當(dāng)前，在“AI大模型”與醫(yī)療健康的結(jié)合下，疾病診療、新藥開(kāi)發(fā)、臨床研究等領(lǐng)域隨之產(chǎn)生一系列變革。
“AI大模型在醫(yī)療健康的七大領(lǐng)域已有部分探索性應(yīng)用，這七大領(lǐng)域包括：醫(yī)療服務(wù)、運(yùn)營(yíng)管理、患者服務(wù)以及科教研、藥品供應(yīng)、傳統(tǒng)醫(yī)學(xué)與公共衛(wèi)生。”中國(guó)信通院云大所副所長(zhǎng)閔棟在日前舉辦的2023世界人工智能大會(huì)上表示，但目前上述應(yīng)用大多處于按科室或單病種的個(gè)案研究狀態(tài)，尚未進(jìn)行大范圍推廣，并且，不同領(lǐng)域AI大模型的應(yīng)用機(jī)會(huì)、產(chǎn)生影響程度和成熟速度上的差異仍然較大。
閔棟舉例，比如，醫(yī)療服務(wù)上，AI大模型可根據(jù)醫(yī)療信息生成診斷決策（這需要AI大模型針對(duì)聊天、網(wǎng)頁(yè)、開(kāi)源文獻(xiàn)等大量自然語(yǔ)言處理數(shù)據(jù)訓(xùn)練，并自動(dòng)補(bǔ)償桌重點(diǎn)和關(guān)鍵信息，不斷進(jìn)化）；再如，運(yùn)營(yíng)管理上，AI大模型可以產(chǎn)生結(jié)構(gòu)化的醫(yī)療紋文書(shū)并實(shí)現(xiàn)內(nèi)容質(zhì)控（對(duì)ChatGPT下達(dá)指令，即可以生產(chǎn)排版的出院小結(jié)），以及可產(chǎn)生管理用表單并輔助決策；此外，患者管理上，AI大模型可以用通俗的語(yǔ)言為患者用藥進(jìn)行答疑和導(dǎo)診。
除此之外，之前很長(zhǎng)一段時(shí)期內(nèi)，AI大模型也通過(guò)靶點(diǎn)發(fā)現(xiàn)、復(fù)雜分子結(jié)構(gòu)和序列的篩癬藥物安全性評(píng)估等來(lái)加速藥物研發(fā)進(jìn)程；而在公共衛(wèi)生方明，AI大模型也被愛(ài)丁堡大學(xué)亞瑟人口健康科學(xué)學(xué)院一項(xiàng)分析用來(lái)對(duì)“新冠疫苗阻斷疫情人群傳播的有效性”進(jìn)行模擬分析。
事實(shí)上，由于患者需求使然，AI大模型率先落地的場(chǎng)景仍然是“醫(yī)院”，但仍有其局限性，“AI大模型可以覆蓋患者預(yù)問(wèn)診、分診、導(dǎo)診，以及導(dǎo)航推送、科普教育等功能，“不過(guò)我們?nèi)匀灰紤]，是否針對(duì)AI大模型有一個(gè)評(píng)價(jià)、監(jiān)管的工具，大量的個(gè)人診療隱私如何做到合理、安全使用。”復(fù)旦大學(xué)附屬中山醫(yī)院黨委書(shū)記顧建英表示。
而AI大模型在科教研層面產(chǎn)生了諸多業(yè)內(nèi)爭(zhēng)議。閔棟稱(chēng)，在臨床科研過(guò)程中，盡管AI大模型能在選題立項(xiàng)上生成綜述和參考文獻(xiàn)，在研究方案設(shè)計(jì)時(shí)生成新視角和新思路，并且自動(dòng)生成同行評(píng)議結(jié)果，“但AI大模型對(duì)科研的風(fēng)險(xiǎn)在于，一方面可能會(huì)被認(rèn)為偽造了參考文獻(xiàn)，另一方面，由此產(chǎn)出的科研貢獻(xiàn)難以甄別，也無(wú)法對(duì)生成的內(nèi)容負(fù)責(zé)。”
但其仍然面臨不少風(fēng)險(xiǎn)與挑戰(zhàn)。業(yè)內(nèi)人士告訴記者，醫(yī)療健康領(lǐng)域存在特殊性，對(duì)醫(yī)療數(shù)據(jù)質(zhì)量與安全，患者隱私保護(hù)要求很高，為此，AI大模型或?qū)⒚媾R技術(shù)成熟度風(fēng)險(xiǎn)，醫(yī)學(xué)數(shù)據(jù)質(zhì)量與安全風(fēng)險(xiǎn)，和醫(yī)療服務(wù)公平性風(fēng)險(xiǎn)。
詳細(xì)來(lái)說(shuō)，技術(shù)成熟度的風(fēng)險(xiǎn)在于AI大模型的算法可能會(huì)局限并導(dǎo)致內(nèi)容失真，算力不足導(dǎo)致效率過(guò)低；醫(yī)學(xué)數(shù)據(jù)質(zhì)量與安全風(fēng)險(xiǎn)在于模型訓(xùn)練的數(shù)據(jù)質(zhì)量不高，存在隱私風(fēng)險(xiǎn)；醫(yī)療服務(wù)公平性風(fēng)險(xiǎn)在于模型生成的內(nèi)容存在虛假、錯(cuò)誤，以及算法偏見(jiàn)導(dǎo)致的不公平。
為此，閔棟建議，可以從三個(gè)方面給予解決方案。第一，推動(dòng)算法平臺(tái)建設(shè)及算力設(shè)施部署，來(lái)形成適配醫(yī)療健康A(chǔ)I大模型的算力資源服務(wù)模式。第二，是構(gòu)建規(guī)范化、標(biāo)注化的訓(xùn)練用專(zhuān)病數(shù)據(jù)庫(kù)，來(lái)保障AI大模型的可靠、真實(shí)性及安全。第三，是推動(dòng)人工智能醫(yī)療應(yīng)用合規(guī)，包括支持建設(shè)一批相關(guān)檢測(cè)機(jī)制、合規(guī)審核、應(yīng)用規(guī)范等。
“下一步，應(yīng)該要研制出符合醫(yī)療健康行業(yè)應(yīng)用特色的AI大模型標(biāo)準(zhǔn)框架。我們的初步設(shè)計(jì)是：基礎(chǔ)設(shè)施層，包括數(shù)據(jù)準(zhǔn)備、模型開(kāi)發(fā)、開(kāi)發(fā)平臺(tái)；模型層，包括語(yǔ)言大模型、圖像大模型、音頻大模型等；應(yīng)用層，包括生成文本、生成圖像、生成音頻等。” 閔棟補(bǔ)充。
