AI继续狂飙。几乎所有人都曾沉浸于多模态、大模型等概念带来的狂喜或惊讶中。但当前，如何将AI嫁接到行业内部，如何利用AI产生真正的能效等，成为热议话题。
具体到应用层面，技术为先、场景为重是基本的逻辑。相较于‘AI+医疗’，我觉得更多的是‘医疗+AI’。我们的角色是赋能者，服务患、医、药。
近日举行的百度健康产业生态大会上，谈及自身定位，百度大健康事业群组总裁何明科数次强调赋能。基于何种场景赋能？围绕以患者就医旅程为主路径，渗透医患药各环节的策略，百度健康目前已形成五大产品：
灵医开放平台将面向医疗服务提供API1000万token的免费额度。据悉，在纯ToB场景，百度健康已形成5大核心API+3大产品套件+Ν个基础API的能力集合，行业付费客户累计超过100家，助力企业经营提质、增效、降本。
而在院端，如何打破患者与院端信息差、提升医疗资源利用效率，历来是医疗AI企业都试图解决的问题。华中科技大学同济医学院附属协和医院门诊办公室副主任谭捷介绍，借助百度大健康AI产品，目前武汉协和医院已在分导诊、加号、候诊三个环节探索智慧化方案。
以加号为例，针对专家号紧俏难挂且实践中存在医患不匹配的现象，百度健康通过病情收集、病例整理、AI预审和医生复核的加号流程，为患者开通应急预约通道，匹配擅长对应疾病的专家。据院方统计，上线75天内，AI智能加号共计审核5478人的加号申请，通过人次755人，专家审核通过720人，这意味着其审核准确率高达95%以上。
压缩医生在书写病历等重复性工作上的时间支出，则是目前百度健康在AI医生助手模块推进的工作之一。基于大模型辅助医生提升书写效率，从实际的反馈来看是受欢迎的，能将医生花费的时间从1个多小时降低到20分钟左右。
百度大健康事业群组策略研发部及AI产业部总经理黄海峰介绍，为了保证内容的严谨性，每一段输出内容都会有相关的溯源标注，告诉他是来自哪个单据。
大模型在具体领域运用的深度很大程度上取决于其对数据的获取、发掘，而医院众多不同科室的现实情况又对此提出了新的挑战。黄海峰表示，百度健康将逐步实现从公有云到私有化、专门化的迭代，应用场景大体遵循从由简到繁、由通用到具体的逻辑逐步推进。
具体到较受瞩目的临床应用，目前百度还在筛选具体场景的阶段，因为投入确实会比较重。黄海峰介绍，一方面，针对不同临床场景开展的工作复用性较差，例如做肺部手术导航和做口腔建模就涉及两种完全不同的需求。另一方面，如果要开展具体的临床诊疗，现阶段的病例数据也并不足够，尚需继续收集、发掘。
让AI真正在临床场景发挥活力，医生是必不可少的一环。上海仁济医院泌尿科主治医师迟辰斐认为，医生应该卸掉高墙，学会跟大模型合作，不吝啬于把自己的知识告诉企业。
承认AI巨大潜力的同时，迟辰斐也结合自己的医疗实践和观察提出了一些冷思考，结合他参与的多次AI测评的实际情况来看，在面对一些需要判断力的开放性问题时，AI的能力远在医生之下。因此，建立更科学、与现实拟合程度更高的测评环境也尤为关键。
大模型到底能不能看病，不是现在测评中这些选择题和科普性的Q&A说了算，迟辰斐指出，医生怎么看病、多轮问诊怎么进行、怎么采集患者数据、进行推导、给出诊疗建议，需要基于医患交互的自然语言生成的真实场景，把这些东西结合进去，做成一个真正的测评体系。
正如何明科所讲的那样，大模型让我们手里的‘子弹’更多了。但如何找到痛点、瞄准子弹，真正实现对医药大健康领域全面、深度的赋能，仍然需要更多路径层面的探索。
```8月15日，科技部发布了《关于支持建设新一代人工智能示范应用场景的通知》，其中明确了首批人工智能示范应用的10大场景。 《通知》旨在遵循此前科技部等六部门联合印发的《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，通过人工智能技术赋能经济社会发展，形成一批可复制、可推广的示范应用场景。 （详情参见此前报道《20CM涨停！百万亿风口来了？六部门出手，打造人工智能重大场景！》）《意见》中规划的四大人工智能重大场景中，培育高端高效智能经济场景和建设安全便捷智能社会场景成为《通知》中10项试点场景的主要应用方向。 具体应用场景包括：1. 高端高效智能经济培育场景： - 智能工厂：针对流程制造业和离散制造业的生产调度、参数控制、设备健康管理等关键业务环节，运用工厂数字孪生、智能控制、优化决策等技术，实现生产过程智能决策、柔性化制造、设备能耗优化、智能诊断与维护等。 - 智慧农场：针对水稻、玉米、小麦、棉花等农作物生产过程，运用农业智能化装备关键技术，构建农田土壤变化自适应感知、农机行为控制、群体实时协作、智慧农场大脑等规模化作业典型场景。 - 智能矿山：针对我国矿山高质量安全发展需求，运用人工智能、5G通信等技术，建成井工矿数字网联、无人操作、智能巡视、远程干预的常态化运行示范采掘工作面。 - 智慧家居：针对家庭生活中的家电、饮食、陪护、健康管理等需求，运用云侧智能决策、场景引擎、自适应感知等技术，实现主动提醒、智能推荐、健康管理、智慧零操作等综合示范应用。 - 智能供应链：针对智能仓储、配送、冷链运输等关键环节，运用人机交互、物流机械臂控制、反向定制、需求预测与售后追踪等技术，构建智能、高效、协同的供应链体系。 2. 安全便捷智能社会建设场景： - 智能港口：运用智能化码头机械、数字孪生集成生产时空管控系统等技术，开展船舶自动配载、自动作业路径及泊位计划优化等场景应用。 - 智能诊疗：针对常见病、慢性病、多发病等诊疗需求，运用医疗数据库知识库构建、大规模医疗人工智能模型训练等技术，建立人工智能赋能医疗服务新模式。 - 智能教育：运用学习认知状态感知、无感知异地授课的智慧学习和智慧教室等技术，构建虚实融合与跨平台支撑的智能教育基础环境。 - 自动驾驶：针对自动驾驶从特定道路向常规道路拓展需求，运用车端与路端传感器融合的高准确环境感知、车路云一体化的协同决策与控制等技术。 - 智慧法院：运用非结构化文本语义理解、裁判说理分析推理、风险智能识别等技术，加强智能化场景的应用示范。 人工智能应用潜力巨大，市场规模有待进一步开发。 海比研究院报告显示，2022年中国AI企业应用市场规模保持高增长趋势，总体市场规模达到1.87万亿元，复合增长率达到31.5%。 自动驾驶、智能诊疗和智能影像等领域均展现出巨大的发展潜力。 随着相关政策体系的完善和技术的进步，人工智能在经济社会各领域的应用将更加广泛，市场规模有望进一步扩大。
19世纪，英国流行病学家、麻醉学家约翰·斯诺运用近代早期的数据科学，记录每天的死亡人数和伤患 人数，并将死亡者的地址标注在地图上，绘制了伦敦霍乱爆发的“群聚”地图，霍乱在过去被普遍认为是由有害空气导致，斯诺通过调查数据的汇总，确定了霍乱的元凶是被污 染的公共水井，并同时奠定了疾病细菌理论的基础，这算是大数据运用的早期雏形之一。
斯诺大概不会想到，在近两百年后，大数据的应用早已不再是偶然，随着医疗卫生信息化的迅速发展，其通过与AI的结合在生物医药研发、疾病管理、公共卫生和 健康 管理等方面的渗透已逐渐常态化，但问题也相应地随之凸显。
信息孤岛仍存
近两年，关于医疗大 健康 数据的政策频出，从顶层设计、具体规划指导、数 据隐私和安全、数据管理等多个方面提出了相关的指导意见。
2016年6月，国务院办公厅下发《关于促进和规范 健康 医疗大数据应用发展的指导意见》指出，鼓励各类医疗卫生机构推进 健康 医疗大数据采集、存储，加强应用支撑和运维技术保障，打通数据资源共享通道，加快建设和完善以居民电子 健康 档案、电子病历、电子处方等为核心的基础数据库。
2018年9月， 国家卫生 健康 委印发《国家 健康 医疗大数据标准、安全和服务管理办法（试行）》，对医疗 健康 大数据行业从规范管理和开发利用的角度出发进行规范。 《办法》从医疗大数据标准、医 疗大数据安全、医疗大数据服务、医疗大数据监督四个方面提出指导意见，直击目前医疗大数 据领域的痛点，未来对数据的统筹标准管理、落实安全责任、规范数据服务和管理具有重要意义。
然而，即使有专项政策的支持，但都限于宏观层面，相较于其他成熟领域而言， 健康 医疗大数据领域的法律法规依然存在明显的滞后性，缺乏比较全面、细致、明确的指引和规则，使其的发展受到严重制约。 虽然现阶段，已有很多企业在医疗大数据领域进行深耕布局，但受制于市场准入和产业政策的不确定性，目前尚在摸着石头过河，市场热情和活力并未得到充分、有效地释放。
复旦大学上海医学院生物医学研究院教授刘雷认为，正是医疗大数据政策的不明朗，标准的不统一，也直接导致了各个系统之间难以进行数据交换和信息共享，产生了大量的“信息孤岛”。 举个简单的例子，患者在A医院拍的片子到了B医院却不认，B医院的医生想要了解患者的信息则需要从零开始，患者曾在A医院做的检查需要在B医院重新再来一轮，“想要打通医疗机构间临床大数据资源的共享通道，至少在现阶段是一件挺困难的事情。 ”刘雷表示。
相似的困扰也发生在相距超过一万公里之外的美国，华盛顿大学医学院信息研究所所长Philip Paynes在接受医谷采访时表示：临床大数据间的彼此“孤立”给国家医保机构、患者和医院都带来了负担，实现大数据间的互通互用，是全世界范围内都在着力解决的问题。
作为两所顶尖大学的知名研究学者，刘雷和Paynes想在临床大数据领域做一些努力和尝试。
两人共有的想法迅速得到了学校层面的大力支持，2019年7月26-29日，由复旦大学医学院和圣路易斯华盛顿大学医学院联合授课的“应用临床信息学和数据分析研修班”进行了第一次开班。
复旦大学生物医学研究院教授、复旦大学大数据研究院医学信息与医学影像智能诊断研究所所长刘雷授课
据刘雷介绍，此次研修班得到了业界人士的积极响应，在第一届学员中，来自医院、医疗企业、高校各占了三分之一，“就是纯粹地想把对临床大数据分析和感兴趣的业界人士聚集在一起，通过共有的努力，能把临床大数据的有效运用更推进一步。”
圣路易斯华盛顿大学医学院信息学研究所主任Philip Paynes授课
“希望通过这种国际化的合作，能让临床大数据在医疗机构间甚至跨国间真正地’跑’起来多一种可能性。 ” Paynes说道。
各自所做的 探索
而在这种可能性之前，刘雷和Paynes各自所在的研究机构均已做了大量的工作。
据悉，刘雷所在的复旦大学上海医学院生物医学研究作为一家致力于创建“中国第一、世界一流的生物医学交叉学术研究机构”，已经在生物医学交叉学科领域形成“代谢与肿瘤的分子细胞生物学”、“医学表观遗传学”、“系统生物医学”三个优势方向，并正在努力拓展转化医学研究和精准医学研究，包括老年医学、肿瘤和心血管疾病、出生缺陷、靶点结构与活性小分子、组学和大数据、生物治疗与干预，形成新的交叉学科生长点和下游技术。
另悉，目前，复旦大学上海医学院生物医学研究还在申请一个超算中心的建设项目，以该项目来支撑生物学大数据的研究，“复旦大学有包括中山医院、华山医院、仁济医院等17所附属教学医院，这其中有一些医院也在做自身的临床大数据中心，从研究所层面，希望能够给他们提供一些人才培养和技术研究的有力支持。 ”刘雷表示。
Paynes所在的华盛顿大学医学院信息研究所则是华盛顿大学所有大数据计划的中心， “我们拥有世界上最好的基因组研究所和最具生产力和影响力的基础科学研究企业”，在医学信息技术方面的能力非常强，但在大数据的整合方面还有待加强。 ”而这也成了Paynes担任华盛顿大学医学院信息研究所第一届所长之后重点开展的工作。
自Paynes上任后，首先将研究所与旗下15所附属教学医院进行了打通联动，从临床大数据的收集到整合再到挖掘，最后到应用，铺设了一条全链式的临床大数据之路。
在Paynes看来：研究所下属的15所教学医院简直就是大数据来源的宝藏，这15家在全美医疗机构中排名比较靠前的医院每天产生大量的临床数据，依托这些已有的临床数据的回顾性研究，是分析研究疾病最基本、最重要的研究方法之一，通过将这些海量的临床数据进行统计分析，分析的结果又将反过来为医生临床诊疗全过程提供疾病共享的发病及治疗总体情况信息，帮助医生科学决策，实现精准医疗。
“我们的梦想是不仅仅是利用临床大数据帮助患者，而是希望这些临床大数能渗透到他们的生活和工作，甚至休闲 娱乐 ，通过大数据的分析能够把他们患病的概率降到最低，让人们能一直保持 健康 的状态。 ” Paynes对医谷展望道。
未来发展构想
在刘雷、Paynes和其团队所做的大量临床数据整合的工作中，由于各自旗下拥有多所强大的教学医院，数据的来源已不是问题，然而，摆在他们面前更为现实的问题有两个，一是要解决多模态临床大数据的选择问题。 临床大数据来源多样，是一种多模态数据，其包括有结构化很好的数据，比如化验单、处方；还有一些半结构化的数据，比如住院小结、出院小结；还有完全无结构化的数据，比如医疗影像；还有像基因测序这样的组学数据；以及时间序列数据，比如ICU里会看到患者插着各种各样的仪器测量血压心率脉搏等各种流数据。
怎样从这些不同模态的数据里面选出需要的数据，刘雷表示他们，他们需要的更多的是结构化很好的临床数据，为了得到这部分数据，会通过一定的技术平台会对数据进行一定的清洗，从中选取高质量的有效数据。
这个问题解决后，还有一个临床大数据一直以来绕不开的一个争议--安全和隐私问题。
对此，刘雷表示，依托现有的技术，目前收集的临床大数据基本都能做到“不出院”，这在一定程度程度上很好地保证了数据的安全性。 Paynes也指出，美国对于医疗大数据有很严密的保护法规，患者的关键隐私数据，如姓名、住址、电话、身份证号等进入数据管理的时候必须要打马赛克，同时对数据进行强加密，数据即使被泄露也是不可解密的，对所有的数据访问（谁什么时间能访问什么）都要有一套严格的访问控制，通过这样的方式来保证数据安全性。
当技术的问题已不再是问题， 这意味着临床大数据和AI的结合会变得更为完美，因此，刘雷和Paynes更多希望监管层能在未来对基于大数据训练的AI能进行更多关于有效性和安全性方面的评估，也就是审批准入要做到严，同时，还要加强公众对医疗AI的认知，不管AI发展到多么先进的程度，总归存在一定的局限性，它永远不可能替代医生，只能是医生的一种辅助诊断工具。
尽管还有一段路要走，但对于临床大数据和AI的搭配，刘雷和Paynes都充满信心，至少在他们现有开展工作的规划里，“应用临床信息学和数据分析研修班”能最终逐步发展为一个硕士人才培养项目，为临床大数据和人工智能培养更多专业人才。 同时，基于两个研究机构现阶段开展的工作，有天能实现跨国界的汇聚统一，可以把所有的临床大数据统一在同一个模型上，建立一个类似于联盟数据一样的联合体，这对于数据的整合和应用就会变得游刃有余。
这些人工智能无论是从技术层面还是经济方面，甚至是整个人类的医疗方式都会带来巨大的进步。 在技术层面，这些人工智能可以代替更多的医生，使那些面临着繁重工作任务的医生得以解脱，也能够增大手术的成功率。 当然这是建立在优秀的人工智能基础之上的，另外在一些症状判断上，它们也要更科学一些。 人工智能是具有极强的学习能力的，这比人类医生师徒传承所花的时间要短得多，也就能够在某种程度上拯救更多的病人。
而一旦人工智能在医疗领域大展身手了，整个医疗成本也会快速下降，对于那些没钱做手术，没钱吃药的家庭将是一大福音。 这无疑将给他们减少巨大的经济支出，帮助那些穷人获得好的医疗帮助。 而且人工智能的出现，也能够弥补那些偏远地区没有人类一生的问题。
同时这也将是人类医疗技术的一次革命，也许某一天人工智能的普及可以使那些科幻片中的医疗技术得以实现，向人类躺进一个箱子当中，就可以完成疾病的诊断以及治疗全过程。 这极大的缩短了整个医疗时间，让人们能够更多的享受生活，而不是在病床上度过余生。
这些人工智能也将从传统的医疗手段当中解脱出来，很多时候可以采用一些纳米机器人之类的直接进入人体内进行医疗救治，这样病人就不用承受太大的痛苦。 人类总是对于未知的科技感到恐惧，这也是情有可原的，不过人类始终是要进步的，至于这种技术最终结果如何，还是要看人类自身怎样去运用。
