三部門聚焦細分場景，AI醫療能否跑出發展加速度？

21世紀經濟報道見習記者 閆碩 北京報道

近兩年，人工智能（AI）頻頻出圈，從大語言模型ChatGPT到視頻生成模型Sora，從不少企業首設首席人工智能官，到諾貝爾物理學獎、化學獎頒給人工智能，人工智能已經成爲科技競爭中不可或缺的高地。

近日，國家衛生健康委、國家中醫藥局、國家疾控局聯合發佈《衛生健康行業人工智能應用場景參考指引》（以下簡稱《指引》），以推進衛生健康行業“人工智能+”應用創新發展。《指引》包括4大類13小類，共計84種具體場景。

具體而言，4大類13小類分別爲人工智能+醫療服務管理（醫療服務、醫藥服務、醫保服務、中醫藥管理、醫院管理）、人工智能+基層公衛服務（健康管理服務、公共衛生服務、養老托育服務）、人工智能+健康產業發展（醫用機器人、藥物研發、中醫藥產業）、人工智能+醫學教學科研（醫學教學、醫學科研）。每個類別下又細分有多種具體場景。

艾昆緯大中華區數據分析和人工智能戰略諮詢總監王越在接受21世紀經濟報道記者採訪時指出，這80多種場景是高度的總結概括，非常全面，而且還深入覆蓋了很多具體的落地場景，在整個“AI+”的層面上看，數量上屬於偏上的水平。

王越進一步指出，《指引》可以全面指導AI在醫療行業不同場景的落地。整體看來，這份文件更多是面向醫院和公共衛生機構的，不過這些具體的場景介紹對企業未來的生產以及戰略方向也非常具有指導意義。因爲對企業來說，其生產的產品最終都是要落地的，是需要在醫院端或者衛生機構爲患者或醫生提供服務的。

部分場景相對成熟

今年的政府工作報告首次提出了“人工智能+”行動，而在醫療領域，隨着大模型的迅速迭代，以及院內院外一系列解決方案的逐步推進，“人工智能+醫療”儼然成爲發展新質生產力的關鍵。

針對《指引》，有業內專業人士向21世紀經濟報道記者總結道：這80多個場景中，目前成熟場景大概有20%，一般來說技術相對比較成熟，在實際中也有落地案例，比如智能輔助診斷、病歷生成。

本次AI浪潮中會比較快速發展的場景在50%左右，主要是技術在快速發展以及市場有需求的，比如智能患者管理，用藥指導等。技術上已經有一定基礎，更多的是市場需求和政策支持來加速應用。

長期來看，未來AI可以實現的大概有30%，主要涉及更復雜的技術或者多學科的深度整合。比如更復雜的手術機器人，藥物發現等。

“這些是基於我的主觀判斷，具體情況還是要視市場需求、政策支持、技術發展來判斷。”該專業人士強調。

王越也提到一些成熟場景，像醫療影像的輔助診斷，這項技術其實在上一波AI的浪潮中就已經在發展了，經過將近10年的發展，該技術已經相對比較成熟。同時也初步跑通了商業模式，比如醫療設備廠商向醫院提供軟件服務。

而藉着本次生成式AI浪潮，包括智能預問診、物流機器人等在內的一些場景的落地目前也已經比較成熟。像智能預問診的商業模式也是向醫院提供一站式的解決方案。

對於那些尚不成熟的場景，困難主要在哪裡？王越表示，首先要指出的是醫療行業，尤其是從臨牀的角度看屬於嚴肅醫療，對於AI輸出結果的準確性和科學性要求非常高。

王越進一步指出，困難一方面就在於技術的成熟度，AI能否達到現在臨牀應用場景要求的準確度還需要進一步討論；另一方面在於數據安全，因爲醫療數據較爲敏感，我國的電子病歷或患者信息一定都是由醫院或者政府管控的，商業公司很難拿到，而大模型需要大量的數據去訓練，所以如何破解這一難題也需要討論。

“此外，如果我作爲一名醫生在大模型上進行提問，那麼大模型如何保護數據隱私也是需要解決的。”王越說，從法律法規層面看，我國相關部門對醫療行業的監管力度非常強，AI的應用肯定要符合相應的要求。

政產學研協同推進

醫療行業的發展正朝着更加規範化、遠程化、便捷化和個性化推進。“所以AI在醫療行業的應用符合大的趨勢，同時，從實際落地的場景中看也是遍地開花，因此AI+醫療的前景較爲廣闊。”王越認爲。

根據《前瞻產業研究院》報告，中國AI醫療市場規模從2019年的27億元快速增長至2023年的88億元，年複合增速達34%。預計中國AI醫療行業市場規模將會以超過25%的增速保持增長，2028年市場規模將接近300億元。

王越認爲，“人工智能+”這個概念提出來已經有一段時間了，《指引》對80多個場景的概括總結，其實也是在討論怎麼去應用AI在醫療行業的創新，以及如何進一步加速技術的落地從而提高診療的精準度和效率，這是非常有意義的。

而在醫患工作中，AI可以賦能醫生與患者的溝通，包括預問診在內的一些應用，都可以改善患者的就醫體驗，同時也提升了醫生的診療效率和質量，這對於終端用戶來說具有重要意義。

“再往大了說，《指引》也將推動整個醫療行業的數字化轉型，尤其是疫情之後，無論是企業還是普通民衆，對於線上的這種互動都越來越熟悉，醫療健康行業的數字化轉型能夠更加實現社會經濟的可持續發展。”王越說。

各類場景又該如何更好落地？王越表示，需要政產學研協同推進。政策起到了引導的作用，企業、高校和研究機構可以在政策所指出的大方向上積極配合，密切合作。從產學研的角度看，在技術的研發、人才的培養等方面需要多方共同參與，因爲AI是一個非常前沿的技術，只在任何一個相關方推動，都很難有全局的發展，因此需要大家一起推動技術的發展和落地。

“還可以建立相關試點，比如在一些地區或醫院開展試點項目，去驗證AI技術實際效果是否可複製，又是否可推廣。”王越表示，此外，行業標準、技術規範以及相關法律法規，可以確保技術使用的安全性和有效性，這些都是未來可以去推動落實的措施。

AI醫療的商業化也是業內關注的重點。在王越看來，AI醫療何時能真正跑通商業化需要分情況討論，因爲落地場景是全面開花的，而且也是細分不完的。在過去的實踐中，像醫學影像輔助診斷、疾病風險預測等其實已經有了可以跑通的商業模式。而像AI製藥，從藥物研發到臨牀試驗到上市再到跑通最後的商業化之路，其實非常漫長。

“需要根據真實的需求去評估現在的數據、技術以及最終的輸出，是否已經達到了整體可生產或可進入服務模式的狀態，要具體問題具體分析。我個人對AI醫療的商業化比較樂觀。”王越說。