随着生成式AI人工智能大模型的热潮掀起，人类距离AI医生似乎更近了。不过，Al只是一种算法，新技术快速迭代的同时，伴随而来的是新风险。技术可以无限，但医学人文伦理有界，真实应用中需依规，安全责任需立矩。当然，最重要的是作为健康第一责任人，必须用“脑”去严格评判风险。

尽管AI在医疗领域的渗透已经是确定性趋势，有着广泛的应用前景，不过，人类真的会信赖AI医生看病吗？如何厘清医疗和AI技术服务的边界以及责任分担？《医药经济报》邀请业内专家和企业代表，就相关问题进行了探讨——

【嘉宾】

微脉创始人兼CEO 裘加林

强联智创创始人兼董事长 秦岚

上海交通大学医学院附属仁济医院教授 李海

医院管理资深人士 刘牧樵

发展驶入快车道

　

《医药经济报》：近年来，人工智能不断为医疗发展注入新活力。在您看来，人工智能技术主要给医药行业带来了哪些变化？

裘加林：近两年，AI在辅助诊断、个性化诊疗、药物研发、疾病预测、临床决策支持、流程自动化、患者管理等方面发展迅速，为疾病预防-诊疗-康复全程管理带来了技术与模式上的“双突破”。既提高了医生诊断的精确度、效率和便捷性，也辅助医生制定更合理的诊疗决策，让医生可以从一些繁杂的事务中抽身出来，更加专注于疾病的治疗。AI在医疗大健康领域的应用备受期待，不但可以改善患者的健康状况，对于推动医学科学的进步也尤为重要。

李海：AI与医疗的结合是未来医学的大趋势，并逐渐展现出强大的潜力。以肝病全病程防治管理为例，首先，基层医院急诊首诊患者可通过APP问诊模型及云数据库，在基层医院建立早期识别慢性肝病急性加重预后不良患者及快速问转诊体系；其次，在三甲医院专病病房，通过移动互联网、AI技术与体外诊断试剂盒/实验室检测技术精准诊断相融合，有助于发现极早期尚未出现器官衰竭的慢加急性肝衰竭（下称“ACLF”）患者，对极高死亡率的ACLF实现早诊早治；最后，通过数字化等在线技术帮助门诊分层随访节约临床资源，配合检测技术在出院时预判不稳定/稳定肝硬化，实现不稳定肝硬化患者在三甲医院、稳定性肝硬化患者通过远程技术、门诊分层随访在基层医院。

刘牧樵：AI能够实现诊疗流程的标准化，这一点对医生和患者来说都很有价值。未来，AI在大数据研究、药品开发、医院管理、服务流程的应用探索会更加深入。目前很多医院仍是粗放式管理，AI具有很大的发展市场。此外，在医疗保险、疾病筛查等领域，AI也可以发挥作用。

应用进入核心地

《医药经济报》：在人工智能浪潮中，目前最热门的探索方向是什么？贵公司在当前AI医疗产品开发中获得了哪些新突破？

秦岚：AI+医疗的重要变化之一，是新的AI治疗手段可以改变医生的手术流程。同时，越来越多关键决策类、辅助关键治疗类AI产品的应用进入医疗“深水区”和治疗核心区，愈发接近疾病诊疗的核心地带。例如，强联的影像阅片辅助能够帮助医生快速阅片，甚至达到高年资医生水平，从而解决大量影像扫描以及高年资医生缺乏等问题。这不仅能提高效率，更能解决问题，即让医生加上AI发挥1+1＞2的效果。

目前，我们的探索主要有两个方向：一是将AI技术应用在关键治疗、手术环节。比如，将神经介入手术过程中医生相对比较难掌握和学习的部分拆分出来，采取类似自动驾驶的解决方案，难的部分交给AI机器人，容易掌握的由人来操作，通过人机结合形成手术闭环。二是将AI引入越来越多的治疗决策环节。以往医生做决策主要依靠临床经验、参考文献、指导指南等，治疗决策则常用评估量表。以前的评估量表计算方式落后，对此，我们在方法学上进行改进，通过大数据挖掘与纳入更多因素，包括将患者特征参数等也考虑进去，用算法给出更好的辅助决策结果。

裘加林：针对当前民众基础医疗常识和健康管理意识薄弱等痛点，微脉今年发布了健康管理领域大语言模型应用CareGPT，致力于在真实的医疗服务场景中实现预防、咨询、预约、康复的全周期智能化健康管理。如通过对患者的有效交互和内容分析，为其提供文字、图片、视频等多形态的健康管理建议，覆盖诊前、诊中、诊后全流程。在CareGPT的支持下，医生和个案管理师在同一时期的患者管理数量可提升至500个，在此之前，这一数据为50~70个。

理解价值与局限

　

《医药经济报》：在您看来，让AI等新兴技术在安全有序、可控的轨道上行驶，还有哪些障碍有待突破？如何厘清医疗和AI技术服务的边界，以及责任分担问题？

刘牧樵：在关注健康信息安全的同时，AI主要是为医生决策提供参考。在循证医学基于数据评估的趋势下，AI在决策参考上将会发挥更大作用。目前我国正处于医改进程中，电子病历信息系统还不完善，AI医疗发展面临挑战，因此，AI技术要有真实力、做出品牌，应用伪AI技术会有反作用。

李海：在基层，尤其缺乏早筛慢性肝病急性加重不良预后患者的能力，而死亡高风险患者无法在首诊被及时识别并转诊，错过早诊早治。进一步有效利用大数据AI技术，让社区管理聚焦低死亡率的慢性肝病患者，而基层医院注重死亡高风险急性事件，三甲医院则负责ACLF前期的黄金窗口干预期等，技术层面都需要环环赋能。需要强调的是，数字技术是医疗服务很重要的辅助工具，但在疾病全病程管理的很多场景不能取代医生，如何在保障安全、合规的前提下有效提高诊疗效率，仍是医疗数字化新业态亟待加强和完善的地方。

裘加林：相较于其他领域的大模型，医疗健康类大模型的商用会更困难一点，医疗的严肃性注定其对差错的容忍率会更低。比如要做诊断，它一定要达到“执业”水平。另外，行业从业者如何看待，是否愿意为此承担医疗风险，都是决定AI医疗发展的因素。除了模型本身的能力需要不断提升外，政策以及患者的接受程度都是重要因素。在提升效率等能力上，医疗健康大模型肯定能带来价值，但仍有需要突破的难题。对于行业来说，医疗、药品和AI领域需要更紧密的合作，共同制定标准、指南和最佳实践，以确保技术安全和有效应用。

秦岚：在AI影像阶段，医生首先要接受AI是个工具，可以提升效率。下一阶段，医生需要学习如何与AI合作，一起提升治疗效果和决策的准确度。这就需要更多医疗数据的积累。不过，医疗数据的天然特点就是小样本量数据。积攒到大样本量需要花费一定时间，目前医院的信息化建设总体上虽然取得了进步，但是各个医院的医疗数据存在孤岛现象，比如使用的系统、数据标签不同。这同样需要时间的累积和滚动，数据量越来越多，标准化才会越来越强。

从人工智能的服务边界以及责任承担角度来讲，再智能的产品都会加上“辅助”二字，所以边界和责任还是挺清楚的。总的来看，今后对医生的要求将会越来越高，需要新的实践和学习过程。未来，随着拥抱新技术的医生越来越多，医生需要更加理解AI并分析AI给出提示的优势和局限性，让其变成医生治疗疾病的真正帮手。

此内容为《医药经济报》融媒体平台原创。未经《医药经济报》授权，不得以任何方式加以使用， 包括转载、摘编、复制或建立镜像。如需获得授权请事前主动联系：020-37886610或020-37886753；yyjjb@21cn.com。