盡管，打破看得好病、看得起病和看得上病這個(gè)“不可能三角”，無(wú)法一蹴而就，但是在人工智能浪潮的推動(dòng)下，“不可能”也在逐漸向“可能”轉(zhuǎn)變。

近日，國(guó)家醫(yī)保局在相關(guān)新聞發(fā)布會(huì)上表示，目前已編制發(fā)布17批立項(xiàng)指南。其中，為了支持相對(duì)成熟的AI輔助技術(shù)進(jìn)入臨床應(yīng)用，國(guó)家醫(yī)保局在放射檢查、超聲檢查等項(xiàng)目中設(shè)立“AI輔助”擴(kuò)展項(xiàng)，即同樣的價(jià)格水平下，醫(yī)院可以選擇培養(yǎng)醫(yī)務(wù)人員進(jìn)行診療，也可以選擇使用AI參與診療行為，而且現(xiàn)階段不重復(fù)收費(fèi)。

如此一來(lái)，AI輔助診斷被列入醫(yī)療服務(wù)價(jià)格構(gòu)成，不僅向大眾發(fā)出了關(guān)于AI+醫(yī)療應(yīng)用的積極信號(hào)，同時(shí)也為AI輔助技術(shù)的臨床應(yīng)用鋪平了道路。

“不可能三角”里，AI輔助先解決“看得上”

正如巴克萊一份報(bào)告提到的“AI路線圖”那樣，我們正處于人工智能三個(gè)階段之一的AI助理時(shí)代，這個(gè)階段主要是對(duì)聊天機(jī)器人和一些早期AI助理的廣泛應(yīng)用。

而在相對(duì)更嚴(yán)肅且應(yīng)用場(chǎng)景更復(fù)雜的醫(yī)療領(lǐng)域，基于醫(yī)學(xué)本身的高精度以及充滿(mǎn)不確定性的特點(diǎn)，AI技術(shù)應(yīng)用的首發(fā)場(chǎng)景更聚焦于“輔助角色”。

目前，在診斷方面的應(yīng)用主要有病史采集、體格檢查輔助、建議輔助檢查、初步診斷、病歷書(shū)寫(xiě)等，以上場(chǎng)景主要由聊天機(jī)器人介入，獲取關(guān)鍵信息進(jìn)行輔助判斷，從而協(xié)助醫(yī)生完成病歷整理和書(shū)寫(xiě)，不僅能提升醫(yī)療全過(guò)程的效率，還能降低人為錯(cuò)誤，提高患者安全性。

以百度推出的靈醫(yī)大模型為例，其通過(guò)API或插件嵌入的方式，在200多家醫(yī)療機(jī)構(gòu)中展開(kāi)應(yīng)用，顯著提升了診斷的準(zhǔn)確性和效率。而騰訊借助醫(yī)療大模型推出的AI輔助臨床決策方案，可以幫助醫(yī)生快速分析臨床資料，從中提取關(guān)鍵信息，以做出診斷和治療決定。

這其中，醫(yī)學(xué)影像輔助診斷更是商業(yè)化應(yīng)用潛力最大的方向之一。一方面可以將AI與CT、X光機(jī)相結(jié)合；另一方面可以促成網(wǎng)上問(wèn)診再到實(shí)際成交的轉(zhuǎn)化。

而阿里健康開(kāi)發(fā)的肺結(jié)節(jié)篩查系統(tǒng)就是很好的例子，該系統(tǒng)可以在秒級(jí)別內(nèi)對(duì)CT圖像進(jìn)行分割、定位、分類(lèi)和風(fēng)險(xiǎn)評(píng)估，輔助醫(yī)生診斷肺癌。此外，據(jù)京東披露，其旗下京東健康皮膚醫(yī)院基于大模型的AI輔診準(zhǔn)確率超過(guò)95%，專(zhuān)病隨訪服務(wù)患者付費(fèi)轉(zhuǎn)化率已達(dá)20%。

圖源來(lái)自Pixabay圖庫(kù)

手術(shù)應(yīng)用方面，AI輔助技術(shù)也是潛力無(wú)限，可以覆蓋術(shù)前規(guī)劃與訓(xùn)練、術(shù)中輔助、術(shù)后監(jiān)控與康復(fù)三個(gè)階段。

術(shù)前規(guī)劃與訓(xùn)練階段，AI可以通過(guò)對(duì)患者影像數(shù)據(jù)的分析，生成三維模型，幫助制定更為精確的手術(shù)方案；而在術(shù)中輔助階段，基于AI的導(dǎo)航系統(tǒng)能夠?qū)崟r(shí)顯示患者的解剖結(jié)構(gòu)，幫助外科醫(yī)生更準(zhǔn)確地進(jìn)行操作；術(shù)后階段，AI則可以幫助監(jiān)測(cè)術(shù)后感染情況，及時(shí)提供干預(yù)措施，改善患者的康復(fù)效果。

具體應(yīng)用方面，比如馬斯克的Neuralink項(xiàng)目，該項(xiàng)目通過(guò)腦機(jī)接口技術(shù)，連接大腦與外部設(shè)備，能夠治療神經(jīng)系統(tǒng)疾病并恢復(fù)感覺(jué)和運(yùn)動(dòng)功能。手術(shù)中，機(jī)器人可以高精度植入微型電極，減少對(duì)大腦組織的損傷。

整體來(lái)看，AI輔助技術(shù)在診斷和手術(shù)兩大場(chǎng)景中的實(shí)際應(yīng)用已經(jīng)逐漸具象化。隨著AI技術(shù)的加持，醫(yī)療救治全過(guò)程的效率明顯提升，“不可能三角”中的“看得上”一角也開(kāi)始得到顯著改善。

“看的好”背后的風(fēng)險(xiǎn)，仍亟待解決

“不可能三角”中頗為重要的一角——“看的好”卻仍然面臨著不少的難題和挑戰(zhàn)。畢竟醫(yī)療工作是一個(gè)高度專(zhuān)業(yè)化的領(lǐng)域，醫(yī)生和護(hù)士們都經(jīng)過(guò)了長(zhǎng)期的專(zhuān)業(yè)學(xué)習(xí)和實(shí)踐經(jīng)驗(yàn)積累。

目前，在輔助醫(yī)療領(lǐng)域被廣泛應(yīng)用的大模型就在可靠性和準(zhǔn)確性上遭遇挑戰(zhàn)。以GPT-4為代表的多模態(tài)基礎(chǔ)模型就存在“幻覺(jué)”或“事實(shí)編造”問(wèn)題，即可能輸出錯(cuò)誤的、不準(zhǔn)確的、不真實(shí)的信息。

盡管，英偉達(dá)高級(jí)科學(xué)家Jim Fan認(rèn)為這是源于大模型與傳統(tǒng)網(wǎng)絡(luò)搜索之間的區(qū)別，而AI領(lǐng)域的專(zhuān)家Karpathy也認(rèn)為AI幻覺(jué)不算是一種缺陷，并將大模型稱(chēng)之為“造夢(mèng)機(jī)”。

然而，AI診斷輔助工具或治療建議LMM的準(zhǔn)確性問(wèn)題依然不容忽視。若醫(yī)生基于這些不準(zhǔn)確的信息做出醫(yī)療決策，將直接威脅患者的健康，并可能削弱醫(yī)生的專(zhuān)業(yè)判斷力。

圖源來(lái)自Pixabay圖庫(kù)

準(zhǔn)確性不足是一方面，而技術(shù)的復(fù)雜性也導(dǎo)致責(zé)任歸屬變得模糊化。

由于AI輔助系統(tǒng)進(jìn)行決策時(shí)往往依賴(lài)于復(fù)雜的算法和大數(shù)據(jù)分析，而具體的算法和數(shù)據(jù)溯源存在不確定，這種“黑箱”特性使得追溯具體決策邏輯時(shí)難度驟增。因此，當(dāng)AI醫(yī)療方案導(dǎo)致患者受損時(shí)，很難確定是技術(shù)故障、算法缺陷還是數(shù)據(jù)問(wèn)題導(dǎo)致的錯(cuò)誤判定。

而且，醫(yī)療過(guò)程中涉及的多方參與者也使得責(zé)任劃分更加復(fù)雜。畢竟，AI醫(yī)療輔助系統(tǒng)的開(kāi)發(fā)、部署和使用過(guò)程中，往往有多個(gè)參與方，包括AI技術(shù)供應(yīng)商、醫(yī)療機(jī)構(gòu)、醫(yī)護(hù)人員和患者等。

而AI技術(shù)供應(yīng)商內(nèi)部又細(xì)分為數(shù)據(jù)采集、算法設(shè)計(jì)、故障測(cè)試等多個(gè)環(huán)節(jié)，每個(gè)環(huán)節(jié)在系統(tǒng)開(kāi)發(fā)和應(yīng)用過(guò)程中都扮演著不同的角色。如何明確界定這些角色和責(zé)任，成為了一個(gè)亟待解決的問(wèn)題。

因此，為了盡可能提升醫(yī)療大模型的可信度，AI技術(shù)應(yīng)用的風(fēng)險(xiǎn)管理需要貫穿AI全生命周期，包括預(yù)設(shè)計(jì)階段、設(shè)計(jì)開(kāi)發(fā)階段、部署階段以及貫穿這幾個(gè)階段的測(cè)試和評(píng)估活動(dòng)，以全面識(shí)別、分析、評(píng)估、管理、治理AI應(yīng)用風(fēng)險(xiǎn)。

AI醫(yī)療，平衡“三角”的關(guān)鍵

拋開(kāi)“看得上”和“看得好”兩角來(lái)看，“看得起”也十分關(guān)鍵。而人工智能與醫(yī)療行業(yè)的深度融合，正在成為推動(dòng)我國(guó)醫(yī)療體系實(shí)現(xiàn)“AI普惠”的重要力量。

正因?yàn)椴淮_定性、信息不對(duì)稱(chēng)，以及涉及范圍廣等特點(diǎn)，醫(yī)療系統(tǒng)的復(fù)雜性使得醫(yī)療普惠一直在路上。而數(shù)字化技術(shù)的應(yīng)用能弱化行業(yè)信息差特性，并加快三醫(yī)協(xié)同治理，促進(jìn)中國(guó)式現(xiàn)代化醫(yī)藥衛(wèi)生體制不斷完善。

不僅如此，在醫(yī)藥終端領(lǐng)域，AI大模型、生物數(shù)據(jù)庫(kù)等數(shù)字技術(shù)正深刻影響著藥物研發(fā)的各個(gè)階段，從早期發(fā)現(xiàn)到動(dòng)物實(shí)驗(yàn)、臨床試驗(yàn)，均展現(xiàn)出巨大潛力。

這些技術(shù)不僅顯著提升了研發(fā)效率，縮短了研發(fā)周期，還促進(jìn)了生物醫(yī)藥創(chuàng)新從跟隨式、同質(zhì)化模式向突破性、引領(lǐng)性方向的轉(zhuǎn)變。

圖源來(lái)自Pixabay圖庫(kù)

因此，AI技術(shù)的深入應(yīng)用有望引領(lǐng)行業(yè)跳出傳統(tǒng)思維框架，圍繞患者需求進(jìn)行資源與服務(wù)的高效整合，最終孕育出一系列既具備健康價(jià)值又彰顯普惠特性的優(yōu)質(zhì)產(chǎn)品。

盡管AI技術(shù)與醫(yī)療領(lǐng)域的深度融合已成為大勢(shì)所趨，但目前眾多企業(yè)仍在經(jīng)歷轉(zhuǎn)型期的挑戰(zhàn)與陣痛。據(jù)阿斯利康全渠道總經(jīng)理劉謙透露，2024年上半年，無(wú)論是醫(yī)院市場(chǎng)還是零售市場(chǎng)，醫(yī)藥經(jīng)營(yíng)企業(yè)普遍面臨著銷(xiāo)售增長(zhǎng)與利潤(rùn)增速的雙重放緩。

在此背景下，面對(duì)日益激烈的行業(yè)競(jìng)爭(zhēng)，利用AI技術(shù)賦能平臺(tái)，打破傳統(tǒng)商業(yè)模式中的“不可能三角”，推動(dòng)企業(yè)的持續(xù)健康發(fā)展，已成為行業(yè)內(nèi)廣泛認(rèn)同的發(fā)展路徑。

從市場(chǎng)規(guī)模增長(zhǎng)來(lái)看，AI醫(yī)療的市場(chǎng)潛力確實(shí)不容小覷。前瞻產(chǎn)業(yè)研究院數(shù)據(jù)顯示，中國(guó)AI醫(yī)療市場(chǎng)規(guī)模從2019年的27億元快速增長(zhǎng)至2023年的88億元，年復(fù)合增速達(dá)34%。

而且，AI醫(yī)療行業(yè)企業(yè)數(shù)量一般，行業(yè)仍處于快速發(fā)展初期，行業(yè)格局尚不穩(wěn)定。這對(duì)于剛?cè)刖趾鸵讶刖制髽I(yè)來(lái)說(shuō)，藍(lán)海市場(chǎng)的機(jī)遇正待挖掘。

因此，隨著越來(lái)越多的企業(yè)入局，AI技術(shù)的革新力量將得到充分體現(xiàn)。長(zhǎng)遠(yuǎn)來(lái)看，AI不僅可以是醫(yī)療服務(wù)的輔助工具，更能是推動(dòng)醫(yī)療體系升級(jí)的關(guān)鍵力量。未來(lái)，醫(yī)療行業(yè)中存在的“不可能三角”，也將被AI所平衡。

作者：琴聲奏響時(shí)

來(lái)源：港股研究社

       原文標(biāo)題 : “不可能三角”的“宿敵”，AI輔助技術(shù)撕開(kāi)“第一道口子”