AI助手资讯

习近平总书记指出，要推进“互联网+医疗”，让老百姓少跑腿，让数据多跑路，不断提升公共服务均等化、普惠化和便捷化水平。 截至2018年7月，广东省网络医院已接诊逾1000万人次，从最初的每日几十例的问诊量飙升到如今每日4万人次。全国政协委员、广东省中医院副院长卢传坚表示，随着网络时代的到来，线上线下结合的医疗服务将成为新趋势。 随着“互联网+医疗”和人工智能的发展，人工智能医生在医学领域发挥的作用越来越大。机构预测，中国医疗人工智能的市场需求已达数百亿元。智能移动医疗专家指出，未来5年内，人工智能问诊平台将取代部分传统问诊。 那么，线上诊疗、“人工智能医生”等看病新方式是否值得信赖呢？ 新闻链接 广东省网络医院正式上线 作为全国首家网络医院，今年是广东省第二人民医院拥抱互联网的第五个年头。2014年10月25日，深圳友德医科技有限公司与广东省第二人民医院共同打造的广东省网络医院率先在全国上线，成为全国首家互联网医院。网络医院主要针对常见病和慢性病。通过后台初步分诊，患者可选择对应的科室和医生，在家里就可享受到三甲医院的专家服务。但专家也表示，病情严重、复杂的疾病仍需要立即到医院进行检查。 “读懂”病历识别影像 AI“医术”超年轻医生 人工智能不仅能“读图”识别影像，还能“识字”读懂病历，理解患者病情并推荐临床诊断，准确度甚至超过医生、媲美经验丰富的专家。由广州市妇女儿童医疗中心教授夏慧敏、加州大学圣地亚哥分校教授张康等专家领衔的医疗数据智能化应用团队，联合人工智能研究和转化机构研发出“辅诊熊”人工智能诊断平台，诊断多种儿科常见疾病，准确度与经验丰富的儿科医师相当。 未来5年内，人工智能问诊平台取代部分传统问诊 广东省第二人民医院2018年4月正式上线AI Doctor(人工智能医生)。实际上，AI医生是省二医与互联网科技公司联合开发的全球最大的中文医疗词库和医疗知识图谱，内含北京、江苏、广东数十家三甲医院3亿份“脱敏”（抹去隐私信息）的病历经验，200多病种的诊断、治疗建议的准确率超过90%。有专家预测，未来5年内，人工智能问诊平台将取代部分传统问诊。10年内，具有专科医师水准的人工智能医生会开处方。 大V观点 卢传坚（全国政协委员、广东省中医院副院长） 随着网络时代的到来，线上诊疗是一种看病新趋势。从方便患者就诊、让患者及时得到诊治这方面来说，发展网络医院是便民的举措。但是，线上诊疗毕竟没有现场医生诊治准确。看病跟购买其他商品或者服务不一样，通过病人自己描述身体状况，不如医生现场“望闻问切“来得准确。当然，对于常见病、小病可以考虑线上诊治，比较复杂的疾病就不适合了。 杨浩贤（中山大学肿瘤防治中心，主任医师，博士生导师） 线上诊疗对患者来说效率比较高，特别是对于异地就医的患者，可以同时咨询多方医生的意见，综合考量医疗方案。但是，在线问诊无法看见病人的精神状态，也无法进行体检，所以要得到比较具体的治疗方案，还是需要患者亲自到医院就诊。 随着计算机和人工智能的发展，人工智能在医学领域发挥的作用会越来越大。人工智能可在一定程度上缓解医生资源不足的状况，让优质医疗资源下沉到基层，使更多群众享受到普惠医疗。我相信，未来的人工智能医生会取代医生的一部分工作，比如体检、信息采集、问诊等方面，但治疗的过程中，人工智能只能提供标准化方案，无法实现精准的个体化治疗，而且对于复杂疾病，治疗方案是根据患者病情不断地在变化，所以人工智能医生还要经过不断学习，才能在核心领域发挥更大的作用。无论是何种诊疗方式，是否能让患者得到更好的医疗服务和治疗效果，才是我们关注的重点。 周其如（广东省网络医院院长） “互联网+医疗”是医疗行业的发展方向、是解决“看病难”的重要抓手、是破解医改难题的重要手段。通过不断吸纳海量数据，AI医生已经能够达到或者部分超过普通医生的问诊水平。人工智能医生能帮助解决基层医疗资源不足、缓解医生的劳动强度、降低医疗成本高的问题。不过，人工智能医生诊断的合法合规性等问题，还需要长时间的发展和摸索。 杜兰（科大讯飞股份有限公司高级副总裁） “人工智能医生”不是一个趋势，而是实实在在地应用了。我们希望通过A.I.赋能医疗，让机器去学习最优秀的一线专家的能力，通过专家和设定的标准，让60分的医生去做80分医生可以做的事情，让90分的医生不要去做60分医生重复做的工作，从而让医疗服务更具普惠性，并为行业带来更大的发展空间。 刘激扬（国双科技首席技术官） 线上问诊和人工智能诊疗能够为医患双方提供很多便利：患者和家属可以更快地得到专业人士帮助，也可以获取更多知识，比如，通过智能问答系统人们能非常便捷地获取导医、治疗及手术后护理等各类信息；大数据和人工智能技术可以通过对医疗领域累积的大量医疗数据和患者数据进行分析，帮助医生对患者做出更加客观、全面的评估，甚至对疾病的发展趋势做出预测。依据这些评估和预测，医生就能更及时、准确、全面地为患者做出诊断。借助大数据和人工智能，我们也能够实现从对疾病的诊治，到对疾病的“预测”和“预防”，从而为大家提供有效的健康管理，让大家更健康。 张康（加州大学圣地亚哥分校教授） 如果能让医生看到计算机是怎么想的、怎么得出结论的，就能让人类更相信计算机，让人类对它更加放心。 夏慧敏（广州市妇女儿童医疗中心教授） 人工智能并不会取代医生，但是可以大幅减轻医生的工作量。更好的技术手段和平台，既能在一定程度上解决医疗服务能力不足的问题，又能提高健康服务的公平性。 沈定刚（联影智能联席首席执行官） 人工智能不会替代医生，但懂人工智能的医生可能会替代不懂人工智能的医生。未来人工智能的应用将贯穿于整个临床工作流，从源头的成像一直到后期的诊断、治疗和评估。 陈国庆（农工党中央医疗卫生专业委员会委员） 人工智能和互联网技术是对医生的解放，能够让医生的医术、医德和口碑等作为医生个人的附加价值为医生赢得更多的患者，从而让医生的个人品牌、工作环境和个人待遇得到大幅的提升，从而最大程度体现医生真正的价值。人工智能与医疗的结合，也能实现医疗效率的提高、群众医疗成本的降低和诊治慢性疾病和常见病的便捷化，也是未来医疗的发展趋势。 网友留言 @谭浩彬：线上医生我觉得挺便捷的，现在去个医院好麻烦，排队挂号等号要好几个小时，但我可能也就是看个头疼脑热的小病，给老百姓挺大方便的。 @白如宣：一个医生的阅历和经历有限，AI医生能综合各大医院的病例情况而且无需休息，有时候对于一些突发情况能给出一些快速的抢救措施，还是值得推广的。 @wendy七：难道网络医生还能“悬丝诊脉”吗？望闻问切缺一不可哦～ @南州六月荔枝丹：网络看病的影像资料，患者怎么来保存呢？担心隐私泄露…… @茴有四种写法：感觉信不过～每个人的体质都不一样，虽然是同样的病症，但可能表现形式不一样。 出品人：刘海陵 总策划：林海利 总统筹：孙璇 监制：孙朝方 郑华如 鲁钇山 蒋铮 区健妍...

如果您希望第一时间收到推送，别忘了加“星标”！ 随着基于大模型的生成式AI的出现，我们看到AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一方面，目前尚未看到面向医疗影像的新AI大模型服务，大模型在医疗影像领域主要作用是降本。 核心观点 生成式AI为问诊、影像、制药等各个医疗健康场景注入新活力 医疗健康领域是人工智能率先落地的行业之一，也已经催生了Nuance、IBM Watson等一批全球知名企业。随着基于大模型的生成式AI的出现，我们看到AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一方面，目前尚未看到面向医疗影像的新AI大模型服务，大模型在医疗影像领域主要作用是降本。AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率病例的录入是AI+医疗中最经典的应用场景之一。生成式AI的出现，使病例的录入过程从过去医生问诊后口述总结，向基于大模型的自动实时问诊记录生成演进。今年3月，微软旗下的Nuance已经推出基于GPT-4的临床笔记软件DAX Express，可以在几秒钟内生成准确的临床记录，以及整合进微软Teams中来辅助远程医疗。AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度根据Statista，2021年全球制药行业总收入约1.5万亿美金，制药研发投入约2.4千亿美金。DeepMind是最早用AI赋能新药开发的企业之一，其推出的AlphaFold主要解决从已知的氨基酸序列，预测相应蛋白质3D结构的问题，为探索生命的起源迈出重要的一步。随着生成式AI的出现，业内开始探索自动根据功能需求设计/优化蛋白质、给定抗原等目标蛋白生成抗体等蛋白、给定靶点一键生成Binder蛋白等功能，为提高药物发现的效率作出贡献。英伟达于3月推出的生物医药大模型云服务BioNeMo也包含蛋白质生成等模型的调用服务。 AI+医疗影像：应用相对成熟，关注AI大模型提升数据标注效率 医疗影像分析是AI的另一个重要应用场景。AI医疗影像企业通过分析GE、飞利浦、西门子、联影医疗等国内外企业厂商产生的医疗影像数据，为医生提供读片等诊疗辅助工作。我们认为，AI大模型或主要在效率方面赋能医疗影像领域，通过提升自动化标注、自动化模型筛选、参数调优、处理非结构化数据等能力，为行业带来缩短数据标注和分析时间、提升影像精细程度等变化。 正文 包括制药、辅助诊断、影像、医疗器械在内的医疗健康领域是AI率先实现应用的行业之一。2015年开始，AI在图像识别方面的准确率大幅度提升，驱动AI+影像快速发展。而语音识别的精准度提升以及临床知识库的发展，也推动辅助诊断服务逐渐兴起。随着DeepMind两代AlphaFold实现了蛋白质空间结构预测的重大突破，AI+制药也进入高速发展期。 01AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率 临床辅助决策分为诊前/诊中/诊后决策场景，包括医院数据实时处理、数据质量监控、知识库查询、临床辅助决策、临床辅助治疗、临床预警、患者画像、系统监控等功能。我们认为，医疗诊断场景涉及的信息为多模态且数据量大、交互频次高、及时性要求高，业内关注多模态大模型能否赋能诊断场景，发挥辅助医患沟通、诊断决策作用。 以问诊环节的病例录入为例，我们观察到，传统AI语音识别赋能的病例录入主要以医生口述-AI转写的形式展开，随着大语言模型（LLM）的出现，医患对话的实时记录、转写和总结能够大幅提升病例录入的效率。 3月20日，微软旗下语音识别公司Nuance Communications推出基于GPT-4的AI临床笔记软件Dragon Ambient eXperience (DAX) Express，可以在几秒钟内生成准确的临床记录，减少临床记录环节的时间，提升诊疗效率。Nuance曾在2020年推出DAX解决方案，将患者在就诊中与医生的交流转化为临床档案，由于以人工审核来确保信息准确性，全过程需要耗时约四个小时。接入GPT-4后，依靠大模型强大的推理能力，DAX Express生成临床记录的效率大幅提升。此外，DAX Express能够整合进微软Teams中，来辅助远程医疗。国内部分产业链公司也开始探索大模型在医疗辅助诊断领域的应用。 数据的质量和数量成为AI在辅助诊断等领域应用的主要挑战之一。大规模的数据标注是GPT-3.5这类语言模型突飞猛进的重要原因之一。然而，因为医疗数据的开源程度低，隐私敏感程度高且标注昂贵，往往缺乏高质量的医疗数据来保证大模型的训练效果。此外，医疗领域的容错相对更低。因此，我们认为构建兼具质量和数量的医疗数据集、打破医疗“数据孤岛”现象，促进医疗数据价值流通，将成为AI大模型在医疗领域应用的重要挑战。 02 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 DeepMind两代AlphaFold引领行业进入高速发展期。梳理AI+制药的发展历程，我们发现AI与制药的结合逐步深入，成为生物制药企业的常态化工具。经历了包括Exscientia、Atomwise、英矽智能、晶泰科技在AI新药研发领域的早期探索（2014-2017年）、最早一批AI+新药企业开始获得临床前候选药物(Pre-clinical candidate, PCC)一类的验证性成果（2018-2019年）后，DeepMind推出的AlphaFold和AlphaFold2实现了蛋白质空间结构预测的重大突破，引领行业进入高速发展期。近期，我们看到类Chat的生成式AI开始出现，印证AI与药物发现的结合逐渐深入。比如Salesforce Research、Tierra Biosciences 和加州大学研究团队发布的蛋白质语言模型ProGen，在数百万个原始蛋白质序列上训练，可生成跨多个家族和功能的人造蛋白质。不同于AlphaFold2利用AI的手段辅助理解自然界已有的蛋白结构，以ProGen为例的类ChatGPT生成式AI的目标是生成自然界不存在的人工蛋白质序列。虽然生成式AI在制药领域的应用仍处于起步阶段，但天壤XLab负责人苗洪江博士认为，从AlphaGo、AlphaFold2到生成式AI是一个从分析工具走向解决方案、并落地解决实际问题的过程。长期来看，生成式AI有望赋能生物医药源头创新。 03 AI+医疗影像：应用相对成熟，关注AI大模型提升数据标注效率 AI图像识别技术在CT、MR影片诊断领域的应用也已相对成熟，未来十年将有望规模发展。我们看到AI在医疗影像领域的应用相对成熟。根据动脉橙数据，中国2022年医学影像赛道早期融资事件18起，和2021年相比数量增长约两倍。我们认为，AI大模型或主要在效率方面赋能医疗影像领域，通过提升自动化标注、自动化模型筛选、参数调优、处理非结构化数据等能力，为行业带来缩短数据标注和分析时间、提升影像精细程度等变化。 风险提示： 1）AI技术落地不及预期。虽然 AI技术加速发展，但由于成本、落地效果等限制，相关技术落地节奏可能不及我们预期。 2）本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 相关研报 研报：《AI大模型+医疗：从问诊到新药开发》2023年4月06日 黄乐平 S0570521050001 | AUZ066 胡宇舟 S0570121040041 | BOB674 于可熠 S0570122120079 关注我们 华泰证券研究所国内站（研究Portal）...