記者：孟雅

　　伴隨AI預訓練大模型持續發展、人工智能生成內容(AIGC)算法不斷創新以及多模態AI日益主流化，以ChatGPT為代表的AIGC技術加速成為AI領域新的發展方向，正在推動AI迎來下一個大發展、大繁榮的時代。這個背景下，醫療人工智能領域將發生哪些變化?會出現哪些新的應用形式?為此本報記者專訪了國內醫療衛生信息化領域技術專家王士泉。王士泉曾在北大方正集團，神州數碼集團等大型企業擔任技術專家，是中國醫療信息化的探索者與實踐者。

　　記者：在面向大健康的應用場景中，AI不僅能提高醫療服務的質量和效率，還能為患者帶來更好的治療效果和生活質量。隨著AI技術的不斷進步，AI會在醫療健康領域發揮更加重要的作用，在您來看，今后醫療人工智能主要的場景有哪些?

　　王士泉：從目前來看，在醫療衛生領域，AI已經應用于下面的場景：

　　1、診斷輔助：利用AI輔助醫生進行更準確的診斷，例如在影像診斷(如X光、CT、MRI等)中，AI系統能識別出病變和異常，提高診斷的準確性和效率。

　　2、預測和預防：AI可以通過分析患者的歷史數據、生活習慣等信息，預測疾病的發生風險，為患者提供預防性干預措施。

　　3、康復輔助：AI可以在康復訓練中輔助醫生評估患者康復進度，為患者提供個性化的康復訓練方案。

　　4、患者教育和自我管理：AI可以根據患者的疾病狀況和需求，為患者提供健康教育、生活方式建議和自我管理工具。

　　5、臨床決策支持：AI可以分析大量的臨床數據，為醫生提供循證醫學支持，提高臨床決策的質量。

　　6、遠程醫療：AI可以通過遠程會診、遠程監測等方式，為患者提供便捷、高質量的醫療服務，特別是在偏遠地區和資源匱乏的環境中。

　　7、醫療管理和優化：AI可以幫助醫療機構優化資源分配、提高工作效率，降低醫療成本，改善患者體驗。

　　8、虛擬助手：AI可以作為智能虛擬助手，協助醫生處理日常工作，如患者預約、電子病歷管理和提醒患者用藥等。

　　9、精神健康：AI可以為患者提供心理咨詢和心理治療服務，幫助患者應對焦慮、抑郁等心理問題。

　　10、健康監測：AI可以通過穿戴設備或家庭醫療設備實時監測患者的生理參數，及時發現異常并提醒患者就醫。

　　11、營養指導：AI可以根據患者的健康狀況和飲食需求，為患者提供個性化的營養建議和食譜推薦。

　　12、智能手術：AI可以輔助醫生進行手術規劃和模擬，提高手術精度和成功率。

　　13、人群健康管理：AI可以幫助公共衛生部門分析人群健康數據，識別疾病高發區域和風險因素，制定針對性的預防措施。

　　記者：最近比較火熱ChatGPT-4 是一種先進的大型語言模型，它的出現為包括醫療保健在內的各個行業開辟了大量機會，您對此怎么看?

　　王士泉：基于生成式大語言模型的快速發展和能力的迅速提升，正帶來巨大商機。去年11月底以來，OpenAI公司開發的基于生成式大語言模型的消費級產品chatgpt3.5，在全球引發了轟動，讓人們體驗到支持多任務的GPT模型在語言理解、多輪對話、文本生成、機器翻譯、文本概要、語言推理、實體識別、語言推理和關系抽取等方面強大的語言處理能力。GPT-3.5引發的熱潮和GPT-4 帶來的驚嘆，在二者的能力上衍生出了很多好的應用，讓市場對基于大語言模型的業務場面充滿了想象。

　　目前看來，大型語言模型與醫療結合的場景主要包括：

　　1、臨床決策支持：在醫生與患者對話的過程中，根據患者的病史、癥狀和檢查結果等信息，為醫生提供智能提示和輔助診斷建議，幫助醫生更全面地考慮患者病情，提高診斷準確性;

　　2、電子病歷生成與分析：在就診過程中，實時識別醫生和患者的語音，將對話內容轉換為文字記錄，醫生無需在看診后手動輸入病歷信息;從醫生和患者的對話中自動提取關鍵信息，如主訴、現病史、既往史、過敏史等，并將這些信息整理成結構化的電子病歷;根據醫生的診斷意見自動生成檢查和治療計劃;在生成電子病歷的過程中，可對病歷進行智能審核，檢測潛在的錯誤、遺漏和不一致之處，并提供修改建議;

　　3、知識獲取與更新：可幫助醫生及時了解最新的醫學研究進展、循證醫學證據和臨床指南;

　　4、臨床路徑優化：分析大量臨床數據，發現最佳實踐和治療模式，優化臨床路徑，提高患者治療效果，降低醫療成本;根據患者的個人特征、疾病類型和治療方案等信息，預測治療結果，確定最合適的臨床路徑，提高患者滿意度;

　　5、優化DRG分組準確性：分析患者的病史、診斷、治療等信息，提高DRG分組的準確性。這有助于更好地評估醫療服務的質量和成本效益，為醫療管理部門制定合理的支付策略提供支持。自動提取病歷中的關鍵信息，并將其轉換為標準化的代碼，簡化DRG編碼過程;

　　6、藥師助手：基于個體化信息，為患者制定個性化的用藥計劃和監測方案，并對治療效果進行實時評估和調整;在藥物治療中監測治療效果，通過分析醫學影像和患者生理參數，在藥物治療中監測治療效果，指導醫生進行進一步治療方案的調整;藥物不良反應預警，通過監測患者生理參數，比如監測心率、血壓、脈搏等，提前預警患者可能出現藥物不良反應的風險。

　　7、醫師助手：結合語音技術與患者交互，自動整理形成結構化病歷，幫助高效了解患者情況與進一步完善病歷;借助大數據和機器學習算法，基于患者的病歷，癥狀和疾病歷史，對疾病進行診斷和提出治療方案;通過大量的數據分析和智能算法， 提供輔助診斷、治療方案和預后方案，為多學科診療提供數據支持，實現精準的個體化治療。

　　8、患者咨詢：作為智能問答系統，回答患者關于病情、藥物副作用、預防措施等方面的問題，有助于提高患者滿意度，減輕醫務人員的負擔;對病人進行預問診，提高醫療服務效率。

　　記者：在多重因素驅動下，AIGC正在成為近十年來AI領域具有突破性的技術方向， 正如“互聯網+”一樣，“AIGC+”一定也會為醫療保健領域帶來新的應用形式。您對此有什么看法?

　　王士泉：AIGC技術的突破性在于從分析式AI(Analytical AI)發展為生成式AI(Generative AI)。我國互聯網醫療領域有海量的用戶、豐富的產品和應用場景，這為發展和打造基于AIGC的醫療健康產業生態提供了數據和場景等優勢。

　　首先，AIGC與現有的大數據處理技術結合后，能夠進一步降低信息搜索和處理的門檻，提升服務效率。舉個例子，多組學數據是指來自生物體不同層次的高通量生物數據，包括基因組、轉錄組、蛋白質組、代謝組等。通過對多組學數據進行整合分析，可以更全面地了解生物體內的生物過程，進而揭示疾病的發生、發展機制以及治療方法。臨床表型數據與多組學數據整合對實現個體化醫療和精準治療至關重要，但仍面臨許多挑戰。首先，多組學數據的質量和準確性是影響研究結果的關鍵因素。為了保證數據質量，需要更加高效、準確的測序技術和數據處理方法。其次，多組學數據的規模和異質性使得數據整合和分析變得非常復雜。因此，需要新的算法和計算方法，以解決這些問題。自然語言處理(NLP)和大語言模型(LLM)的應用將在生物信息學與多組學數據整合過程中發揮重要的作用。其次，利用生成式人工智能技術創建模擬數據集，將有助于更有效地訓練機器學習算法，提升醫療AI產品研發效率。此外，文本生成圖像或視頻的多模態模型也是備受關注的AIGC技術，AI繪圖、AI視頻生成、AI語音合成等新型內容方式與手術示教等醫療教學場景結合也具有一定的開發潛力。

　　王士泉介紹，他所帶領的技術團隊，正在研發基于AIGC的新一代醫療人工智能平臺，該主要包括基礎設施層、模型層與應用層。其中，基礎設施層包括AI芯片、超級計算機等算力基礎設施以及機器學習框架等。模型層包括大型語言模型、圖像生成模型，以及基于大模型定向開發的垂直模型，應用層即AIGC技術和醫療衛生行業結合后帶來的新的應用、產品和服務。

　　王士泉最后表示，當前數智轉型加速，數據資產的累積已成為數字化時代業務創新迭代重要的支撐點，在數智融合的架構下搭建技術體系，支撐基于泛在敏捷業務能力的數據資產化將成為完成數字化轉型的核心。我們一方面會持續強化技術自主創新與產品研發創新能力，另一方面也將緊跟產業趨勢，不斷增強技術、產品、服務的能力融合，迭代和豐富更加完整的解決方案，為更多客戶的數字化提供有力支持，共創數智新時代。

　　王士泉，技術管理精英,中國HIT(Hospital information technology)技術探索者，深耕醫療健康領域信息化二十余年。曾擔任方正集團、神州數碼集團高級技術經理、架構師等職務。現就職于東華醫為科技有限公司，長期從事健康醫療大數據與人工智能領域的研發與產品設計，在智慧醫院及城市智慧醫療領域具備豐富的研發與實施經驗。