聚焦数字健康｜“AI+医疗”加速落地，如何应对商业化路上重重关卡？

21世纪经济报道记者季媛媛 上海报道 今年以来AI热潮一浪高过一浪，各种技术加速迭代升级，争抢市场风口。

近日，英特尔发布了最新人工智能芯片Gaudi 3，预计将在第三季度向客户大规模提供，包括戴尔、惠普和超微电脑在内的公司将使用Gaudi 3芯片。英特尔声称，新款Gaudi 3芯片与英伟达H100芯片相比，推理能力平均提高50%，能效平均提高40%，运行人工智能模型的速度是H100的1.5倍，Gaudi 3将与英伟达最新的H200大致相当，在某些领域甚至表现更好。

目前，AI浪潮也正在席卷医疗市场。4月11日-14日，在CMEF展会上，多家医疗器械企业携医疗大模型、百余款AI应用和AI解决方案等创新成果亮相，医疗AI的“蝶变”时刻成为最大看点。“技术的进步可以帮助临床实现原本没法实现的事情。”上海科技大学生物医学工程学院创始院长、联影智能联席CEO沈定刚在展会上接受21世纪经济报道记者采访时介绍，AI在医疗领域的落地场景已经不断扩大。例如，在医院客服环节上，之前都是专人客服逐一核查。现在有了大模型，与医院合作，可以做一系列应用，更高效的解决传统工作。

有券商分析师也对21世纪经济报道介绍，去年国外已有生成式AI与电子病历公司合作的案例，探索为医生自动起草对一些最常见和耗时的患者信息的回复草稿内容；以及利用语音AI来智能识别医生与患者的对话内容，然后将数据输入到电子病历中来自动创建临床记录，从而提升医生诊断的有效率。

“这类医患沟通和记录场景是非常典型的，既是很实在的临床痛点，又能很好的发挥生成式AI自身特点。未来的优化可能来自于如何更实时无时滞的促进医患沟通，如何降低所生成内容的误导性和偏见性，如何强化对说方言和语言沟通障碍患者的语音快速识别和记录能力。”该分析师说。

赋能医患场景

当前，人工智能革新过程中呈现的趋势变化。一方面，生成式AI发展由结构化处理向专业化、交互化生成跃进，包含了“变”与“革”不同性质、不同程度的发展。“变”代表着生成式AI基于以往科技基础上的延展或进步，而“革”代表着生成式AI显著区别于以往技术的跃进。另一方面，传统AI与生成式AI未来仍会组合式发力、协调并举、共织共赢，使得AI技术在各个领域都能够发挥出更大价值。

在此趋势之下，复杂、碎片化的医疗场景需要AI全流程融入，这也使得目前布局“AI+医疗”已然成为潮流。在国内，综合性的互联网公司，以及细分领域中的医疗IT信息化、互联网医疗平台、智能机器人等公司正在探索用大模型等技术进一步提升自身解决方案和产品设计。

不过，大模型的探索应用也需要与临床需求相衔接。沈定刚指出，目前医疗相关AI产品很多，不少设计者认为在研产品具有极强的创新突破性，就得做出来，但是对医生而言，并不认可，认为临床上其实并不需要这类产品。“我们只是把一个榔头做的非常好，你不知道要敲的地方是不是需要你这么强壮的榔头。”在沈定刚看来，AI领域迭代太快，在没有找准需求的情况下，你做的越好越贵，买的人少，企业得到利润少，同时迭代的速度如果太慢，也将面临被淘汰的风险。

实际上，不少专家也强调，未来大模型的竞争主要在于垂直场景，而医疗场景则是被认为最有前景的场景之一。殊不知，这一领域也存在诸多难点。例如，最大的难点在于数据的获取和处理。医疗数据具有高度的隐私性和敏感性，如何合规地获取和使用这些数据是一个巨大的挑战。另外，医疗数据的质量和完整性也直接影响到生成式AI模型的准确性和可靠性。如此，生成式AI技术本身还在不断发展和完善中，如何将其与医疗领域的实际需求相结合，实现技术的落地应用，是一个需要不断探索和实践的过程。

“这些场景的落地可行性还需取决于数据的可获得性、内容生成的合规性等因素，这不仅仅是技术本身的能力问题，更需要产业界的共同努力。”上述分析师也强调。

在此层面，沈定刚的解决方案主要有两点:一是，让产品经理广泛调研诸多医院的主任，充分了解什么类型的AI技术可以放在哪些临床流程中，然后充分了解在哪个环节去帮助医生，如此将一系列的问题搞清楚；二是推动产学研医融合。医疗行业中有非常专业的大专家，他们经验丰富，知道临床痛点在哪里，明晰哪个位置的AI能够发挥作用。

“所以我们通过申请国家的重大项目积累多年的数据，对问题的定义，包括应用的场景，可以从医疗大专家们多年的临床经验中去学习。因此，我们基本依靠上述两条路使得产品不脱离医疗场景。”沈定刚说。

当前，AI也被认为可应用于患者病程管理，在疾病的认知、就诊、治疗、随访等多场景中发挥作用。通过医患不同视角下的多样化场景触达，生成式AI能够使诊疗“更优质”、医生“更专业”、病患“更自主”。一方面，新技术赋能医院与医生，助力医生释放出更多的工作效能，提升工作质量，缓解医疗资源紧张的问题；另一方面，新技术结合患者病程，带来更加精准、便捷和个性化的医疗服务和健康支持，推动患者自我知识了解的深入发展，提升创新性的交互体验。

政策挑战与应对

随着人工智能在中国快速发展，政府监管与时俱进，通过了以《生成式人工智能服务管理暂行办法》为代表的多项法规对生成式AI进行监管，且近年来医疗反腐风暴背景下多环节监管升级，行业政策频频更新。因此，相关企业需及时跟进，掌握人工智能、数据治理、网络安全等相关政策，结合医疗医药领域的特性，提前预防、及时识别并规避风险。

不过，需要注意的是，由于医疗领域的特殊性和复杂性， AI在这一领域的监管还处于不断完善和发展的阶段。安永咨询就分析指出，目前，监管主要集中在确保AI技术的安全性、有效性和合规性上，防止技术滥用和误用，保护患者和公众的权益。一方面，数据隐私和安全保护。医疗数据涉及患者隐私和信息安全，需确保生成式AI技术的合规使用；二是，伦理规范的建立。生成式AI在医疗医药领域的应用涉及到伦理问题，需要建立相应的伦理规范，让技术的使用符合道德和伦理要求；三是，跨部门协作和信息共享。医疗医药领域涉及多个部门和机构，有必要加强跨部门协作和信息共享，形成合力推进生成式AI的监管工作。

“现在AI监管已经做得越来越好。开始的时候监管部门相对比较保守，这也是由于医疗AI是个全新的事物，一开始监管人员缺乏参考先例去判断相关细节。另外，三类证需要进行一些临床多中心试验，这也是很花时间的事情。但是现在中国在AI监管层面已经越做越好。”沈定刚说。

不过，AI布局也存在一定的壁垒亟待打通。沈定刚进一步指出，商业化永远是一个比较重要的问题。之前，医院很少有单独给AI付费。但现在随着越来越多应用出现，已经有医院会花费10%-20%的支出单独立项购买AI产品，且部分AI产品已经在医院中成为收费项目，例如，在手术规划中的三维重建，浙江省就已经开始收费。

上述分析师也认为，AI医疗商业化落地存在的壁垒主要在技术、数据、法规以及市场接受度等方面。

首先，技术上尽管AI技术在医疗领域已经取得了显著的进展，但在某些复杂和精细的医疗任务中，AI的准确性和可靠性还需要进一步提升AI技术的性能。

其次，数据是AI医疗发展的关键。医疗数据的获取、处理和分析都面临着一系列挑战，包括数据隐私、安全性和伦理等问题。同时，医疗数据的多样性和复杂性也增加了数据处理的难度。因此，需要建立完善的医疗数据共享和隐私保护机制促进AI医疗的发展。

此外，法规也是AI医疗商业化落地的重要壁垒。医疗领域对技术的监管要求较高，需要确保AI技术的安全性和有效性。因此，AI医疗企业需要密切关注相关法规的变化，及时调整战略，以确保合规运营。

最后，是市场接受度。尽管AI医疗具有巨大的潜力，但患者和医生对新技术可能存在疑虑和抵触情绪。因此，需要通过教育、宣传和示范等方式，提高市场对AI医疗的认知和接受度。

“AI医疗前期投入和运营成本较高的问题确实是一个需要关注的方面。我们认为，量化AI技术在长期运行中的经济效益，可以通过分析AI技术提高诊断准确性、降低误诊率、优化治疗方案等方面的效果，来评估经济效益，未来也可以跟DRG/DIP在医疗精益化管理的实践相结合以进一步提高DRG/DIP政策的执行效果。另外，还可以考虑将AI技术与医疗机构的业务流程相结合，提高工作效率和服务质量，从而进一步降低成本并增加收益。”该分析师说。