基于ChatGPT 的我国数字医疗发展前景、挑战和策略分析

摘要：ChatGPT使用了先进的生成式AI模型，在教育、医疗和翻译行业引领了新兴的人工智能方向。从数字医疗的概念定义出发，探索ChatGPT在效能、智能性、普及和医学教育方面的赋能作用和潜在应用前景，同时分析其在数据共享、数据隐私和安全以及产品引入的挑战。最后，从建设数字医疗大数据共享体系、创造数字医疗生成式AI生态环境和健全以隐私和安全为中心的数据保护机制方面提出ChatGPT融入数字医疗的策略。

关键词：ChatGPT；数字医疗；发展前景；策略选择

中图分类号：F124；R1-9 文献标识码：A DOI：10.3969/j.issn.1003-8256.2024.05.005

ChatGPT是OpenAI最新研发的人工智能生成内容模型，基本属性为大型语言模型（LLM），基于Transformer的生成式预训练，使其能够理解上下文并输出下一个最有可能的文本内容，并使用了大型文本语料库和微调语料进行训练［1］。在GPT-3.5模型基础上，利用监督学习技术和人类反馈的强化学习模型（RLHF），对一般任务的指令进行微调，进一步提高生成内容的能力［2］。目前，ChatGPT 可以根据输入生成文本，完成以往人工智能文本生成所不具备的多轮对话、代码生成等强大的语言能力，能够完成文本生成、代码调试、文献检索、数据分析等自然语言处理任务。

数字医疗是现代医疗发展的重要方向，我国高度重视医疗服务数字化，如国务院印发的《“健康中国2030”规划》《关于进一步完善医疗卫生服务体系的意见》《公立医院高质量发展促进行动（2021—2025 年）》中强调数字医疗的信息技术支撑作用，推动建设医疗全过程的互联网平台，促进云计算、区块链、人工智能等新兴技术在医疗领域的使用，加大数字化建设投入水平，打造线上线下一体化服务的医疗服务模式。

人工智能作为新兴技术发展的成果，在医疗领域得到广泛使用，IBM公司推出的沃森医生（Watson Health）用于提供癌症治疗解决方案，是人工智能+医疗的跨时代的尝试。谷歌公司2022年发布的Med-PaLM，通过了美国医师执照考试测试，回答医学知识问题的准确率达到了92%，是人工智能与医疗深度融合的产品。我国公共医疗数字化建设也取得较好的成果，医疗机构的信息化和新型技术的使用，促进了人工智能在数字医疗中的应用，如电商医药平台、在线问诊平台、智能医学影像识别、医疗机器人等。

ChatGPT作为先进的智能对话机器人模型，其自然语言生成和多轮对话功能可以在我国数字医疗的多场景中得到应用，凭借其强大的信息检索和智能生成文本能力，在医学教育、临床决策和健康管理等方面存在强大的技术优势，有利于缓解我国医学人才紧缺以及医疗资源下沉的困境。ChatGPT如何深化数字医疗体系建设，有哪些潜在应用场景？面临哪些挑战和风险，以及如何实现针对这些挑战的策略选择？ 这些都是ChatGPT在我国数字医疗中应用所面临的问题。因此，在已有研究的基础上，尝试对这些问题进行梳理和回答，为生成式AI赋能数字医疗提供战略的制定提供一定的参考。

1 相关研究概要

1.1 数字医疗的基本框架

数字医疗是将互联网、移动互联设备、5G通信等新一代信息技术运用于整个医疗过程的现代化医疗方案［3］，以共享大数据资源库为基础搭建医疗全链条网络［4］，在医疗设备、医药研发和诊疗过程中进行科学合理的数字化建设，构建数字医疗框架如图1。数字医疗使医生对患者进行实时实况的医疗诊断，从而降低传统医疗服务的信息不对称，促进医疗资源向下流动，对提升人民群众的幸福感有重要作用，是公共医疗的发展目标。

人工智能与数字医疗的深度融合是未来市场的发展方向，也是人工智能产品重点突破领域，如医疗机器人、医学影响识别、可穿戴设备等都与人工智能息息相关［5］。其具备的深度合成和大数据分析特点，能够建立更稳定数字医疗安全防护机制，提供更准确和实时的医疗服务，预测和遏制医疗危机事件，且在构建健康保障体系和药物研发方面独具优势，有利于缓解医疗资源短缺导致的就医难的现状［6］。

1.2 ChatGPT 与医疗领域

当前国内外学者针对ChatGPT在临床决策、医学教育、医学应考测试等方面进行了相关研究，从实证角度分析了其在医疗场景中应用的可行性，Liu 等［7］认为ChatGPT可以为医生提供有价值的见解，优化医学临床警报系统，减少因医生失误而导致的病情风险。Zhu等［8］通过ChatGPT生成药物研究的概述和评价，发现该模型生成内容总结性较强，但严谨性有待加强。KUNG等［9］对比ChatGPT与专家临床医生的知识储备差异，结果表明其在医疗许可考试上的准确度能达到或接近及格水平，答案具备可信度和可解释性。GILSON等［10］使用AMBOSS 和NBME 两套医学题库评估ChatGPT 的性能，研究表明其准确度已经达到三年级医学生的及格分数，具备成为交互式医学教育工具的潜力。ANTAKI等［11］测试了ChatGPT在眼科知识评估项目考试中的表现，结果表明其在简单难度和中等难度的考试中准确率分别为55.8%和42.7%。JEBLICK等［12］探究了ChatGPT在简化医生的医学报告上的应用，从报告的正确性、危害性和完整性评估，发现简化的医学报告比较正确和完整，但可能存在错误陈述和遗漏重要信息。徐璐璐等［13］通过案例展示其在信息管理方面的应用前景，这对医学知识产生、管理和交流来说是历史性的变革。瞿星等［14］则探讨了ChatGPT等人工智能加入医学教育中的必要性，以及从医学生自主学习、人文素养和临床实践等培养方向提出建议。但是ChatGPT在实际应用中的责任归属和风险挑战也值得关注，周智博［15］认为ChatGPT模型的技术黑箱性难以解释其工作原理，但服务的使用者和提供者要承担相应的责任。陈永伟［16］指出ChatGPT产品在内容真实性、正确性和合理性方面可能面临挑战，并伴有歧视风险、个人隐私安全和道德伦理等问题。

综上，人工智能和数字医疗结合是一种趋势。大部分学者从多元医疗场景探索应用价值，测试ChatGPT的文本生成、信息检索和深度合成能力，有利于数字医疗体系优化，同时部分学者也讨论了生成式AI环境治理的问题和风险。本文借鉴以往学者研究，以数字医疗框架为逻辑起点，基于ChatGPT产品特性，深入研讨赋能我国数字医疗的路径，并分析其在运用中的挑战与风险，最后提出数字医疗的发展策略。

2 ChatGPT 赋能数字医疗发展

通过对国内外学者的研究成果进行归纳总结，如KUNG等［9］、GILSON等［10］、ANTAKI等［11］和朱光辉等［17］的研究，结合国家网信办发布《数字中国发展报告（2022年）》［18］，以及《AIGC 发展趋势报告》［19］、《2023 年中国AIGC 行业发展研究报告》［20］和《AIGC 发展研究报告》［21］等行业报告，围绕ChatGPT赋能数字医疗体系建设，分析其在提升数字医疗效能、智能性、普及性、人才培育四个方面的可能性和可行性，最后结合数字医疗的现状和国内医疗的困境，从潜在应用和实施场景出发探索ChatGPT对于数字医疗体系的价值。

2.1 辅助判断与数字医疗的效能

发挥数字医疗效能是我国推进数字医疗的重要任务，综合反映了各医疗机构的工作效率、合作效率、患者就诊效率和医疗标准化建设等信息。ChatGPT 基于Transformer架构开发，克服了以往自然语言处理模型的限制，能够处理各种NLP 任务指令，在理解人类语言、生成类似的响应和对话功能上有关键的改进和创新。因此，ChatGPT可能突破大众的疾病知识壁垒，简化临床就医流程，促进医疗机构合作，加强疾病预测和提高就医效率，极大地提高数字医疗的效能。

（1）简化就医导诊流程。传统医疗机构患者就医时，由于医患之间的信息壁垒造成了医院分诊工作的人力资源压力，甚至出现患者盲目就诊延误治疗最佳时期的情况。ChatGPT拥有强大的信息检索和理解能力，能够通过对数据库中的病例检索，匹配对比疾病相似度，与患者进行人性化的多轮对话，指导患者表达身体症状，并到相应科室及时挂号就诊，提高医疗机构接诊的速度。

（2）辅助医生临床决策。医生在临床诊断时需要考虑患者以往疾病史、过往经验和最新循证，整合多维度的信息，对患者的症状进行细致分析，并给出准确的临床判断，这使得临床医生往往面临着大量的接诊需求和知识更新的双重压力。ChatGPT可以帮助医生更新相关疾病的病例库，检索国内外最新研究成果，总结前沿的医学理论和治疗方案，有利于提供更精确、更快速的诊疗服务。此外，医疗机构借助人工智能强大的自主学习能力，在临床治疗中发挥ChatGPT在文本理解和自然语言处理方面的优势，针对性地识别患者潜在疾病，向医生提供临床治疗的参考建议。

2.2 智慧健康与数字医疗的智能化

数字医疗的智能化旨在运用数字技术，使医疗服务打破被动响应的传统模式，更加适应新时代人们的健康需求。ChatGPT具有微调功能，可以执行零样本学习，减少训练大型数据集的需求，能够满足特定的任务需求，具备较好的可扩展性［22］。通过特定领域较小的应用数据集，制定基于ChatGPT的定制AI支持方案，使其能够集成在数字医疗体系的各系统中，如提供医疗影像识别、医疗机器人和医疗器械等硬件支撑，以及科普网站、监测系统和云端平台等软件系统，多方位、全过程支持数字医疗的智能服务。

（1）利用ChatGPT推行健康科普。普及健康知识是健康中国建设的重要措施，提高民众的健康素养有利于社会发展。当前我国居民健康素养水平相对较低，需要政策引导和基层机构协作的保健机制［23］。ChatGPT人性化的交互窗口以及强大的检索功能能够支持健康问题的解答，不同于搜索引擎上来自多种渠道的碎片化信息，ChatGPT能提供优质而通俗的健康科普知识，帮助用户获取和理解基本的健康知识，用以减少不良的生活习惯，全面推广健康生活方式，进一步弥补健康科普基础设施和健康科普人员相对欠缺的短板，精准地匹配民众多元化健康问题，打破时间限制，提供24 小时医疗援助。

（2）提供个性化的健康医疗服务。随着我国步入老龄化速度加快，人群的亚健康特征明显，人民的健康意识普遍提高，ChatGPT将为健康产业发展提供新动力。以慢性病为主的健康管理服务专注于实现主动预防的健康管理，旨在突破被动应答式的健康困境［24］。具体来说，利用ChatGPT生成患者自身的健康档案，将其接入智能心电检测仪、智能血糖分析仪和远程胎心监护等智能医疗设备，从而搭建基于ChatGPT强化学习模型的数据支持平台，实现连续、动态和即时的云端交互，实时监测人体的健康状态，根据实时数据更新对患者身体状态画像，及时进行健康预警，降低重大疾病和慢病后期加重症状的可能性，帮助患者维持健康的状态。

2.3 远程医疗与数字医疗的普及

数字医疗的普及有利于发挥我国医疗公平性和普惠性。人工智能助力远程医疗建设，提升了医疗供给侧的效率，增强了医疗资源的覆盖面和获取性［14］。ChatGPT融入远程医疗，将进一步摆脱资源分布不均衡的困境，推动优质医疗资源下沉。具体而言，ChatGPT相较之前的文本生成模型，在上下文理解、消除偏见、数据挖掘方面有较大的突破，生成内容更准确、更客观、更具有价值，能够在远程医疗中提出有针对性的解决方案。

（1）借助“互联网+”加速医疗服务的普及。由于信息技术和通信技术普及，我国互联网服务得到了极大的发展，特别在新医改的推进中，在线医疗平台通过互联网平台搭建医患互动的媒介，与医院合作，为广大医患用户提供快捷的医疗服务，患者的医疗服务逐渐向线上转移，对在线医疗健康服务的认可度不断提升［25-26］。ChatGPT 可嵌入好大夫在线、平安好医生和丁香医生等在线医疗平台，将为互联网医疗提升服务水平提供新助力。用户使用在线医疗平台过程中，不仅可以按照科室和医生预约挂号和在线问诊，还支持选择ChatGPT的问诊窗口，与用户进行个性化的交互，通过多轮对话表达问诊述求，ChatGPT 将会进行详细的医学解答，并根据所在地区、疾病类型和问诊偏好推荐医生信息，提高在线医疗平台的易用性和用户体验。

（2）提高乡村医疗服务水平推进乡村振兴。乡村医疗体系长期缺少优质医疗资源，基层医疗人才稀缺，健康知识普及度低，医疗保障制度不全，难以保障农民的日益增长的健康需求［27］。ChatGPT有助于健全完善乡村医疗卫生体系，补全乡村医疗人员专业水平参差不齐的短板，将医疗资源覆盖到偏远地区，为农民提供迅速、便利和低花费的医疗服务，同时能详细解释医学专业术语，提供有限的医疗方案方向。ChatGPT模型具备极强的自然语言处理能力，能够模仿人类的思考和语言习惯。在农村偏远地区，人性化的交互模式能减少用户使用智能产品的陌生感，降低获取医疗知识的壁垒，使用户能够在较低时间和花销下享受高质量的医疗资源，加快推动人工智能辅助医疗在乡村医疗卫生机构中的配置应用。

2.4 医学教育与数字医疗的人才培育

数字医疗旨在医疗数字化转型，人才建设是数字医疗发展的关键因素。现代医学发展借助大数据、云计算、物联网和人工智能等新兴技术，推动中国医疗产业新一轮科技革命和产业变革，构建以医学工程、管理科学与信息技术为核心的交叉知识体系［28］。在现代医学教学体系中引入ChatGPT，开发可协助医学教育的教学平台，灵活使用文本生成、知识查找、整合归纳和模拟对话场景等AI辅助功能，拓展医科人才知识边界，充分利用高价值的案例学习材料，加强案例知识的互动性。

（1）促进教学培养模式改革。数字医疗时代医科人才的培养模式不仅包括基础医学和临床医学，更应该具备多学科融合的知识储备，以适应医疗数字化发展。ChatGPT在智能文本生成上的优势，可以通过提示词、概念解释和必要的医嘱，实现自动化撰写出院报告、处方、病历和转诊信等，极大减少了重复性工作所花费的时间。因此新时代的医学教育培养体系应融入类ChatGPT的人工智能工具，掌握先进的医疗人工智能技术，推进现代医学发展。

（2）打造自主创新学习方式。目前国内外相关研究通过评估ChatGPT在标准医学考试上的表现，如美国医师执照考试（USMLE）、眼科知识评估项目（OKAP）和AMBOSS等医学题库，表明其相关医学知识水平已接近标准值，且ChatGPT 的回答具有较强的逻辑性和信服力，这说明ChatGPT可以在开放的实验环境下为学生提供可靠及系统的知识，通过提出诊断和治疗案例、实时解答问题和互动模拟考试等方式降低医学生知识内化的难度，针对医学知识薄弱点做重点突破，提供及时反馈和一对一指导，开创自主创新的学习方式。同时，ChatGPT能够帮助学生获取最新的前沿医学知识，提供快速信息检索、文献综述和语言翻译等便利工具，提高学生的自主学习效率。

3 ChatGPT 时代数字医疗所面临的挑战和风险

数字时代，公共医疗数字化转型是满足庞大就医需求的必然选择，但医疗资源渠道来源复杂，具有多维性和隐私性，医疗数据不仅涉及到个人的隐私，还是构成国家安全卫生体系的重要内容。而ChatGPT作为最新的生成式AI，具备强大的智能文本生成功能，在实际场景应用中仍存在一定挑战与风险，首先是医疗大数据共享的挑战，其次是数据隐私保护和数据安全，最后是ChatGPT引发的歧视风险和商业化困境。

3.1 医疗大数据共享挑战

医疗大数据共享是数字医疗提升效率的重要发展方向。ChatGPT本质为预训练语言模型，其数据分析功能和智能对话特性依赖于庞大的训练语料。ChatGPT引入我国数字医疗体系要求医疗机构信息互联互通，达到全生命周期数据的实时传递与共享，目前我国数字医疗尚未达到数据系统融合的程度。

一方面，数据共享不利于差异化竞争战略。传统医疗机构由于等级、医疗设备和人力资源的区别，为满足患者多样化的就医需求，不仅要提高自身的医疗技术水平，合理配置资源也极其重要。其中内部病例数据、处方信息和医学影像数据等医疗资源是独有的知识资产。而ChatGPT数据分析功能和智能对话特性依赖于庞大的训练语料，这要求传统医疗机构信息互联互通，达到全生命周期和实时传递数据的共享目标，这与专属知识的独占性恰恰相反。因此，突破独有数据权限的ChatGPT医疗共享仍是一项重要挑战。

另一方面，ChatGPT 可能引发医院的数据归属问题。医疗机构具备天然的知识壁垒，人们获取医疗资源的成本通常较高，导致医疗资源流通障碍以及医疗知识的碎片化，且在医院内部子系统的信息化建设中，软件供应商和数据端口的差异性使得数据共享局限在小范围的业务内容，加大了医疗数据共享的难度。互联网医疗作为数字医疗发展的重要方向，为优质医疗资源提供数字化媒介，互联网医疗平台接入ChatGPT能够加快医疗知识的传播，但目前互联网医疗尚未全面联通医疗机构的数据渠道，仅提供在线问诊、咨询药物使用和挂号预约等基础服务，如何实现ChatGPT 与线下医疗机构或线上互联网医疗数据共享仍面临着技术层面的挑战。

3.2 数据隐私和安全挑战

构建数字医疗领域的对话模型，实现公共医疗数字化过程中的深度融合、数据分析和信息检索，ChatGPT需要大规模收集、存储和分析真实医疗数据。这些数据很可能涉及到个人隐私，形成潜藏的数据隐私泄露风险，且ChatGPT所使用的算法决策不透明且难以解释，涉密数据如果不加以限制，可能危害数据安全和国家安全。如何权衡人工智能数据共享和隐私保护的关系，是数字医疗体系中生成式AI治理的首要问题。其具体原因如下：

首先，ChatGPT 可能过度收集个人信息。例如ChatGPT在意大利曾发生泄露用户对话信息和支付信息的事件，个人信息采集应当按照合法的途径、正当的目的和最小数据原则，充分的数据资源训练使ChatGPT模型给出更精准的回答，其中可能涉及患者的隐私，使患者的个人信息暴露在数字医疗各环节中，增加了人们的隐私担忧。

其次，数据使用权被占有或转移加剧隐私风险。ChatGPT对海量医疗数据的整合能够提高医疗资源流动性，然而，由于数据来源的多样性，通过多种渠道采集、存储、处理各类数据的过程中，会涉及到数据终端的转移，从而引发数据权限的更替，形成数据的非法占有和转移风险。

最后，涉密数据安全性难以保证。数据是数字医疗的战略资源，维护涉密医疗数据是维护国家数据安全的重要内容，ChatGPT 在为用户提供精准交互服务的同时，对涉密数据缺乏安全评估机制，会产生数据跨境流通、出境的安全风险，且ChatGPT与数字医疗体系的深度嵌入，对技术平台的安全性具有极高的要求。因此，涉密数据的治理与应用是ChatGPT在数字医疗中应用所面临的又一项重要难题。

3.3 ChatGPT 产品引入挑战

我国数字医疗目前处于快速发展阶段，对于生成式AI的算法公平和实现方案有更高的要求，ChatGPT相关产品引入面临诸多挑战。

一方面ChatGPT带来的歧视风险，可能会引发社会排斥问题，主要表现为算法歧视性和人群使用障碍。首先是算法歧视性，ChatGPT由美国人工智能研究实验室OpenAI发布，其语料及模型主要为英语体系下的内容及运算逻辑，对于我国用户而言，不仅缺少相应语料，而且未考虑中国用户的特征，这无形中放大了ChatGPT的算法歧视性。其次ChatGPT能够根据个人的认知和偏好提供情景式的交互对话，但并不能保证对话内容被用户完全理解。其原因在于，中青年人群通常学历水平较高，能够按照清晰的逻辑和简洁的语句准确表达问题，而对于老年人或受教育水平较低的群体，在引导ChatGPT有效对话时会出现问题表述障碍和解释不清的现象。

另一方面建立完善的商业模式的挑战。ChatGPT在自然语言生成方面能够根据个性化场景提供友好的交互对话，在数字医疗领域引进ChatGPT，不仅对数据获取、处理、存储和维护有极高的要求，也对相关数据管理人员的专业技能提出更高的要求。医疗机构需要高专业素质的人员收集医疗知识语料，以及评估ChatGPT回答内容的质量，从而提高提供信息的准确性和完整性。实现ChatGPT生成内容的价值转换，需要完善的商业模式与之匹配，即如何与用户对接实现知识的传递，知识的价值如何确定，如何对知识的质量进行评估，如何优化知识生成模型等均需要通过商业模式设计来实现。

4 基于ChatGPT 的数字医疗发展策略

公共医疗数字化是我国数字化战略的重要一环。但当前我国数字医疗产业尚处于起步阶段，相关的产业体系尚不成熟。ChatGPT等生成式AI技术为数字医疗创新发展提供了新的思路。合理利用相关技术提升数字医疗的发展水平，建立健全相关法律法规，探索数字医疗产业与类ChatGPT产品融合发展的策略具有重要的实践意义。

4.1 建设数字医疗大数据共享体系

医疗大数据共享是我国数字医疗产业发展中必须克服的难题，推动医疗大数据开放共享，不仅促进公共医疗数字化转型，还对数字医疗产业、医学教育、科研机构和医疗价值共创有重大影响。

第一，完善数字医疗大数据共享规范，不仅要明确ChatGPT在整合医疗资源上的数据权限，还要规范数据共享的流程。数据共享规范是指在数据共享过程中应该遵守的一致化标准、存储方法、溯源机制和行为规范等，具体分为事前、事中和事后共享行为的规范［29］。在数据共享过程中，医疗行政管理部门应充分考虑数据共享的责任主体和风险属性，优化医疗机构数据共享审核流程，精简数据流转制度，加大医院信息互通基础设施资金投入；对数据共享流程做常态化监控，有效衔接数据共享的中期状态，日常抽查和专项监管的双效控制，防止数据共享过程的不合规行为；对数据共享项目进行全过程合法性评估，及时调整后续数据共享计划，追究违法数据窃取行为的刑事责任。

第二，建立健全医疗机构数据共享协调机制，强调数字医疗数据的采集、存储分析和支配等各相关方的权力和义务。打破数字医疗各环节的组织壁垒，加快推进数据共享过程精准对接，简化数据采集、处理、存储、上传、利用等数据共享流程，有利于整合多方医疗资源，助力我国数字医疗的高效开放运作，为人民提供更高效、更便捷、更人性化的医疗信息。

第三，搭建基于ChatGPT的医疗数据资源平台，提高数字医29i/DNWwBVAI0aLZIg2UDCNPYEsmboyUZAShntQeHCk=疗产学研合作水平，充分挖掘医疗大数据内在规律。医疗大数据资源是推动医学教育数字化转型的基石，是科研机构挖掘、分析和创造发明的助力，更是数字医疗产业高效运作的动力。将ChatGPT应用于资源平台中，有利于建立实时动态、系统化和标准一致的资源目录，针对性训练数字医疗场景下的ChatGPT模型，提升在其辅助判断、智慧健康、远程医疗和复合型人才培养的嵌入水平。

4.2 优化数字医疗生成式AI 生态环境

目前，国内科技企业正在布局的生成式AI产品与ChatGPT相比，更加适应我国的用户特征，有助于推动我国数字医疗产业的发展。如何发挥各数字医疗企业的优势，创新发展数字医疗生态，为广大用户提供个性化的医疗服务，在医疗数据资源共享的前提下，形成创新协同生成式AI生态系统，对于公共医疗数字化目标的实现具有重要的意义。

第一，整合类ChatGPT 产品，实现不同渠道融合。目前很多科技企业布局生成式AI，如百度“文心一言”、阿里巴巴自研机器人“通义千问”、科大讯飞“讯飞星火认知大模型”、360集团的360GPT等。尽管相较于国外ChatGPT，我国生成式AI起步较晚，但更加符合我国语言、文化特征。在数字医疗领域，整合类ChatGPT产品，为患者医疗咨询提供更多的渠道选择。一方面，需加快生成式AI与数字医疗的深度融合，鼓励科技企业构建生成式AI平台，为数字医疗提供服务端口。另一方面，要充分利用多模态数据，深入挖掘医疗数据价值。在临床诊断中的医疗数据覆盖文本、语音、视频、医学影像等模态，生成式AI 产品连接系统外部接口，利用不同形态、不同内容、不同特征的数据提升数据价值，从而提高生成式AI产品提供服务的智能性、准确性。

第二，强化数字医疗商业模式创新。生成式AI能够成为数字医疗的新工具，该技术有助于数字医疗产业价值的提升。然而，建立与之匹配的商业模式并实现商业价值的提升，需要明确服务对象特征及需求，从知识供给、知识需求、知识付费方式、知识服务评价等方面，建立商业模式的价值体系；从用户、数字医疗机构、监管部门建立商业模式主体关系；从语料库、大模型创新的角度，建立生成式AI的持续创新模式，以保证其功能的不断完善；从数字医疗应用场景方面，建立涵盖术后康复、疾病预防、知识问答、健康科普等多方面的交互平台，实现与用户实时对接。

4.3 健全以隐私和安全为中心的数据保护机制

为保护重要战略信息资源，我国出台了《网络安全法》《数据安全法》《个人信息保护法》等法律法规，明确了数据安全治理的重要性，开发了基于隐私计算、区块链、云环境的数据技术，以保证数据的完整性和不被篡改，防止在数据传输过程中的丢失和泄露，提高了数据的安全性。鉴于医疗大数据隐私安全保护的重要性，生成式AI研发与应用的过程中需建立完善的隐私数据保护机制。

第一，加强隐私数据保护技术的应用。一方面，以保障医疗数据的机密性、完整性、可用性为目标，医疗行政管理部门和互联网相关部门应当从数据安全和个人隐私方面，采用数据加密、数据备份、数据脱敏等技术，加强数据收集、传输、存储、使用、交换、销毁等全生命周期的安全防护，降低生成式AI在数字医疗中的应用风险；另一方面，各相关方在上报数据时应明确上报范围、上报规则和上报流程，明确数据权限，优化数据泄露时的责任追究制度，尤其生成式AI应用于数字医疗过程中的全面监督与管理。

第二，加强跨境数据风险防范。跨国数据的共享，在数字医疗领域可以丰富生成式AI 的语料库和模型库，提高其运算能力和服务水平。但是，也会带来不良信息涌入和国家安全相关数据泄露的风险。因此，在数字医疗国际合作领域，要加强共享数据的审查、流通与处理，明确数据的类型、应用领域、使用方式、适用对象等，从而降低跨境数据的使用风险。

5 结语

以ChatGPT为代表的生成式人工智能为数字医疗的发展带来了新的机遇。本文在已有研究的基础上，归纳了数字医疗与人工智能结合的基本框架，然后，梳理ChatGPT的关键技术和功能，分析其在提高数字医疗的效能、推进数字医疗智能化、加大数字医疗的普及力度和数字医疗人才培育等四个方向的作用，并列举了潜在的应用场景，指出了可能面临的挑战和风险，最后提出基于ChatGPT的数字医疗发展策略，为我国数字医疗产业的发展提供理论参考。

参考文献：

［1］ 钱力，刘熠，张智雄，等.ChatGPT的技术基础分析［J］.数据分析与知识发现，2023，7（3）：6-15.

［2］ 张华平，李林翰，李春锦.ChatGPT中文性能测评与风险应对［J］.数据分析与知识发现，2023，7（3）：16-25.

［3］ 邵旸，樊美琪，蔡滨，等.数字医疗背景下老年人就医数字鸿沟现状及治理路径研究［J］.医学与哲学，2022，43（24）：73-76.

［4］ 李旭东，李阳.国内外数字医疗产业模式实践进展：对比分析的视角［J］.工业技术经济，2020，39（7）：124-130.

［5］ 范舜，谈在祥.人工智能背景下“新医科”建设的挑战与变革［J］.中国高校科技，2019（7）：56-59.

［6］ 张晋铭，徐艳玲.人工智能变革公共卫生治理体系的机遇、挑战与策略分析［J］.理论月刊，2020（3）：56-63.

［7］ LIU S R，WRIGHT A P，PATTERSON B L，et al. Assessing the value of ChatGPT for clinical decision support optimization［EB/OL］.（2023-02-23）［2023-08-07］. https：//www. medrxiv. org / content /10.1101/2023.02.21.23286254v1.

［8］ ZHU Y，HAN D，CHEN S Q，et al. How can ChatGPT benefit pharmacy：a case report on review writing［EB /OL］.（2023-02-20）［2023-08-10］.https：//www.preprints.org/manuscript/202302. 0324/v1.

［9］ KUNG T H，CHEATHAM M，MEDENILLA A，et al.Performance of ChatGPT on USMLE：potential for AI-assisted medical education using large language models［J］.PLOS Digit Health，2023，2（2）：e0000198.

［10］ GILSON A，SAFRANEK C W，HUANG T，et al.How does ChatGPT perform on the United States medical licensing examination？ the implications of large language models for medical education and knowledge assessment［J］.JMIR Med Educ，2023，9：e45312.

［11］ ANTAKI F，TOUMA S，MILAD D，et al.Evaluating the performance of ChatGPT in ophthalmology：an analysis of its successes and shortcomings［J］.Ophthalmol Science，2023，3（4）：100324.

［12］ JEBLICK K，SCHACHTNER B，DEXL J，et al. ChatGPT makes medicine easy to swallow：an exploratory case study on simplified radiology reports［J］.European Radiology，34（5）：1-9.

［13］ 徐璐璐，洪贇，叶鹰.ChatGPT及GPT类技术的医学信息学应用前景探讨［J］.情报理论与实践，2023，46（6）：38-42.

［14］ 瞿星，杨金铭，陈滔，等.ChatGPT 对医学教育模式改变的思考［J］.四川大学学报（医学版），2023，54（5）：937-940.

［15］ 周智博.ChatGPT模型引入我国数字政府建设：功能、风险及其规制［J］.山东大学学报（哲学社会科学版），2023（3）：144-154.

［16］ 陈永伟.超越ChatGPT：生成式AI的机遇、风险与挑战［J］.山东大学学报（哲学社会科学版），2023（3）：127-143.

［17］ 朱光辉，王喜文.ChatGPT的运行模式、关键技术及未来图景［J］.新疆师范大学学报（哲学社会科学版），2023，44（4）：113-122.

［18］ 国家互联网信息办公室. 数字中国发展报告［EB/OL］mtfSvyYd1114GBtUCwNqpkIz8eXEGUmMAxo2ceI0tww=.（2023-05-23）［2023-09-09］.http：//www.cac.gov.cn/2023-05/22/c_1686402318492248.htm.

［19］ 腾讯研究院.《AIGC 发展趋势报告》［EB/OL］.（2023-01-31）［2023 - 09 - 09］. https：//mp. weixin. qq. com / s / 9AjTpyL4Hm Q6BDhWIDbD0A.

［20］ 艾媒咨询.《2023 年中国AIGC 行业发展研究报告》［EB/OL］.（2023 - 04 -17）［2023 -09-09］. https：//www. iimedia. cn / c1087 /92725.html.

［21］清华大学《. AIGC发展研究报告》［EB/OL］（. 2023-06-16）［2023-09 - 09］. http：//www. china. com. cn / txt / 2023-06 / 16 / content_87720550.htm.

［22］ RAY P P. ChatGPT：a comprehensive review on background，applications，key challenges，bias，ethics，limitations and future scope［J］.Internet of Things and Cyber-Physical Systems，2023，3：121-154.

［23］ 高传胜.健康中国背景下公共卫生与医疗服务协同发展和治理研究［J］.社会科学辑刊，2022（6）：136-146.

［24］ 陆泉，彭雪莹，陈静.健康中国战略视角下重大慢性病预防知识服务体系构建［J］.情报科学，2023，41（6）：1-8，28.

［25］张瑞利，王刚“. 互联网”医疗服务供给：模式比较及优化路径［J］.卫生经济研究，2022，39（03）：32-37.

［26］ 吴迪，计晓伟.互联网医疗产业的运行逻辑与高质量发展［J］.改革，2021（6）：125-135.

［27］ 陈默.中国农村医疗服务困境及人工智能助力对策分析［J］.中国卫生事业管理，2021，38（7）：536-538.

［28］ 杨善林，范先群，丁帅，等.医联网与智慧医疗健康管理［J］.管理科学，2021，34（6）：71-75.

［29］ 郝世博，邓雨亭.融合数据监管与数据溯源的科学数据共享管理研究［J］.情报理论与实践，2018，41（3）：23-28.