今年七月召開了2023世界人工智能大會， 醫療分論壇上，AI+醫療成為國內人工智能的下一個熱點領域，為醫療行業亟待解決的問題提出了救治之法。上個月，百度正式發布“產業級”醫療大模型“靈醫”。10月16日，商湯發布升級版醫療健康大語言模型“大醫”。根據Facts&Factors公司的報告，全球AI在醫療保健行業的應用市場預計在2022年將達到47億美元，到2031年將增長到189億美元。同時，Gartner公司預測，到2023年，全球醫療保健行業中AI技術的支出將達到330億美元。國內 AI 正走向高景氣局面，AI技術在醫療領域的應用涵蓋了手術機器人、醫療數據分析、智能問診、疾病預測、藥物研發等多個方面，有望緩解我國醫療資源分配不均的局面。AI進入醫療行業的利好顯而易見，面臨的困難又有哪些，如何破局?本文我們將重點探索AI在研發端、手術端、醫生端和用戶端的應用瓶頸及典型案例。01研發端——超級工廠不是夢根據艾瑞咨詢，AI藥物研發于2020年左右在資本市場及技術兩方面皆迎來重大突破，目前正處于快速增長之后的成長爬坡期，若現有AI制藥公司的管線大規模進入臨床階段且能夠批量化證明該技術可行性，AI藥物研發將有望于3-5年后迎來下一輪爆發式增長。雖然還沒有任何一款AI預測的藥物成功上市，但已經有一批AI預測的藥物進入臨床試驗階段，包括近16條管線進入臨床一期試驗。這些管線涵蓋了多種疾病領域，如腫瘤、神經退行性疾病、自身免疫性疾病等，顯示出AI技術在藥物研發領域的廣泛應用前景。人工智能主要從預測和設計藥物、藥物生產和質量控制以及個性化治療三個方面輔助當前制藥領域。在預測和設計藥物方面，AI通過機器學習和深度學習技術，在學習大量的專業文獻和專業書目后，根據學習內容進行實踐，從大量的化合物中篩選出可能具有藥性的候選物質。AlphaFold算法在2021年成功預測了多種蛋白質的結構，此外，AI還可以通過計算化學方法，對候選藥物進行優化和設計，以提高其療效和降低副作用。AI技術的應用將大大加速藥物的研發過程，通過對AI的不斷訓練，可以使其對藥物的預測和設計更加的精準，有望縮短藥物的研發周期。藥物生產和質量控制方面，Al技術則可以通過機器視覺、自動化和智能化設備實現藥物生產過程的監控和管理，降本增效，同時還可以通過分析和檢測藥物中的雜質和成分，來確保藥物的質量和安全。在個性化治療方面，可以根據患者的基因以及具體的病灶，為患者提供個性化、定制化的治療方案，使治療方案更加的精準，為患者減負的同時減少不必要的醫療資源浪費，有利于個性化醫療的普及。但藥物的研發過程中會涉及藥企的商業機密，藥企是否會將保密藥方用于訓練AI?如何獲取藥企的信任?如何保證在訓練過程中不會泄露保密藥方?再者，AI模型預測的藥物生產出來后，需要招募大量志愿者在臨床中進行試驗，試驗周期長、成本高，難以在短時間內看到AI預測設計的藥物的成效。02手術端——AI締造賽博朋克手術臺AI在手術機器人領域的應用主要在手術操作、手術導航、遠程手術等方面。其中，最具代表性的應用是達芬奇手術機器人系統，通過該系統，醫生可以在無菌環境中進行手術操作，減少了醫生的職業暴露，提高了手術的精確性和效率。除達芬奇手術機器人系統外，中國的華科精準、威高等都在手術機器人領域取得了一定的成功，如華科精準的神經外科手術機器人系統在國內已經得到了廣泛的應用，并獲得了多項醫療器械注冊證。圖為首臺國產達芬奇Xi手術機器人(圖源網絡)通過AI技術在手術機器人上的加持，傳統手術模式出現創新性的改變，由醫生在手術室內操作變為通過AI技術進行遠程手術，優秀的醫生資源能夠覆蓋到更多的地區，再疊加機器學習和計算機視覺等技術的buff，便可以精準識別定位手術部位，賽博朋克手術臺的氣息撲面而來。然而，AI在手術機器人領域的應用也存在一些問題。成本是根本問題，很多醫療機構難以承受，普通患者也無法承擔治療費用，還無法推廣普及。其次，AI技術進入醫療行業還不到20年的時間，在手術機器人領域的應用時間更是短暫，需要更多的研究和實踐來驗證其可行性和安全性。再從手術環境來看，開放式的手術環境和微創手術有很大的不同，需要更加精準的定位和操作技術。技術支持上來看，遠程手術需要更加穩定和高效的網絡通信系統保證手術的實時性和安全性。回到患者的角度，以血肉之軀觸碰鋼鐵之臂的手術方式還是略微超前了些，普通患者難以客服恐懼和不信任心理，無法為臨床試驗提供更多的實踐素材，自然也導致了手術機器人的應用實踐蓄力不足，普及推廣遙遙無期。03醫生端——AI改變臨床報告生產模式Google的DeepMind開發的Streams應用可以通過分析患者的病歷和檢查結果等信息，自動生成腎損傷等疾病的臨床報告。上海交通大學附屬第一人民醫院解學乾教授團隊聯合衛寧健康也開發出胸片報告自動生成系統，通過人工智能的自然語言處理能力生成胸片報告，提高了臨床的效率和問診能力。通過人工智能撰寫一份臨床報告，能夠為醫生減輕30%的工作量和壓力，通過對患者的病情數據、遺傳信息等進行深度分析，AI還可以為患者制定個性化的治療方案，提高治療效果。這需要人工智能能夠在各類格式的文檔里精準識別有效數據，并對數據進行加工。對數據的分析、重點摘取、生成文字或報告已經是生成式AI 的基本功，極新(ID：jixintech)已經探究過在金融領域通過人工智能生成評級報告的情況，并分析了實踐過程中的難點。(閱讀原文請點擊：AI+金融 | 高標準、嚴要求的提質增效之路)目前看來，AI在金融和醫療領域里關于分析數據、生成報告等方面有著異曲同工的特點。首先是數據的獲取和質量。醫療數據涉及到患者的隱私和安全，同時醫療行業也有保密數據，如何在保證數據安全且不觸犯隱私條款的前提下進行有效的數據利用是一個重要的問題。其次，醫療數據存在大量不完整、不一致和噪聲數據，這會對AI模型的訓練和分析造成干擾和誤導，加之醫療數據較為復雜并且具有不確定性，模型的精度往往難以達到理想的狀態。在這些因素的影響下，人工智能所生成的臨床報告將有可能出現誤判或漏判，對病人造成難以挽回的損失。04用戶端——智能問診，人人都能獲得的家庭醫生在智能問診領域，百度健康小度機器人就是一個很好的例子。根據百度官方發布的數據，小度機器人在疫情期間為2.1萬多名用戶提供了在線問診服務，累計答復問題超過44萬條。其中，81%的問題能夠在5秒內得到回答，大大提高了患者就醫的效率和滿意度。智能問診對AI有著三方面的要求，首先是利用自然語言處理技術，能夠實現非專業與專業的轉化。在問診過程中，人工智能需要通過自然語言處理技術，將患者的主訴和癥狀轉化為計算機可理解的語言，大部分患者并不具備專業的醫療知識，并不能用相對專業的術語描述自己的癥狀，人工智能如何通過自然語言處理技術將其轉化為專業術語?這對AI的認知智能水平提出了較高標準。第二個要求是利用機器學習算法，能夠對癥狀進行分類。人工智能一天，人類世界百年，通過用海量的文獻及醫學專業書籍訓練人工智能，達到根據患者描述的癥狀，對疾病進行自動分類和診斷的效果。第三個要求是利用大數據分析技術，能夠對患者的病情進行預測和分析，從而為醫生提供更加準確的診斷和治療建議。比如針對慢性病患者，人工智能要能夠預測患者未來發生并發癥的風險。今年8月17日，微脈發布國內首款健康管理領域大語言模型——CareGPT，作為全國最大的全病程管理平臺，CareGPT實現了接入醫院公眾號、呼叫中心、企業微信、微脈APP等多應用場景，并根據患者的有效交互和內容分析，為其提供文字、圖片、視頻等多形態的健康管理建議，覆蓋診前、診中、診后全部流程。雖然成功案例不斷涌現，但仍存在問題和挑戰，如果系統存在誤診和漏診等問題，將導致患者接受不適當的治療方案，最終將出現醫療事故。基于人工智能的不確定性，目前還無法完全用智能問診系統代替門診醫生，但醫聯CEO王仕銳曾說，AI能讓醫療“不可能三角”成為可能。AI生出血肉指日可待!也許現在你還是通過傳統方式掛號問診，還未面對過電子醫生，但如果你走到醫療行業一線，看到人工智能在制藥研發、智能問診、影像診斷、遠程手術中的精彩表現，你可能也會暢想，也許在未來的某一天，居家就可以做到問診、取藥、手術等等，而當下，如何突破 AIGC 技術落地醫療產業的瓶頸，是AI帶給這個產業的最大紅利。