医疗机构。

此外,我们还巧妙地结合了人工智能与低代码开发技术,打造了一款低代码+AI的开发平台鉴于医院软件开发能力普遍有限,且医院软件功能碎片化、多样化,这一平台使得医院信息科能够自主地对原有或新的软件进行定制化开发。目前,该应用已在众多医院成功上线,并吸引了多家公司与我们携手合作,利用该平台为他们的客户定制开发应用,取得了显著的社会效益与经济价值。

众所周知,医院的数据利用是个老大难问题,医院数据海量且分散,底层接口错综复杂,数据孤岛现象普遍,传统数据治理方法显得力不从心,而我们利用大模型的数据处理与分析能力,对医院数据进行有效治理。目前,这一方案已在部分三甲医院成功落地。其价值主要体现在:通过模型对医院碎片化、孤岛化的数据进行整合与治理,实现数据的均一化与标准化,从而大幅提升医院数据的利用价值,深入挖掘数据中的潜在价值,精准识别目标病种与潜在患者群体,为医院开辟新的经济效益与社会效益增长点。

还有更多应用场景,比如多场景影像识别、电子病历内涵质控、AI体检系统,利用大模型能力定制化体检套餐、生成体检报告、根据体检结果智能推荐复检医生,完善整个体检流程等。以及刚刚陈教授也有谈到医保+人工智能,利用人工智能进行智能编组,平衡经济效益和伦理属性等等。实际上医院的需求是非常多的,可惜我们精力有限。所以我们在2025年以及未来将会在医院 落地更多具有意义的AI应用场景。

在线咨询
关注微信
申请试用
返回顶部