AI医师助手

智能诊疗，助力基层，惠及亿万患者。 在这个充满创新与突破的时代，我国心血管疾病患者人数已超3亿，医疗资源分布不均的挑战依然非常严峻。基于解决这一个重大公共卫生挑战的使命，在国家的大力推动下，应泽医生 · 人工智能心脏医生应运而生。2024年11月9日，在第35届长城心脏病学大会（GW-ICC 2024）暨亚洲心脏大会（AHS 2024）上，“应泽医生—国际首个由专家团队主导研发的智能心脏医生”新闻发布会隆重举行。本次发布会荟聚了来自中国东北、西北、华北、西南、华东、南部地区的12位心血管领域专家出席会议。马长生教授（首都医科大学附属北京安贞医院）、李悦教授（哈尔滨医科大学附属第一医院）、杨毅宁教授（新疆维吾尔自治区人民医院）、马晓峰教授（青海省心脑血管病专科医院）、格桑罗布教授（西藏自治区人民医院）、田进文教授（解放军总医院海南医院）、李绍龙教授（昆明医科大学附属延安医院）、高连君教授（大连医科大学附属第一医院）、佟倩教授、张尉华教授 （吉林大学白求恩第一医院）、洪葵教授（南昌大学第二附属医院），以及会议主持尹德春教授（哈尔滨医科大学附属第一医院），共同见证中国心血管医疗领域的这一重要时刻。 人工智能（AI）心脏医生：引领未来医疗，精准管理心血管疾病面对人口老龄化带来的医疗挑战，生成式人工智能（Artificial Intelligence，AI）为心脏病管理带来了新希望。业界首个能自动完成心脏病诊断并制定个体化诊疗方案的智能模型——应泽智能心脏病医生智能模型应运而生。该模型由心血管疾病专家团队主导开发，集成了大量临床实践、权威指南、最新研究及大量真实病历数据，通过智能算法模拟专家诊疗思维，提供精准可靠的诊疗建议。V1.0版本覆盖心内科常见疾病，包括高血压、冠心病、心衰、房颤、心律失常、糖尿病等疾病全过程诊疗与管理。包括诊断、治疗方案制定到生活方式建议等。旨在以智能技术模拟专家诊疗方式，提升医疗服务效率，增加均质化医疗覆盖能力，提升心血管疾病治疗愈后效果开启未来智能诊疗新方向。马长生教授：知识驱动，人工智能助力心血管诊疗马长生教授首先提出：“人工智能参与临床决策的价值最高，但尚不成熟。”尽管像GPT这类的通用大模型和Google的Med-PaLM等医疗大模型在处理医疗知识问答方面表现出色，但在医疗领域的实际病案的诊断过程中仍面临诸多挑战，尤其是在准确度、全面性和灵活性上方面和人类资深医生相比还有较大差距，当前还无法替代医生进行诊断和治疗方案制定。人工智能在医学影像判断、医疗数据理解方面已经有了突破性进展，并已经应用于实际的临床诊疗过程中，但在病情智能诊疗方面仍需持续探索和努力。应泽医生V1.0版本采用了知识驱动医生逻辑推理性思维模拟的方式，能够模拟人类医生的真实诊疗思维过程。应泽医生通过智能算法综合分析化验报告、彩超、CT报告、动态心电报告等多维度数据，结合患者的主诉及症状判断，能够给出患者从疾病诊断到治疗方案制定，再到生活方式干预的全面精准建议，提供全流程的管理方案。生成详细的药物处方和介入/手术建议。智能模型在多线索推理能力上有其独特的优势，能够兼顾疾病的个性化特征，特别是含有共患疾病情况下的诊断过程，在用药选择、治疗方案平衡等方面，可以做到准确、高效并兼顾人类医生的灵活性。经过初步评估，应泽医生V1.0版本的诊断建议与心血管科专家的意见一致率达到90%，与资深主治医生的一致率更是高达99%。未来，团队计划通过一系列随机对照试验（RCT）进一步验证其有效性和安全性。应泽医生将与互联网医院就诊模式，推动远程智能医疗的发展。通过互联网平台，患者可以在家中获得持续的、高效率、高质量的医疗服务，减少医院就诊的频率。长远来看，智能医疗或将改变传统就医模式，实现大部分常见疾病的远程智能诊断与治疗，推动医疗资源的合理分配与利用。团队有信心在未来5到10年内，通过应泽医生实现高效的心血管疾病防控，使80%的门急诊患者无需前往医院就诊，90%的患者能够居家康复。 媒体提问答疑Q1：作为医疗领域专家，您如何看待GPT等大语言模型在临床诊疗中的应用前景与局限性？马长生教授： 大语言模型如GPT在处理知识型任务时表现出色，例如在职业医师资格考试中能够超过大多数普通医生。然而，这些模型在实际临床诊疗中的应用仍面临诸多挑战。大模型虽然能够掌握大量的基础知识，但在复杂的临床决策中，它们由于缺乏医生的专业判断和临床经验，表现不尽人意（甚至会给出错误的诊疗意见），因此目前还无法替代医生的角色。 未来的AI模型将朝着专业化、精细化的方向发展，像应泽医生就是一个专注于心血管疾病领域的专科垂类模型，该模型通过知识驱动模型推理的方式，集成了大量医生的临床经验和诊疗逻辑思维，实现了更高效、更精准的临床决策支持。未来我们首先要解决的就是血管常见病的诊断治疗，做到完全符合人类医生的诊疗逻辑。这对于中国这样人口基数大的国家，无疑会是一个巨大的改革。Q2：智能心脏医生，如何保障患者数据的隐私和安全？在数据共享和存储方面做了哪些措施？马长生教授： 首先，所有使用智能心脏医生的用户都需要签署知情同意书，确保他们了解数据的使用目的和安全保障措施。其次，服务提供方需对用户的隐私和安全负全责。目前应泽医生V1.0版本主要用于为医生提供参考，如果患者在医生指导下使用该系统，仅限于提供咨询服务，也就是说，尽管应泽医生有能力生成详细的诊断建议和治疗方案，最终的医疗决策仍需由医生审核和确认，医生对患者的治疗建议和处方负有最终责任。在数据监管方面，应泽智能心脏医生在应用的所有数据管理都遵循国家的相关法律法规来执行。 Q3：AI辅助诊疗如果直接应用在临床诊疗中，会有哪些潜在风险？如何最大程度减少这些风险？李悦教授：根据近期的中国卫生健康年鉴，心血管疾病已成为中国首位死因，且死亡率持续上升。怎样控制这一局面，AI医生的出现就是一个很好的转折。真正的AI医生——“应泽医生”今天正式亮相，标志着AI在临床诊疗中的应用进入了一个新的阶段。AI医生具有自我学习的特性，通过临床实践和试验的不断检验与提升，其精准度将不断提高。应泽医生V1.0版本已经展示了良好的效果，未来2.0版、3.0版将进一步提升精准度。在此，我也向研发团队表示衷心感谢，他们的突破性工作为AI医生的发展奠定了坚实基础。希望医疗界能够大胆迎接和拥抱这一新技术，共同推动心血管疾病的防控和治疗。 Q4：相比传统诊疗模式，AI在医疗决策支持方面具有哪些独特优势？佟倩教授： AI医生拥有强大的记忆能力和计算能力，在逻辑推理和无限知识的记忆方面能够表现出独特优势，但其缺乏分辨能力，需要人类先赋予正确的学习内容和思维模式，确保其学习到准确的知识并形成合理的判断逻辑。成为一名优秀医生需要不断学习新的知识和技术，并进行复杂的逻辑判断，而AI的最大优势在于逻辑推理和知识记忆，通过正确的训练和必要的规则约束，AI医生将更好地辅助医生，确保诊疗结果的准确性。 Q5：马主任在开幕式中提到了后续AI医生的大量的RCT试验验证，有具体的计划吗？杨毅宁教授：人工智能在算力和逻辑推理方面具有显著优势，尤其在个体化疾病管理和健康管理中展现出新的业态和模式。更重要的是，借助人工智能的优势，我们能够更便捷、低成本地开展大规模RCT，提高研究结论的普适性。昨天我们的“心血管随机对照试验协作组（CRCT Group）”也正式成立，研究团队将充分利用AI的优势，推进针对高血压、房颤、心衰、冠心病和认知障碍等领域的人工智能产品相关RCT研究，包括乡村医生对高危高血压患者的管理等研究。这些项目不仅将验证应泽医生在个体患者管理中的有效性，还将大大助力我国心血管领域的临床研究，提出中国自己的RCT方案和声音。 洪葵教授： RCT是临床研究中的金标准，旨在通过多中心、多团队的合作和大样本人群验证，确保研究的科学性、真实性和可行性。在设计过程中，我们的团队设定了多个临床终点指标，目的是在国家多中心、多团队的共同努力下，最大限度地降低干预措施可能带来的潜在风险，减少试验失败的可能性。这个过程需要逐步进行，确保数据的科学性、真实性和可重复性，可靠验证AI医生的安全性与有效性。 Q6：AI医生的应用，对提升基层医疗服务能力有何具体帮助？格桑罗布教授： 今年诺贝尔奖获得者在结构蛋白质领域的创新，展示了AI的巨大潜力。马长生教授及其团队在心血管领域深耕20多年，积累了丰富的临床经验和严谨的科研能力。针对大模型在临床应用中面临的挑战，团队通过科学分析和深入剖析，结合医生的思维模式和知识体系，开发了应泽医生。 这一AI系统在知识储备和逻辑推理方面具有明显优势，能够辅助医生提高诊疗效率和准确性。这不仅有助于优质医疗资源的下沉，还能降低医疗成本，提高服务质量。应泽医生的成功上线标志着中国在心血管AI领域的重大突破，有望成为全国乃至全球的典范。 李绍龙教授： 基层医生的诊疗能力提升是健康中国计划的重要环节。AI医生不仅可以帮助基层医生完善诊疗思路，还能成为基层医生的有力指导工具。人工智能医生集成了丰富的病例经验数据和知识库，通过在线学习和培训帮助基层医务人员提升业务能力。对于少见和复杂的疾病，AI医生能够提供更全面的辅助分析，提升基层医疗机构的诊疗水平。此外，AI医生可以将经验丰富专家的经验“数字化”，使基层患者在本地就能享受高质量的医疗服务。在危重和复杂患者处理上，AI医生能够辅助基层医生做出转诊决策，确保患者得到及时有效的治疗。在慢病管理方面，AI医生可以实现高血压、糖尿病等慢性疾病的远程监测和用药调整，从而降低管理成本，提高患者生活质量。这些功能的实现将显著提升基层医疗的服务质量和效率，为健康中国计划贡献力量。 Q7：AI医生与人类医生如何协作？田进文教授： 人类的智力与机器的智力不同，人类具有创造力、情感和设计能力，而机器则拥有强大的运算和存储能力，AI医生在信息检索、方案建议和日常文本生成方面效率极高。虽然最终的决策仍需人类医生的指导，但AI医生在基层医疗中的应用可以显著提升医生的经验和知识结构，提供跨代的帮助。AI医生的发展将打破技术壁垒，丰富医生的知识体系，未来每个医生都可能拥有强大的辅助工具，成为“武林高手”手中的宝剑利器。 Q8：关于AI医生替代80%门诊的观点，指导基层医生开展常见病和疑难重症的治疗，从医疗资源配置和医疗质量保障的角度，您如何评估其可行性？高连君教授： 关于未来AI医生能否解决80%的医生工作的观点，我认为需要从以下角度分析：医生日常工作中约80%是处理常见病和慢性病，这类患者通常希望到大型医疗中心找有经验的专家就诊，但这些中心的医疗资源有限，每天能接诊的病人数量也很有限。目前，诊疗的均质化问题依然存在，基层医生的诊疗水平与专家有一定差距，尽管通过培训和巡讲等方式在努力提升，但效果有限且需要时间。AI医生在诊断标准、治疗决策和慢病管理方面具有高度标准化和集成化的优势，能够全天候提供持续、规范的医疗建议。这不仅能大大缓解基层医生的负担，提升诊疗质量，同时释放大医院专家的资源，让他们更专注于疑难复杂病例的诊疗。 Q9：每个人都是自己健康的第一责任人，在心血管病患者的教育中，AI医生有什么优势？马晓峰教授：AI医生是患者和医生之间的桥梁，不仅涵盖医院内的手术和诊疗，还包括院前和院后的管理。患者的管理涉及健康评估和预防，特别是心血管患者需要个性化的、精准化的预防和健康评估。AI医生能够提供全面、专业的健康指导，随时随地响应患者的需求，进行精准的健康评估和个性化建议。对于非心血管专业的医生，AI医生提供了更全面的健康教育和支持，填补了专业医生的不足。在青海等偏远地区，基层医生缺乏专业的心血管知识，AI医生可以作为基层医生的帮手和老师，提供同质化的健康指导，提升基层医疗服务水平。AI医生的引入将改变心血管健康教育的普及模式，降低心血管疾病的死亡率，对患者的整体健康管理具有重要意义。Q10：今年长城会发布了应泽医生与应泽互联网医院，请马主任谈一谈应泽医生与应泽互联网医院协同促进的关系。马长生教授：在今天的长城会上，我们重点展示了人工智能心脏医生“Doctor YZ”（应泽医生），希望其成为全国乃至全世界知名的人工智能心脏医生。今天的发布会不仅代表了研发团队的努力，也凝聚了来自各个地区的专家们的智慧。我们坚信，尽管目前还在起步阶段，但应泽医生有着巨大的成功潜力，就像比亚迪在电动汽车领域的崛起一样，从无人知晓到全球知名。应泽医生的目标是通过互联网医院、基层医院，为广大心血管患者提供可靠、持续和广泛的医疗服务。我们将在应泽互联网医院开设成千上万的诊所，帮助县域级医院的主任和主治医师管理患者。通过应泽医生，80%的患者无需花费高昂成本，坐在家里，就可得到专家级别的疾病管理，只有少数复杂病例需要人类医生通过传统医疗模式，在院内进一步干预。这不仅降低了医疗成本，还提高了均质化医疗服务的效率和覆盖面。未来，通过AI技术的广泛应用，患者的就医成本将大幅下降，医生的劳务价值也将得到合理体现，推动医疗服务的可持续发展。今天我们特别邀请了来自各地的院长和专家，他们代表最需要这些技术的区域，共同推动这一创新项目。正如总书记所说，“惟改革者进，惟创新者强，惟改革创新者胜”。应泽医生的推出，将提升基层医疗水平，为中国医疗卫生事业的创新发展贡献力量。

医学前沿、行业新闻， 全面把握最新医圈动态，一篇搞定！ 01 医保局统一整合规范现行放射检查项目 02 《柳叶刀》重磅：全球8.2 亿成年糖尿病患者，中国位列第二 03 42位AI医生“入驻” 清华医院，开启 300 余种疾病诊断 04 无锡一医院违规被重罚，执业许可被吊销 05 23省医保新变革：“家庭共济” 范围拓展近亲属 >> 医保局统一整合规范现行放射检查项目 2024年11月22日消息，国家医保局近日印发《放射检查类医疗服务价格项目立项指南（试行）》。该《指南》对现行放射检查项目统一整合规范，将其整合为26项，依成像技术分类。同时，在主项目下设“人工智能辅助诊断”扩展项，利用人工智能辅助诊断的，执行与主项目相同价格且不重复收费。此外，实体胶片从项目价格构成中剥离，由患者按需选购。国家医保局还表示，下一步将指导各省份关注大型检查设备采购价下降趋势，合理下调放射检查服务价格，促进检查结果互认，减轻群众就医负担。（中国青年报） 好医生点评 国家医保局印发放射检查类价格项目立项指南意义重大。整合为26项并分类，使项目更清晰规范。“人工智能辅助诊断”扩展项不重复收费，保障患者权益，避免额外负担。实体胶片按需选购，打破捆绑收费模式。且后续还将推动价格合理下调及检查结果互认，这一系列举措直击看病贵、检查繁琐等痛点，彰显医保局以民为本，积极优化医疗服务价格体系，助力医疗资源合理利用，值得点赞。 >> 《柳叶刀》重磅：全球8.2 亿成年糖尿病患者，中国位列第二 2024年11月23日《柳叶刀》新发布了糖尿病患病率和治疗趋势的研究报告，显示2022年统计患糖尿病的8.28亿成年患者中，超过四分之一(2.12亿)居住在印度，另有1.48亿居住在中国，其次是美国(4200万人)、巴基斯坦(3600万人)、印度尼西亚(2500万人)和巴西(2200万人)。中国已然稳坐“糖尿病大国”。糖尿病的高发与肥胖和不健康饮食密切相关，尤其在太平洋岛国、加勒比地区和中东地区，糖尿病发病率尤为突出。研究人员呼吁加强糖尿病普及检测和创新筛查方法，包括利用社区资源和延长医疗服务时间，以提高中低收入国家糖尿病诊断率和治疗覆盖率。 好医生点评 有数据显示，自1990年以来，全球糖尿病患者人数翻了四倍，从1.98亿增至8.28亿。糖尿病的患病率在男性和女性中都大幅增加，其中印度和中国是受该病影响严重的国家。低中收入国家的糖尿病患者往往更年轻，而且由于缺乏有效治疗，他们面临终身并发症风险，包括截肢、心脏病、肾病或失明和过早死亡。（澎湃新闻） >>42位AI医生“入驻”清华医院，开启 300 余种疾病诊断 11月23日，有消息称首家“AI医院”Agent Hospital正在进行内测，将于年底正式上线，明年上半年对公众开放。清华大学智能产业研究院执行院长刘洋教授提到：AI虚拟医院对真实医院的设施和流程进行模拟，目前构建的42位AI医生分布在儿科、耳鼻喉科等21个科室，覆盖了300余种疾病。 记者通过Agent Hospital内测版看到，42个AI医生在医院里坐诊，他们在阅读医学文献，与虚拟/真实的病人交互并做诊疗决策，不断从成功诊疗案例中总结经验、从失败案例中反思教训，在诊疗近万名虚拟病人后，做出诊疗方案……（人民日报健康网客户端） 好医生点评 海量患者是帮助AI医生进化的关键。刘洋介绍，他们同时构建了超过50万个来自不同国家地区、覆盖各个年龄段、患有不同疾病的AI患者，这些AI患者可以是人类患者在虚拟世界的数字化“分身”，也可以由人工智能大模型结合权威医学知识库和少量公开人类患者病例自动合成。在我们的设想中，随着AI医生的不断自我进化，未来将能够介入到真实的医疗应用场景中，辅助人类医生完成绝大多数工作，这也是智慧医疗领域最受关注的应用落地方向。（人民日报健康网客户端） >>无锡一医院违规被重罚，执业许可被吊销 近日，无锡一医院有限公司遭重罚。无锡市医疗保障局于2024年10月28日出具行政处罚决定书（锡医保罚字【2024】第24010006号），因其在2022年1月1日至2024年9月22日存在虚假就医、伪造变造资料、虚构医药服务项目等违法事实，对其罚款58958121.95元。随后，10月29日的锡卫医罚【2024】0014号行政处罚决定书显示，该医院因重复使用MRI、CT等影像骗取医保基金且伪造医学文书，被无锡市卫生健康委吊销医疗机构执业许可证，无锡市卫健委已在官网发布注销改医院的公告。（财联社） 图源：无锡市人民政府官网 好医生点评 医疗行业绝非法外之地，任何妄图通过违规手段谋取私利的行为都必将受到严惩。它也给其他医疗机构敲响了警钟，必须坚守医疗道德与法规底线，合法合规经营，切实保障患者权益和医保基金安全，如此才能在行业中立足，否则终将自食恶果。这一事件警示着，医疗监管时刻保持高压态势，加大惩处力度，如此才能保障医疗行业的健康发展，让民众能安心就医。 >>23省医保新变革：“家庭共济” 范围拓展近亲属 2021年，国办印发文件，是将职工医保个人账户使用范围从职工本人，扩大到其参加基本医保的“配偶、父母、子女”。近日，国办再次印发文件，进一步将职工医保个人账户共济亲属的范围由“配偶、父母、子女”，扩大至其参加基本医保的“近亲属”。 截至目前，国内已有23个省份将职工医保个人账户共济范围由“配偶、父母、子女”扩大至“配偶、父母、子女、兄弟姐妹、祖父母、外祖父母、孙子女、外孙子女”。其中，辽宁、浙江、海南、四川、宁夏5省份为近一个月新增。31个省份及新疆生产建设兵团已实现职工医保个人账户省内跨统筹区共济。据悉，此前在（中国日报网） 好医生点评...

  新智元报道   编辑：张乾  弗朗西斯  文强 【新智元导读】2017年4月，Hinton在接受《纽约客》采访时说：“5年内深度学习就能超过放射科医生，从现在起就停止培训放射科医生”。此言论一出，再一次引发全球关于AI正在取代医生的焦虑讨论。IEEE Spectrum在2018新年伊始推出专刊“AI vs Doctors”，统计了从2016年5月至今，AI在医疗领域的进展，并对比各大细分领域AI与人类医生能力差距，人工智能正在医生的主场获取成功，哪些医疗诊疗行业已被AI超越？机器人医生是人类的未来吗？ 2017年4月，Hinton在接受《纽约客》采访时说：“作为放射科医生你就像卡通里的歪心狼一样，你已经冲出悬崖很远，但还没有往下看，实际上你的脚下空空如也。”商用的深度学习乳腺癌检测系统已经在开发中，Hinton说：“很显然，5年内深度学习就能超过放射科医生，或许会用10年，我在医院里说过，结果反响很糟糕。” 实际上，Hinton在医院里说的是，“应该从现在起就停止培训放射科医生”。 Hinton告诉《纽约客》记者：“放射科医生的角色从做感知（perceptual）的事情演变而来，这可能由一只训练有素的鸽子完成。”Hinton对自动化医学未来的预测建立在一个简单的原则基础之上：“在有大量数据的地方，采取旧的分类问题，这将通过深度学习来解决。将有数以千计的深度学习应用。” Hinton希望使用学习算法来读取各种X射线，CT扫描和MRI数据，这正是他认为的近期前景。  将来，“学习算法会做出病理诊断”，可能是读取巴氏涂片、听心音，或预测精神病患者的复发。 AI可以帮助医生、护士，减少他们的工作量。人类往往无法长时间处理大量的扫描影像和医疗数据，这导致有时候病变会被看漏，或者过了很久之后才被发现，AI正好可以解决这个问题，极有希望在不久的将来，在医疗领域掀起又一次技术革命。 肺炎：斯坦福大学的算法诊断肺炎好于医生 去年9月，美国国家卫生研究院曾发布一组数据，这给斯坦福大学教授吴恩达领导机器学习小组带来了启发。该组数据包含112,120个胸部X射线图像，标有14种不同的可能的诊断，以及一些初步的算法。研究人员要求四名斯坦福放射科医师对420张图像进行注释，以查找可能的肺炎迹象。 在一个星期内，斯坦福大学研究人员开发了一种名为CheXnet的算法，它能够比以前的算法更准确地发现原始数据集中的14种病理学中的10种。在经过大约一个月的训练之后，研究人员通过康奈尔大学图书馆发表的一篇论文中报告说，CheXnet比四位斯坦福放射科医师更能准确诊断肺炎。 在420张X光片上进行测试的ChexNet在灵敏度（正确识别阳性）和特异性（正确识别阴性）方面优于四名放射科医师。个人放射科医师用橙色X表示，他们的平均表现用绿色X表示，ChexNet用蓝色曲线表示。 斯坦福大学还创建了胸部X射线的热图，颜色代表最可能代表肺炎的图像区域，研究人员认为CheXnet可以极大地帮助人类放射科医生的工具。 AI比医生的标准方法更准确地预测心脏病发作和中风 目前而言，评估患者风险的标准方法依赖于美国心脏协会和美国心脏病学会制定的指南。医生使用这些指导方针，重点关注诸如高血压、胆固醇、年龄、吸烟和糖尿病等完善的风险因素，为他们的病人制定咨询和治疗方案。 英国诺丁汉大学的研究人员创建了一个AI系统，可以扫描病人的常规医疗数据，并预测哪些人在10年内会发生心脏病或中风。与标准预测方法相比，AI系统正确预测了355名患者的命运。 为了使系统做得更好，研究人员Stephen Weng及其同事为英国378256名病人测试了几种机器学习工具。这些记录追踪了2005年至2015年的患者及其健康状况，并包含了人口统计，医疗状况，处方药，医院访问，实验室结果等信息。 研究人员将75％的病历记录下来，并将其输入到机器学习模型中，以找出在10年内发生心脏病或中风的患者的显着特征。然后Weng的小组测试了另外25％的记录中的模型，看他们如何准确地预测心脏病发作和中风。他们还测试了该部分记录的标准指南。 如果使用1.0分表示100％的准确性，那么标准指导得分0.728，机器学习模型的范围从0.745到0.764，最好的分数来自一种称为神经网络的机器学习模型。 虽然机器评分听起来可能不是一个响亮的胜利，但当翻译成人类术语时，其意义就变得清晰了：神经网络模型预测，在7404例实际病例中，有4998例患者心脏病发作或中风，这超过标准355例方法。有了这些预测，医生可以采取预防措施，例如开药降低胆固醇。 自闭症：AI扫描婴儿脑部以预测自闭症 北卡罗来纳大学教堂山分校的一个研究小组发现了6个月大儿童大脑的变化与自闭症的关系，而深度学习算法能够使用数据，预测在24个月时自闭症高危儿童是否会被诊断为病症。 该算法正确地预测了高危儿童的最终诊断，准确率为81％，灵敏度为88％。与行为问卷相比算法的表现不错，因为问卷产生早期的自闭症诊断准确率只有50％。 这个研究小组的项目是由美国国家卫生研究院资助，项目招募了106名患有自闭症家族史的婴儿和42名无自闭症家族史的婴儿，并在孩子们6、12、24个月时扫描他们的大脑。算法仅使用三个变量 —— 脑表面积、脑容量和性别（男孩比女孩更可能有自闭症），算法确定了十个自闭症孩子中的八个。 研究人员发现，在6个月和12个月之间，婴儿的整体脑部发育没有任何变化，但后来被诊断为自闭症的高危儿童的脑表面积显着增加。表面积的增加与12至24个月之间发生的脑容量增长有关。换言之，在自闭症中，发育中的大脑首先在表面积上扩展了12个月，然后在整个体积中增加了24个月。 这个团队还在24个月的时候对孩子进行了行为评估，当时他们已经够大了，开始表现出自闭症的标志性行为，比如缺乏社会兴趣，语言延迟和重复的身体动作。研究人员指出，大脑过度生长越多，孩子的自闭症症状就越严重。 皮肉切割手术精准度，机器人击败了外科医生 在最近的一系列实验中，智能自主机器人STAR的发明者表明，它能比专家外科医生执行更精确的切割，并且对周围健康组织伤害更小。 STAR通过视觉追踪其预定的切割路径，切割工具并不断调整其计划以适应自身移动，最终完成工作。 对于这种视觉追踪，机器人依赖于研究人员事先在组织上放置的微小标记，这些标记显示在近红外摄像机上。研究人员因此将STAR称为半自主机器人。 机器人和外科医生都被要求切割直线5厘米的线。由于外科医生训练在已知标志之间切割组织，而不是切断绝对距离，因此在皮肤上绘制参考线。一些外科医生在开放式手术设置下进行了切割，而另一些外科医生进行了腹腔镜设置，这是日益普遍的手术操作，其中工具通过一个小孔插入。 机器人和人类都是根据它们偏离理想长度的理想切割线以及包围切口多少焦炭（受损的肉）来判断的。结果：STAR的切割长度接近5厘米，与理想的切割线偏离较少，并且导致焦点较少。 深度学习能帮助临床医生预测阿尔茨海默病（老年痴呆）吗？ 阿尔茨海默病没有临床试验，因此医生通过评估患者的认知能力下降来诊断。但对于轻度认知功能障碍（MCI）的诊断特别困难，即症状不明显的早期痴呆阶段。而且更难预测哪些MCI患者会发展为阿尔茨海默病。 目前，哈佛大学领导的研究小组率先尝试将fMRI扫描和深度学习结合到一个能预测MCI患者发展为阿尔茨海默病的概览的项目中。静息时对患者进行fMRI扫描，与任何fMRI扫描一样，它们揭示了大脑中电信号的闪烁以及这些区域如何相互关联。 这种关系的术语是功能连接性，并且随着患者发展MCI而改变。这是因为信号依赖氧气流向神经元，但是阿尔茨海默病患者中tau蛋白的积累会扼杀这些神经元，导致脑部区域萎缩。 该小组想要看看他们是否可以使用功能连接的这些变化来预测阿尔茨海默病。他们从93名MCI患者和101名由阿尔茨海默病神经成像倡议提供的正常患者的数据开始。研究人员根据参与者大脑90个区域的130个fMRI测量结果的时间序列，可以确定信号在一段时间内闪烁的位置。...

关注GPT-AI专题资讯平台 越来越多业界人士关注GPT-AI专题，我们正搭建GPT-AI专题微信公共平台(扫码订阅，不做微信推送)，为专业人士提供最新、最权威GPT-AI信息和视频，已发布如下内容(点击链接观看)： 访谈OpenAI创始人Brokman:GPT-AI 访谈Elon Musk:最先进AI还没诞生！ 访谈E.Yudkowsky:AI终结人类文明 访谈S.Altman, OpenAI CEO:GPT4 GPT-AI平台 国际专业资讯 专业人士关注 阅读文摘我们正在快速迈进“人头马”医生时代，将人类智慧与人工智能最佳结合起来，打造AI医生。 人们习以为常看病方式是去大医院、找好大夫、求助权威专家；吃最好最贵的药……即使做最大努力、给出最好政策支持优质医疗资源下沉，人们依然笃信大医院、大专家……人之本性！ 这其中还有不争的事实：大医院医生通常接受多年系统化严格的医学培训，积累了丰富知识、临床经验、精准判断力以及强调团队协作精神。 然而，随着AI时代的到来，即使最杰出的人类大脑也难以记住和解释现有人类疾病和大量健康信息。在医疗实践中，医生的诊疗决策主要依靠现有知识和疾病状况信息，难免误诊误治。GPT-AI和GAI快速发展，看病找医生的情形已经开始变化；未来将是AI医生主动来看你。 AI将成为我们每个人医疗保健体验的一部分。用不了多久，人们也像医生一样，包括候诊室和药房）重新定义看病流程和健康管理。 事实上，FDA已经批准500多项“临床决策AI辅助支持系统”，帮助医生在疾病诊疗和资料管理方面参与决策，利用AI-ML算法以及关联数据信息，帮助医生创造性思考和辅助最佳决策选择。 什么是“人头马医生”？Dr. Centaur 形象比喻人类智能与人工智能相互结合的最佳形式，既能发挥人类的聪明才智，又能利用AI的精准分析和预测减少或降低医疗失误或不良后果，这是刚性需求。 仅以美国为例，医院内医疗失误每年造成至少25万死亡，如果启用AI至少能挽救这些不幸逝去的生命。 还有大约70% 导致严重不良反应用药错误是由于处方药错误。可能就是一个简单拼写错误或暂时记忆失误可能导致患者服用错误的药品。 一项研究结果表明使用AI-ML算法能以93%准确率进行膀胱肿瘤诊疗和预后分析。具有深度学习能力的人工智能将及时开始识别人类尚未觉察到疾病或健康变化。 正如4P医学奠基者Leroy Hood教授在即将出版的《科学健康时代》书中预见为什么医学的未来是个性化、可预测的，并且是掌握在自己手中的健康。 今天的医疗服务氛围，绝大多数医生是“等待”疾病症状出现，而每一种疾病可能有十种处方药，却对部分患者几乎没有或根本没用。Leroy Hood教授认为必须超越这种被动、碰碰运气的医疗方法，去迎来真正的精准健康，一种称之为科学个性化医疗健康模式。 医生和每个人都可以利用AI决策系统，在症状出现前数年发现疾病可能性或趋势，彻底改变预防疾病的概念和实践，最终可预见的结果是糖尿病会得到逆转；癌症将被消除，阿茨海默症得到避免，自身免疫疾病得到有效控制，等等。 关闭 观看更多 更多 退出全屏 视频加载失败，请刷新页面再试 刷新 视频详情 关注我们，获取生物医学前沿最新资讯

如何让AI少出错甚至不出错 是要解决的首要难题 “近一年总是饿，吃得多，还瘦了。”武汉市协和医院麻醉医生凌肯在电脑上敲下这句话。现在他是一名患者，专门测试一位“医生”的水平。“请问您有没有既往病史，例如糖尿病、甲状腺疾病等？家族中有没有类似的病例？您有没有药物过敏史或手术史？”屏幕另一端的“医生”回复他。和凌肯对话的不是真人，而是一款名为MedGPT的大语言模型问诊AI，由互联网医疗公司医联开发。自ChatGPT发布以来，国内外企业都先后投入到医疗大语言模型研发的浪潮中。腾讯、百度等大厂，华为、讯飞、商汤等科技公司，以及医联、春雨医生等互联网医疗企业，陆续公布在垂直类大模型方面的布局。7月，谷歌公司的医疗问诊AI Med-PalM的研究团队在《自然》杂志发布了研究成果，经临床医生评估，Med-PalM的长篇回答中有92.6％与科学共识一致。“AI医生”的优异表现也引发更多讨论与担忧：AI达到替代医生的水平了吗？怎样保证AI的准确性？如果AI诊断出问题，谁来为错误负责？凌肯和MedGPT的对话还在继续。问过既往病史、家族史、过敏史后，“医生”又询问了体重减轻范围、其他症状表现、睡眠质量、饮食习惯、血压等信息，最后开出一份检查方案，要求凌肯检查血糖、甲状腺功能。凌肯将准备好的检查结果输入，十几秒后，MedGPT给出自己的诊断：甲状腺功能亢进症——答案是正确的。 图/视觉中国 面对非医疗信息“会越聊越歪”医生们对AI早已不陌生。2017年，国内首批医疗AI产品以科研合作的方式进入医院，2018年起，这些产品陆续获得国家药监局审批。截至今年5月底，国家药监局已批准59个医疗AI辅诊软件上市。上海长征医院放射诊断科主任刘士远曾表示，发展最为成熟的是肺结节和冠脉影像辅诊两类，骨科、脑科等AI辅诊软件还未被常规使用。以心脏冠状动脉CT血管造影，即冠脉CTA为例，一名患者做一次检查产生上百张图片，医生需要在其中找出血管是否出现狭窄、斑块。AI能将每例图像的处理时间从45分钟缩短到5分钟。在引入临床决策支持系统（以下简称CDSS）的医院里，AI还能帮医护作临床决策。CDSS是一种综合分析医学知识和患者信息，为医务人员临床诊疗提供多种帮助的计算机辅助信息系统。2020年4至5月期间，国家卫健委医院管理研究所对全国31个省份的1013所医疗机构调研，其中19.6％的医院有CDSS。但这些产品并未对提升医生的诊断水平有太多帮助。多位受访医生、规培医师告诉《中国新闻周刊》，由于科室收治病人种类相对固定，处理流程成熟，基本不会使用CDSS作参考，遇到不确定的问题会直接咨询上级医生或科室讨论。并且，现在的CDSS还很“死板”，在自动审查医嘱时，会对超说明书用药“纠错”。“但往往我们会坚持用药。”一名三甲医院规培医师说。国家卫健委卫生发展研究中心副主任游茂7月在全国医疗器械安全宣传周暨人工智能标准宣贯会上表示，当前AI医疗领域的困境之一，在于技术发展同质化严重，数据、算法的优势尚未得到体现。中国AI医疗器械95％的研究或产出都在医学影像类，在“医疗机器人”“知识库”“自然语言处理”等领域研究相对不足，关于“决策规则”的研究几近空白。“其实不是研究空白，是落地成产品有很多限制。” 一位研究医疗领域自然语言处理十年的高校学者告诉《中国新闻周刊》。她表示， X光机、CT设备、磁共振仪等影像类医疗器械是医疗机构的硬需求，AI辅诊软件可搭载在影像设备上，相比处理文本数据的软件更易进入医疗机构。另外，影像数据较诊疗文本数据更独立，更易脱敏，且公开的图像数据库更多，而公开的高质量诊疗文本数据十分有限，这使得在“自然语言处理”等领域研究不足。   ChatGPT的出现，让企业看到大语言模型给AI问诊带来的新机会。医联创始人兼CEO王仕锐表示，医联此前也开发了包括口腔影像识别、精神科DTx数字疗法等医疗AI类产品，但无法实现AI全流程诊疗。“当时遇到一个无法逾越的鸿沟——自然语义的识别。”王仕锐说，大语言模型推出前，虽然知识图谱等技术也能实现人机对话，但对话机器人的推理、上下文理解能力还不足，并难以做到普通人语言与医学术语间的语义转换。MedGPT从今年1月开始研发，5月推出，参数达千亿级别，定位是突破“人问机答”模式，能像真人医生一样主动多轮询问患者症状等信息，推断患者可能患病的类型，并开具检验检查单。患者输入检查数据后，AI可继续读取数据，并给出治疗方案。目前，MedGPT还未对公众开放。参与内测的凌肯用了一小时和MedGPT互动，抛出的问题包括麻醉是否会影响患者智商，甲状腺功能亢进患者的完整诊断等。凌肯告诉《中国新闻周刊》，MedGPT问得很详细，回复也较真人医生更加亲和，“但远远没到取代医生的地步”。他解释道，体验过程中最突出的问题是，MedGPT不能很好地接收非医疗信息。若模拟真实看诊过程中患者向医生倾诉家庭情况等非医疗信息， MedGPT还做不到提炼其中的核心信息，“会越聊越歪”。王仕锐表示，患者的语言可以不够简洁，但只有回答AI提出的医疗问题，AI才能给出准确回应。相比之下，春雨医生布局更谨慎。5月，春雨医生将大模型在线问诊产品春雨慧问开放免费使用。不同于MedGPT开检查单、给诊断，慧问在较少轮次问询后会告知患者症状可能对应的多种疾病及对策，之后，以“如果您情况比较严重，建议您及时就医，寻求专业医生的帮助”为结束语。“就像自动驾驶，很难一上来就做到完全自动驾驶，但我们是不是可以有自动停车、辅助倒车功能？这些功能本身也很好用，研发难度会低很多，对使用安全性的要求也会低很多。”对于暂时不做精准诊断和治疗方案的原因，春雨CTO曾柏毅解释说。曾柏毅坦言，慧问更像是春雨在探索大模型运用场景过程中的一个实验品，定位并不明确，“我们也想看市场里面用户到底想要什么，愿意怎样使用AI问诊产品，会对AI提什么样的问题。”后台数据显示，从5月上线到7月底，共有5000多人使用慧问，其中5％左右在使用过程中转向了向真人医生求助。曾柏毅称，春雨在开发询问过程更加详细的AI问诊产品，计划用于真人医生问诊场景。医疗大语言模型的另一落地模式是直接与医院合作，和线下诊疗过程相结合。商汤智能产业研究院院长田丰对《中国新闻周刊》介绍，商汤与郑州大学第一附属医院、上海交通大学医学院附属新华医院合作，医疗大语言模型“大医”的参数从十亿到千亿不等，已使用在一些医院的随访过程中。田丰表示，基于大模型的随访系统比传统的AI电话随访机器人，有更强理解力、更人性化的交互和更全面的信息收集能力。7月6日，上海世博展览馆，2023世界人工智能大会上的中山眼科中心AI+医疗展区。图/视觉中国最难获取的是真实的问诊数据如何让问诊AI少出错甚至不出错，是所有研发团队要解决的首要难题。大语言模型的本质是通过统计分析预测对话中可能的下一个词，存在生成不准确或误导信息的可能性，但在严格要求准确性的医疗领域，AI的错误也意味着患者将承受风险。2021年，密歇根大学医学院研究人员发现，由美国电子健康记录公司Epic Systems 研发的败血症AI预警系统没能识别出67％的败血症住院患者，只识别出7％被医生遗漏的败血症患者。Epic公司称，漏检与系统阈值有关，需要设置一个平衡患者假阴性与假阳性的警报阈值。高质量数据是保证准确性的基础。医疗大语言模型会被额外“投喂”医学书籍、临床诊疗指南、医学论文等专业知识。其中最重要、也最难获取的是优秀的真实问诊数据，既包括顶级专家对该疾病的诊断记录，也包括患者身体特征、检测数据、家族史、环境信息等多维度的信息，同时，还需要覆盖各年龄层、性别、地域的患者。多位受访专家和从业者表示，已有问诊数据尚不能完全满足研发需求。国家远程医疗与互联网医学中心医学人工智能专家委员会主任委员、呼吸病学专家刘国梁告诉《中国新闻周刊》，即使能收集到目前医院的临床数据，其质量也未达到能够用于AI训练的水平，需要专门去生产符合AI训练标准的临床问诊数据。更多的临床经验可能未被记录成文本。“特别是疑难病领域，很多知识是在医生脑子里，甚至医院里面可能也没有，都是口口相传。”曾柏毅说。王仕锐介绍说，医联共使用三类真实问诊数据，包括公开数据、医联独有的问诊数据，以及通过搭建专门的数据平台收集的数据。对于第三类数据，医联从协会、医院、专家处采集，“这一过程好像将石油从地底勘察并最终加工运输到油箱，中间有漫长且复杂的工序。”前述高校学者强调，数据质量对研究非常重要，但前提是要保障数据安全。对数据的采集、筛选必须建立在保护数据安全的基础上，个人信息脱敏，保护患者隐私是首要步骤。医联、春雨医生和商汤均表示对数据进行了脱敏处理，并在使用前取得了患者同意。除了数据，模型设计也能提升医疗AI的准确率。田丰说，商汤成立了一支近百人的医学专家团队，参与数据标注、模型训练及测试，保证AI能够完成多轮问诊、不回答患者非医疗问题等。商汤还训练了一套“智能评判系统”，对大语言模型输出的答案进行评判，让模型输出更符合临床专业要求以及人类价值观的回答。不过，再怎样调试医疗AI，其本身存在一定局限性。刘国梁认为AI与真人医生最根本的差异在于，二者在诊疗过程中的原则可能不相同。目前尚不能确定AI在诊断时，是以患者生命长度为重要衡量，还是以更好的生命质量为先，抑或根本与人类福祉无关。一名优秀的医生能够在关注患者治疗方案的同时，照顾其情绪、花费、家庭情况，目前医疗AI还难以做到。另外，医疗AI主要依靠患者的问诊数据，缺少查体过程。一方面，躯体类疾病可能会影响患者的感觉，使其表述出来的感受与病情严重程度不相符；另一方面，不同疾病也有相似症状，只靠询问很难得到准确结果。北京大学人民医院骨科主任医师薛峰告诉《中国新闻周刊》，很多医学问题尚未有明确答案，许多医生也是依靠经验，达不到100％的准确率，更何况依靠人类经验来进行推理的AI，“现阶段让它来看病只是作为一种咨询、一种辅助，最后判断还是要交给真人医生，AI还需持续学习和调优”。多位受访从业者、专家均表示，AI并不可以、也不可能取代医生，不应有处方权。一旦涉及诊断、开处方，必须有真人医生参与其中，否则就会面对“AI看病看错了，到底是AI负责，还是AI开发公司负责，抑或是购入AI产品的医院或医生负责”的难题。当AI与医生意见不符合，比如患者希望按照AI建议做非常昂贵，但医保不报销的检查，医生觉得没有必要时，也可能出现伦理问题。据《华尔街日报》今年6月报道，在加州大学戴维斯分校医学中心肿瘤科，护士梅丽莎·毕比和癌症患者打了15年交道。当AI预警系统提示她的一名患者有败血症时，她确信警报是错的——因为AI不知道，白血病患者也会表现出类似败血症的症状。按照医院规定，毕比可以在获得医生批准后推翻AI的诊断，但如果她错了，她将面临处分。最后，她只好按照AI的诊断给病人抽血检查，即使这可能会让病人进一步感染，也会让其治疗费用更高。未来临床实践将怎样保证医生参与监管AI？薛峰表示有两种设想：一是仍然由医生负责开处方，AI只负责前期询问及信息收集；二是由AI开处方，但医生需要审核治疗方案，至少保证药物无害并签字，若出现问题，仍由签字医生负责。全新的三方关系6月末，医联在成都举行了一场“双盲实验”，让MedGPT与10位四川华西医院的主治医生一起对120余位患者进行诊断，来评测AI与真人医生的一致性，最后由多位专家对91份有效病例审核。刘国梁与薛峰都参与了此次审核，二人表示MedGPT的效果比预期稍高，没有出现太大错误，但也存在一些问题。薛峰表示，MedGPT在面对复杂病情时的问诊逻辑还很简单。他解释说，每一种疾病往往会有一组症状，单一症状对应的疾病可能有几十种、上百种，而患者在表达主诉时往往只会说到其中一两个最严重的症状。做排除诊断时，真人医生能够不断就可能的关联症状进行提问，最后根据患者回答作甄别，而MedGPT在关联不同症状的全面性上还有不足。王仕锐称，医联的下一步除了提高准确率，还会整合多模态能力，弥补不能进行查体的缺陷。比如给MedGPT“装眼睛”，以视频方式做运动轨迹识别，解决骨科查体难题。谷歌在7月末推出新的通用生物医疗AI模型Med-PalM M，除了回答医疗问题，Med-PalM M还可检查X光图像，甚至扫描 DNA 序列是否存在突变。摆在问诊AI面前的问题，还有监管。此前，国家药监局器审中心发布的《人工智能医疗器械注册审查指导原则(征求意见稿)》等文件规定，基于医疗器械数据、使用人工智能技术实现其预期用途的医疗器械，需要经药监局审批上市。医疗器械数据包含图像数据、生理参数、体外诊断数据等，电子病历、医学检查报告的结果文本等属于非医疗器械数据。以MedGPT为例，虽然主要依靠患者主诉信息，但是也会给患者开检查报告，基于血糖、血压等数据来推荐治疗方案。王仕锐表示，在当下的监管体系中难以界定其是否属于医疗器械，对此类新型产品，相关部门可能会有新的监管框架。7月13日，国家网信办联合六部门公布《生成式人工智能服务管理暂行办法》（下称《办法》）。《办法》自2023年8月15日起施行，其中提到鼓励生成式AI创新发展，并要求“具有舆论属性或者社会动员能力”的产品，向公众提供服务前，需开展安全评估，并履行算法备案。基于生成式AI的问诊产品是否要申请安全评估和算法备案，多家企业说法不一。前述学者表示，该《办法》为医疗AI设定了合法合规的框架，但针对医疗AI的监管如何实施，标准如何制定，《办法》还未明确。“标准化最关键的、最本质的目的就是建立最佳秩序。”该学者说，为创新产品制定标准是一个缓慢的过程，到底怎么定、定多高需要不断摸索。多位受访从业者都表示从研发到进入临床，医疗大语言模型还有很长一段路走，但也都认可AI一定是未来医疗格局的一分子。AI可以使医疗模式转向社区化、家庭医生化。薛峰表示，门诊中90％以上都是常见病，可以通过家庭医生来解决，但目前医疗资源并不均衡，三甲医院与基层医院医疗水平相差过大，导致患者对社区医院不信任。薛峰说，若AI成为面向患者的家庭医生，患者通过预先咨询AI，可为医疗机构减轻负担，同时也增加对病情的初步了解，找准看病方向。“这样的医疗模式有助于医疗规范化，减少过度医疗或医疗欺骗。”薛峰说。在面向医生的场景中，AI的作用可以更多。多位受访专家表示，AI可以成为助手，帮助医生学习疑难杂症的前沿治疗方案，减少误诊率，亦可参与医学培训，帮助年轻医生及医学能力不足的基层医生成长。美国波士顿的一家医疗机构已开始使用ChatGPT来培训规培生。“因为医学训练有时候不存在对错，而是锻炼医生的思维方式、结果解读、沟通等，可以（用AI）单独去训练这些能力。”刘国梁说。更直接的可能性是AI能使医生从文书的工作中获得解放。浙江某三甲医院的一名规培医师告诉《中国新闻周刊》，接收新病人时会花费不少时间写首程诊断。今年2月开始，他尝试让ChatGPT帮他写鉴别诊断，“因为有时候诊断都很明确了，还要绞尽脑汁去想鉴别诊断也挺烦。我会直接把问题抛给ChatGPT，告诉它我想写某两种疾病的简洁诊断，它会给我列出好几点。” 未来医疗到底会怎样，微软全球资深副总裁彼得·李与两位合著者在《超越想象的GPT医疗》中描绘了一种新的医患关系：传统医学中医生与患者是一对双向关系，但现在我们应该转向一种全新的三方关系，而AI是这个三角关系的第三支柱。

中国互联网络信息中心昨天发布了《生成式人工智能应用发展报告〔2024〕》。《报告》显示，我国生成式人工智能产业蓬勃发展，产业规模和产品数量迅速增加，并逐渐融入人们的日常生活。截至今年6月，我国生成式人工智能产品的用户规模达2.3亿人。 人工智能正以前所未有的速度渗透到我们生活的方方面面，而医疗领域无疑是极为引人瞩目的一个。近日，清华大学智能产业研究院团队打造的首家“AI医院”Agent Hospital正在进行内测，将于年底正式上线，并于明年上半年对公众开放。 “AI虚拟医院对真实医院的设施和流程进行模拟，目前构建的42位AI医生分布在儿科、耳鼻喉科等21个科室，覆盖了300余种疾病。”11月23日，Agent Hospital项目负责人、清华大学智能产业研究院执行院长刘洋教授接受人民日报健康客户端记者采访时透露。 人民日报健康客户端记者通过Agent Hospital内测版看到，42个AI医生在医院里坐诊，他们在阅读医学文献，与虚拟/真实的病人交互并做诊疗决策，不断从成功诊疗案例中总结经验、从失败案例中反思教训，在诊疗近万名虚拟病人后，做出诊疗方案…… 清华大学团队开发的Agent Hospital页面截图。 海量患者是帮助AI医生进化的关键。刘洋介绍，他们同时构建了超过50万个来自不同国家地区、覆盖各个年龄段、患有不同疾病的AI患者，这些AI患者可以是人类患者在虚拟世界的数字化“分身”，也可以由人工智能大模型结合权威医学知识库和少量公开人类患者病例自动合成。这些AI患者像人类患者一样，有完整的治疗数据记录，可以在医院完成发病、分诊、问诊、检查、诊断、治疗、取药、康复的完整流程，并向 AI医生所开具的治疗方案的效果。 “这样一来，我们让AI医生使用现实世界的数据在虚拟世界的时间加速器中继续加速进化。真实世界中，一名出色的专科医生培养需要积累成千上万的案例经验，至少5~10年的临床实践，但在虚拟医院中，只需要几天时间就能完成。”刘洋说。 AI医生“进化”前后的诊断准确率比较。 刘洋的团队发现，随着诊疗病人的增加，AI医生在各个疾病上的诊断准确率均有大幅提升，其中，在高发的呼吸道疾病领域，在诊疗近万名病人后，AI医生能够在医学呼吸道疾病问答数据集上超越当前最好的方法，达到了最高93.06%的准确率，在其他科室中，AI医生也取得了类似的效果。 “在我们的设想中，随着AI医生的不断自我进化，未来将能够介入到真实的医疗应用场景中，辅助人类医生完成绝大多数工作，这也是智慧医疗领域最受关注的应用落地方向。”刘洋说。 “AI医生”上岗，医生们怎么看 AI医生的上岗，已在医疗圈引起广泛讨论。如上海东方医院的医生伴侣，可协助完成病史记录、初步诊断建议和分析，以及治疗方案推荐。东方医院门急诊和重症医学科主任张海涛表示，一名专科医生面对复杂的跨专业疾病，需要查询很多文献资料，有时还需要多学科专家诊断。大模型可基于庞大的医学知识数据库辅助决策，这是AI对临床诊疗极具价值的部分。而在口腔护理设备领域，数字化、智能化正在成为主流，随着3D打印、AI诊断等技术的应用，不仅提升了治疗效率，也优化了患者体验。 安徽马鞍山市人民医院口腔科副主任医师陈欣媛：在种植牙领域，AI辅助系统基于患者的骨密度、牙槽嵴形态和咬合关系等因素，可以优化种植体的位置和角度，提高手术成功率和长期稳定性。 陈欣媛认为，尽管人工智能在医疗领域的应用前景广阔，但它并不能完全取代人类医生。人工智能更多的是作为医生的辅助工具，帮助他们做出更准确的诊断和治疗决策。 安徽马鞍山市人民医院口腔科副主任医师陈欣媛：两者是相辅相成的，人工智能可以替代一部分简单重复的工作，使医生从简单重复的工作上脱离出来，在更高层面上进行创造、进行发挥。 安徽铜陵市中医医院针灸科主治医师张健也表示，AI技术与医生一起可以共同提升医疗服务的质量与效率，并非替代。 安徽铜陵市中医医院针灸科主治医师张健：患者可以首先通过AI进行预问诊，AI快速、精准地收集并分析患者信息，给出初步的诊断结果。医生再根据AI的初步诊断结果，结合自身丰富的临床经验，进行进一步的问诊和必要的辅助检查，最终给出更加精准的诊断和治疗方案。我觉得这样可以提升医疗服务的质量与效率。除了疾病诊断与治疗，我们医生能够给予患者情感上的关怀、支持与鼓励，耐心解答疑问，帮助患者树立战胜疾病的信心。这些是AI所不能给予的。 张健表示，针灸治疗现在越来越受到人们的欢迎。AI技术与中医的结合更像是开启了一扇全新的大门。 安徽铜陵市中医医院针灸科主治医师张健：中医强调“辨证论治”，中医AI技术能够结合患者的多维度信息，实现真正意义上的个性化治疗，这其中也包括针灸治疗更加个性化，为医生提供更加精准的治疗建议。AI技术能够高效地处理和分析中医药领域的海量数据，在AI的助力下，中医的未来将不再局限于古籍和传统的束缚，而是以一种更加科学化、智能化、现代化的面貌，服务于现代社会，惠及广大人群。 河南许昌市建安区基层医生许小波，在日常工作中也经常关注AI技术在医疗领域的应用。 建安区基层医生许小波：我觉得有一部分专业，包括一部分科室，可能未来确实可以被取代。像辅助科室，影像诊断专业，未来可能就会面临这个问题。现在影像是由医生看扫描的图像，然后分析结果。AI运行了以后，可能影像的诊断率，应该提升的很厉害。 中国社会科学院健康业发展研究中心副主任陈秋霖表示，新一代信息技术将重塑医疗服务和管理模式，但要对新技术的广泛应用做好评估。 中国社会科学院健康业发展研究中心副主任陈秋霖：新的技术会对医疗领域带来创新的机遇，但是创新要有边界，创新不是说没有目的的颠覆，实际上还是为了人民的健康，这个应该是创新的基本原则，怎么来确定这样的原则和守住这样的边界？那就是在创新的过程当中要守住底线，不能以损害人民健康为代价。要做好评估，在评估中来确定它的价值。 中国医学科学院肿瘤医院河南医院主任医师陈小兵认为，未来的AI医生和人类医生，不是黑白对弈，而是相互合作。 中国医学科学院肿瘤医院河南医院主任医师陈小兵：双方的协作流程，体现在以下几个维度，一是数据的收集和处理，医生会收集患者的数据，AI将进行数据的清晰整合和分析，提取有用的信息；第二是辅助诊断和治疗，AI提供初步的诊断和治疗信息，医生在此基础上结合自身经验和进一步检查，做出最终的整体评估和精准的诊断和治疗；第三是在监测和评估方面，医生将和AI共同监测患者的病情变化和治疗效果，及时地调整治疗方案，进行反馈和优化，不断地进行流程的优化。医生和AI之间进行定期的反馈和交流，从而最终优化协作模式和医疗服务质量。 AI在医疗方面的探索还有很多。近日，上海发布了首批5个医疗应用场景，包括中山医院的AI电子病历辅助书写、AI医健助手，东方医院的医生伴侣、科研助理，以及上海电信的就医小帮手。 上海市经济和信息化委员会人工智能处相关负责人透露，目前上海已有46款大模型通过备案。上海正在持续推进大模型赋能垂类应用，后续在智能终端、科学智能、在线新经济、自动驾驶、具身智能五个重点领域，以及金融、教育、医疗、文化旅游、智能制造、城市治理六个重点行业，将批量诞生标杆产品与服务。 你能接受AI医生吗？ 来源：综合央视新闻、人民日报健康客户端 编辑：董静 审核：富文佳 王旭泉 推荐阅读 突发！石破茂所乘车辆发生碰撞事故 泽连斯基开出停火条件，俄方回应 突发！恐怖分子攻入，伊朗强烈谴责 【夜·赏】栏目作品征集 更多精彩

来源于 来源于光明网        国内首次AI医生与真人医生一致性评测结果正式揭晓！6月30日，医联于成都举行了国内首次AI医生与真人医生一致性评测，并进行了全天候实时直播。现场有120多位真实患者及10位来自四川大学华西医院的主治医师共同参与了这场评测研究。最终，经过来自北大人民医院、中日友好医院、阜外医院和友谊医院的7位专家教授针对评测形成的91份有效病例进行审核，并且针对AI医生的问诊准确性、诊断准确性、治疗建议准确性、辅助检查方案准确性、数据分析准确性、提供可解释信息、自然语言问诊与交互这7个评价维度的打分之后，最终，真人医生综合得分为 7.5分，AI医生综合得分为7.2分。AI医生与三甲主治医生在比分结果上的一致性达到了96%。 　　（最终评审结果） 　　国内首次AI医生一致性评测 评审专家称“超出预期” 　　在历经8个小时的问诊过程中，MedGPT与来自四川大学华西医院的心内科、消化内科、呼吸内科、内分泌科、肾脏内科、骨科、泌尿外科的10位主治及以上医师共同对100余名患者进行问诊，经过专家评审团，从准确性、客观数据分析、可信度、人机交互性展开。最终，经过长达3个小时的对比分析及判断，综合专家团所有评审的判定及评分，AI医生与三甲主治医生在比分结果上的一致性达到了96%。 　　（评审流程） 　　为了保证评测的合理性和科学性，此次测试的问诊环节进行了特殊的设计：患者进入诊室后，将与医助沟通自身病情，医助通过线上文字输入的方式将患者主诉传达给真人医生与AI医生并协助医患完成多轮沟通，在收集足够的决策因子后，真人医生与AI医生为患者开具检查单或诊断，患者直接在成都高新海尔森医院完成检查；在获得检查结果后，患者进行复诊，并由AI医生及真人医生提供临床诊断及治疗方案。通过以上流程，可以在条件基本一致的情况下，让真人医生与AI医生进行互不干涉的独立诊断。 　　在当晚的评审环节，现场专家对于AI医生的表现给予高度肯定，在场评审团专家普遍认为，MedGPT而是通过多轮询问收集足够信息，以确保医疗准确性为前提推进问诊流程，所以出现误诊、漏诊的概率就比较小。令人惊喜的一点是，不同于专科医生，MedGPT诊断出了不属于就诊科室的疾病，给出其他具备可能性的判断，这在常规的专科问诊中是很难做到的。专家评审团认为，它的知识覆盖面是超过一些经验并不是很充足的真人医生的。 　　北大人民医院主任医师薛峰在评审过程中发现了一个“惊喜”：MedGPT根据患者脚底板疼痛诊断出有患者有可能出现神经压迫，真人医生却没有想到这一点。薛峰认为，MedGPT应该是一个非常有发展前景的一项技术，在病人遇到一些症状，有困扰的时候，跟他去聊一聊，让它给一个初步的诊断，还是非常有帮助的，具备非常好的前景。 　　中日友好医院心内科主任医师任景怡表示：我觉得最好的一点，当诊断尚不明确时，MedGPT并不会轻易给出结论，而是要坚持要通过继续问诊或检查收集更多信息。尽管MedGPT还存在一些问题，但迈出了重要的一步，这是里程碑式的结果。 　　云化能力结合 AI医生“手段”更加丰富 　　值得一提的是，MedGPT不仅在一致性上达到了一定水准，还可以提供疾病治疗环节中的其他“手段”，例如此次诊断过程中的“云检验”：在完成初步问诊后，MedGPT会给患者开具必要的医学检查项目，以进一步明确病情。患者则可以通过医联云检验等多模态能力进行检查。基于有效问诊以及医学检查数据，MedGPT得以进行准确的疾病诊断，并为患者设计后续疾病治疗方案。对于真人医生来说，开具检验并根据结果对病情进行判断是疾病诊断过程中的常规操作，但对于AI医生来说，这是一则突破。 　　在此次问诊现场，MedGPT就为患者开具了多种检验检测，患者在凭借单据直接在成都高新海尔森医院完成相关检测。医联MedGPT项目负责人王磊表示：MedGPT开单检查只是多模态能力的其中一环，MedGPT后续将配合医联多种云化能力，覆盖预防、诊断、治疗、康复的疾病管理全流程，让患者轻松接触到优质医疗资源。未来，MedGPT会拥有更大的想象空间。 　　事实上，医联在今年5月已经公布了MedGPT多种医学检验检测模态能力。除了配合云化能力进行检验检测外，MedGPT会在患者收到药品后主动为患者进行用药指导与管理、智能随访复诊、康复指导等智能化疾病诊疗动作。医联MedGPT plugin应用平台整合超过 1000+医疗多模态能力，整合多样化的医疗多模态能力，丰富和完善全流程智能化诊疗体验。 　　一次阶段性探索 一次AI应用发展的推进 　　现阶段，医疗行业还存在着资源分配不均，边缘地区患者难以接触到优质医疗资源等痛点，而AI医疗可以有效补充医疗资源，助力全民健康生活水平的提升，有利于补全基层诊疗服务短板，强化公共卫生服务效率，帮助解决优质医疗资源相对匮乏和基层医疗服务能力不足的结构性难题。 　　（评测现场） 　　此次测试是国内首次公开的、规模化的、基于真实患者的AI医生与真人医生的一致性研究评测，也是对于AI医疗的一次阶段性探索。经过此次评测，以MedGPT为首的AI医疗已经现阶段进入到了真实患者测试阶段，这也意味着通用型人工智能技术的研究与应用发展水平得到了进一步推进。王磊表示：“此次测评，本质是为了持续验证与提升AI模型的医学有效性。医联希望通过MedGPT在疾病管理全流程上的能力，让智能化的医疗手段帮助更多患者，令各地医疗资源的不均等逐渐消弭。” 　　推动AI在医疗行业的研究与应用，以严肃医疗为根本，让优势的医疗资源与技术惠及更多人，是医联不断向前的动力。医联也将在AI医疗领域持续耕耘，加速AI在医疗行业内的落地应用，力争贯彻让全人类健康寿命延长一年的使命。

今天分享的是【海通国际-医药与健康护理行业深度报告：AI+制药：AI技术蓬勃发展，AI+制药行业潜力巨大】 报告出品方：海通国际 AI 技术蓬勃发展，AI+制药有望成为下一个黄金赛道。AI 技术通过机器学习和深 度学习等手段，已经在药物发现、临床前研究和临床试验等全流程中发挥重要 作用。从 2007 年的早期探索至今，AI 制药技术经历了技术积累、验证和快速发 展期，目前正处于一个技术创新活跃、政策扶持明显、市场前景广阔的阶段。 AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 研发领域的广阔前景和巨大潜力。  CRO 公司加速布局 AI+制药应用技术。CRO 药物研发外包公司的 AI 技术应用正 逐步深化，涵盖药物发现的各个环节，从靶点识别、化合物筛选、结构预测到 药物设计等。维亚生物建立纵向 AI 应用技术平台加速先导化合物发现； 泓博医 药持续推进 PR-GPT 多模态大型语言模型的应用；成都先导依托 DNA 编码化合物 库技术与 AI 技术结合，优化苗头化合物的识别过程；药石科技利用其分子砌块 库结合 AI 技术，开发动态化学空间，并通过一站式计算筛选平台，提供全面的 活性化合物筛选服务。 免责声明：以上报告均系本平台通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如涉侵权，请联系删除 ；资料为推荐阅读，仅供参考学习，如对内容存疑，请与原撰写/发布机构联系返回搜狐，查看更多 责任编辑：

8月2日，毅昌科技（证券代码：002420）在最新一次的业绩说明会上，展示了其在新能源板块的雄心壮志，并透露了公司未来三年的发展战略。董事长宁红涛、副总经理刘文生以及副总经理兼董事会秘书叶昌焱出席了此次活动，与投资者进行了深入的交流。 毅昌科技在业绩说明会上明确了其2024年的业务规划，在未来的3-5年中，公司会坚持在汽车、新能源、医疗健康、家电战略板块上深耕发力，并将持续深化与相关企业的战略合作关系。特别在新能源板块，公司预计2024年将实现显著的成长，这得益于与国内知名电池企业的深入合作，以及在储能结构件产品上的持续创新。 毅昌科技的竞争优势主要体现在三个方面：领先的工业设计和模具制造能力、优质的客户资源以及在汽车和新能源领域的长期开发经验。公司已经成功开发了首款薄壁化保险杠，并在新能源汽车轻量化设计上取得了突破，如塑料翼子板和全塑尾门内外板等。 毅昌科技在新能源汽车轻量化方面，计划利用注塑工艺、轻质高强材料和有限元结构优化技术，实现产品的轻量化设计。同时，公司的热管理产品，特别是液冷板，已经在储能和动力电池领域得到应用，并正在探索将其应用于冷液服务器的可能性。 尽管新能源领域存在众多优质标的，毅昌科技目前并不打算进行大规模的外延式发展，而是计划在未来两三年内巩固自身在各板块的能力和产能。公司拥有近两亿的现金储备，这为公司的运营和发展提供了坚实的财务保障。 毅昌科技对未来发展充满信心，计划在未来三年内，通过不断优化产品结构和提升技术创新能力，实现新能源业务收入的持续增长。公司还预计其储能板块将实现约10%的年增长速度，为市场提供更多创新性的结构搭建与解决方案。 本资讯由AI根据公司公告生成返回搜狐，查看更多 责任编辑：

行业动态 PART 01 AI 在生命科学领域的影响深远，在多项研究成果中可见一斑： 1、数据分析与管理: 大数据处理：AI可以处理和分析大量的生命科学数据，包括基因组学、蛋白质组学和代谢组学数据。机器学习算法能识别复杂的数据模式，发现潜在的生物学关联。 数据整合：AI技术能够将来自不同来源的数据整合在一起，提供全面的生物学视图。例如，整合基因组数据和临床数据，以识别疾病的生物标志物。 2、新药研发: 药物发现：AI算法可以通过筛选化合物库，预测哪些分子可能具有治疗潜力，加速药物发现过程。 虚拟筛选：使用计算机模拟进行药物筛选，减少了实验室实验的成本和时间。 药物再利用：AI可以分析现有药物数据，发现新适应症，从而节省研发时间和成本。 3、精准医学: 个性化治疗方案：AI能够分析患者的基因组数据和病历，提供个性化的治疗建议，提高治疗效果。 预测疾病风险：通过分析遗传和环境数据，AI可以预测个体患某些疾病的风险，提前采取预防措施。 4、生物技术研究: 蛋白质结构预测：如AlphaFold等AI工具显著提高了蛋白质结构预测的准确性，对理解蛋白质功能和设计新药物具有重要意义。 基因编辑：AI辅助的基因编辑技术（如CRISPR）能够精确定位基因突变位点，提高编辑效率和准确性。 PART 02 一系列政策不仅为人工智能+医疗健康提供了明确的发展路径， 也为市场发展提供了广阔的空间： 自十九大以来，“健康中国”已上升为国家战略层面的重点。最新发布的《中共中央关于进一步全面深化改革 推进中国式现代化的决定》中强调了“优先发展健康战略”的重要性，并提倡“社会共治、医防协同及医防融合”的方针，进一步突显了健康管理的重要性。 在2023年7月，国家卫健委联合其他五部委发布了《深化医药卫生体制改革2023年下半年重点工作任务》，其中包括推动医学人工智能试点项目的发展。文件中不仅提及了进一步发展医学人工智能试点的详细内容，还鼓励加快人工智能试点项目的实施进程等。 1、市场增长与投资: 资本投入：AI在生命科学领域的应用吸引了大量的资本投入，推动了相关企业和初创公司的发展。 市场规模：随着AI技术在药物发现、诊断和个性化医疗中的应用增加，市场规模不断扩大。预计未来几年，AI在生命科学领域的市场规模将持续增长。 2、新兴企业与并购活动: 初创公司：许多初创公司专注于将AI应用于生命科学，提供创新的解决方案，如AI驱动的药物发现平台和诊断工具。 并购活动：大型制药公司和技术公司通过收购AI公司来增强其技术能力和市场竞争力。例如，制药巨头收购AI初创公司以加速其药物研发进程。 3、产品与服务创新: 智能医疗设备：AI驱动的医疗设备（如智能影像分析系统）在临床诊断中发挥越来越重要的作用，提高了诊断的准确性和效率。 数字健康平台：AI驱动的数字健康平台可以监测患者健康状况，提供个性化的健康管理方案，促进患者与医生之间的互动。 4、监管与伦理: 监管框架：随着AI在生命科学领域的广泛应用，监管机构正在制定新的法规和标准，以确保AI技术的安全和有效使用。 伦理考量：AI在生命科学中的应用引发了一系列伦理问题，如数据隐私、算法偏见和透明性，需通过政策和规范进行管理。 PART 03 最近，头豹研究院发布了名为《中国AI健康管理行业概览：以AI科技助力智能健康管理》的报告。该报告对AI在健康管理中的定义、应用范围以及产业链的各个细分市场状况进行了详尽分析，并对未来市场走向做出了预测： AI健康管理是指利用最新的信息、通讯、人工智能和生物信息技术，进行健康数据的感知、分析和整合，以及健康的检测和评估工作、健康干预4个关键环节中的所有信息以智能应对个人或人群健康需求的一种新型模式。 （图：AI健康管理的定义与分类） 概括来看， AI健康管理可分为三大细分市场： 1、慢病管理：数字技术的革新与应用 慢性病包括心脑血管疾病，糖尿病，癌症以及慢性呼吸系统疾病，这些疾病已经成为世界范围内导致死亡与致残的重要因素。据报道，我国30~70岁人群中四大慢性病死亡人数呈不断上升态势，估计2020年死亡人数为296.1万人,2030年死亡人数将达到318.5万。这种慢性病防控严峻形势促使慢病管理市场迅猛发展。根据报告,2022年，中国AI慢病管理市场的规模预计将达到1334亿元，而到2027年，这一数字预计会增长到5114亿元，增长率高达惊人的283.4%。...