AI医生来了：人工智能如何重塑医疗行业

风头正劲的人工智能（AI）概念在我们的日常生活中逐步落地，医疗领域成为备受关注的应用场景。AI在医学影像分析、药物研发、医疗机器人、疾病风险预测、辅助决策、健康管理等方向体现出巨大潜力，正试图成为“医院”与“患者”这一闭环中的重要支柱。AI技术究竟在何种程度上重塑了医疗领域？有了AI的帮助，我们能够在医疗领域实现哪些进步？AI医疗行业又面临着怎样的风险和挑战？

当医疗遇上“AI”：是赋能还是颠覆？

毫无疑问，AI是近几年最炙手可热的概念风口，不仅在我们的日常生活中有着越来越强的存在感，还逐渐将触角伸向各行各业。相比于积极投身AI浪潮的互联网行业与传统制造业，医疗行业作为情感需求高、准入门槛高、技术密集度高的“三高”行业，在大众认知中一时难以被AI取代。然而事实上，AI在医疗领域的探索与应用不断拓宽与深化，正在潜移默化地重塑整个医疗行业的生态。

只要稍加留心便能发现，现在不少医院在网络挂号与预问诊阶段已经引入了“AI医生”或者“AI问诊”等人工智能应用。AI医生会提前询问和记录患者的个人信息以及病情概述，为患者生成电子病历并提供简要的就医建议，旨在提升患者的就医体验与就医效率。而在患者就医之后，也可以通过AI医生在线上复诊，得到用药与进一步检查的提醒，极大地简化了就医流程。

国内的三甲医院已经普遍搭载了类似的AI问诊程序，如浙大邵逸夫医院的AI医生助理已于2023年11月正式上线，这一程序可以根据患者的个性化数据与就诊历史数据提供定制的就医建议。除此之外，许多健康管理平台与县级医院也在不断推进AI医生的建设进程。

数据显示，中国的AI问诊市场在2017年到2022年间由3.75亿元增至85亿元，预计到2027年这一市场规模将达362.5亿元，而AI问诊仅仅是AI在医疗行业落地的场景之一，人工智能正在寻求与医疗行业更深层次的融合，形成覆盖面更为广泛的AI医疗市场。

AI医疗，指的是以互联网为依托，通过搭建基础设施与收集数据，将人工智能技术及大数据服务应用于医疗行业。换言之，AI医疗是人工智能对医疗领域应用场景的赋能。但是，在AI医疗赛道上的竞争者并不满足于功能性的赋能，而是希望AI能够颠覆传统医疗行业的组织架构与生态体系。

《自然》（Nature）在盘点2023年度技术突破时，突出强调了深度学习技术的重要影响。尽管仍在不断改进的过程中，AI已经在病理学研究、疾病筛查与制药方面展现出了惊人的潜力，而我们的疑惑或许更加直白和现实——AI看病真的准吗？

为了解答这一疑惑，2023年7月，谷歌与DeepMind的科研人员共同在《自然》上发布了一项研究，揭示了谷歌医疗大语言模型“Med-PaLM”的进化过程，并且评估了该模型在编码临床知识方面的表现。结果显示，该模型的回答评分为92.6%，与现实中人类临床医生92.9%的水平相差无几。此外，达摩院研发的胰腺癌早筛 AI 模型在由全球十多家医院共6000多名患者组成的多中心队列中进行了验证，敏感性为92.9%，特异性为99.9%，相关研究结果发表在《自然医学》（Nature Medicine）上。国内也开展了相关的AI义诊活动，用以验证AI医生的准确性。2023年6月，由医联（一款专属于医生的社交服务平台）研发的“MedGPT”与华西医院的医生在成都开展联合义诊，评测结果显示，AI与真人问诊一致性高达96%。

当前国内外都积累了不少AI医疗的应用案例。国际方面而言，谷歌旗下子公司DeepMind开发的AI技术已经可以通过分析视网膜扫描图，诊断青光眼、老年黄斑变性和糖尿病视网膜病变等眼疾，准确率可达94%；IBM旗下的Watson Health利用AI进行药物发现、基因组学研究和患者个性化治疗计划的制定，并将模型广泛应用于医疗数据分析和处理方面；生物科技公司Freenome通过在诊断测试和血液检查中使用AI进行癌症早筛，旨在尽早发现癌症并开发相应治疗方法；Enlitic通过深度学习来简化放射学诊断，通过分析非结构化的医学数据，帮助医生更好地了解患者的实时需求。国内方面而言，数坤科技开发的AI产品能够接收CT、MRI、X射线、超声波等多种影像模态原始数据，提供辅助性诊断结果，提高医生阅片效率；推想医疗开发的“InferRead CT Lung AI”可以辅助肺结节检测，已经获批国家药监局第三类医疗器械注册证书；商汤科技与上海新华医院达成合作，用AI大模型“大医”来提升医疗服务效率；同时，京东、百度、科大讯飞和腾讯等互联网公司纷纷在AI医疗赛道布局，推出了各自开发的AI模型，如“京医千询”“百度灵医大模型”“讯飞星火医疗大模型”与“腾讯觅影”等。

AI医疗的“魔术秀”：

已经做到的与将要做到的

那么，在医疗行业，AI到底都在做些什么？将来又能够做到什么呢？总体来看，AI在医疗行业的作用体现在四个阶段与六大环节之中。四个阶段指的是以患者为出发点，将就医流程划分为就医前、就医中（院内）、就医后以及其他阶段；六大环节则是指贯穿于四个阶段的“促进健康、预防疾病、诊断疾病、控制病情、治疗疾病、康复护理”环节。

具体来说，在就医之前，AI可以协助进行健康管理、健康评估、智能导诊、疾病预警等工作；在院内的就医过程中，AI可以实现医疗数据分析、自动取号、导诊排队、药物检索、临床诊断、医保支付、排队取药、报告获取，并且辅助医学影像分析、医学诊断、电子病历生成，手术机器人还可以直接用于临床手术与临床辅助决策，术后院内康复也同样可以借助AI进行管理；就医之后，AI可以进行健康追踪、医疗质量评估、患者跟踪和回访与就诊记录管理；此外，AI在医学文献翻译、医学教育、病理研究等专业领域也发挥着越来越重要的作用。

在全球范围而言，AI医疗较为成熟的领域集中在医学影像、智能制药、医疗器械、临床决策系统与智慧病理等方面，尤其是医学影像和医疗器械的AI商业模式已经初步成型。国家卫健委卫生发展研究中心的统计数据显示，国内AI医疗95%的研究和产出集中在医学影像方面。从专利数据来看，医学影像类的专利远超医疗机器人及其他研究，而决策规则类的专利则近乎空白。究其原因，医学影像已经形成较为统一、规范的病理判别标准，数据集容易清洗与规范化，并且较少牵涉患者的高情感需求，因此开发所受限制较少、转化率高、应用较为广泛。

在医学影像领域，AI主要被应用于病理分析与辅助诊断，对病灶进行识别与标准，并通过三维重构靶区。病理影像、内窥镜影像、眼底筛查、皮肤影像、CT影像、MRI影像均可通过AI大模型进行分析与判定，为医生提供决策辅助。这一赛道的玩家最密集、发展最快，头部企业包括数坤科技、推想医疗、鹰瞳科技、深睿医疗等。

在医学界，病理是医学诊断的黄金标准，而一位能够独立签发病理报告的病理医师培养周期不低于10年。我国目前注册在案的病理医师数量在1万名左右，人才缺口巨大，平均每人每天病理报告的阅片量要超过100张，在大型的综合医院，这个数字还要翻倍。此外，包括病理切片在内的多种医学影像都需要在高倍显微镜下观察，对医生视力的损害极大。用AI来对医学影像进行辅助诊断可以极大减少医生负担，也有助于减少误诊和漏诊。比如深睿医疗研发的“Deepwise MetAI”是国内首个智慧影像和医疗大数据通用平台，通过计算机视觉（CV）、自然语言处理（NLP）、深度学习等前沿技术，可以将医学影像产生的数据结构化，形成数据资产，在技师、医生、科室的管理者之间流通，针对CT等多模态影像设备提供覆盖神经系统、心血管系统、运动系统、呼吸系统、消化系统、女性关爱、儿童关爱等领域的人工智能解决方案。

在药物挖掘领域，AI可以参与新药研发、药物筛选与跟踪研究。2023年，欧洲药品管理局（EMA）专门发表文章，指出正确使用AI工具能够有效支持医学数据的获取、处理、分析与解释，在医疗产品的整个生命周期内发挥作用。这种作用主要体现在临床前开发阶段，AI可以替代、减少或者优化动物实验，并且增强数据分析的能力，而在精准医疗方面，AI有助于根据疾病特征、患者基因型等指标进行患者筛选。然而EMA也提示了基于海量训练数据和不完全透明的训练模型所构建的AI算法在制药领域潜在的风险，建议使用透明模型，确保患者的安全和研究结果的完整。

除此之外，AI也在医疗机器人与医疗大数据辅助治疗方面取得了一定进展。疾病风险预测与个性化健康管理成为AI医疗的新风口。

造梦之途，何时破壁：只是看上去很美？

根据国内机构估计，2023年中国的AI医疗行业整体规模达到973亿元，预期在2028年将会达到1598亿元。AI医疗市场之所以能蓬勃发展，在于人口老龄化与医护人员短缺。2023年，我国老龄化人口占总人口比重已经超过15%，对医疗需求不断攀升；而医护人员缺口则并未缩小，据调查，2022年每一个卫生技术人员需要对应的医疗人次数为722.25。

医学影像与智慧医院建设、药物及疫苗研发与医疗流程优化、AI医疗器械与医疗机器人开发，对于缓解医疗资源供需矛盾、提高医疗体系效率与减轻医护负担等方面有着关键的作用。AI医疗为我们描绘出了一幅美好的未来前景——AI赋能的医疗行业将变得更加精准、更有效率、更加人性化。然而，AI医疗近年来在市场上的表现并不尽如人意。以国内早期AI医疗代表公司春雨医生为例，公司人数在屡次裁减后缩减为两位数，并且频繁传出被收购传言。市场共识认为，AI尚未能够进入医疗的核心业务，长期原地踏步，难以破壁实现创新。

首先，市场监管是AI医疗面临的主要挑战之一。出于保护隐私、规避风险的考虑，AI医疗一直处在严格的监管之下。从2020年到2023年，国家陆续出台8项关于AI医疗器械的立项标准，并且在2023年11月颁布了《人工智能辅助检测医疗器械（软件）临床评价注册审查指导原则》，意味着将要对医学影像和人工智能类创新医疗器械进行全面监管。AI医疗器械被划分为三类医疗器械，即最高级别、严格控制的医疗器械，必须通过审批获得医疗器械经营许可证才能被应用于严肃的医学场合。截至2024年7月，国家药监局已经批准277个创新医疗器械，涵盖AI图像辅助诊断软件、AI智能医疗器械等多领域。可以看出，AI医疗一直试图在监管与创新中实现艰难的平衡。

其次，AI并不是万能的，算法的原理在于通过对海量数据的分析来不断提高模型的精准度，这就意味着AI在具备确定性的数据集上可以取得优势，而在实时动态调整的数据集上表现并不完美。算法存在偏差与歧视，即便循证医学已经被普遍采纳，但病患的复杂性导致治疗需要综合多方面的数据来制定个性化方案，无法单纯依靠AI分析结果做出判断，因此医患双方都对AI医疗持有较为保守的态度。

最后，道德伦理与法律责任的问题必须纳入考虑。AI医疗若是出现差错，责任应该由谁来承担？这个问题不能得到有效解决，医生、患者以及AI医疗供应商三者之间永远无法形成责任明确的有机整体。

为了应对这些挑战，AI需要获取高质量的多模态数据，理解医疗过程中对人工智能的真正需求，找到能够发挥作用的场景痛点。同时，需要明确责任认定机制、加强监管与标准化建设、提升患者信任度。如此，AI才能有效促进医疗健康的进步，为患者提供更为优质的医疗服务。