王士泉：AIGC为医疗人工智能产品带来的影响

　　记者：孟雅

　　伴随AI预训练大模型持续发展、人工智能生成内容(AIGC)算法不断创新以及多模态AI日益主流化，以ChatGPT为代表的AIGC技术加速成为AI领域新的发展方向，正在推动AI迎来下一个大发展、大繁荣的时代。这个背景下，医疗人工智能领域将发生哪些变化?会出现哪些新的应用形式?为此本报记者专访了国内医疗卫生信息化领域技术专家王士泉。王士泉曾在北大方正集团，神州数码集团等大型企业担任技术专家，是中国医疗信息化的探索者与实践者。

　　记者：在面向大健康的应用场景中，AI不仅能提高医疗服务的质量和效率，还能为患者带来更好的治疗效果和生活质量。随着AI技术的不断进步，AI会在医疗健康领域发挥更加重要的作用，在您来看，今后医疗人工智能主要的场景有哪些?

　　王士泉：从目前来看，在医疗卫生领域，AI已经应用于下面的场景：

　　1、诊断辅助：利用AI辅助医生进行更准确的诊断，例如在影像诊断(如X光、CT、MRI等)中，AI系统能识别出病变和异常，提高诊断的准确性和效率。

　　2、预测和预防：AI可以通过分析患者的历史数据、生活习惯等信息，预测疾病的发生风险，为患者提供预防性干预措施。

　　3、康复辅助：AI可以在康复训练中辅助医生评估患者康复进度，为患者提供个性化的康复训练方案。

　　4、患者教育和自我管理：AI可以根据患者的疾病状况和需求，为患者提供健康教育、生活方式建议和自我管理工具。

　　5、临床决策支持：AI可以分析大量的临床数据，为医生提供循证医学支持，提高临床决策的质量。

　　6、远程医疗：AI可以通过远程会诊、远程监测等方式，为患者提供便捷、高质量的医疗服务，特别是在偏远地区和资源匮乏的环境中。

　　7、医疗管理和优化：AI可以帮助医疗机构优化资源分配、提高工作效率，降低医疗成本，改善患者体验。

　　8、虚拟助手：AI可以作为智能虚拟助手，协助医生处理日常工作，如患者预约、电子病历管理和提醒患者用药等。

　　9、精神健康：AI可以为患者提供心理咨询和心理治疗服务，帮助患者应对焦虑、抑郁等心理问题。

　　10、健康监测：AI可以通过穿戴设备或家庭医疗设备实时监测患者的生理参数，及时发现异常并提醒患者就医。

　　11、营养指导：AI可以根据患者的健康状况和饮食需求，为患者提供个性化的营养建议和食谱推荐。

　　12、智能手术：AI可以辅助医生进行手术规划和模拟，提高手术精度和成功率。

　　13、人群健康管理：AI可以帮助公共卫生部门分析人群健康数据，识别疾病高发区域和风险因素，制定针对性的预防措施。

　　记者：最近比较火热ChatGPT-4 是一种先进的大型语言模型，它的出现为包括医疗保健在内的各个行业开辟了大量机会，您对此怎么看?

　　王士泉：基于生成式大语言模型的快速发展和能力的迅速提升，正带来巨大商机。去年11月底以来，OpenAI公司开发的基于生成式大语言模型的消费级产品chatgpt3.5，在全球引发了轰动，让人们体验到支持多任务的GPT模型在语言理解、多轮对话、文本生成、机器翻译、文本概要、语言推理、实体识别、语言推理和关系抽取等方面强大的语言处理能力。GPT-3.5引发的热潮和GPT-4 带来的惊叹，在二者的能力上衍生出了很多好的应用，让市场对基于大语言模型的业务场面充满了想象。

　　目前看来，大型语言模型与医疗结合的场景主要包括：

　　1、临床决策支持：在医生与患者对话的过程中，根据患者的病史、症状和检查结果等信息，为医生提供智能提示和辅助诊断建议，帮助医生更全面地考虑患者病情，提高诊断准确性;

　　2、电子病历生成与分析：在就诊过程中，实时识别医生和患者的语音，将对话内容转换为文字记录，医生无需在看诊后手动输入病历信息;从医生和患者的对话中自动提取关键信息，如主诉、现病史、既往史、过敏史等，并将这些信息整理成结构化的电子病历;根据医生的诊断意见自动生成检查和治疗计划;在生成电子病历的过程中，可对病历进行智能审核，检测潜在的错误、遗漏和不一致之处，并提供修改建议;

　　3、知识获取与更新：可帮助医生及时了解最新的医学研究进展、循证医学证据和临床指南;

　　4、临床路径优化：分析大量临床数据，发现最佳实践和治疗模式，优化临床路径，提高患者治疗效果，降低医疗成本;根据患者的个人特征、疾病类型和治疗方案等信息，预测治疗结果，确定最合适的临床路径，提高患者满意度;

　　5、优化DRG分组准确性：分析患者的病史、诊断、治疗等信息，提高DRG分组的准确性。这有助于更好地评估医疗服务的质量和成本效益，为医疗管理部门制定合理的支付策略提供支持。自动提取病历中的关键信息，并将其转换为标准化的代码，简化DRG编码过程;

　　6、药师助手：基于个体化信息，为患者制定个性化的用药计划和监测方案，并对治疗效果进行实时评估和调整;在药物治疗中监测治疗效果，通过分析医学影像和患者生理参数，在药物治疗中监测治疗效果，指导医生进行进一步治疗方案的调整;药物不良反应预警，通过监测患者生理参数，比如监测心率、血压、脉搏等，提前预警患者可能出现药物不良反应的风险。

　　7、医师助手：结合语音技术与患者交互，自动整理形成结构化病历，帮助高效了解患者情况与进一步完善病历;借助大数据和机器学习算法，基于患者的病历，症状和疾病历史，对疾病进行诊断和提出治疗方案;通过大量的数据分析和智能算法， 提供辅助诊断、治疗方案和预后方案，为多学科诊疗提供数据支持，实现精准的个体化治疗。

　　8、患者咨询：作为智能问答系统，回答患者关于病情、药物副作用、预防措施等方面的问题，有助于提高患者满意度，减轻医务人员的负担;对病人进行预问诊，提高医疗服务效率。

　　记者：在多重因素驱动下，AIGC正在成为近十年来AI领域具有突破性的技术方向， 正如“互联网+”一样，“AIGC+”一定也会为医疗保健领域带来新的应用形式。您对此有什么看法?

　　王士泉：AIGC技术的突破性在于从分析式AI(Analytical AI)发展为生成式AI(Generative AI)。我国互联网医疗领域有海量的用户、丰富的产品和应用场景，这为发展和打造基于AIGC的医疗健康产业生态提供了数据和场景等优势。

　　首先，AIGC与现有的大数据处理技术结合后，能够进一步降低信息搜索和处理的门槛，提升服务效率。举个例子，多组学数据是指来自生物体不同层次的高通量生物数据，包括基因组、转录组、蛋白质组、代谢组等。通过对多组学数据进行整合分析，可以更全面地了解生物体内的生物过程，进而揭示疾病的发生、发展机制以及治疗方法。临床表型数据与多组学数据整合对实现个体化医疗和精准治疗至关重要，但仍面临许多挑战。首先，多组学数据的质量和准确性是影响研究结果的关键因素。为了保证数据质量，需要更加高效、准确的测序技术和数据处理方法。其次，多组学数据的规模和异质性使得数据整合和分析变得非常复杂。因此，需要新的算法和计算方法，以解决这些问题。自然语言处理(NLP)和大语言模型(LLM)的应用将在生物信息学与多组学数据整合过程中发挥重要的作用。其次，利用生成式人工智能技术创建模拟数据集，将有助于更有效地训练机器学习算法，提升医疗AI产品研发效率。此外，文本生成图像或视频的多模态模型也是备受关注的AIGC技术，AI绘图、AI视频生成、AI语音合成等新型内容方式与手术示教等医疗教学场景结合也具有一定的开发潜力。

　　王士泉介绍，他所带领的技术团队，正在研发基于AIGC的新一代医疗人工智能平台，该主要包括基础设施层、模型层与应用层。其中，基础设施层包括AI芯片、超级计算机等算力基础设施以及机器学习框架等。模型层包括大型语言模型、图像生成模型，以及基于大模型定向开发的垂直模型，应用层即AIGC技术和医疗卫生行业结合后带来的新的应用、产品和服务。

　　王士泉最后表示，当前数智转型加速，数据资产的累积已成为数字化时代业务创新迭代重要的支撑点，在数智融合的架构下搭建技术体系，支撑基于泛在敏捷业务能力的数据资产化将成为完成数字化转型的核心。我们一方面会持续强化技术自主创新与产品研发创新能力，另一方面也将紧跟产业趋势，不断增强技术、产品、服务的能力融合，迭代和丰富更加完整的解决方案，为更多客户的数字化提供有力支持，共创数智新时代。

　　王士泉，技术管理精英,中国HIT(Hospital information technology)技术探索者，深耕医疗健康领域信息化二十余年。曾担任方正集团、神州数码集团高级技术经理、架构师等职务。现就职于东华医为科技有限公司，长期从事健康医疗大数据与人工智能领域的研发与产品设计，在智慧医院及城市智慧医疗领域具备丰富的研发与实施经验。