從“看病難”到“全生命周期管理”：AI如何接棒？

　　隨著人口老齡化加速和慢性病患病率上升，“看病難，管健康更難”成為社會剛需痛點(diǎn)。

　　近年來，隨著人工智能的快速發(fā)展，尤其是今年初DeepSeek的出現(xiàn)，更是引發(fā)了公眾對人工智能技術(shù)如何破解醫(yī)療資源分布不均、個人健康管理缺失、分級診療體系不完善等難題的積極關(guān)注。6月26日，螞蟻集團(tuán)推出了新一代人工智能（下稱“AI”）醫(yī)療健康應(yīng)用“AQ”正式上線，具備智能體名醫(yī)問診、多模態(tài)識別、醫(yī)院服務(wù)、診斷參考等普及化功能。

　　就此，新京報新京智庫組織主題為“AI+醫(yī)療健康管理創(chuàng)新應(yīng)用研討會”。會議匯聚多位業(yè)內(nèi)專家，圍繞AI醫(yī)療的核心功能、差異化優(yōu)勢及典型應(yīng)用場景展開深度對話，為行業(yè)發(fā)展提供了前瞻性思考。

　　本次研討會不僅圍繞專業(yè)醫(yī)療大模型的構(gòu)建路徑、AI能否打造“活的健康檔案”以及慢病管理的智能化升級等核心問題展開系統(tǒng)分析，也對AQ進(jìn)行了集中探討。AQ憑借其問答專業(yè)性、多模態(tài)能力和服務(wù)連接力，已成為AI醫(yī)療最新的應(yīng)用代表案例。

　　專業(yè)化醫(yī)療AI：在試錯中尋找臨床真實(shí)力

　　清華大學(xué)第一附屬醫(yī)院重癥醫(yī)學(xué)科主任、教授，北京健康促進(jìn)會遠(yuǎn)程醫(yī)學(xué)專業(yè)委員會主任委員晁彥公從AI發(fā)展歷史脈絡(luò)切入，指出醫(yī)療AI真正進(jìn)入快速發(fā)展階段始于自然語言處理大模型技術(shù)在國內(nèi)的普及，尤其是在DeepSeek等大模型在中國普及應(yīng)用以后。

　　晁彥公認(rèn)為，AI在通識性醫(yī)療知識的提取與歸納方面已超出許多專業(yè)醫(yī)生的記憶范圍，成為幫助醫(yī)生補(bǔ)全知識盲點(diǎn)的重要工具。不過，晁彥公也強(qiáng)調(diào)，對于涉及具體病人管理等高度個性化和專業(yè)化的任務(wù)，目前AI依然難以提供精確指導(dǎo)。

　　以在醫(yī)院系統(tǒng)中，最復(fù)雜、最不容出錯的手術(shù)室場景為例，中國醫(yī)學(xué)科學(xué)院阜外醫(yī)院麻醉中心主任醫(yī)師張喆認(rèn)為，AI暫時難以勝任手術(shù)室內(nèi)的“秒級更新”和實(shí)時反饋需求。

　　張喆介紹，手術(shù)室一直是醫(yī)院中“監(jiān)測最密集、數(shù)據(jù)最豐富的環(huán)境之一”，每秒鐘都有大量生命體征數(shù)據(jù)從各類監(jiān)護(hù)設(shè)備中傳出，但“這些信息最終還是需要被醫(yī)護(hù)人工觀察，并根據(jù)醫(yī)生自身經(jīng)驗(yàn)調(diào)整用藥或相應(yīng)處理”，而這種人工管理“并不像外界想象的那樣縝密”。

　　因此，晁彥公也進(jìn)一步表示，醫(yī)學(xué)本身是一個不斷試錯的過程，AI所訓(xùn)練的知識體系是建立在過去臨床試錯基礎(chǔ)上的總結(jié)，因此AI的準(zhǔn)確性始終是“階段性正確”的集合體。正因如此，AI要想進(jìn)一步升級，必須圍繞“專家思維鏈-數(shù)據(jù)預(yù)標(biāo)記-驗(yàn)證集”的閉環(huán)系統(tǒng)展開，不斷滾動優(yōu)化。

　　張喆則強(qiáng)調(diào)，當(dāng)前許多通用模型“是先做出一個算法，再拉醫(yī)生來驗(yàn)收”，如果沒有醫(yī)生參與構(gòu)建過程，會導(dǎo)致這類大模型缺乏必要的參與機(jī)制與責(zé)任邊界，進(jìn)而導(dǎo)致難以在醫(yī)院真正落地。

　　正是基于對專業(yè)性、嚴(yán)謹(jǐn)性要求極高的醫(yī)療服務(wù)領(lǐng)域，AQ的產(chǎn)生不僅依托于螞蟻醫(yī)療大模型，背后同時有超百位醫(yī)生及其團(tuán)隊(duì)深度參與共創(chuàng)。來自同濟(jì)大學(xué)附屬東方醫(yī)院婦產(chǎn)科主任段濤、上海兒童醫(yī)院院長魯冰等20位頂級三甲醫(yī)院學(xué)科帶頭人擔(dān)任顧問團(tuán)，提供專業(yè)指導(dǎo)意見。

　　因此，在江蘇省昆山市第一人民醫(yī)院骨科主任醫(yī)師、質(zhì)量管理部主任（主持工作）陸軻看來，醫(yī)療模型與通用模型的最大區(qū)別在于其對“高精度、專業(yè)性”的極端依賴。“醫(yī)學(xué)屬于非常嚴(yán)謹(jǐn)?shù)膶W(xué)科，分為28個專科領(lǐng)域，每個領(lǐng)域都有獨(dú)立的術(shù)語、指南和倫理規(guī)范，通用模型難以勝任這類任務(wù)，專業(yè)模型才有機(jī)會?！?/p>

　　在討論專業(yè)醫(yī)療AI與通用大模型的差異時，應(yīng)急總醫(yī)院醫(yī)務(wù)處副處長、副主任醫(yī)師鄭山海明確指出，專業(yè)性的產(chǎn)品往往影響更大，特別是當(dāng)與衛(wèi)健委等權(quán)威機(jī)構(gòu)合作時。“當(dāng)衛(wèi)健委作為行政部門介入時，專業(yè)AI應(yīng)用或大模型的行為可能就會受到一定的監(jiān)管，應(yīng)該保證它能夠提供的服務(wù)，原則上講是有據(jù)可依的?！?/p>

　　螞蟻集團(tuán)推出了新一代人工智能醫(yī)療健康應(yīng)用“AQ”正式上線，具備智能體名醫(yī)問診、多模態(tài)識別、醫(yī)院服務(wù)、診斷參考等普及化功能。

　　健康管理新形態(tài)：不再靠記憶，而靠AI的洞察力

　　在談到構(gòu)建“活的”個人健康檔案時，專家們普遍認(rèn)為這是一個極具吸引力但落地困難的命題。

　　互聯(lián)網(wǎng)觀察家、知名人工智能評論員信海光指出，要實(shí)現(xiàn)實(shí)時感知、動態(tài)分析、風(fēng)險預(yù)警等功能，必須打通大量硬件設(shè)備，包括穿戴設(shè)備、醫(yī)院系統(tǒng)、互聯(lián)網(wǎng)連接等。“目前各類數(shù)據(jù)如醫(yī)院信息、保險記錄、可穿戴設(shè)備數(shù)據(jù)等仍處于‘信息孤島’狀態(tài)，并且格式并不統(tǒng)一，彼此分離?！?/p>

　　陸軻從醫(yī)療信息系統(tǒng)建設(shè)者角度，將落地難題劃分為三個層面：數(shù)據(jù)層面上，全國醫(yī)院使用的HIS系統(tǒng)不統(tǒng)一、標(biāo)準(zhǔn)不一，導(dǎo)致數(shù)據(jù)在醫(yī)院間難以互聯(lián)互通；算法層面上，目前的AI預(yù)測模型多為小模型且功能單一，難以實(shí)現(xiàn)多病種、多變量的整合預(yù)測；應(yīng)用層面上，能真正落地到患者端的應(yīng)用非常少，“我們連簡單的數(shù)據(jù)都拿不到，還談何預(yù)測？”

　　不過，值得注意的是，一些具有生態(tài)優(yōu)勢的平臺正在探索解決方案。以AQ為例，該產(chǎn)品依托支付寶醫(yī)療健康的龐大用戶基礎(chǔ)，提供健康科普、報告解讀、就診咨詢、健康檔案管理等超100項(xiàng)AI服務(wù)。更重要的是，AQ支持與魚躍、三諾、華為、蘋果等多種可穿戴設(shè)備、居家檢測設(shè)備打通，根據(jù)血糖、睡眠等多維度信息提供健康建議，為解決健康檔案碎片化問題提供了新思路。

　　而隨著中國社會老齡化加速，慢性病管理成為醫(yī)療系統(tǒng)的重要課題。陸軻指出，AI的加入為傳統(tǒng)的“全生命周期管理”理念帶來全新升級的機(jī)會。在數(shù)據(jù)整合與連續(xù)治療路徑輔助方面，以高血壓患者為例，過去多個科室之間的信息斷裂會導(dǎo)致治療計劃不連貫，而AI可通過統(tǒng)一平臺整理患者歷史用藥、治療效果與并發(fā)癥風(fēng)險，為醫(yī)生提供回顧與建議。

　　針對中國超過2.6億慢性病患者的管理需求，AQ則推出了一系列管理工具。比如健康檔案，用戶授權(quán)后，可以在AQ保管自己的健康檔案，AI輔助提醒用藥、定期復(fù)診檢查，以及健康狀況的分析。對于很多糖尿病患者，他們需要經(jīng)常進(jìn)行血糖測量，AQ也支持慢病患者常用的醫(yī)療設(shè)備打通，在健康檔案中做更全面的分析與健康建議。

　　醫(yī)療服務(wù)重塑：從基層賦能到分級診療加速

　　對于AI如何賦能基層醫(yī)療的問題，與會專家從不同的角度進(jìn)行探討。鄭山海對“醫(yī)療下沉”的概念進(jìn)行澄清。他認(rèn)為，當(dāng)前基層醫(yī)療服務(wù)的核心功能還未厘清。基層醫(yī)療更應(yīng)承擔(dān)“居民健康守門人”的角色?！罢嬲尼t(yī)療下沉主要是要在整個國家醫(yī)療投入、醫(yī)療人員安排上做到正常的金字塔結(jié)構(gòu)，如果我們還是60%、70%的人員在三級醫(yī)院，10%、20%的人員在社區(qū)醫(yī)療機(jī)構(gòu)的話，靠AI不叫把‘醫(yī)療下沉’，只是把某些醫(yī)療流程在基層得到提升”。

　　這也就凸顯了AI在教育和能力提升的重要性。晁彥公指出，中國醫(yī)生水平差異極大，“最好的醫(yī)院可能是世界領(lǐng)先”，而邊遠(yuǎn)地區(qū)或基層的醫(yī)生，無論是經(jīng)驗(yàn)、規(guī)范或是思維方式，則有著巨大的落差。所以，AI可以通過數(shù)字化工具和系統(tǒng)培訓(xùn)，提升基層醫(yī)生的信息分析能力與規(guī)范意識。

　　AQ不僅在醫(yī)學(xué)專業(yè)問答和健康科普上解決大眾需求，在醫(yī)療資源連接方面也連接大量真實(shí)的醫(yī)療服務(wù)資源。在AQ上，20萬真人醫(yī)生開通了在線問診服務(wù)，2名院士領(lǐng)銜了150余位名醫(yī)開通了名醫(yī)AI分身，7 X 24小時為用戶提供醫(yī)療陪伴。

　　除此之外，陸軻表示，AI在基層醫(yī)療可以聚焦邊緣場景，包括結(jié)構(gòu)化建檔、疾病篩查前置、可視化輔助診斷等，尤其在影像領(lǐng)域如肺結(jié)節(jié)識別等，AI可輔助基層醫(yī)生讀片。

　　在討論AI是否能成為分級診療加速器時，陸軻認(rèn)為，雖然AI能提升分級診療效率，但無法解決“真正讓病人安心在社區(qū)”的根本信任問題。“社區(qū)有AI，三甲醫(yī)院也有AI，病人仍會選擇大醫(yī)院。”這背后牽涉的是政策、醫(yī)保支付、人才培養(yǎng)等多重因素。

　　不過，展望AI醫(yī)療的未來發(fā)展，晁彥公還是表達(dá)了審慎樂觀的態(tài)度：“未來已來，但過程可能仍然很曲折，甚至可能面臨失敗，回到原點(diǎn)。不過，我相信此‘原點(diǎn)’一定不是彼‘原點(diǎn)’，在新的認(rèn)知條件下，此‘原點(diǎn)’會成為變革的新起點(diǎn)?！?/p>

（文章來源：新京報）

(原標(biāo)題：從“看病難”到“全生命周期管理”：AI如何接棒？)

(責(zé)任編輯：43)