今天小編分享的科技經驗：AI+醫療，到底有什麼用？，歡迎閲讀。
出品 | 虎嗅科技醫療組
作者 | 陳廣晶
編輯 | 苗正卿
頭圖 | AI 生成
醫療這塊硬骨頭，互聯網大佬們是非啃不可了。
就在 9 月 5 日，支付寶在 "2024 Inclusion · 外灘大會 " 上發布了 "AI 健康管家 "。
這并不是一個醫療智能體，按照支付寶副總裁、數字醫療健康事業部總經理張俊傑的介紹，這是一個一站式平台，可以圍繞診前、診中、診後全流程随時為患者提供服務。其中包括找醫生、陪診、讀報告、醫保支付等 30 多項服務，還可以針對非醫療的泛健康問題給出智能化、個性化解答。
某種程度上，這一產品将支付寶此前所做的 " 互聯網 + 醫療健康 "，以及接下來要重點鋪開的 AI+ 醫療框架整合在一起，既是上一輪 " 互聯網 +" 時代，支付寶與醫療產業 " 纏鬥 " 的餘音，也顯示出其下一個十年繼續進軍醫療界的決心。
2014 年開始，一眾互聯網大佬都雄心勃勃想要通過技術的力量，改變中國乃至全球 " 看病難、看病貴 " 的問題。
從結果看，最初取代醫生、颠覆醫療體系的理想固然沒有實現，很多第三方互聯網醫院自身盈利模式也沒有跑通，甚至有明星創業公司走到了裁員、被收購的境地。
不過，從目前情況看，頭一個十年被硌到了牙的大佬們，還打算借着 AI 爆火的東風再來一局，與支付寶類似，百度、騰訊、字節跳動等都已紛紛下場。有了大模型的加持，這一次，他們将給醫療帶來哪些改變？
"AI 醫生 " 卷起來了
互聯網巨頭下場做 AI+ 醫療并非新事，在 " 互聯網 +" 時代，已經有大批 AI 影像產品等被推向了臨床。不過，随着 ChatGPT" 大力出奇迹 " 一舉攻克了語言交流上的障礙，除了嚴肅的醫院内部場景以外，直接面向大眾的 "AI 醫生 "，甚至 "AI 醫院 " 也成了新的競争方向。
早在今年 5 月份，清華大學研究團隊，就在線上推出了模拟醫院診療全過程的 " 智能體醫院 "，14 名智能體醫生和 4 名智能體護士可以 7 ✖️24 小時為患者服務（實驗中患者也是智能體），整個過程從模拟發病開始，到康復、出院後随訪結束。
結果顯示，這個智能體醫院在幾天内就能為上萬病例提供診療服務，完成了醫生在現實世界裏需要 2 年才能完成的工作量。
如果説，清華大學的 " 智能體醫院 " 還停留在實驗階段，那進入實戰階段的也不少。
比如：支付寶的 "AI 健康管家 " 有一個重要的突破，就是聯合多家頭部醫療機構、多個行業專家，構建了智能體生态。
在這個生态中，除了可以為患者精準匹配線下合适的醫生（推薦準确率達到 95% 以上），推薦互聯網醫院醫生，還有 " 名醫智能體 "" 專科智能體 " 實時為患者解決問題，整個過程貫穿診前、診中到診後随訪，最後還可以形成個人健康檔案。
這幾乎就是一個線上的 "AI 智能體醫院 " 了，而且随着應用增多還可能成為每個人的私人保健團隊。
目前已經有上海仁濟醫院、浙江省人民醫院、復旦大學中山醫院等知名醫院與之建立了合作。入駐平台的智能體已有 20 多個，其中包括了心血管、睡眠、泌尿科等 " 熱門 " 學科的多位大醫生的 " 分身 "。
2024 年下半年以來，火山引擎、百度、騰訊健康等互聯網巨頭也都基于其醫療垂直大模型開發了醫療相關智能體。
除此以外，AI 創業公司，如：百川智能 8 月 28 日也剛與北京兒童醫院籤約，共同開發兒童醫學大模型，并探索推出針對兒科診療四大場景的應用，其中也包括滿足家庭場景需求的 " 兒童健康數字顧問 "。
一端深植嚴肅醫療領網域，一端與尋醫問藥的需求端緊密相關，這些面向大眾的 "AI 醫生 "，似乎也成了大佬們用 AI 打開醫療世界的 " 接口 "。
來自：視覺中國
終于觸及 " 生產力 " 難題
實際上，集中湧現的智能體醫生都在劍指一個關鍵的問題，那就是優質醫療資源不足的問題。
數據顯示，中國醫療體系中，95% 以上是基層醫療機構，三級甲等醫藥只有 0.25%，但是絕大多數患者看病都會首選大醫院，這導致基層醫療機構空置，而高質量醫療資源非常緊張。
大醫生的人工智能 " 分身 " 被認為可以更好地識别真正需要專科醫生治療的患者，幫助他獲得對口專家的治療，而将不是疑難雜症、不需要擠進大醫院的患者 " 導流 " 到基層醫院或其他對口醫院。
除此以外，面向專業端的智能體醫生也可以幫助基層醫生提高診療水平。
" 前面這 10 年我們基本上是用互聯網的移動化、在線化等技術，更多解決了效率提升的問題，醫患的匹配鏈接更順暢了，但是它沒有解決根本的生產力的問題，而今天 AI 是有機會就在這個點上去實現根本的突破的。" 張俊傑説。
可以看到，經過十幾年的發展，第三方互聯網醫療機構雖然方便了患者就醫，但是在供給端，只是增加了醫生的工作時長。因為國内患者為服務買單的習慣也沒有形成，這個過程付給醫生的費用多來自平台補貼，這也導致商業模式難以為繼。
而 AI，特别是智能體似乎可以解決這個難題。
從定義上説，AI 智能體（AI Agent）是一種能夠感知環境、進行決策的智能實體，從 1980 年代首次受到關注到現在的大模型智能體，已經發展出了三代。
簡單來説，大模型的輸出有賴于輸入，與環境沒有互動，無法形成閉環反饋系統；而智能體有 " 感知 " 能力，可以收集環境數據，可以整合感知，做出決策和行動，形成閉環反饋。因此，大模型和智能體也被比喻為 AI 世界裏的 " 大腦 " 和 " 行動派 "。
業界認為，它是人工智能邁向 " 通用人工智能 "（AGI）很有前景的道路。通過與智能體的深度連接，大語言模型可以更好地發揮出專業性，實現代際更新。
前述提到的清華大學智能體醫院，在實驗中，智能體醫生的表現随着接診 " 患者 " 的增加越來越好。研究者認為，智能體在訓練中不斷進化，這與人類醫生接診成千上萬患者後經驗會越來越豐富一樣，而且比人類醫生更有效率——接診 1 萬例患者人類需要 2 年多，而人工智能只需要幾天。
這似乎意味着，只要有機會，有充足的臨床經驗，智能體有望達到，甚至超過大醫生的水平。
對于 AI 能否解決醫療領網域生產力問題，資深管理顧問賀濱認為，目前可能還達不到這個水平，但是空間還是有的。" 邊際改善也是有益的，即使不考慮從根本上解決問題，也有很多機會，有很多事可以做。"
技術确實給人類健康帶來了更多可能性。
比如：理想狀态下，AI 醫生配合可穿戴設備可以 24 小時監測人體情況，預警心梗、腦梗等致死、致殘風險非常高的疾病。面向專業人士的 AI 工具，有望拉平基層醫生和大醫生之間的差距。
這些指向人們平等享受優質醫療資源的可能性，在當今老齡化、少子化的趨勢下尤為可貴。
不過，在這條 " 烏托邦 " 式的道路上，挑戰也會比 " 互聯網 +" 階段更多。
居民排隊體驗 "AI 面診機器人 "。
來自：視覺中國
融合型領軍人才是關鍵
賀濱擔心，做 AI+ 醫療的互聯網大佬、投資人們不夠尊重行業規律，會導致新一輪失敗。
可以看到，智能體醫生們這一輪主攻的 " 健康管理 "、有望推動分級診療的 " 導流 "，看似簡單，實則是中國醫療行業裏最硬的骨頭。
要知道，大醫院人滿為患、基層醫院門可羅雀，其中很大一部分原因，就是民眾對基層醫療水平不信任。而且即便是在大醫院也有一定的誤診率，患有疑難雜症、嚴重疾病的病人，不乏到多家大醫院就診、反復對比驗證的情況。
AI 醫生當下的水平，還不如基層醫生。一項研究認為，GPT 在問診或病情處理的準确率，跟實習醫生差不多，比全科醫生差一點，比普通專科住院醫師差更多。
即便是學習了人類所有的醫學知識，人工智能仍然只是醫學生的水平。" 醫學生經過長達 8 年的學習，也還是不能看病。" 上海交通大學醫學院附屬仁濟醫院泌尿科執行主任潘家骅指出，這一現實背後，臨床診療的嚴肅性、專業性和復雜性都非常強。
" 患者有沒有合并症、家庭情況如何、醫療背景如何，能不能進行好的随訪，能不能進行好的康復等，都會影響治療方案的選擇。" 潘家骅進一步解釋説，比如同樣患有原位膀胱癌，年輕人可以不做造口、原位排尿；如果是一個 80 歲的獨居老人，他沒辦法自我訓練排尿，就容易出現尿潴留、腎功能損害，最好就做一個造口。
目前 AI 雖然已經能夠快速掌握很多書本知識，但是也只能做到根據疾病來判斷要不要做手術或者得了這個病應該怎麼辦，而不能從症狀出發診斷出病情，也不能将專業知識融會貫通，将指南和臨床實踐結合起來。
這也決定了，人工智能距離成為一個真正的醫生還需要更多實踐，也需要算法、算力上的持續提升。正因為此，他們選擇從最難的領網域作為突破點，雖然是改變行業的野心體現，但是也有不了解行業，甚至是 " 輕視 " 行業 " 大膽冒進 " 之嫌。
客觀來説，經過上一個十年的洗禮，互聯網大佬們已經清晰地認識到了技術的局限性。
" 如果大家想着幹一兩年，就把這事兒幹得特牛，就别幹了。"張俊傑在發布 "AI 健康管家 " 的活動現場公開直言，過去 10 年從挂号到電子社保卡、電子醫保卡，每一步都非常艱難，都有很多坑。未來也還會有各種各樣的困難和問題。
來自大三甲醫院信息科的負責人也坦陳：" 我們能做的還很少。" 對于醫院來説，算法、算力、數據，就是三座大山。" 我們需要外部的支持。"
支付寶在推出 "AI 健康管家 " 時，更是同時宣布開放專業智能體協作平台，為有意生成智能體的醫療機構提供技術、資金資源支持。百川智能等創業公司在開發 AI+ 醫療產品時，也選擇了與大三甲深度合作。
這些都是 AI+ 醫療真正解決醫療領網域 " 看病貴、看病難 " 頑疾的希望。
賀濱認為，接下來無論是互聯網大佬還是其他外部資本，要想做好 AI+ 醫療，還是必須充分尊重行業、尊重行業規律。對于互聯網大廠來説，找到融合型領軍人才應該是首要工作。
賀濱告訴虎嗅，與互聯網 + 醫療主要涉及 " 業務流程 " 相比，AI+ 醫療必然要深入到 " 業務核心 "。在這方面公立醫院和外部資本都沒有獨立優勢，所以需要更加緊密地合作，但關鍵是既缺乏相關融合型領軍人才，不同行業之間的理解和溝通也存在困難。
他認為，如果沒有融合型領軍人才，AI+ 醫療短期或難有快速發展；如果有這樣的人才來，AI+ 醫療未來也可能會發展出與互聯網醫療不同的模式。對于互聯網大廠來説，相比内部孵化，更好的做法是獨立投資一個新機構來運營這塊業務，成熟後再與傳統業務融合。
無論如何，技術只是劃出了一個方向。路，還需要更多實踐者一步一步走出來。
