醫院為何對前沿AI不感冒？

辛穎

隨著各類AI醫療大模型的加速迭代與演化，商業化前景有望進一步打開，企業的成本也更加可控。圖/視覺中國

如果有一個醫療AI擁有所有醫學文獻的完整而詳盡的知識，擁有數十億小時的臨床經驗，始終具有價值且極其便宜，企業需要多久能開發出來？醫院會為此買單嗎？

OPEN AI首席科學家Ilya Sutskever在2023年10月的一次演講中放言，“人工智能將對醫療領域產生巨大且令人難以置信的影響。”各方都對AI在醫療領域的應用前景都充滿期待。

據不完全統計，國產醫療AI大模型數量已超過40個。12月14日賽迪研究院公布的數據顯示，2023年中國生成式人工智能（AIGC）市場規模有望突破10萬億元。

然而，現階段，醫療大模型的落地和商業化仍處于早期探索階段。12月9日，在《財經》主辦的“AI助力醫療行業變革前瞻”閉門研討會上，與會嘉賓圍繞AI醫療的政策支持、落地應用、商業化路徑等進行探討發現，在中國最主要的醫療服務場景公立醫院中，即便免費提供的AI大模型產品未必能進入“高墻”之內，這也是中國醫療AI長期處于低谷的真實一面。

據《財經》了解，行業主管部門已經開始著手公立醫院AI應用情況的統計調研。

2023年，新出爐的醫療AI大模型陸續進入醫院，為患者做診前咨詢、幫醫生寫病例，甚至在醫生遇到疑難雜癥時提供建議。

升級后的功能，醫生們更樂于接受。以最常見的記錄血壓為例，以前的智能語音錄入類產品，如果醫生口述血壓120、80，系統大多只會如此生硬的記錄，還要手動補齊醫學計量單位。有醫生認為，還不如自己直接打字方便。

大語言模型是一種基于深度學習的自然語言處理的人工智能模型，所以自然語言處理能夠完成的任務，都是大語言模型擅長的領域，只是在此要輔以足夠充分的醫療數據訓練。

首都醫科大學附屬北京友誼醫院信息科副主任張旭分析，通過院內數據預訓練和微調出的大語言模型產品，會將醫生問診的口語表述，自動生成標準的醫學書面語言，如上述情況就會表述為“收縮壓120mmHg、舒張壓80mmHg”，醫生能用更少的時間，給出更高質量的病例。

新的工具讓感受到好處的臨床醫生，從被動使用者變成為支持者。

在全面融入醫療大模型的互聯網醫院，“減負”效果更明顯。京東健康技術產品部智能算法部高級研發經理張松岳介紹，自2023年7月上線“京醫千詢”大語言模型后，京東健康互聯網醫院的醫生書寫病歷時間節省了50%，藥師審方效率提高了200%，診中實時提示功能，也將患者核心問診問題減少了10%。

通過技術提升醫生效率，增加醫療服務供給，在人口老齡化加速背景下顯得更加迫切。預計到2035年左右，中國60歲及以上老年人口將突破4億，在總人口中的占比將超過30%，進入重度老齡化階段。

國家衛健委醫管中心副主任陳虎指出，老齡化趨勢下，除了繼續擴容優質醫療資源，還需要考慮對現有醫療模式進行優化調整，去適配新的人口結構下產生的醫療增量與主動健康服務需求，這其中，AI的應用將為進一步提高醫療健康領域的勞動生產率提供有價值的解決方案，使社會能夠以更低的成本獲得更好的健康照護。

國家醫保局原副局長陳金甫也指出，以技術革命為靶點推動三醫聯動高質量發展，關鍵是讓技術擺脫人的技能束縛，走出傳統醫療服務院墻，更可及無縫同質化服務患者。

能順利進入醫院，并為其所用的醫療大模型，究竟要有哪些“武技傍身”？

張旭經過了一段時間的探索，他總結出醫院需求四個關鍵點，“首先需要的是私有化部署，保障醫院數據隱私與安全；其次，有應用場景有對應專用領域；此外，高質量的醫療知識數據、臨床診療數據等；最后得是低成本、高質量、高產出。”

所有的AI產品，都打著“真實解決臨床需求”的旗號，可一些看似完美的產品到了應用落地就不靈光了。這是不少醫院在信息化建設過程中都走過的“坑”。

花錢買來的系統一上線就要升級，有些上線后還壓根無法使用，一套系統沒達到預期，后面可能就要再多買幾套系統來“打補丁”的冤枉錢，許多醫院都花過。

幾番折騰下來，即便每年手握著信息化建設的千萬經費待用，醫院院長們花錢卻越來越謹慎。

“AI未來在醫院的應用場景一定很廣，但具體能解決醫院怎樣的需求、是否符合醫院的投入產出比，需要各方更深入的去考慮。”中國醫學科學院阜外醫院黨委副書記、紀委書記李天慶說。

醫院有實實在在的需求，可很多企業拿著技術的“錘子”，卻在醫院找不到合適的“釘子”。北京中醫藥大學第三附屬醫院副院長陳衛衡介紹，提供3D打印產品的企業遍地都是，但是很少有企業能在醫院找到準確的落地點，比如最簡單、最普遍的“骨科夾板”，這是一個成本并不高的產品，可沒有。“我們現在就在探索對這個產品進行個性化、智能化的升級，在患者能接受的情況下，提供更好的服務產品。”

對于企業而言，還有一個難點是，在實際落地過程中，即便是對某一項明確的應用場景，醫院管理層、信息科、科室負責人、臨床醫生、患者，每個層面對產品的需求都不同。如患者關注體驗，醫務人員關注流程，管理者關注成本。

“對產品設計來說，管理醫院的需求確實難度很大。”有AI醫療產品從業者坦言。

錯位不僅來自醫院內部，醫院外部的患者信心缺乏、AI產品缺乏標準、法律監管挑戰等都會影響到產品落地。

北京聯影智能影像技術研究院AI科研總監甄先通感受到，在探索針對不同醫療場景的大模型的過程中，常會遇到技術和場景錯位的情況。由于大模型的開發需要大量的預訓練，這對數據、成本等均提出了非常高的要求，因此在開發過程中，技術上容易上手實現的事情，可往往不一定是醫療場景中的“疼點”。反之，臨床的急切的需求，有時由于缺乏大模型開發所需的各種要素，如數據標注等，而無法順利進行和快速落地，因此需要產業界和醫院不斷磨合，共同探索適合實際情況且臨床真正受用的產品。

中日友好醫院呼吸與危重癥醫學科主任醫師、國家遠程醫療與互聯網醫學中心醫學人工智能專家委員會主任委員劉國梁提醒，AI在有明確診治標準的疾病診斷和篩查方面有一定優勢，目前醫療AI研發的目的并非以患者綜合結局或者預后標準為目的進行開發，對于患者疾病結局和預后的影響亟待客觀評價，并且在與患者溝通過程中，有經驗的醫生對于患者安慰和緩解痛苦方面，目前是AI應用無法達到的，AI產品尚沒有在這方面展現出智能水平，而且往往還會增加患者焦慮，值得關注。

可以看出，在諸多阻力面前，醫院當下的選擇是不追求最前沿的AI產品，能維持醫院運轉需求是最重要的，因高技術含量的背后也意味著更高的適應成本，醫院未必想冒這個險。

隨著各類AI醫療大模型的加速迭代與演化，商業化前景有望進一步打開，企業的成本也更加可控。

以醫療大模型為例，原本需要一個小團隊才能完成的產品，現在只需要半個人就能訓練出高質量的大模型。由此企業更愿意增加投入。

華西證券的研報稱，醫療科技龍頭具備技術、行業Know-How等要素，與頭部醫療機構的長期合作關系有利于補齊數據、場景等要素，相關產品有望率先落地。

關鍵是要找到一個明確的商業化切入口。“還是要從醫院管理的痛點入手。”國家衛健委衛生發展研究中心醫院管理與改革研究室主任江蒙喜建議，面對強監管、嚴考核的醫院，當下醫院痛點之一就是缺乏智能的醫生評價體系，能讓好的醫生越來越好，讓不好的醫生能夠變好，提升醫院管理效率。

在現有產品來看，AI醫療主要包括三個層面，基礎層、技術層和應用層。基礎層包括數據、算法、算力等，參與者眾多，且呈寡頭局面；技術層包括CV、NLP、智能語音等技術，參與者技術相對成熟；應用層則針對AI醫療影像、CDSS、醫療機器人、醫療數據智能平臺等各類應用。

雖然大多醫院只是在部分科室試用某項功能，而各大AI廠商更傾向于覆蓋醫療問診、科研全流程設計出，這些產品現在不少還無用武之地。

對技術強勁的大型企業來說，找到合適的角度切入更為重要。螞蟻集團醫療健康事業部副總經理武文婧介紹，隨著支付寶和公立醫院以及政府單位合作的逐漸深入，在螞蟻自建AI引擎助力下，支付寶在多城積極探索就醫流程中幫助患者以及醫生體驗的AI應用，并陸續落地如醫保政策助手、數字陪診、醫生助手等實踐案例，后續還將不斷探索創新路徑。

面對醫院的顧慮，也可從第三方合作切入。百度智慧醫療高級架構師賀慶介紹，其在嘗試商業模式上創新，比如通過和藥企合作，更好的切入醫療服務市場，除了為自有平臺上每天約2億患者提供咨詢服務，也在加強線下醫院的服務。

大三甲之外的細分領域也有機會。微醫集團高級副總裁、睿醫人工智能研究中心副主任孔祥譜介紹，正在向基層醫生市場提供智能檢查檢驗和用藥方案，把大三甲的經驗標準引入基層，幫助更好地管理糖尿病患者。

為了能夠讓輔助醫生的AI產品不斷提高水平，醫聯集團AI醫療業務負責人廉澤良表示，期待隨著行業的發展，監管的界限也更加清晰，產品要求更加標準化，能夠讓企業明確的知道探索和研發的方向。