讓醫療AI為自己的答案負責

辛穎　周云琨

2023年7月6日，上海2023世界人工智能大會上的一處AI+醫療展臺。圖/視覺中國

沒有一位醫生準確地診斷出他的病因。直到2023年ChatGPT火起來后，他的母親向ChatGPT求助。

“我一行一行地查看亞歷克斯的核磁共振記錄中的所有內容，并將其輸入ChatGPT。”他的母親說，ChatGPT的診斷結果是“脊髓栓系綜合征”。帶著這一診斷結果，他和母親拜訪了一名新的神經外科醫生，這位神外醫生看了一眼MRI（核磁共振成像）就給出了和ChatGPT一樣的結論，并指出了栓系的具體位置。

亞歷克斯的案例無疑是企業蜂擁進入AI醫療領域的動力。2023年10月24日，科大訊飛發布訊飛星火醫療大模型，據《財經》不完全統計，這已經是2023年國內發布的第32個醫療領域生成式AI大模型。

產品密集發布背后，企業開始尋找商業化出路，最撓頭的問題莫過于，產品能賣給誰？

公立醫院是產業界眼中最優的買單方。“可現在大家落地面臨的共同難題是，公立醫院系統缺乏引進購買的動力。”一家AI醫療大模型企業人士告訴《財經》，“一方面，新生事物沒納入公立醫院的考核體系，不像買其他軟件可以給醫院加分；另一方面，醫院內部的數據大多還沒打通，這對于大模型發揮最大效能會打折扣。”

如同難以破解的魔咒，AI醫療過去十數年在商業化之路上的難題——數據壁壘和缺乏支付方，仍然擺在那里。

“即便AI在醫療領域的滲透已經是確定性的趨勢，有著廣大的前景，但當下中國的AI醫療仍處于低谷期，要突破這個局面，關鍵還是看誰能掌握數據。”高特佳投資副總經理于建林說。

AI出錯，誰來負責

隨著生成式AI大模型的熱潮掀起，我們距離AI醫生更近了。

近半年醫療AI大模型持續推出。10月24日，App“訊飛曉醫”面向普通人群開放，可以提供預問診、體檢報告分析等。早在5月，春雨醫生在線問診產品“春雨慧問”中嵌入AI大模型，將在線問診原本的“人——人”模式，升級為“人——機器——人”。

AI大模型是指一個龐大復雜的神經網絡，需要通過存儲更多的參數來增加模型的深度和寬度，從而提高模型的表現能力，參數從百億起步，對大量數據進行訓練并產生高質量的預測結果。

公開數據顯示，互聯網搜索內容中有20%與醫療健康相關。但這里有一個問題，那就是如果AI不能對自己的答案負責，那么就不能走通商業模式。

目前能為醫療診斷負責的只有醫生。一位原互聯網醫療資深從業者分析，做醫療業務，最關鍵的在于責任和風險，要考慮合規的問題，誰能擔責任，誰才可能掙到錢。

表：2023年中國醫療AI大模型發布統計（截至10月26日）

注：本表為不完全統計，且不包括科研項目、開源項目、制藥和醫療設備運維大模型。資料來源：新聞、各公司官網 制表：于宗文

盡管像亞歷克斯的疾病診斷一樣，只要癥狀描述的足夠準確、充分，AI能給出正確的診斷結果，但ChatGPT對診斷結果不負責。

問題來了，如果醫生診斷出了錯，可以被諒解，因為人都是會犯錯的，機器出了錯怎么辦？這些疑問，目前無論是法律還是倫理都還沒理順。

所以，AI大模型產品要想走商業化道路，就得先從醫院的醫生入手，想辦法成為醫生的助手。

2023年5月，一家三級醫院的主任醫師試用了他的“新助手”，他為病人診療的時候，“助手”會錄音，自動幫他寫問診病例。

這款基于ChatGPT這樣的大語言模型開發的問診錄音機器人，“已進入十多家醫院的門診，幫助醫生節省時間”。北京左醫科技有限公司首席執行官張超介紹。

上述主任醫師給他的“助手”評分時，打了90分。AI助手丟掉的10分，是因為工作中存在一些誤差，比如醫生沒有詢問患者的月經史、婚姻史、生育史，但最終的問診記錄中包含了這一項，必須得醫生手動刪除。

如何嵌入醫院診療環節中，是企業努力想實現的產品。9月，百度集團推出“靈醫”大模型，想解決的是患者“排隊一上午，看診五分鐘”的困擾，“靈醫”的一個長項就是幫助醫院分診臺的醫護人員，為醫生精準匹配患者，讓醫生和患者的每一次面診效率更高。“靈醫”大模型已向200多家醫療機構開放體驗，除了26個互聯網醫療平臺，還有數十家公立醫院。

“預問診”，也可以節省病人和醫生的時間。商湯科技相關負責人向《財經》介紹，其與上海新華醫院合作面向掛號患者的“預問診”模塊，即將引入其AI大模型“大醫”，患者看醫生前可以先和AI溝通。

大模型的開發者們可以說是挖空心思，試圖包圍醫院的方方面面。問題是，醫院需要嗎？

醫生需要什么樣的AI

“差不多20年前，就有搜索企業希望本地搜索的功能進入醫院場景，當時醫院的信息繁雜，沒有很好的梳理，但后來發現，醫院的基礎設施不足以支撐，更重要的是醫院也沒有搜索信息的需求。”上述互聯網醫療資深從業者對《財經》分析。

過去20年，今天的AI醫療大模型產品，在上述從業者看來面對的情況還是一樣。

進醫院難，這是銷售人員都明白的。一是和既往利益者的競爭，比如一家新的護工公司想進醫院，醫院有需求，但是醫院原來有合作方，醫院負責人就要對比誰的服務好、誰的品牌大，甚至誰的關系好。二是醫療AI是不是醫院必需的助手，如果不是，醫院就沒有讓它們落地的動力。

隨著信息系統的升級，不少醫院已經有了臨床決策支持系統（CDSS），當醫生輸入病人主訴癥狀之后，系統就會自動提示可能的疾病，下一步是用藥建議。

“如果大模型產品只是給醫生提供診斷的線索，那本質仍然是一款輔助的搜索工具，只不過是從知識搜索升級為經驗搜索。”在上述互聯網醫療從業者看來，醫生日常工作大部分是診治常見病，可能不需要一個多聰明的機器人替他看病，需要的是一個笨一點的、準確性高的助手，“這體現不出大模型最有價值的地方”。

給升級版的“搜索”付錢，院長們思量就多了。

參照ChatGPT的商業模式，通過廣告、會員訂閱和算力來增加收入，顯然在醫療領域行不通，中國公立醫院占據了大半江山，它們不大樂意支付廣告費，會員和算力這也不在醫院管理者的考量之內。

想打動院長真金白銀地購買，首先得有臨床價值的輔助診斷工具。于建林指出，評估一個AI大模型的真正價值，無非是考慮算力、算法和數據，而在中國的醫療領域數據最為重要。

訓練一個有臨床應用價值的AI模型產品，至少需要數萬的臨床病例數據，但在于建林接觸的中國AI企業中，能有幾千的病例數據就非常不錯了。

大模型通過使用大量的模型來訓練數據，于是，“書本”訓練，成為醫療大模型的基礎訓練，“養料”來自海量的醫學教科書、行業指南。科大訊飛相關負責人介紹，通過與人民衛生出版社、中華醫學會雜志社、科學技術文獻出版社等深度合作，獲取了眾多的醫學書籍、臨床指南、醫學文獻、典型病例等權威醫學知識，擴充了模型的專業知識覆蓋度，極大地提升了模型的理解和咨詢回答的能力。

京東的醫療大模型“京醫千詢”，則是通過收集超億級的醫患對話數據，這來自線上問診建起的一個大數據庫，覆蓋了線上140余個科室的醫生、藥師、營養師和心理醫生。

“線上問診數據和線下醫療數據在質量上還是有一定差距。”于建林分析，短期來看，三五年內，一些在醫學領域原本就有優勢的企業，比如大型醫療設備企業，因為有大量的醫院業務，它們獲得數據的優勢明顯，AI搭配硬件去銷售，更容易走通。

國際上一些成熟的AI輔助診斷產品，已經可以大規模地臨床應用。但商業動力強，才是推動AI落地的閥門。比如一款AI結合的癌癥早篩產品，就是保險公司希望能夠更早的確診，以減少理賠的成本，所以有動力去推動，于是保險公司提供了高質量的臨床數據支持這一款產品開發。

保險付費是國際上已經走通的一條路，因為可以降低成本，保險公司樂意做。只是中國的商業健康保險發展尚不充分，不足以支撐成為強大的付費方。

于建林對《財經》分析，目前AI在醫療上的應用主要兩方面，一個場景是對患者，提供問診和健康管理；另一場景是幫助醫生來做AI的輔助診斷，比如AI影像。

路怎么蹚順了，還得中國的AI開發者們沉入醫院繼續研究。2023年9月24日，OpenAI創始人兼CEO（首席執行官）Sam Altman表示，如果有公司致力于解決GPT模型的一個小缺陷，不會產生可持續的競爭優勢。他的建議是，AI創業方向包括AI醫療，“優秀的AI醫療顧問將為社會帶來巨大福祉”。