首页

加入收藏

您现在的位置 : 首页 > 最新资讯

还有人关心医疗大模型吗?

时间:03-25 来源:最新资讯 访问次数:82

还有人关心医疗大模型吗?

题图|视觉中国医疗大模型的降温,来得比预料中更快。2023年初,ChatGPT的发布,为已经略显乏味的人工智能(AI)技术,打开了新的想象空间。这种比早期人工智能模型整合了更多模态和维度数据的大模型,不再只是被动执行指令,更可以创造性地交付出色的工作成果。这无疑更接近人们对数字医生的设想。试想,如果AI就能书写高质量的病历,或者给出准确的检查、检验结果,那么人类医生会有更多时间去关心作为独特个体的每位患者。于是,医疗专用大模型如雨后春笋般地冒出来。1年之内,由各大科技巨头、医疗信息化公司,甚至创业团队发布的医疗大模型,竟有近百款之多。不过,这些医疗大模型中的绝大多数,都还没有把入口开放给普通的终端用户,内部测试持续了很长时间。一些本就不知名的医疗大模型,在测试期间便直接没了下文。一夜之间爆火的医疗大模型,似乎在一夜之间就迅速冷却。2024年了,还有人关心医疗大模型吗?我们需不需要医疗大模型?答案是肯定的。这个问题,在医疗AI兴起之初,就被反复讨论过。医疗和临床,一直是AI皇冠上的明珠。在一些可以基于医学影像做疾病基本研判的诊疗中,医疗AI已经应用开了。比如在肺部CT报告的制作中,很多医生慢慢习惯于借助AI来判读小结节的良恶性,而这种判断的准确性,通常会大于纯粹的人眼观察。从模型理论来看,医疗大模型是升级后的医疗AI,而人类的医疗正需要这种升级。且不说仍未被满足的临床需求还非常巨大,任何改变医疗和临床的创造,都在改变历史。就已有的医疗认知而言,疾病机理、医疗知识库何其复杂,医疗知识和工具的迭代速度何其快,医生和患者往往都需要一个帮手,来处理许多基础性的工作。在2023年世界人工智能大会上,中国信通院云大所副所长闵栋表示,医疗大模型可以用在辅助决策、治疗方案生成、质控、患者服务、医院管理、教科研、中医、药物研发、公共卫生等9个场景中。一段时间以来,医疗大模型在辅助决策、治疗方案生成等应用上的准确性,一再得到科学研究的证实。2023年6月,四川大学华西医院信息中心刘加林教授团队在Journal of Medical Internet Research上发表了研究文章,证明ChatGPT在临床多个环节为医务人员提供了有效的诊疗决策支持。比如,在诊断方面,ChatGPT在常见病的正确诊断率高达93.3%,而在临床决策方面,ChatGPT的总体准确率达到了71.7%。那么,为什么“百模大战”热闹一场,大多数的医疗模型都没有落地?根本原因在于,现阶段,医疗大模型和现实诊疗行为之间的匹配性很弱。患者或医生即便用上了医疗大模型,除了增加一些有用的知识,也只能图一乐,生病还得去医院,病历还得亲自写。尽管最终呈现出很多样的形态,当前的医疗大模型大都是在通用大模型,或者少量专用大模型的架构基础上构建,用基于临床指南、PubMed、常见搜索等公开数据生成的数据集进行训练,有的还会增加一些医学微调。当然,在技术层面,这个过程会很复杂。不过,究其本质,医疗大模型的构建就是将医学论文、临床指南、专家共识等拆解成类似“问题:哪家医院能治胃返流?回答:建议你用奥美拉唑,同时加用吗丁啉或莫沙必利或援生力维,另外还可以加用达喜。”的对话,然后投喂给选定的大模型,通常会用到数万条这样的对话,经过一系列复杂的计算和验证,大模型就具备像专业医生一样作答的能力。这个过程其实很接近人类的学习活动。这样的医疗大模型,本质只是更智能的专业搜索引擎,用户通过医疗大模型所获得的,是大概率正确的答案,却不一定是适合自己的治疗方案。现实的就医行为,是更复杂的过程,无论是临床诊断还是治疗方案,是医生在参考患者主诉、客观检查检验结果的基础上,结合自己过往诊疗经验所下的结论。实际上,在很多复杂病例的治疗决策中,临床医生的经验判断,往往是最重要的决策因素,而这是大模型是医疗数据库中学习不到的数据集。从这个意义上讲,医疗大模型能否落地的关键点,不在于模型本身,而在于数据集。往更深处讲,纯粹的科技、商业或者互联网企业,其实是不具备开发医疗大模型的基础条件的。医疗大模型也要基于医疗服务流程关于医疗大模型的讨论,最终还是要回归临床。不同于科技和互联网企业对医疗大模型快速跟进,医疗服务企业大多基于内生需求去升级技术配套,布局医疗大模型要略慢半拍。但他们中的一部分,已经开始体验AI带来的效率提升。3月20日,平安健康发布了2023年财报。2023年,平安健康旗下两大业务模块医疗服务和健康服务,毛利率分别上升4.9%和5.0%,对应期间,公司的销售费用、管理费用分别下降25.4%和15.3%。平安健康认为,出现这样的变化,除了优化资源配置外,公司通过信息化、数字化、AI赋能等技术手段提高经营效率,在费用控制上取得了良好进展。同时,基于AI技术的赋能,平安健康累计问诊和咨询服务近4.8亿人,30秒内接诊率达到92.9%。其核心枢纽家庭医生更进一步前置并优化主动、全流程的服务能力,打造出王牌医健服务品牌“平安家医”,目前家医会员覆盖近1300万人,家医年均使用频次是3.7次,较去年同期提升了0.8次,主动服务覆盖率达到74%,满意度98%。财报显示,2023年,平安健康为超过4000万付费人群提供医疗、健康、体检、养老等相关服务,涉及大量产品和权益的组合和拆分。比如,作为近年战略调整的一部分,平安健康将平安体系的综合金融客户池作为重要的用户来源,这就需要结合不同用户的画像和服务需求,进行医疗健康养老服务及产品的多元化设计、组合。在这个过程中,无论是产品设计、需求匹配,还是服务落地,都用到了人工智能的赋能。平安健康的前身,是国内领先的互联网医疗平台。作为一家尝试用互联网技术来实现医疗资源更高效配置的创新企业,平安健康一直高度重视医疗科技的能力建设与积累,在很早之前就布局了医疗AI技术。目前,通过对海量医学专业知识库、医学问诊数据库和电子病历资料库的深度学习,平安健康的医疗AI能力已经覆盖1500万问题、3.6万种疾病库,实现了全服务环节AI赋能,在分诊、初诊、病例预填、随访等诊疗环节中发挥重要作用。比如,在诊疗的核心环节,依托AskBob人工智能算法,平安健康开发了包含智能重症监控、AI智能辅助问诊、合理用药监测、智能医疗安全监控等模块的AI辅助诊疗系统,让AI包揽了大部分的重复性工作,比如基础问诊、病例整理等,同时,AI会根据对用户咨询内容的识别做出初步判断,进行智能分诊和导诊,将用户与需求科室、擅长医生精准匹配。以此,不仅为医生开展医疗服务提供更多的知识和效率赋能,还有效提升了诊前收集患者信息的效率,进一步缩短接诊时效,并大幅改善用户的体验。再如,据平安健康财报披露,2023年,公司B端累计服务企业数量增加54.2%,是全年用户数量增速第二快的业务模块。在B端业务中,平安健康以“体检+”产品为切入口,为企业提供定制化的健康管理解决方案。为此,平安健康成立了“数智体检研究院”,在提供“1+N+X”专业定制化体检服务解决方案的同时,实现体检报告智能解读功能,并结合医疗知识图谱形成完整体检报告解读,为用户提供检后一站式可视化健康管理服务。平安健康CEO李斗强调,“医疗是一个非常严肃的事情”,“AI对我们来讲是一个辅助医生诊疗的定位”。可以看出,与特定的医疗健康服务流程深度融合,是医疗AI实现可持续商业化的逻辑基础。而作为更先进技术的医疗大模型,也应该以医疗健康服务为起点,让场景去找技术。据了解,包括平安健康在内的多家医疗健康服务企业,都在加快布局医疗大模型。回到最初的问题,医疗大模型这个命题的关键,并不在于大模型,而是医疗本身。科技让生活更美好,自然也会让医疗更便捷、精准。本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系 hezuo@huxiu.com

本信息由网络用户发布,本站只提供信息展示,内容详情请与官方联系确认。

标签 : 最新资讯