DeepSeek席捲醫療領域，AI如何加速行業重塑？

來源：第一財經

已有超過30家醫療大健康公司宣佈整合DeepSeek，企業仍需提前考慮安全、倫理、註冊申報與醫保準入等多方面挑戰。

隨着包括醫渡科技、鷹瞳科技、萬達信息、智雲健康等在內的首批企業先後官宣接入DeepSeek後，最新數據顯示，已有超過30家醫療大健康公司宣佈整合DeepSeek，領域覆蓋藥物研發、影像分析、診斷篩查、病理檢測、慢病管理等多個領域。

由於DeepSeek大模型的特點在於開源、高性價比，因此，人工智能（AI）與醫療大健康產業的結合將催生出更多場景和產品。“但我們也要正視場景和產品背後的市場認可度，以及支付、准入、安全、倫理等多方面挑戰。”一位資深業內人士告訴第一財經。

兩大成熟應用場景

記者瞭解到，數據的數量規模、質量等級決定了AI背後的模型訓練狀態，這也是AI大模型率先在醫療、金融等領域爆發的原因。

以醫療領域爲例，“智慧醫院”是一大主要應用場景。比如，深圳市人民醫院日前宣佈已本地化部署DeepSeek。該院信息技術部主任丁萬夫稱，現階段，AI在智慧醫療方面的應用場景主要是輔助診斷，醫院與騰訊合作開發的AI預問診服務已得到應用，患者在掛號繳費後可以收到預問診推送，醫生則結合患者的回覆信息自動化一鍵生成電子病歷。

再如，上海市第四人民醫院也在近日表示，醫院已完成DeepSeek本地化部署，下一步將在3萬餘例典型病例和多年積累的診療方案的基礎上，迅速爲醫生提供精準決策支持。此外，上海瑞金醫院也在18日與華爲聯合推出“瑞智病理大模型”，以毫秒級、無卡頓的閱片能力賦能臨牀診斷。

作爲另一大應用場景，“診斷設備”相比智慧醫院則更加成熟。比如，東軟醫療的NeuBrainCARE腦卒中評估軟件可在90秒內完成缺血半暗帶分析，準確率達95%以上，並被寫入中國專家共識。

再如，聯影醫療早在多年前就在CT（計算機斷層掃描）、PET-CT（正電子發射計算機斷層顯像）等設備中融入AI算法，以更小劑量、更低輻射爲患者做影像學診斷。

上述應用場景是否能最終提升效率、降低成本的問題？爲此，中國信通院醫療大數據研究中心(華東)主任張宇鳴告訴記者，這需要分類看待。對於病歷書寫、輔助診斷、遠程診療一類場景，這些場景主要涉及自然語言處理、多模多維數據整合與歸一化處理等工作，AI大模型可以讓推理過程相對透明，從而提高醫生鑑別和確認的效率。

而對於病理分析、影像導航一類場景，除了提升效率外，這類場景還能彌補因人的精力、情緒等變化而導致的注意力不集中等問題，相較於前一類場景，這一類場景其更注重細微區別和精準性等要素。

華爲公司副總裁、數據存儲產品線總裁周躍峰也表示，現階段，AI與各行業的結合仍然面臨不少障礙。這包括：第一，數據工程耗時長，數據需要經過歸集、清洗、增強、評估等一系列過程，這一過程佔模型開發訓練時長的60%。第二，模型訓練和應用落地難，這體現在AI大模型其範式多，開發和調測難度大。第三，諸如算力等待、任務潮汐、資源碎片化等原因都會造成AI集羣可用度較低。

風險與挑戰

隨着AI在醫療領域加速落地，產業背後正在面臨哪些風險與挑戰？

廈門大學醫學人工智能研究院負責人王連生則表示，除了業界一直關注的數據安全和隱私保護等風險，AI大模型也會存在包括推理過程、責任歸屬、公平性等在內的諸多挑戰。推理過程的挑戰涉及模型是否可信、數據輸入限制；責任歸屬的挑戰涉及相關部門需制定AI大模型監管規則，以及處理數據時需要遵循的法律法規；公平性的挑戰則涉及大模型可能出現的“幻覺”“偏見”等問題。

除了企業自身業務發展過程中的風險與挑戰，AI醫療器械（包括軟件與硬件）在上市前的註冊申報、醫保準入階段也會面臨不少難題。

張宇鳴表示，在上市前，AI醫療器械需要經過嚴格安全性與有效性研究、檢測、驗證，獲批後才能用於醫療診斷和治療的設備、軟件和系統類產品。上市後還要持續關注不良事件的發生與分析。

爲此，張宇鳴稱，目前，一方面，亟需推進相關標準的制定工作，這包括了制定AI醫療器械的行業標準研製，規範數據接口、算法評估、安全認證等，促進互操作性和可持續健康發展。另一方面，需要明確AI醫療器械背後算法的可解釋性、可靠性，這可以使醫生和患者都能夠理解AI的決策過程。

對於AI醫療器械的註冊申報策略，硅致智能創始人王菁建議，第一，企業應明確AI醫療器械的分類界定。如果相關產品用於疾病診斷、治療或預防或對患者健康有直接影響，則應歸類爲醫療器械。此時就需要遵循相關法規的要求提交完整技術文件和臨牀數據。

第二，企業應選擇合理的訓練集、驗證集。具體來說，訓練集應覆蓋多樣化的臨牀病例和場景，以確保數據的代表性和多樣性；驗證集則用於評估模型在未見數據上的性能，應確保其樣本量和分佈合理。其中，訓練集背後的算法尤爲重要，其算法的邏輯嚴謹程度將直接影響AI醫療器械的效果是否可靠。

第三，針對AI模型的“黑盒子”問題，必須通過充分的臨牀驗證和性能測試來證明其安全性和有效性。即使算法內部不可解釋，也可通過真實數據的長期使用和多場景驗證來證明其可靠性。

醫保準入方面，國家醫保局在2024年11月表示，將在放射檢查、超聲檢查、康復類項目中設立“人工智能輔助”擴展項；同樣的價格水平下，醫院可以選擇培養醫務人員進行診療，也可以選擇使用人工智能參與診療行爲，但現階段不重複收費。

“目前，各醫院會將AI閱片、讀片的成本考慮在整體收費項中，單列收費的情況幾乎還沒有，AI一直以來都作爲輔助功能來實踐。”一位省級醫保部門人士告訴記者，除了輔助診斷一項，顱內深度電刺激起搏器也是應用多年的醫療器械，其中也有AI自然語言解碼的功能，“這一類醫療器械如果申請相關醫保收費，或可以適當考慮。”