今年七月召开了2023世界人工智能大会， 医疗分论坛上，AI+医疗成为国内人工智能的下一个热点领域，为医疗行业亟待解决的问题提出了救治之法。上个月，百度正式发布“产业级”医疗大模型“灵医”。10月16日，商汤发布升级版医疗健康大语言模型“大医”。根据Facts&Factors公司的报告，全球AI在医疗保健行业的应用市场预计在2022年将达到47亿美元，到2031年将增长到189亿美元。同时，Gartner公司预测，到2023年，全球医疗保健行业中AI技术的支出将达到330亿美元。国内 AI 正走向高景气局面，AI技术在医疗领域的应用涵盖了手术机器人、医疗数据分析、智能问诊、疾病预测、药物研发等多个方面，有望缓解我国医疗资源分配不均的局面。AI进入医疗行业的利好显而易见，面临的困难又有哪些，如何破局?本文我们将重点探索AI在研发端、手术端、医生端和用户端的应用瓶颈及典型案例。01研发端——超级工厂不是梦根据艾瑞咨询，AI药物研发于2020年左右在资本市场及技术两方面皆迎来重大突破，目前正处于快速增长之后的成长爬坡期，若现有AI制药公司的管线大规模进入临床阶段且能够批量化证明该技术可行性，AI药物研发将有望于3-5年后迎来下一轮爆发式增长。虽然还没有任何一款AI预测的药物成功上市，但已经有一批AI预测的药物进入临床试验阶段，包括近16条管线进入临床一期试验。这些管线涵盖了多种疾病领域，如肿瘤、神经退行性疾病、自身免疫性疾病等，显示出AI技术在药物研发领域的广泛应用前景。人工智能主要从预测和设计药物、药物生产和质量控制以及个性化治疗三个方面辅助当前制药领域。在预测和设计药物方面，AI通过机器学习和深度学习技术，在学习大量的专业文献和专业书目后，根据学习内容进行实践，从大量的化合物中筛选出可能具有药性的候选物质。AlphaFold算法在2021年成功预测了多种蛋白质的结构，此外，AI还可以通过计算化学方法，对候选药物进行优化和设计，以提高其疗效和降低副作用。AI技术的应用将大大加速药物的研发过程，通过对AI的不断训练，可以使其对药物的预测和设计更加的精准，有望缩短药物的研发周期。药物生产和质量控制方面，Al技术则可以通过机器视觉、自动化和智能化设备实现药物生产过程的监控和管理，降本增效，同时还可以通过分析和检测药物中的杂质和成分，来确保药物的质量和安全。在个性化治疗方面，可以根据患者的基因以及具体的病灶，为患者提供个性化、定制化的治疗方案，使治疗方案更加的精准，为患者减负的同时减少不必要的医疗资源浪费，有利于个性化医疗的普及。但药物的研发过程中会涉及药企的商业机密，药企是否会将保密药方用于训练AI?如何获取药企的信任?如何保证在训练过程中不会泄露保密药方?再者，AI模型预测的药物生产出来后，需要招募大量志愿者在临床中进行试验，试验周期长、成本高，难以在短时间内看到AI预测设计的药物的成效。02手术端——AI缔造赛博朋克手术台AI在手术机器人领域的应用主要在手术操作、手术导航、远程手术等方面。其中，最具代表性的应用是达芬奇手术机器人系统，通过该系统，医生可以在无菌环境中进行手术操作，减少了医生的职业暴露，提高了手术的精确性和效率。除达芬奇手术机器人系统外，中国的华科精准、威高等都在手术机器人领域取得了一定的成功，如华科精准的神经外科手术机器人系统在国内已经得到了广泛的应用，并获得了多项医疗器械注册证。图为首台国产达芬奇Xi手术机器人(图源网络)通过AI技术在手术机器人上的加持，传统手术模式出现创新性的改变，由医生在手术室内操作变为通过AI技术进行远程手术，优秀的医生资源能够覆盖到更多的地区，再叠加机器学习和计算机视觉等技术的buff，便可以精准识别定位手术部位，赛博朋克手术台的气息扑面而来。然而，AI在手术机器人领域的应用也存在一些问题。成本是根本问题，很多医疗机构难以承受，普通患者也无法承担治疗费用，还无法推广普及。其次，AI技术进入医疗行业还不到20年的时间，在手术机器人领域的应用时间更是短暂，需要更多的研究和实践来验证其可行性和安全性。再从手术环境来看，开放式的手术环境和微创手术有很大的不同，需要更加精准的定位和操作技术。技术支持上来看，远程手术需要更加稳定和高效的网络通信系统保证手术的实时性和安全性。回到患者的角度，以血肉之躯触碰钢铁之臂的手术方式还是略微超前了些，普通患者难以客服恐惧和不信任心理，无法为临床试验提供更多的实践素材，自然也导致了手术机器人的应用实践蓄力不足，普及推广遥遥无期。03医生端——AI改变临床报告生产模式Google的DeepMind开发的Streams应用可以通过分析患者的病历和检查结果等信息，自动生成肾损伤等疾病的临床报告。上海交通大学附属第一人民医院解学乾教授团队联合卫宁健康也开发出胸片报告自动生成系统，通过人工智能的自然语言处理能力生成胸片报告，提高了临床的效率和问诊能力。通过人工智能撰写一份临床报告，能够为医生减轻30%的工作量和压力，通过对患者的病情数据、遗传信息等进行深度分析，AI还可以为患者制定个性化的治疗方案，提高治疗效果。这需要人工智能能够在各类格式的文档里精准识别有效数据，并对数据进行加工。对数据的分析、重点摘取、生成文字或报告已经是生成式AI 的基本功，极新(ID：jixintech)已经探究过在金融领域通过人工智能生成评级报告的情况，并分析了实践过程中的难点。(阅读原文请点击：AI+金融 | 高标准、严要求的提质增效之路)目前看来，AI在金融和医疗领域里关于分析数据、生成报告等方面有着异曲同工的特点。首先是数据的获取和质量。医疗数据涉及到患者的隐私和安全，同时医疗行业也有保密数据，如何在保证数据安全且不触犯隐私条款的前提下进行有效的数据利用是一个重要的问题。其次，医疗数据存在大量不完整、不一致和噪声数据，这会对AI模型的训练和分析造成干扰和误导，加之医疗数据较为复杂并且具有不确定性，模型的精度往往难以达到理想的状态。在这些因素的影响下，人工智能所生成的临床报告将有可能出现误判或漏判，对病人造成难以挽回的损失。04用户端——智能问诊，人人都能获得的家庭医生在智能问诊领域，百度健康小度机器人就是一个很好的例子。根据百度官方发布的数据，小度机器人在疫情期间为2.1万多名用户提供了在线问诊服务，累计答复问题超过44万条。其中，81%的问题能够在5秒内得到回答，大大提高了患者就医的效率和满意度。智能问诊对AI有着三方面的要求，首先是利用自然语言处理技术，能够实现非专业与专业的转化。在问诊过程中，人工智能需要通过自然语言处理技术，将患者的主诉和症状转化为计算机可理解的语言，大部分患者并不具备专业的医疗知识，并不能用相对专业的术语描述自己的症状，人工智能如何通过自然语言处理技术将其转化为专业术语?这对AI的认知智能水平提出了较高标准。第二个要求是利用机器学习算法，能够对症状进行分类。人工智能一天，人类世界百年，通过用海量的文献及医学专业书籍训练人工智能，达到根据患者描述的症状，对疾病进行自动分类和诊断的效果。第三个要求是利用大数据分析技术，能够对患者的病情进行预测和分析，从而为医生提供更加准确的诊断和治疗建议。比如针对慢性病患者，人工智能要能够预测患者未来发生并发症的风险。今年8月17日，微脉发布国内首款健康管理领域大语言模型——CareGPT，作为全国最大的全病程管理平台，CareGPT实现了接入医院公众号、呼叫中心、企业微信、微脉APP等多应用场景，并根据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、诊后全部流程。虽然成功案例不断涌现，但仍存在问题和挑战，如果系统存在误诊和漏诊等问题，将导致患者接受不适当的治疗方案，最终将出现医疗事故。基于人工智能的不确定性，目前还无法完全用智能问诊系统代替门诊医生，但医联CEO王仕锐曾说，AI能让医疗“不可能三角”成为可能。AI生出血肉指日可待!也许现在你还是通过传统方式挂号问诊，还未面对过电子医生，但如果你走到医疗行业一线，看到人工智能在制药研发、智能问诊、影像诊断、远程手术中的精彩表现，你可能也会畅想，也许在未来的某一天，居家就可以做到问诊、取药、手术等等，而当下，如何突破 AIGC 技术落地医疗产业的瓶颈，是AI带给这个产业的最大红利。