在有生之年，總能見證科幻變成現(xiàn)實(shí)，何其幸運(yùn)。

由于DeepSeek的強(qiáng)大推理能力，似乎給一直破解不開的AI醫(yī)療帶來了希望。

全國兩會期間，全國政協(xié)委員、四川大學(xué)華西醫(yī)院教授甘華田表示，目前，AI醫(yī)療的廣泛應(yīng)用存在著一系列法律、倫理、安全和技術(shù)等問題，亟待通過立法加以規(guī)范和解決。只有加強(qiáng)相關(guān)立法，“AI+醫(yī)療”才能更好發(fā)展。

不得不說，AI醫(yī)療，已經(jīng)離我們越來越近了。

01 AI醫(yī)療，打破“不可能三角”？

最近的一波，或許是親身體驗(yàn)AI醫(yī)生看病，因?yàn)檫@個可能5年后初步實(shí)現(xiàn)，而且貼身體驗(yàn)，可能比起其他還在象牙塔里的科幻，顯得都要貼近需求，讓人類感到迫切。

從AI+影像，AI+臨床，到AI+原生硬件，2024年被譽(yù)為AI+醫(yī)療大模型發(fā)展元年。

甚至連看似和醫(yī)療只是“交易”關(guān)系的支付寶也坐不住了。

就在2024年9月5日，支付寶在“2024 Inclusion·外灘大會”上發(fā)布了“AI健康管家”。

當(dāng)然，這并不是一個醫(yī)療智能體，只是一個便捷付費(fèi)服務(wù)綜合體。

按照支付寶副總裁、數(shù)字醫(yī)療健康事業(yè)部總經(jīng)理張俊杰的介紹，這是一個一站式平臺，可以圍繞診前、診中、診后全流程隨時為患者提供服務(wù)。

其中包括找醫(yī)生、陪診、讀報(bào)告、醫(yī)保支付等30多項(xiàng)服務(wù)，還可以針對非醫(yī)療的泛健康問題給出智能化、個性化解答。

立足點(diǎn)，依然是為了撮合交易。

但在支付寶入場之前，已經(jīng)有大量人工智能公司涌入AI醫(yī)療賽道，而且一個比一個更樂意在“治病”上進(jìn)行表演。

困擾醫(yī)療領(lǐng)域無數(shù)歲月的“不可能三角”，將會被打破嗎？

AI醫(yī)生，會如同AI算命一樣，成為華而不實(shí)的神醫(yī)嗎？

或許，奇點(diǎn)將在許多人意想不到的一個位置爆發(fā)。

02 救人：拋硬幣or擲骰子？

十余年求索，AI已經(jīng)逐漸長成了那時IBM Waston期望的樣子。

它甚至跨出了診斷和治療的范疇，生根于醫(yī)療場景中的每一個角落。

以科技預(yù)言而為世人所熟知的《連線》雜志創(chuàng)始主編凱文·凱利就斷言，AI浪潮中，金融和醫(yī)療領(lǐng)域會最先看到變化，因?yàn)檫@兩個行業(yè)信息密度高。

在更多的人眼中，AI醫(yī)療能夠帶來一次突破，一次對“不可能三角”的突破。

所謂“不可能三角”指的是醫(yī)療服務(wù)高質(zhì)量、低成本、高效率難以兼得，達(dá)成平衡。

換成更通俗的話語則是質(zhì)量（看得好病）、成本（看得起病）和效率（看得上病）。

在科技界看來，從人工智能帶來的第四次科技革命浪潮，必然如蒸汽化、電氣化、信息化三次重大科技革命一樣大幅提高了人的體力勞動效率，極大解放了生產(chǎn)力，而“不可能三角”就有可能在人工智能的極致配合下，實(shí)現(xiàn)“三合一”的最大限度平衡。

但這只是景愿，并不代表就能落地。

正如ChatGPT展現(xiàn)了若干“奇跡”之后，但對絕大多數(shù)人來說，依然只是一個玩具或輔助。

AI醫(yī)生，距離治病救人，有多遠(yuǎn)？

哈佛醫(yī)學(xué)院數(shù)據(jù)科學(xué)家Kun-Hsing Yu的一句——“AI的一些醫(yī)療決策，實(shí)際上就是拋硬幣”，足以讓所有人心頭一緊。

這位科學(xué)家的發(fā)言，質(zhì)疑的是AI醫(yī)療模型很容易產(chǎn)生隨機(jī)的判斷，但醫(yī)學(xué)診斷的準(zhǔn)確性顯然不能建立在概率之上。

事實(shí)上，當(dāng)下的AI醫(yī)療，確實(shí)存在太多的問題，難以破解。

一個經(jīng)常見諸媒體的例子發(fā)生在2021年，一款名為Epic Sepsis Model的醫(yī)療診斷模型被曝出嚴(yán)重漏檢問題。

該模型用于敗血癥篩查，通過識別病人早期患病特征檢測，但密歇根大學(xué)醫(yī)學(xué)院研究者通過分析了2.77萬人的就診情況發(fā)現(xiàn)，該模型未能識別67%敗血癥病患。

或許很多人會說，這并不代表人工智能巨頭的力量，那么看一個“正面”例證：

2023年7月，全球頂級科學(xué)期刊《自然》（Nature）發(fā)表了一篇論文，詳細(xì)介紹了谷歌微調(diào)后的Med-PaLM，成功挑戰(zhàn)了美國醫(yī)學(xué)基準(zhǔn)測試（MedQA），并取得了86.5%的成績。

86.5%，意味著什么？

正面解讀是人工智能在醫(yī)療領(lǐng)域又邁進(jìn)了一步。

換個角度看看：即使是谷歌的產(chǎn)品，錯誤率也依然有13.5%，而且這可能是每一次診斷都會發(fā)生的。

唯一值得慶幸的是，拋硬幣可能變成了擲骰子，概率從1/2變成了1/6。

就在一年后，《自然》上又發(fā)表一篇文章，其中提到：一種完美的算法可能失敗，因?yàn)槿祟愋袨榫哂锌勺冃浴獰o論是醫(yī)療專業(yè)人員還是接受治療的人。

03 賽道：前方還有八十一難

誠然，當(dāng)下人工智能的發(fā)展，已經(jīng)開始向醫(yī)療領(lǐng)域的方方面面滲透。

以體檢報(bào)告生成為例，平均每5秒AI可自動生成一份總檢報(bào)告，報(bào)告采納率達(dá)到96%以上。

AI能夠幫助醫(yī)生實(shí)現(xiàn)更精準(zhǔn)、更輕松的手術(shù)，例如，AI輔助穿刺手術(shù)，能夠?qū)⒄`差縮小到2mm。

AI賦能遠(yuǎn)程醫(yī)療，能夠?qū)崿F(xiàn)大城市三甲醫(yī)院、基層醫(yī)院聯(lián)合會診，更好地平衡全國醫(yī)療資源，減少急危重癥患者等待。

AI醫(yī)療服務(wù)進(jìn)入社區(qū)，未來，每個家庭都有可能擁有私人家庭醫(yī)生，實(shí)現(xiàn)精準(zhǔn)、個性化健康管理。

總而言之，AI醫(yī)療，不只是AI醫(yī)生，還有很多普通人體驗(yàn)不到的項(xiàng)目。

業(yè)界普遍認(rèn)為，現(xiàn)階段的AI醫(yī)療，主要包括了AI 輔助診斷、AI 醫(yī)學(xué)影像分析、AI 精準(zhǔn)醫(yī)療、藥物研發(fā)、醫(yī)療機(jī)器人等多個細(xì)分賽道。

AI 輔助診斷是通過分析患者的癥狀、體征、檢驗(yàn)結(jié)果等數(shù)據(jù)，提供可能的診斷建議，幫助醫(yī)生做出更準(zhǔn)確和及時的決策。

AI醫(yī)學(xué)影像分析，則是利用AI視覺技術(shù)，對醫(yī)學(xué)影像數(shù)據(jù)進(jìn)行自動化分析和診斷。

而在藥物研發(fā)方面，AI 可以通過對藥物靶點(diǎn)、藥物結(jié)構(gòu)、藥物作用機(jī)制等數(shù)據(jù)進(jìn)行建模和模擬，加速藥物的發(fā)現(xiàn)和開發(fā)過程。

盡管，每一條賽道，目前都不時有捷報(bào)傳來，但落地依然有距離，哪怕最后一微米，也未必能夠快速通過。

例如最被人們所關(guān)注的診斷環(huán)節(jié)，目前各大人工智能公司都是針對單一疾病開展單個研究，可醫(yī)生在對病人做檢查時，需要對多種疾病、并發(fā)癥、精神狀況等進(jìn)行綜合判斷，并不局限于一種。

據(jù)了解，僅僅皮膚病就有2000多種，而AI技術(shù)目前也只能判斷幾十種皮膚病。

在更被看好的AI醫(yī)學(xué)影像領(lǐng)域，則是冰火兩重天。

2023年紅杉資本發(fā)布的一篇名為《醫(yī)療領(lǐng)域的生成式AI》報(bào)告中，就指出從市場需求及規(guī)模來看，AI醫(yī)療影像及AI藥物研發(fā)將成為主要的增長突破口。

同時，據(jù) Global Market Insights 數(shù)據(jù)，全球AI醫(yī)療影像市場規(guī)模占醫(yī)療 AI 市場的 25%，僅次于AI制藥為第二大細(xì)分市場。

但在實(shí)際應(yīng)用層面，則各種問題叢生，而且可能還很奇葩。

如谷歌開發(fā)的用于檢測糖尿病視網(wǎng)膜病變的算法，在泰國診所使用時就會性能顯著下降。

據(jù)一項(xiàng)觀察性研究顯示，泰國診所的照明條件導(dǎo)致低質(zhì)量的眼睛圖像，從而導(dǎo)致該算法有效性降低。

至于藥物研發(fā)，則更加壓力山大。

在商業(yè)模式上，國內(nèi)AI藥物研發(fā)企業(yè)主要分為AI SaaS、AI CRO、AI biotech三種模式，即出售軟件、服務(wù)和研發(fā)藥物，分別占了商業(yè)模式總數(shù)的25%、23%和8%。

模式上的選擇恰恰說明：AI企業(yè)更樂意于按照傳統(tǒng)商業(yè)軟件模式，即類似理財(cái)用金蝶那樣，給傳統(tǒng)企業(yè)提供定制服務(wù)，而非自己下場做實(shí)操。

做出這種選擇的一個關(guān)鍵在于難以突破數(shù)據(jù)孤島，即：

AI制藥所必需的藥代動力學(xué)（與藥物在人體中的代謝有關(guān)）和毒理等需要從人體試驗(yàn)中獲得數(shù)據(jù)的項(xiàng)目，則相對不容易獲取。

畢竟，與人體試驗(yàn)相關(guān)的數(shù)據(jù)主要集中在大藥企的手里，屬于核心數(shù)據(jù)，幾無可能共享。

換言之，AI制藥確實(shí)可以模擬各種可能、作出各種超快超精準(zhǔn)計(jì)算，但這種加速無論如何不能跳過臨床階段。

即使是傳統(tǒng)藥企也往往會在臨床環(huán)節(jié)用最穩(wěn)健的方法、多年多次小步探索，哪怕?lián)碛薪^頂?shù)膶＜液图夹g(shù)。

關(guān)乎人命，誰也不敢加速，目前而言，不可解、不能解。

此外，在中國，《互聯(lián)網(wǎng)診療管理辦法》明確規(guī)定，“不得對首診患者開展互聯(lián)網(wǎng)診療活動。”這也意味著，互聯(lián)網(wǎng)的AI不能首診。

但如果患者在線下已經(jīng)去過醫(yī)院、做過化驗(yàn)、開過藥方也拿到藥了，還要人工智能診斷什么呢？

但當(dāng)全球都將AI醫(yī)療的賽道選擇投向西醫(yī)之時，中醫(yī)卻開始展現(xiàn)出另一種可能：大健康。

04 中醫(yī)：大健康才是大格局

顛覆，中醫(yī)正在顛覆整個AI醫(yī)療的想象空間。

“人工智能未來完全有可能成為中醫(yī)藥領(lǐng)域的顛覆性技術(shù)，改變行業(yè)現(xiàn)狀，產(chǎn)生新業(yè)態(tài)，應(yīng)用前景廣闊。”中國科學(xué)院院士、中國科學(xué)院上海藥物研究所研究員陳凱先在2024年的一次中醫(yī)論壇上如是說。

顛覆，從望聞問切開始。

在廣州醫(yī)科大學(xué)附屬中醫(yī)醫(yī)院門診大廳，銀灰色機(jī)器人外形的中醫(yī)體質(zhì)辨識儀，吸引著來來往往的目光。

只要坐在一部臺式終端機(jī)前，面對屏幕攝像頭拍攝幾張面部和舌頭的照片，再回答5道問題，居民就會在手機(jī)上收到一份詳細(xì)的中醫(yī)體質(zhì)辨識報(bào)告。

在《瞭望》雜志的報(bào)道中，許多使用過這款智能中醫(yī)設(shè)備的老年居民都對它印象深刻，嘆服“科技很發(fā)達(dá)，結(jié)果也可信”。

值得注意的是，這些老年居民其實(shí)是在廣州市天河區(qū)石牌街道社區(qū)衛(wèi)生服務(wù)中心。

換言之，這個設(shè)備已經(jīng)開始從醫(yī)院走向了社區(qū)。

而在山東，望聞問切有了更加具象化地體驗(yàn)。

在東阿的一個膏方體驗(yàn)館中，一個圓形的儀器里面有各種攝像頭，游客只要按照指示把頭靠在檢測儀的正中間，一張“大頭照”隨之出現(xiàn)在電腦屏幕上。

當(dāng)患者伸出舌頭，其影像也立刻被記錄。

然后工作人員會拿起一個白色小盒子，用里面的三塊小凸起對準(zhǔn)了患者的關(guān)脈、寸脈、尺脈位置進(jìn)行操作。

隨后，這件被稱為“智能體質(zhì)辨識儀器”的設(shè)備還會開出方子。

當(dāng)然，受限于各種客觀原因和安全考慮，只能是食物療法。

不僅有大，而且還有小。

《科技日報(bào)》報(bào)道過一款名為“望舌問膳”的小程序：只要對著手機(jī)攝像頭拍下舌頭照片，僅1分鐘左右，就可以得到一份從中醫(yī)角度進(jìn)行詳細(xì)分析的身體健康報(bào)告和膳食養(yǎng)生防治方案。

“這款小程序融合傳統(tǒng)中醫(yī)舌診方法和現(xiàn)代人工智能圖像識別技術(shù)，通過對兩萬多張臨床舌診圖片深度學(xué)習(xí)，為用戶提供便捷的健康分析服務(wù)。”小程序研發(fā)相關(guān)負(fù)責(zé)人介紹。近

半年來，已有3萬多人次使用該小程序，其中94%的用戶對分析結(jié)果準(zhǔn)確性表示認(rèn)可。

人工智能針灸機(jī)器人、中醫(yī)健康手環(huán)、脈象信息采集系統(tǒng)……

中醫(yī)四診的技術(shù)研發(fā)開始進(jìn)入了一個全新的人工智能體驗(yàn)環(huán)節(jié)。

事實(shí)上，計(jì)算機(jī)技術(shù)應(yīng)用在中醫(yī)藥領(lǐng)域時日已久，早在20世紀(jì)80年代就有“中醫(yī)專家系統(tǒng)”問世。

它通常使用知識庫檢索的方法，事先將專家劃定好的標(biāo)準(zhǔn)、規(guī)范、診斷步驟等錄入系統(tǒng)，使用時依據(jù)患者的數(shù)據(jù)檢索、提取相應(yīng)方案，實(shí)現(xiàn)模擬中醫(yī)專家的分析、判斷過程。

此次人工智能的進(jìn)入，或許還能同步解決老中醫(yī)不足這個困擾中醫(yī)藥多年的老大難問題。

當(dāng)然，這一切依然只是一個開始，而且AI中醫(yī)目前而言更加偏重于養(yǎng)生而非治療，但也破解了AI西醫(yī)在落地上的不少“疑難雜癥”。

而且，中醫(yī)還給出了另一個突圍思路：AI或許從小處入手，方能走出大健康的大格局。

05 未來：怎么樣當(dāng)好醫(yī)學(xué)生

事實(shí)上，被人誤以為與科技不在一個頻道的中醫(yī)藥，已經(jīng)在向更遠(yuǎn)的方向展開探索，例如大模型。

其繁盛景象甚至在業(yè)界引發(fā)了戲言：中醫(yī)藥大模型，已經(jīng)多到老祖宗的名字都不夠用了。

這句戲言反映的則是一個現(xiàn)實(shí)，在中國，華為、百度、阿里、訊飛等科技巨頭，云南白藥、華潤江中、太極集團(tuán)、天士力等知名藥企，還有若干地方政府，都在聯(lián)手發(fā)展中醫(yī)藥大模型。

而命名上則紛紛請出扁鵲、華佗、神農(nóng)、黃帝、岐伯、張仲景等開宗立派的大人物，或使用本草、靈樞、岐黃、軒岐等中醫(yī)藥高頻詞……

中醫(yī)藥大模型之百舸爭流，并不亞于ChatGPT、DeepSeek、文心一言等通用大模型的千帆競渡。

然而，道阻且長依然是AI醫(yī)療上的主旋律，這也決定了未來許多年的基本范式，即以其中最為當(dāng)紅炸子雞的醫(yī)療大模型而言，必然也只能繼續(xù)充當(dāng)醫(yī)學(xué)生，至少5年內(nèi)不可能畢業(yè)。

至少，目前在中醫(yī)藥和人工智能的親密接觸中，中醫(yī)AI扮演的正是老中醫(yī)身邊的小藥童角色：背好湯頭歌、幫忙抓個藥、導(dǎo)診減負(fù)擔(dān)、順便煎個藥……

在對自身的定位上，中醫(yī)藥跑在了急切走到前臺的西醫(yī)AI前面。

誠如凱文·凱利所預(yù)言的那樣：AI落地產(chǎn)業(yè)需要時間，僅僅消化現(xiàn)有技術(shù)可能就需要5到8年時間。就像電力的應(yīng)用一樣，18世紀(jì)的公司并不是把電力引進(jìn)來就萬事大吉了，實(shí)際上，必須重新調(diào)整組織結(jié)構(gòu)、改造建筑，以適應(yīng)事物通過電來運(yùn)轉(zhuǎn)，以及實(shí)現(xiàn)自動化。

具體到醫(yī)療大模型上，需要重構(gòu)的框架更多，需要破解的痛點(diǎn)并不比攻克癌癥容易。

例如：診療上，由于許多病癥的復(fù)雜性，需要各種檢查尋找病因，醫(yī)療大模型很難完成診療全流程的復(fù)雜工作。

要真正讓AI醫(yī)療真正走向“大醫(yī)精誠”，就決不能“大躍進(jìn)”。

而是在大模型的基礎(chǔ)上去更細(xì)分垂直的領(lǐng)域中試錯，通過大數(shù)據(jù)和深度學(xué)習(xí)，為醫(yī)患提供診療參考方案，減少中間環(huán)節(jié)，提高診療效率。

這一幕，已經(jīng)開始展現(xiàn)出價(jià)值。

研究表明，曾經(jīng)需要兩名放射科醫(yī)生合作完成的乳腺癌檢測，如今已可由一名放射科醫(yī)生在專門的人工智能工具的輔助下完成。

2020年，麻省理工學(xué)院的研究人員則通過人工智能技術(shù)發(fā)現(xiàn)了一種能夠殺死大腸桿菌的抗生素……

但更多的痛點(diǎn)，還需要更多的人，參與到人工智能的“醫(yī)學(xué)生”訓(xùn)練中，并且打破“隔閡”。

畢竟，無論是人還是人工智能，成為一個合格的醫(yī)生，都需要足夠的且垂直細(xì)分到不同病例的大數(shù)據(jù)，來提供深度學(xué)習(xí)。效率或許大不同，但學(xué)習(xí)實(shí)踐的過程，則大同小異。

未來5年，醫(yī)療大模型依然還是“醫(yī)學(xué)生”狀態(tài)，距離真正意義的商用還有距離。

未來5年，未必集中在看病上，依然有許多醫(yī)療領(lǐng)域需要人工智能的輔助，例如研發(fā)一款新藥15%以上的成本都要花在患者招募上面，AI技術(shù)則可以幫助藥企快速找到合適的患者群體……

未來5年，目標(biāo)解決看病問題的AI醫(yī)生們，其最好的出路：

必然也只能是一邊深度學(xué)習(xí)，一邊進(jìn)醫(yī)院圍繞各個垂直細(xì)分領(lǐng)域做“規(guī)培”試點(diǎn)，服務(wù)用戶精準(zhǔn)找對醫(yī)院和醫(yī)生、看懂醫(yī)學(xué)報(bào)告單、了解藥品用法、多輪解答日常健康問詢等。

先做好醫(yī)學(xué)生和助手，否則一切都是紙上談兵。