AI驱动医疗革新:开启数智健康新时代

分析患者检查单,辅助医生更快更准找出病因;

化身记忆小助手,提醒病人到点吃药;

分析大量医疗数据,助力发现新疗法;

……

展开想象,当AI技术能够与日常的医疗健康管理“无缝对接”,我们会收获贴心的“健康管家”,拥有更智能、方便的生活。

但与此同时“AI+医疗”在商业化落地时也面临诸多挑战,患者和医生对AI的信任问题、监管问题、伦理问题等层出不穷。

如何更好地把AI技术应用于医疗健康领域?如何通过AI技术激发更多新的需求?本期视界,小管邀请到复旦管院信息管理与商业智能系助理教授李文文,探讨AI如何赋能大健康产业发展。

AI驱动医疗革新:开启数智健康新时代

李文文

信息管理与商业智能系助理教授

研究方向:机器学习,医疗健康管理,人机协同,电子商务

01

AI赋能,“数智健康”时代来临

从管理的视角看医疗健康产业,核心在于需求分析。传统医疗服务以治病为中心,医生针对个体患者提供医疗产品和服务。然而,当前国家提出的《“健康中国2030”规划纲要》,要求从以治病为中心转向以人民健康为中心,这意味着要从传统的、面向个人的医疗服务,转为面向群体,并进一步思考如何为更广泛的人群提供全生命周期的医疗健康服务。

除了医疗产品和服务外,也要关注健康产品和服务。当前的医疗健康产业不应仅仅局限在医院或是医疗机构场景,更要关注居民从疾病预防、疾病诊疗,到后期的疾病康复和随诊这一整个全生命周期。

值得关注的是,这些转变带来了新的需求和新的挑战。个体层面,人们对医疗健康的需求日益增长,开始追求更优质、高效、个性化的医疗服务。这对医疗从业者及相关企业提出了更高要求,即如何提供更好的医疗服务。

AI驱动医疗革新:开启数智健康新时代

组织层面,医疗机构和企业现在能采集到丰富的医疗数据,包括电子病历、医疗影像、智能可穿戴设备实时采集到的各类用户健康行为数据等。面对这些数据,我们需要思考如何高效处理、分析丰富多样的医疗数据,并将其转化为有价值的产品或服务。

幸运的是,技术的快速发展,尤其是人工智能技术的崛起,为我们提供了可能的解决方案。其中,“数智健康”作为新兴概念,强调数字化和智能化协同推进大健康。基于大量医疗健康数据,如临床数据、健康档案数据、智能硬件数据等,结合AI技术、大数据云计算和数字化平台,实现医疗健康的数字化和智能化。

在这样的背景下,这些新兴技术未来将逐步应用到大健康领域的需求中,进而产生更多的应用,比如智能辅助诊断、基因诊断、医药研发或类器官等的相关研发。

然而,“AI+医疗”在商业化落地时也面临诸多挑战。临床应用中,患者和医生对AI的信任问题、监管问题、伦理问题等层出不穷。这些挑战并非纯粹的技术或医疗健康问题,而是与“人”的因素密切相关。因此,如何有效匹配技术和健康管理需求,成为当前亟待解决的问题。

02

“AI+医疗”落地,助力社区健康管理升级

如果知道了健康管理需求,如何匹配合适的AI技术?在这里分享一个以社区健康管理为视角的案例。社区健康管理在分级诊疗制度下是非常重要的一环,社区居民不用往大医院跑,社区的小医院也可以起到大作用。在分级诊疗的时候,社区健康管理可以承担起慢病防治之类的一系列重任。

以管理学的视角看,社区健康管理构建了一套理论框架,这一框架从居民建档、社区疾病筛查、风险评估和干预,到最后的随访,以此为一个循环。但实践过程中会出现各种各样的突发情况。

AI驱动医疗革新:开启数智健康新时代

▲ 虹桥路院区(图片来源:新民周刊)

以上海市眼病防治中心为例,其主要任务是进行上海市所有社区的眼病筛查服务。具体来看,中心首先会发动所有社区卫生服务中心进行现场疾病筛查,走入社区给居民进行眼底拍片。由于社区医院的医疗服务质量有限,很多社区医院没有专门的眼科医生能够进行眼病诊断。

依赖数字化技术,上海市眼病防治中心会把患者的眼底照片上传到云端,并邀请远程的三甲医院专家进行阅片,再反馈给社区医院。但由于专家和医生都有自己的门诊任务,只能抽空或是在特定的时间进行阅片,所以反馈诊断结果往往需要1-2周的时间,再由社区医生将结果反馈给居民。这样漫长的时间间隔容易导致居民的转诊意愿变低,不利于整个社区的健康管理。

这个问题困扰了上海市眼病防治中心很久,直到AI技术的出现。AI在图片识别领域的发展已经非常成熟,而眼底相片其实就是一种医疗影像,就可以利用AI做眼底照片的疾病识别。引进AI眼病筛查设备后,以前长达1-2周的诊断时间极大缩短,患者只需要在现场等待1-2分钟,结果就能当场反馈,居民的转诊意愿也迎来大幅提高。

AI驱动医疗革新:开启数智健康新时代

但与此同时,AI技术的落地应用也面临诸多挑战。比如对于上海市眼病防治中心来说,由于市面上有很多类似的AI设备厂家,那么如何选取合适的AI设备是挑战之一;再如设备采集到患者的相关数据后,是直接传输给AI的设备供应商,还是眼病防治中心自己建立数据库,这一过程中如何确保数据安全是一个棘手问题。

此外,AI技术正逐步渗透到医疗产业的各个层面,如何打破数据壁垒、实现数据的互联互通也是当前亟待解决的问题。事实上,较之于消费或互联网等领域而言,医疗健康领域所能获得的数据量是极其有限的。特别是生成式AI的训练和应用需要极大的数据量,这一现实与医疗数据稀缺性之间形成了鲜明的矛盾。更为关键的是,医疗数据的采集主要依赖于医疗机构,而当前多数医院的数据系统仍处于孤立状态,未能实现互联互通。

医疗健康领域的特殊性也为AI技术的实际应用设置了重重限制,其中伦理、安全及隐私保护是尤为突出的考量因素。与传统消费领域相比,医疗健康产品的推广需先经过监管部门的严格审查,确保合规性。因此,在推动医疗健康领域的技术应用时,必须优先考虑数据安全、隐私保护以及患者权益的保障。

03

优化大模型,实现技术特性与用户需求“对齐”

在探讨如何以适宜的AI技术满足或激发医疗健康行业新需求时,生成式AI无疑成为了焦点话题。

尽管Chat GPT文心一言通义千问生成式AI目前已经得到广泛应用,但回溯生成式AI的发展脉络会发现,2023年前出现的所有重要的大模型,大多数都没有为大众所熟知,直至Chat GPT的出现,才让人们真切感受到人工智能已迈入智能新阶段。

这说明,我们需要更多地了解AI的技术特性,才能更全面地探讨AI技术在医疗健康领域的潜在应用。

其次,整个的生成式AI是产学研紧密结合的,生成式AI的研究离不开大型科技公司投入研发,但同时也离不开高校的助力,在落地实践过程中,更离不开整个行业的支撑。

同时,AI具有浓厚的开源氛围,它的技术部署、落地速度非常快。从最初仅能处理单一的文本信息,到如今已能轻松应对多模态信息,乃至复杂视频内容的处理,AI的进步日新月异。这也对企业的应用落地提出了不小的挑战。

AI驱动医疗革新:开启数智健康新时代

在医疗健康领域,生成式AI的应用正日益受到广泛关注,围绕其生成自然语言的能力所开发的相关应用受到更广泛的讨论。很多企业在积极探索利用生成式AI技术构建医疗问诊系统。但值得注意的是,尽管AI技术本身在不断复杂化,其能力也在持续增强,但得益于智能化的平台与工具,AI技术的应用门槛却呈现出降低的趋势。

以百度文心智能体平台为例,任何人无需具备深厚的AI技术背景或编程能力,仅需通过简单的界面操作,如勾选选项、输入需求等,就能在短短十分钟内搭建出个性化的眼病问诊小助手。

但需要思考的是,AI问诊真的满足了用户需求吗?实践表明,当构建一个医疗问诊小助手后,同时邀请医生与AI共同回答用户问题时,医生的回答往往更为精准、简洁且直击要害。因此,如何进一步优化大模型,使其更精准地捕捉并响应用户的真实需求,是当前研究的重要方向。

总体来看,我国大健康产业正处于快速发展初期,伴随着产业的蓬勃兴起,有很多挑战与问题随之浮现。在这一过程中,我们不仅要关注技术的创新与突破,更应深入思考如何将这些技术更好地应用于实践,以满足用户的实际需求。