得益於生成式AI和大語言模型的迅猛進步，醫療服務、醫學影像診斷及新藥研發等多個場景應用迎來了一場深刻的變革。

據《未來醫生白皮書（2024）》顯示，中國臨床醫護人員在AI技術採納上領先全球，超過三分之一的人員已在日常工作中應用AI工具，遠超全球26%的平均水準。

針對中國醫療AI行業的發展，多位行業專家表示，醫療AI的未來發展前景廣闊，隨著政策引領和資本驅動的雙重加持，AI技術在提升醫療服務效率與品質、加速醫學研究進展等方面發揮巨大的價值，更預示著醫療體系智能化、精准化轉型的新時代的到來，為公眾健康福祉帶來深遠影響。

醫療AI應用場景“全面開花”

人工智慧與醫療的結合已進入了快車道。據瞭解，目前中國已發佈超過30個醫療領域生成式AI大模型，應用場景覆蓋患者問診、醫生助手、新藥研發、健康管理等多個重要領域。多家機構預測，“AI+醫療”市場規模將持續高速增長，到2032年將達到700億美元。

近日，中國國家衛生健康委等部門聯合發佈《衛生健康行業人工智慧應用場景參考指引》（以下簡稱《指引》），進一步為AI在醫療領域的應用場景指明了方向。《指引》涵蓋了醫療服務管理、基層公衛服務、健康產業發展和醫學教學科研四大類84種具體場景，其中包括醫學影像智能輔助診斷、基層全科醫生智能輔助決策、智能門診分診、智能藥物研發等應用場景。

中國醫學科學院醫學資訊研究所醫療衛生法制研究室主任曹豔林表示，《指引》對人工智慧在醫療領域的應用既積極又慎重，採用了參考場景的方式，補全了人工智慧發展的第四個環節——具體場景，使得人工智慧的應用更加全面和具體。《指引》中的13類應用場景涵蓋了醫療服務的各個方面，包括診斷、治療、藥物研發、醫院管理等，是目前而言最全面的場景應用。

中國資訊通信研究院雲計算與大數據研究所生物科技部副主任崔偉男談到，《指引》中涉及的83個醫療應用場景覆蓋了從患者入院到出院的整個流程。這意味著人工智慧技術的應用不再局限於單一的醫療服務環節，而是貫穿於整個醫療服務鏈條，構建了一個全方位、多角度的智能醫療服務體系。

崔偉男指出，醫療服務的流程錯綜複雜，涉及多個科室和部門，包括診斷、檢查、治療、用藥、醫保、康復等多個環節。這些環節相互影響，決策因素繁雜。如何高效地收集和整合利用影響醫療決策的數據，為醫護人員提供更好的決策支持，一直是一個挑戰。而這份《指引》的發佈，為衛生健康行業的數位化轉型提供了新的方向和思路，也為人工智能技術在醫療領域的深度融合和應用提供了政策支撐和實踐路徑。

提高醫療服務效率

在醫療AI應用的眾多場景之中，影像AI是最早出現也是應用最廣泛的。據不完全統計，截至2024年上半年，中國已有90多款人工智慧醫學影像輔助診斷軟體獲批NMPA三類醫療器械證，涵蓋心血管疾病、肺部疾病等多個領域。

在醫學影像智能輔助診斷方面，《指引》強調應用人工智慧從海量影像中準確快速發現微小病灶，直觀定位病灶，實現骨折、肺癌、肝癌、皮膚癌、顱內動脈瘤等疾病精准早篩。這一技術的應用，不僅提高了診斷的準確性和效率，也緩解了醫生閱片的壓力。

“在醫療服務方面，影像閱片是發展最快的領域之一，因為影像數據比較標準化，數據品質較好。未來，智能分診和醫院服務流程優化等應用場景也有望快速發展。”曹豔林談到。

此外，基層醫療與人工智慧的結合也是《指引》關注的重點之一。曹豔林表示，基層全科醫生智能輔助決策，即通過人工智慧技術結合基層醫療衛生機構的常見慢性病，構建基層全科醫生診療輔助決策應用，可以提高基層醫療水準，解決老百姓看病難的問題。

不過，曹豔林強調，在人工智慧應用的過程中，一個非常重要的方面是明確其邊界，不可越界。例如，在醫療諮詢過程中，人工智慧應作為輔助工具，而不應直接替代醫生的決策角色。醫生在使用這些工具時，必須保持責任心，不能完全依賴平臺的結果，而忽視自己的專業判斷，否則將喪失醫師的主體地位，進而可能導致醫療品質和安全問題。

“如果醫生過度依賴AI診斷，那麼診斷可能會變得過於標準化，忽視了患者的個性化需求和不同情況，從而缺乏精准性，甚至可能導致誤診。”曹豔林談到。

加速新藥研發進程

2024年，諾貝爾化學獎授予了人工智慧領域。得益於科學家們在這一領域取得的成就，人們現在可以通過計算軟體設計蛋白質，還可通過人工智慧預測蛋白質三維結構。

人工智慧在生命科學領域創造出來的巨大價值不言而喻。

而在新藥研發中，人工智慧技術的應用也正在影響著人類的健康未來。數據顯示，2010年至2021年間，全球由AI參與的藥物研發專案數量由6個增長至158個。2024年，這一趨勢更加明顯，AI制藥技術的快速發展，讓新藥研發的部分環節提速百倍。

AI在藥物研發中的應用主要體現在靶點篩選、藥物活性分子發現、臨床前研究、臨床試驗等多個環節。特別是在藥物早期的發現過程中，AI技術可以運用機器學習和深度學習演算法，快速篩選出針對靶點有效的藥物活性分子，大大加快了藥物開發的進程。

此外，AI技術還可以通過基因序列、蛋白質序列產生蛋白質三維空間模型，讓靶點實現視覺化，以便醫療人員觀察到靶點上適合藥物分子起作用的位置。在臨床試驗階段，通過利用臨床研究數據和機器學習演算法，AI可以對病人進行精准分型，從而更精准地實施藥物治療。

《指引》中也提到AI在智能藥物研發中的應用，包括智能藥物研發、智能藥物臨床試驗輔助、智能藥品臨床綜合評價輔助等。這些應用有望縮短藥物研發週期，降低成本，提高研發成功率，為新藥研發帶來革命性的變化。

“藥物研發是人工智慧的一個重要應用場景。”曹豔林表示，在藥物研發中，確定化學分子是最核心的部分。過去，這個過程通常需要通過大量的實驗和測試來完成。然而，現在人工智慧可以通過演算法模擬來快速確定化學分子，從而大大加速了藥物研發的進程，並節約了大量的成本。

醫療AI前景廣闊 但需應對數據安全與倫理法律挑戰

儘管醫療AI發展如火如荼，但應用過程中的風險與挑戰仍不容忽視。

“在醫療數據合作的過程中，數據安全成為了首要關注點。”曹豔林談到，企業從醫療機構獲取數據時，必須做好數據管理工作，明確數據的使用範圍和保護措施，以確保數據的安全性和隱私性。此外，醫療機構也要秉承著患者知情同意的原則，來進行醫療數據的相關研究。對於歷史數據的合法使用，可以給予相關的授權豁免。

崔偉男也強調了數據安全和隱私保護的重要性。他建議，應做好數據安全和保護措施，如實施強大的數據匿名化技術，建立安全的數據存儲程式，並在數據採集過程嚴格遵守倫理標準，讓患者和醫生知悉數據的流向，提高透明度。“只有實現醫療人工智慧倫理問題的有效治理，才能讓醫療人工智慧發揮並創造真正的技術價值和社會價值。”

談及醫療AI的未來發展，曹豔林認為，中國醫療AI還處於興起發展階段，未來會走向快速發展階段。“未來還可以加強在傳染病監測和慢病管理等方面的人工智慧應用。通過人工智慧技術加強傳染病監測和預警，可以快速發散各種新發傳染病和重大疫情的監測資訊，提高疫情防控能力。同時，利用人工智慧技術進行慢病隨訪和預後管理，也可以提高慢病管理的效果和品質。”

“中國醫療AI正處在從1.0向2.0邁進的階段。未來，隨著大模型與醫療領域的結合，人工智慧將很快滲透到醫療行業的各個環節。”崔偉男認為，大模型通過深度神經網路和大規模文本數據訓練，能夠生成式地處理實際數據實例，這些數據在訓練中具有相似的分佈特徵。這種生成式的人工智慧模型在未來的診斷、臨床決策支撐、虛擬醫療助手等方面都將會有很大的提升。

“醫療人工智慧已經發展到了一個新階段，雖然還存在一些問題，但作為一項有前景、可以產生顛覆性創新的技術，它將為提高醫療服務的效率和品質、推動醫學研究以及整個社會發展產生深遠影響。”崔偉男最後談到。

來源：環球網