医疗AI变革：从效率提升到健康管理的转型，探索医疗AI：商业模式、价值与场景挑战

本文围绕AI在医疗领域的发展展开。阐述了医疗AI具有巨大的社会和商业价值，以京东健康为例展示了其在实际场景中的应用成果。同时探讨了医疗AI未来的核心发展方向，也指出了其在落地实践中面临的诸多挑战，包括处于早期阶段、数据问题、幻觉问题等多方面。

随着科技的不断进步，AI正逐渐成为重塑医疗生态系统的关键力量。医疗AI蕴含着巨大的社会价值与商业潜力。京东健康探索研究院（JDH XLab）的首席科学家王国鑫就表示，医疗AI可不只是一个提升效率的工具，它更是一种重塑医疗行业的新兴优质生产力，在解决医疗资源供应方面有着不可估量的价值。深入探究医疗行业就会发现，医疗大模型已经在具体的场景里发挥出了实际的价值。就拿互联网医疗行业里的头部企业京东健康来说吧，在京东互联网医院里，已经有超过80%的医生问诊单运用了AI服务。这一举措有效地帮助医生减少了误诊的风险，让医生能够节省出更多的精力投入到临床工作当中，从而能够把精力集中在更有价值的工作事务上。不仅如此，京东健康旗下的医疗AI数字人的人工替代率最高能超过90%，仅仅在过去的一年里，服务的用户人次就超过了3500万。王国鑫认为：“人工智能目前还没有达到发展的上限，如今我们要思考的是如何从行业通用的大模型转变为针对专家的模型。未来医疗AI有几个核心的发展方向。首先，对于个体而言，要从单纯的治病转变为健康管理。我们能够借助AI技术为用户提供健康陪伴助手，从而让个体避免生病；其次，还要解决医生的培养问题，以此来推动医疗行业的发展；另外，未来的医疗模式或许会由AI来主导。”很多专家都向21世纪经济报道的记者提到，AI是一种生产力工具，它带来的最大改变在于生产关系。AI虽然改变了业务流程，但是并不会改变需要解决的问题。在医疗领域，需要解决的问题就是提升医生的水平、降低诊疗的成本、让患者减少生病甚至不生病。但不得不指出的是，这场技术革命在实际落地的过程中仍然面临着很多的挑战。目前，不管是从技术层面还是从行业的层面来看，医疗AI都还处于早期的发展阶段。王国鑫觉得，整个行业正在共同努力推动技术生态的合作，一起培育市场。王国鑫表示，对于AI带来的变革，首先在已有的工作方面，它能够提高工作的效率。不管是分诊、导诊，还是患者管理、病理质控等相关的技术，在新一轮大模型技术爆发之前，包括京东健康在内的一些企业其实就已经在推进相关工作了，而大模型能够对这些技术进行全面的优化。其次，在已有的技术或者项目方面，更倾向于独立的替代。例如药师咨询、科研助手，以前这些工作不是依靠技术产品，而是依靠人工服务，现在AI正在逐步实现对这些工作的替代。此外，在AI原生方面，也就是以前做不到的，在有了大模型之后能够完成的工作，目前有很多的产品和技术都在持续地探索当中。主要聚焦在两个方面，一方面是对于医生来说，传统的工作流程是否能够被改造；另一方面是对于患者来说，其就医的过程、健康管理等方面能否被重构。在医疗AI加速变革的进程中，商业化是企业必须要考虑的问题。王国鑫表示，从短期来看，商业化包括几个方面。一是作为医生成长的工具，就像现在医生培训是一个老大难的问题，如何降低医生培训的成本，同时提升AI的能力，这是非常重要的一点。二是过去的患者已经被传统的互联网医疗信息所淹没，现在可以为他们提供更简单、直接的医疗服务，构建更强的统一入口。此外，在辅助诊断方面，通过提升医生的工作效率，可以把互联网医疗的服务范围扩大到三甲医院，并且提升边远地区的服务能力，从而让更多的患者受益。而从中长期的商业模式来看，就是要打造用户型的医疗服务产品，也就是“为每一个人提供个性化的医疗服务，这是医疗AI长期商业模式最重要的基础。”王国鑫这样说道。当前的治病流程是患者觉得自己身体某方面出现了问题后就去医院，医生在治病的时候不仅要考虑如何治疗病症，还要考虑卫生经济学、合规、指南等多方面的信息。王国鑫表示，患者之所以会处于现在的疾病状态，并不是毫无缘由的。我们可以通过一些健康服务智能体，为用户提供随身的健康陪伴助手，一站式解决用户的健康问题——不仅仅是医疗问题，而是帮助用户进行日常的健康管理，从而避免发展到需要治疗的状态。“目前AI更多的是解决效率问题，重点在于如何让医生的工作更轻松一些，本质上没有回答能为患者带来什么。从长远来看，我特别看好医疗AI的个性化医疗和全生命周期的健康管理概念。所有的医疗AI最终都需要回答如何让患者少生病，而不是患者生病了如何挂号，这是短期的商业模式。”王国鑫强调说。需要注意的是，当前AI在医疗场景落地仍然面临着多重挑战。在医疗领域的某些场景下，面临着两个比较重要的问题，一个是不一定有正确答案，另一个是不一定有唯一答案。有业内专业人士向21世纪经济报道记者指出：“医疗场景具有开放性，甚至在某些时候医生所做的诊断、治疗和患者最终的结果之间是否存在因果关系都不确定。在这个过程中，如何模拟医生的诊断路径就变得极其重要。”该业内人士表示，在产品设计上，最重要的诊疗决策都需要采用辅助模式运行。我们可以把AI生成结论的过程、证据、推理链路展示给医生，帮助其快速理解。现在医疗AI的替代目标是，在没有医生介入的情况下，能够确定整体的诊断和治疗方案，同时以白盒化的方式给出推理路径，最后再由医生进行最终的决策。从技术层面来看，王国鑫认为，AI在医疗场景落地最大的挑战是医疗数据量质双缺，高水平的医疗数据非常难以获得和训练。这也是为什么现在有这么多的AI产品与医院、互联网医院以及患者合作的根本原因，如果我们能够像培养一名初级医生那样在医院里训练一个AI，那么将会极大地推动AI的快速发展。“我认为未来每个医生都应该有一个AI助手，这样一方面可以成就医生，另一方面也可以成就AI。另外，数据还存在信息孤岛的问题，在全球化的过程中，即便获取了全球的数据，在训练AI的时候仍然会存在问题。”王国鑫说。在数据隐私方面，上述业内专业人士指出，大模型所需要的数据天然去ID化，也就是不需要知道患者或者医生的名字，大模型技术是符合数据隐私要求的。但是在医疗实践中，很少有数据脱敏的流程，很少有医院存在完全不涉及用户隐私的数据。王国鑫认为，如今医疗AI在数据方面实际上有两条路可走，一是通过数据合成完成训练，但要符合真实的医疗环境，二是和特定医院签订战略合作协议，将单一科室的数据脱敏之后开展训练。“我认为前者是更有希望的技术路线，即使是医疗影像也在走数据合成的赛道。”幻觉是所有大模型做行业应用都无法避开的问题。据王国鑫介绍，京医千询采用的是两种技术路线：一是安全围栏，二是检索 + 推理技术。“首先，我们要让大模型知道什么能做什么不能做，其次是当模型在某些场景容易犯错时，我们需要反复校验。”王国鑫表示，我们可以做一个验证，对于一道数学题，让大模型先给答案再给出推理过程，和先给推理过程再给答案相比，前者出错的概率更高。因此我们可以拉长模型的推理过程，给它更多的信息，让它反复校验以达到最终目的。

AI在医疗领域有着巨大潜力，从提升效率到改变医疗模式等多方面体现价值。以京东健康为例可看到其在实际场景中的成果。但医疗AI处于早期，在落地实践中面临如数据量质双缺、数据隐私、幻觉等多重挑战，且在医疗场景下答案的非唯一性等也给AI应用带来困难，不过其发展前景仍然值得期待。