AI助手资讯

△国际医疗健康人工智能大会暨2024中国心胸血管麻醉学会学术会议现场。（中国心胸血管麻醉学会供图） “我国是人口大国，随着经济社会快速发展和老龄化进程加快，人民群众对健康的美好需求不断催生医疗健康领域人工智能的研发与应用。”日前在广州举办的国际医疗健康人工智能大会暨2024中国心胸血管麻醉学会学术会议上，全国政协委员、中国心胸血管麻醉学会常务副会长敖虎山在开幕式致辞中如是说。11月14日，国家卫生健康委、国家中医药管理局、国家疾控局联合发布《卫生健康行业人工智能应用场景参考指引》，成为落实党中央、国务院关于开展“人工智能+”行动的重要举措。此次大会正是顺应时代潮流、响应国家号召的关键行动，是推动我国医疗健康领域技术创新与产业升级的重要契机。 人工智能将如何赋能医疗健康领域？又将带来哪些新的趋势和机遇？在这场国际性学术交流会议上，多位全国政协委员、来自国内外的专家学者、行业翘楚及相关政府部门负责人等，围绕人工智能与医疗健康、人工智能与心胸血管麻醉的深度融合谈现状、话未来。 ——编者 AI正加速医疗模式变革 近年来，以ChatGPT为代表的大模型技术带来人工智能（以下简称AI）的突破性发展。在科技创新领域，科研人员借助AI大模型，处理更高维度、更多变量、更复杂问题的能力得到巨大提升。 在医疗领域，AI同样在推动科研范式变革方面发挥重要作用。 “在传统的医疗科研模式中，医生和研究人员主要依赖临床经验、实验数据和文献综述来进行疾病研究、药物研发和治疗方案制定。然而，这种模式往往受限于数据规模、处理能力和分析方法的局限性，导致科研进展缓慢。随着AI技术的引入，医疗科研范式正在发生根本性变化。”全国政协委员、工业和信息化部原副部长王江平表示，如今，通过大数据分析、机器学习和深度学习等手段，能够高效地处理和分析海量的医疗数据，为医生和研究人员提供更为精准、全面的诊断依据和科研支持，大幅提升药物研发的效率和精准性。比如，华为云盘古药物分子大模型提出了针对化合物表征学习的全新深度学习网络架构，有效提升了药物设计效率；腾讯人工智能实验室自研的“tFold”工具有效提升了蛋白质结构预测精度。 “不仅如此，AI在医疗健康领域的应用方面，也有了重大突破，具身智能或许将成为通往通用AI的重要推力。”王江平介绍说，具身智能是一种具备自主决策和行动能力的机器智能，它可以像人类一样感知和理解环境，通过自主学习和适应性行为来完成任务。其中比较典型的就是手术机器人，如达·芬奇手术机器人已被广泛应用于微创手术。这种类型的机器人为外科医生提供了超越人类极限的精确度和可控性，能够进行微小切口的精细操作，减少手术创伤、加快恢复速度，并降低感染风险。 “未来，手术机器人有望进一步提升对手术过程的感知和控制能力，根据患者的个体差异实施更加精准、个性化的手术治疗。”王江平预测，随着技术的不断发展和完善，AI在医疗领域的应用将更加广泛，为人类健康带来更多的可能性。 全国政协委员、人口资源环境委员会副主任王建军在发言中也表示，医疗健康融入AI、大数据、云计算等现代信息技术，能够优化医疗生态、提升医疗服务质量、优化医疗资源配置、增强医患互动。建议各界专业人士加强交流互鉴，抢抓大健康产业发展重要机遇，为实现中国式现代化贡献力量。 AI在麻醉领域的应用潜力巨大 随着AI在医学领域的应用日益广泛，AI正在改变传统的麻醉方式，为麻醉医生提供前所未有的支持和帮助，如监测麻醉深度、疼痛管理、风险预测等方面。 “麻醉深度是影响手术安全和患者舒适度的重要因素之一。传统的麻醉深度监测方法如脑电图双谱指数（BIS）等，虽然在一定程度上能够反映患者的麻醉状态，但仍存在诸多局限性。AI技术的加入，为麻醉深度监测带来了革命性的改变。在手术过程中，AI系统能够实时监测患者的脑电图等生理信号，确定患者的麻醉深度，指导临床用药。”敖虎山表示。 香港中文大学第二附属医院麻醉科主任周树勤介绍说，AI在麻醉深度监测中的应用，不仅提高了麻醉的精准度，还有效降低了因麻醉深度不当而引发的并发症风险。在传统的麻醉实践中，麻醉师主要依赖自身的经验和专业知识来评估患者的麻醉风险，并制定相应的麻醉计划。然而，由于个体差异和病情的复杂性，这种评估方法往往存在一定的局限性和不确定性。而AI技术的引入，将为麻醉风险预测带来革命性的改变。 “AI系统通过对大量历史数据的学习和分析，构建出预测模型。这些模型能够识别出与麻醉风险相关的关键因素，如患者的年龄、体重、健康状况、手术类型等，并根据这些因素来预测患者可能出现的麻醉风险。”周树勤说。 中国医学科学院阜外医院麻醉中心主任医师张喆围绕机器学习在围麻醉期风险预测、患者状态实时监测、药物剂量优化等方面的应用分享了观点。他表示，由于患者对麻醉药物的反应存在显著个体差异，传统麻醉方式难以应对多样化的个体反应，麻醉中无法根据患者的生理状态变化，实时调整药物剂量，无法预测麻醉中出现的低血压等不良反应。 “通过机器学习建构模型，有望解决上述一系列问题。AI在麻醉中的应用正在逐步深入，并展现出巨大的潜力。未来，随着技术的不断进步和应用场景的不断拓展，麻醉将迎来更加精准、高效和安全的新时代。”张喆表示。 AI与医疗的深度融合机遇与挑战并存 近年来，AI在医疗领域的应用取得了显著成果，但也面临很多问题和挑战。 王江平以具身智能为例表示：“具身智能要求机器人理解复杂多变的动态环境，这需要海量、多样、高质量的真实交互数据作为支撑，但采集此类数据难度大、成本高；在数据处理方面，对算力也有极高要求，需要强大的计算平台作为后盾。” 敖虎山也表示，具身智能的发展完全依赖于医疗大数据，但当前“数据孤岛”的问题十分严峻，因此开放和共享医疗大数据迫在眉睫。他说，以北京为例，受现有管理体制机制限制，医院之间的数据信息尚未实现共享，不同监管部门之间的共享渠道也不畅通，这就造成整个医疗体系中存在“数据孤岛”的现象。 为打破“数据孤岛”，推动医疗行业数字化建设，敖虎山建议建立不同层级的医疗行业“数据银行”，包括建立统一的医疗行业数据信息共享平台；建立规范的管理和使用制度，并进行分层管理；建立完备的数据安全保障体系。通过建立“数据银行”，推动形成真正意义上的大数据，这对于推进智慧医疗建设具有重要意义。 在AI生态方面，我国企业、高校、科研机构开发的很多模型使用不同框架，机器人嵌入式操作系统、控制单元五花八门，长期发展下去会出现技术发散问题。对此，王江平建议，政府部门应引导业界通过开放或开源的方式，推动AI基础性不断收敛，建立统一AI生态。 此外，AI应用的技术风险、人才匮乏、伦理等问题也被业界专家学者们多次提及。 比如，AI在医疗中的应用尚处于快速发展阶段，其临床应用效果仍需进一步验证；企业在技术研发过程中，特别是在数据处理和算法优化方面，需谨慎行事；“AI+医疗”需要具备复合背景的人才，他们不仅要研究AI算法，更要对医疗影像识别建立深入了解，这类人才的积累需要时间和经验，目前市场上相对稀缺；随着AI在医疗中的应用，涉及的法律和伦理问题变得越来越复杂，类似AI做出的错误诊断由谁来负责，AI辅助的治疗方案是否符合伦理，人机对齐等等。 “尽管医疗AI领域面临诸多挑战，但随着技术的不断进步和政策的持续支持，相信这些问题将逐渐得到解决，医疗AI将为人类健康事业作出更大贡献。”敖虎山表示，“未来，我们可以预见，更智能、更贴近人类需求的机器人会出现，它们将在老年护理、手术、麻醉等方面发挥更大作用，为患者提供精准的医疗方案。” 记者：鲁雅静 文字编辑：陈晶 新媒体编辑：杨思永（实习）

产业概况 1、定义 AI医疗是借助尖端人工智慧技术，包罗万象，诸如机器学习、自然语音处理以及深度学习等等多重先进技术，以期在药品研发与病患诊疗这些环节上进行智能化的全面整合与提升，从而有力地提升医疗服务的整体效益及品质。 AI医疗行业研究范畴 在院内医疗AI的实际应用中，它不仅涵盖了医生对患者进行诊断和治疗的整个流程，还包括了对医院信息化系统的全面升级与完善。众所周知，医院作为频繁开展各种医疗活动的主要场所，正处在医保支付制度以及广大患者日益增长的需求这两个重要因素的交叉点上，因此在其日常运营过程中所产生的大量数据，无疑为人工智能技术的发展提供了坚实的基础。人工智能技术可以广泛地运用于患者从就诊到康复的全过程，涉及多个身体部位及多种疾病类型，从而实现降低成本、提高效率、改善就医体验以及合理分配优质医疗资源等多重效果。此外，医院内部的信息化建设也不再仅仅局限于信息的生成、存储和交互，而是正在向更加智能化、一体化的方向稳步推进。 医疗AI的临床应用与医院内部技术架构的实现密不可分，两者交融贯通，共同构建起医院卫生体系的现代化布局。医院这个医疗服务活动繁忙频繁之地，恰好坐落于医保制度以及广大患者需求的中心枢纽位置之中。由于日常运营中所承载的大量医疗数据，这便为发展先进的人工智能技术奠定了坚实的基础。人工智能技术在患者诊疗的全流程中均有广泛的应用空间，涵盖了多个身体部位及多种疾病类型，其显著的优势在于能够有效降低医疗成本，提高工作效率，改善患者的就医体验，并能合理配置优质的医疗资源。此外，医院内部的信息化建设也不再仅仅局限于信息的生成、存储和交互等基本功能，而是逐步向智能化、一体化的方向迈进。 以高级人工智能生成文本（AIGC）作为核心构成部分的智能导诊系统的高效运行，无疑显著提升了各种就诊环节的运作效率，为个性化医疗服务的推广以及分级诊疗制度的落实提供了有力支持。相较于传统的导诊系统，AIGC技术在交互性方面表现更为出色，它能够直接接入医院门诊的相关数据，并借助大数据分析、自然语言交互以及深度学习等先进技术手段，为每一位前来就诊的病患精确地匹配到最适合他们的就诊科室乃至医生，从而有效解决了临床实践中普遍存在的“挂错号，走错科”这一难题，满足了广大病患对个性化医疗服务的迫切需求。而对于医院而言，智能导诊系统或机器人的引入不仅能够大大减轻医护人员繁重的重复性工作负担，实现降本增效的目标，同时也能够借助人工智能技术来合理规划门诊的分级分流，促使医疗资源得到更加有效的利用，进而为分级诊疗政策的顺利实施提供强大助力。 在整个检验医学的发展历程中，经历了从原始的手工操作逐步发展至半自动化乃至全自动化实验的革命性转变，并即将迈入更为先进的实验室流水线阶段。随着实验室自动化和信息化建设水平的日益提升，智慧化已然成为了检验医学这一重要学科新的发展潮流。借助于人工智能技术搭建的坚实基础，实现在检验实验室内部的自动采样、运输以及质量控制过程，同时还能依据患者的临床表现及过往检测数据，为其自动推荐最适宜的检验项目。此外，通过对检验结果的自动审查与辅助解读，能够进行疾病的预测与治疗，从而推动精准医疗的实施，直至最终实现无需人工干预的全智能化检验实验室。 在众多医学领域的疾病诊断中，特别是关于癌症的确诊中，病理诊断被视为无可辩驳的”金标准”。然而，相较于检验科与影像科等其他科室，病理科诊断过程相当繁琐、自动化水平相对较低、诊断耗时冗长得多。其独特的”显微镜+病理组织切片”的诊断方式，使得工作负荷沉重，同时误诊率也居高不下。然而，随着人工智能技术的日益成熟，以其为核心的智慧病理应运而生。这种新型诊断方法，在病理切片数字化（即数字病理）的基础之上，借助海量数据构建的庞大数据集，运用深度学习技术挖掘出数据集中的内在规律，从而对可疑靶区进行精准勾画、生动渲染，以此协助病理医生更高效地解读切片，显著提高诊断效率及质量，进一步推动病理行业向数字化方向发展。 依据人工智能赋予各领域之独特应用与场景，将AI电力医疗细分为AI在药物研发领域上的应用、AI在医学影像学方面的运用、AI在医疗辅助机器人技术中的融合以及AI健康治理等等。 AI 医疗按应用场景分类 2、产业链 AI医疗行业领域所涉及的产业链大致可以划分为三个层次：支持层、应用层以及服务层。其中，作为主体的支持层涵盖了诸如智能医疗设备及医疗数字化服务等关键环节；而应用层则以AI药物研发、AI医疗大数据模型等为核心内容，这也是当前我国AI医疗产业发展的重心所在；至于服务层，其主要功能在于在患者诊疗过程中，利用AI模型实现辅助诊断、辅助决策以及辅助手术等多元化活动。 AI 医疗行业产业链 行业发展现状 随着我国医药卫生体制改革的逐步深入推进以及层级诊疗制度的精准落地实施，各级政府部门正积极采取措施以应对医疗资源配置不均以及医疗服务效率低下这两大难题。在此过程中，医疗人工智能技术的广泛运用无疑在提升医疗服务品质和效率、降低误诊率和误治率等方面起到了举足轻重的作用。然而，我们必须清醒地认识到，当前AI+医疗领域仍然面临着诸多挑战，如医学数据处理难题、复合型人才匮乏、行业规范尚未建立健全以及医疗科研成果向成熟产品转化所需时间较长等问题。尤其值得关注的是，数据的获取、利用以及数据共享等环节成为了制约AI+医疗发展的瓶颈所在。鉴于AI+医疗的发展动力主要源于满足医疗行业的迫切需求，因此可以预见，在不久的将来，AI+医疗必将突破数据壁垒，实现数据的安全、高效且共享式的应用。 统计数据显示，中国AI医疗行业市场规模在2023年达到88.43亿元。中国AI医疗行业市场规模（2019-2024年）如下： 2019-2024年中国AI医疗行业市场规模 行业发展趋势 医学知识图谱作为医疗信息系统中处理和利用海量、复杂且时常变动的医疗大数据的有效手段，能够极大地提升系统的智能化程度，使其越发贴近人类在复杂问题上的认知与思考过程。医学知识图谱的构建过程主要包括四个关键环节：医学知识推理、医学知识融合、医学知识抽取、医学知识表示。得益于人工智能技术的持续创新与突破，上述各个环节均取得了显著的进展。知识图谱在医疗领域的价值不仅仅体现在其作为全面的医学知识库，更在于其作为支撑各类医疗智能应用（如辅助诊疗、智慧病案等）的基石。因此，那些在医学知识图谱技术方面具备竞争优势的企业，无疑将会在未来的AI+医疗市场中占据更大份额，拥有更为广阔的发展前景。 如今，医疗与人工智能的深度结合已经成为了大势所趋。具体说来，在未来时光里，人机智能技术（AI+医疗）的重要突破点将主要体现在以下几个方面：首先是算法拟合度的持续优化；其次，是算法应用范围的显著扩大；再次，是对于个人隐私信息的严格保护；此外，还需要提高AI+医疗所产生结果的可解释性；最后，也需要通过引入更多可靠的验证手段来降低AI+医疗可能引发不良医疗事件的风险。 在引领AI+医疗创新步伐的同时，不能忽视其可能引发的伦理道德议题。根据一项深入细致的调查研究显示，有高达60%的受访者对自身的个人隐私和知情权问题表示了深深的忧虑；另外超出50%的受访者则表达了他们对大型数据集和算法的不可预测性所带来的不安；更有超过30%的受访者对当前的诊疗道德规范提出了质疑。然而，坚信，只要在未来的发展过程中，持续加强对AI+医疗伦理监管的力度，明确医生在整个医疗体系中的核心角色，以及强化伦理规定的执行，那么AI+医疗在实际应用于医疗服务的过程中将会变得更为安全可靠，并且能够成功地构建出以患者为本，用户易于使用的AI+医疗生态系统架构。 行业市场规模预测 预测，受中国AI医疗行业市场需求的增长，2024-2030年中国AI医疗行业市场规模平稳上升。2030年中国AI医疗行业市场规模270.59亿元。中国AI医疗行业市场规模预测（2024-2030年）如下： 2024-2030年中国AI 医疗行业市场规模预测 以上数据及信息可参考智研瞻发布的《全球及中国医疗人工智能（医疗AI）发展趋势与投资战略规划分析报告》 文章来源：智研瞻公众号

“AI 医疗之路，基层破局之选。” 面对医保基金压力、公立医院困境和基层医疗的诸多问题，AI 医疗应运而生。但它的发展重点和方向究竟在哪里？如何在复杂的医疗环境中发挥关键作用？本文将深入剖析 AI 医疗的主线任务，探寻其在基层医疗场景中的应用潜力。 健康档案数据质控的落地的过程中，自己一些思考。 2028年全国医保基金可能会出现赤字，重度老龄化的省份（比如辽宁、黑龙江）早已面临“财政危机”，甚至要靠中央财政输血。你看看，全国的医疗保障体系就像个开水锅，锅盖都快揭开了。还记得去年一些地方开始“限诊”了吗？这只是冰山一角，没人敢低估医保缺口带来的后果。 公立医院的“亏损王” 公立医院，不仅是医护人员工作的地方，也是国家财政的“试金石”。然而，随着医保控费政策的推进，医院的收入来源逐渐被削减，药品差价的限制让他们的收入大大缩水。这些医院的自负盈亏压力越来越大，尤其是地方医院，可以用“水深火热”来形容。 再加上大城市医院人满为患，基层医院的“接盘侠”根本没人愿意当。 基层全靠政府补贴？恐怕也撑不了多久。 另外，谁在为工作超负荷买单？ 对于很多医护人员来说，工作本来就不轻松，还得兼顾做行政、发消息、整理数据等杂事。三甲医院的医生和护士们，不仅得治病救人，还得在微信群里与患者聊个不停。 你想想，每天清点成千上万的针头、注射器，病历填写、数据处理，尤其是护士长那根本停不下来的“工作清单”，把人压得喘不过气来。然后？他们的工资大部分用于填补医院“财务漏洞”，那什么“工作成就感”根本就是奢望。 最后，被忽视的角落 再看看基层医院，不仅条件差，还时常被忽略。当地财政收入低，医院基础设施差，连个像样的CT都没有。更麻烦的是，医护人员的流失严重，一些地方甚至有医生“逃亡”现象。加上患者为了“上更好的医院”纷纷涌向大城市，导致基层医院的负担更加沉重。真正的基础医疗，能不能跟上节奏，几乎成了谜。 事实就是这样…场景下有矛盾才有机会，这些都发展的一环，分析矛盾点找到我们该做的主线任务才是我今天分享的目的。 矛盾最大的场景就是基层医疗，未来能跑出来的AI设备或者应用也好，一定是在基层医疗这个场景中。 而在基层医疗场景中现在的问题就是AI能不能提升诊疗效率？能不能帮医生更快地看清病情，减轻他们的工作负担？目前的AI诊断技术，特别是在影像识别和初步筛查上，已经能达到或者超过部分医生的水平。更重要的是，能帮医院提高多少效率，减少多少资源浪费。 那么通过做什么来达到这些目的? 第一是预防场景，让预防医疗变得更科学AI不仅仅能“治病”，它还能帮助人们“预防疾病”。通过健康数据的分析和模拟，AI可以帮助我们找到潜在的健康风险，给出个性化的健康管理方案。这不仅能提前预警，也能避免患者在患病后才开始治疗，从而提高健康管理的效果。 预防的基础是病人数据，也就是说多功能检测设备的AI智能化是个切入口。 第二数据录入，病历记录是一项巨大的负担。好在，AI现在可以通过语音识别技术来录入病历。这样，医生和护士就不用再像打字机器人一样填表格了。更重要的是，这项技术减少了人为错误，提高了工作效率。这样一来，医护人员可以将更多时间投入到患者护理上，而不是被“文件”和“报表”困住。 精准的来说就是从数据录入到数据质控完美闭环。 以上是主线任务，至于数字助手，已经在不少医院实现了应用。患者可以通过智能助手预约挂号、获取问诊指导、排队、缴费等，从而节省了大量的时间和精力。与此同时，医院的运营效率也因此大大提高。患者不用再为排长队而烦恼，医院也不再担心过度拥挤，大家都轻松些。 是支线任务。 我是做数字化的，AI新手。在这个环境下，在医疗领域的新技术的产生包括落地一定是从能不能背锅然后再到能不能用，最后才会产生利益交集。 当然，包括互联网技术、信息化技术，从始至终没有改变过。但现在似乎已经不再是重点了。 2B和2G，C端付费模式说起来简单，做起来难 虽然很多人幻想着未来“AI医疗应用走向C端”，通过App实现个人付费，但实际上这一块的市场并没有那么容易打开。主要原因是，现在的AI医疗产品并没有那么直接吸引C端消费者。毕竟，大多数人去医院不是为了用AI诊断，而是为了医生亲自看病。不过，AI的2B（医院付费）和2G（政府、医保付费）模式，反而在当前的政策和市场环境下更有前景。 基层医疗看中的是如何降低运营成本，提升效率，政府看中的是如何利用AI帮助普惠医疗，降低医保负担。 基层医疗才是目前AI医疗的“主战场”。 本文由人人都是产品经理作者【罗福如】，微信公众号：【罗福如】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。