我國首個“AI兒科醫生”上崗,盤和林:AI在醫療行業大有可為|封面天天見
封面新聞記者 易弋力
近期,人工智能大模型在醫療領域的應用引發廣泛關注。首先是全國首個罕見病領域人工智能大模型“協和·太初”面向患者開放測試初診咨詢和預約功能。與此同時,我國首個“AI兒科醫生”也于日前在北京兒童醫院正式上崗。
此外,隨著國產大模型DeepSeek的應用不斷擴展,多地三甲醫院都做了相關的部署,探索大模型在臨床決策支持、病歷質控、影像分析、科研輔助、醫院管理等多個醫療場景中的應用,以提升醫療服務質量和效率。
在“AI全面接入千行百業、人機共舞時代到來”的背景下,AI將給醫療行業帶來哪些變革?3月6日,記者專訪了知名經濟學者、工信部信息通信經濟專家委員會委員盤和林。
近年來,人工智能大模型在醫療行業的應用已經在陸續開展,但是今年以來,應用的速度不斷加快,應用場景也不斷拓展。如何看待這樣的趨勢?
盤和林表示,AI大模型在醫療領域是最適合落地的,醫療分為診斷和治療,診斷是治療的前提,而診斷過程其實就是一個基于已知數據信息,給出判斷的過程,事實上,由于AI大模型是由數據訓練出來的,通過海量醫療數據的訓練,AI大模型必然能夠在信息分析能力上超越人類醫生。簡單說,人類醫生的診療其實是存在缺陷的,比如一張CT影像,人類醫生肉眼能夠看到的,和AI通過像素點看到的,一定是不同的,AI能夠看到更細節的東西,同樣的,醫生三五句詢問病人獲得的信息,和AI從病人電子病歷中記載的信息,那也不是一個信息量,AI相比于人類醫生,信息更充分、邏輯推理能力更強,所以得出的診療結論往往也更準確,所以,AI在醫療行業大有可為。其實,前幾年就有很多醫院開始用AI替代人類去看CT片,AI給出結論,人類再跟進驗證,一些很小的結節,這幾年發現的頻率也越來越高了,過去是做不到的。而未來,AI大模型將代替醫院的病理科,那些疑難雜癥的確定,可能AI會比人類醫生更有優勢。所以,大模型在醫療行業全面展開是大勢所趨。
那么,是哪些因素推動了AI大模型在醫療領域的加速落地?盤和林認為,首先,是AI大模型適合AI醫療,具體說就是診斷的場景。其次,是國家對醫療領域數據要素的激活。過去,大量醫療數據存在于各個孤島,醫院不愿意將患者的數據分享出來,而如今,國家打破了數據孤島,有了數據,AI大模型就有了訓練的素材。再者,是產學研用和數實融合的結果。AI大模型的開發者不熟悉醫療,醫療工作者不熟悉AI大模型,事實上,我國AI大模型產業的發展,以及AI和醫療產業的融合是近些年的事,也正是因為AI大模型產業的發展,讓AI醫療成為可能。
除了目前出現的領域,未來AI應用的場景還會向哪些方面拓展?在盤和林看來,AI的應用場景還是很多的,舉幾個例子,AI做手術,如今,以達芬奇醫療機器人為代表的醫療機器人已經開始普及,相比于其他手術方式,醫療機器人手術創口更小,恢復更快,而未來,通過AI大模型等的訓練,醫療手術機器人也有可能從人類操控模式,轉變為自動識別,自動手術工具,當然,這需要漫長的過程,但隨著人形機器人的發展,其實AI主導下的醫療手術機器人成長很快。AI還可以幫助構建家庭醫療體系。家里面配備一些診療設備,將健康數據輸入AI,然后由AI構建患者的健康檔案,并預測患者的疾病概率,讓患者提前治療,提前準備,我們知道,對于健康,防病比治病更重要。AI還可以向患者普及醫療知識。
另一方面,目前對于AI大模型在醫療領域的應用也存在一些擔憂。比如大模型診斷的準確率如何保障?醫生是否會被AI取代等等?
盤和林稱,大模型診斷準確不準確,在于AI大模型的訓練能力,邏輯推理能力是否完善,也就是說,是騾子是馬,拉出來溜溜才知道,我們知道,很多AI大模型的訓練數據存在質量高低,有些診療數據甚至存在錯誤,這些錯誤會影響AI大模型的效果能力,同時,AI大模型的推理能力也很重要,如deepseek就是一個推理模型,但deepseek的推理是否適合醫療?這還有待驗證,或者說,醫療AI大模型需要醫療領域的邏輯推理算法。
“醫生會否被AI取代呢?不但不會,反而有利于醫生。”盤和林表示,因為很多人沒見過如今很多醫生的生存狀態,大醫院里面人滿為患,幾乎每個醫生都要加班,每個病人看病的時間不會超過五分鐘,請問,五分鐘如何作出準確判斷,解決方案就是用AI去提高效率,讓醫生能夠快速的做出診斷。再者說了,AI主要是診斷上的能力,情感溝通、藥物劑量控制、手術,如今還是要依靠醫生來完成。
對于AI給出的醫療處方,以及診斷結果如何給予更規范的監管?盤和林認為,AI作為輔助工具,在AI完善之前,其診療結果的后果,依然應該由醫生來承擔,也就是說,AI是工具,你不能讓工具去坐牢,診療結果錯誤還是正確,都是工具的判斷,而用不用,是醫生的問題。所以,我認為在應用端,我們大可不必去管AI,當然,我認為需要管的還是數據端,這里涉及的是AI數據安全問題,那么這個時候,就要建立一套數據安全體系,醫院的醫療數據管理,要定期進行風險評估。
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法,不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險,讀者在采取與本文內容相關的任何行動之前,請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。