21世纪经济报道记者季媛媛 上海报道 近年来，我国已逐步把数字中国、数字化应用转化融入“十四五”规划，加速推动“普惠民生”为核心的数字医疗，打造以患者为中心的医疗卫生体系，助力传统医疗行业从量变到质变的转型升级，实现更精准、更智能的数字医疗服务模式。
我国人工智能医疗产业发展势头迅猛，人工智能医疗产业生态已经基本形成，如此，AI+医疗如何在医学影像诊断、辅助治疗等领域实现更广泛的应用也成为重要话题。
(资料图)
在2023世界人工智能大会（WAIC）上，GE医疗中国首席技术官孙旭光对21世纪经济报道表示，一直以来，我们都是以临床需求为牵引，推动人工智能技术与行业场景走向深度融合，尤其是推动诊疗一体化进程加速的创新技术。例如，此次展出的乳腺超声动态实时智能分析系统，就是对动态超声影像进行一个AI赋能。至于为何要对超声进行赋能，也是从两方面因素考虑：
一方面，超声检查相较于CT、MR检查更具实时性，更有利于图像的动态观察以及实时动态对比。但该检查高度依赖医生经验和手法的检查手段，不同的操作者、不同的超声医生针对同一个患者，可能会得出不同的结论。而AI技术的赋能医疗，不仅可以对医疗资源形成有效补充，帮助医生缩短学习曲线，更可以为更多复杂疾病的诊疗提供依据，进而更好更快地服务病患；另一方面，将乳腺超声动态实时智能分析系统加载在全身超声系列产品中，可以极大地增强全身超声设备在乳腺疾病诊断领域的应用能力，有效提升基层医疗服务效率和诊断水平、提升优质医疗资源可及性。
“我们可以看到，医疗AI在基层其实还是有很广阔的应用空间。当然大三甲医院，他们对于影像AI也是有需求的，比如科研的需求、上下级联动的培训需求等，需要各方去打通环节壁垒。”孙旭光说。
医学AI被认为是人工智能应用中最有可能率先实现商业化的细分领域。在“政产学研用”的多方努力下，智能时代正加速到来，以人工智能为代表的新兴技术正在推动我国经济高质量发展，并成为建设创新型国家的重要技术支撑，医疗行业也正在进入数智化的爆发期。
基于此，眼下多方产业资本纷纷入局，以推动AI技术在医疗行业的应用。据中商产业研究院统计，2020 年AI+医疗已占人工智能市场的 18.9%。另据IDC统计数据，到2025年人工智能应用市场总值将达1270亿美元，其中医疗行业将占市场规模的五分之一。从基础层到应用层，医疗AI广阔市场大有所为。
随着人工智能AI在医疗领域的深入应用，药物研发与医学影像等细分市场呈现出强劲的增长态势。另据行业咨询机构数据统计，2020年中国医疗AI市场规模已达到66.25亿元，结合AI辅助新药研发和AI助力肿瘤诊疗等市场赛道估算，预计2020-2025年复合年增长率（CAGR）为39.4%，2025年将突破300亿元。
孙旭光指出，AI已经从原来聚焦影像增强、辅助诊断，不断拓宽实践路径，进入到超声诊断领域，实现了从静态再到动态，以及智慧手术室的广泛应用，这也是诊疗一体化的路径。与此同时，AI的运用是走向开放包容的生态，不是单打独斗的过程，这也要求AI企业布局者需要与更多的生态合作伙伴、更多的创新企业加强合作，打通生态合作的全路径。
“有了这个生态以后，我们可以比较直观地看到两方面的价值。”孙旭光说，一方面，临床价值。例如，两年前在影像科多领域AI应用下，GE医疗推出“爱迪生魔盒”统一接口，随着爱迪生生态的不断扩容，越来越多的人工智能技术与行业场景走向深度融合，加速诊疗一体化能力建设，助力临床端到端智慧发展，让医疗服务更高效、更灵活、更具互操作性。
另一方面，行业价值。“爱迪生魔盒”推出后也带动一批“专精特新”的中小企业发展，助力他们成长，加速数字医疗落地，让医疗创新生态繁荣发展，更好的服务中国百姓。目前，爱迪生数字医疗生态已引入36家合作伙伴，相较于最初的爱迪生数字医疗智能平台，如今的爱迪生生态主要变化在三方面：一是扩充了AI人工智能公司合作数量和应用领域：从10家人工智能科创企业到36家数字医疗创新合作伙伴，进一步扩展辅助筛查在身体更多部位的应用；
二是打通患者诊疗路径。从CT、MR等医学影像增强、AI辅助诊断延伸到超声AI再到基于影像的智慧手术室应用，加速诊疗一体化能力建设，助力临床端到端智慧发展，更好的服务中国百姓；
三是合作模式的创新也将赋能生态伙伴发展。相较于传统的供给模式，将更注重与合作伙伴的共研共创，以协同创新深化数字医疗产业发展，解决医患诊疗过程种遇到的重重困难，满足患者对更便捷、更可及、更优质医疗服务的需求。
“从医疗AI的角度来看，AI在临床的落地和应用是商业化最好的体现。无论是从CT、核磁，影像增强、辅助诊断方面，还是从动态AI在超声领域的应用，我们在做一些操作的标准化流程，使得精度更高，比如说，这次在WAIC展出的乳腺超声动态实时智能分析系统，在乳腺筛查方面表现突出，以超声动态AI作为技术支撑，相较于传统乳腺筛查和报告速度提升15%，检测全面性提升3-5%，准确率提高8%。目前，这款产品已在全国400余家医疗卫生机构落地使用。”孙旭光说。
AI+医疗不是闭门造车，‘造’出来的东西需要投入临床使用，如果医生觉得根本没有解决临床问题，或者产品对临床的理解不深入则毫无意义。
在当前，AI技术只能被认为是一个很好的辅助手段，不能完全取代医生，而是作为医生的助手、医院的助手、设备厂商的助手、患者自我管理体系的助手以及医疗支付体系的助手，可以更好的提高优质医疗资源的可及性，最大化的保障医疗服务的公平性，推动医疗体系向更智能、更简单、更具协同性的方向迈进。
正如《2023创想健康新未来调研报告》指出，通过多个医疗设备和软件系统收集的患者数据仍无法实现无缝融合。临床医生在分别收集数据和分析数据的过程中消耗了很多时间精力，因此产生职业倦怠，并导致工作流程效率低下。这也要求推动医疗行业逐步向智能互联的技术生态系统过渡，而任何制造商或操作系统的医疗技术都可以使用，不会受到组织边界的限制。这将有助于临床医生实时获取并分析患者数据人工智能将帮助临床医生改善工作流，更快做出更明智的临床决策。
这也是由于，当前中医疗系统面临从业人员过度疲劳、医疗系统缺乏技术互操作性、新技术新能力学习和医疗服务可及性不足等严峻挑战。这些挑战不仅增加了医护人员的工作量和时间成本，还可能导致信息不连贯、协作效率低下等问题。而这些挑战，都是呼吁要实现一个整合高效的医疗系统。而数字技术就将在这个过程中就将起到很关键的串联作用。
而在上述报告中，也有超过76%的受访中国医生认为，人工智能能够帮助他在临床决策当中给他增强信心，认为AI是值得去信赖的，这个数据在全球平均只有61%。如此也意味着，中国的医院和医生普遍对人工智能的接受度信任程度要更高。
不过，虽然AI+医疗商业化落地加速，但仍面临困境，需要突破诸多门槛。清华大学电子工程系长聘教授、系主任、IEEE Fellow汪玉在2023世界人工智能大会上也指出，当前正处在从人工智能1.0的专用小模型时代过渡到人工智能2.0的通用大模型时代，在人工智能2.0时代需要大模型中间层——依靠软硬件协同设计助力解决四方面的痛点：
一是支持长文本输入，让用户用得更好，如从支持2k token的快速推理和训练到支持32k token，解决好专业长文本信息的检索生成，和会议聊天助手等应用；
二是提升性价比，把语言或多模态生成模型部署到消费级显卡甚至手机等终端设备上，让用户用得起；
三是垂直领域适配，用大模型的通用能力帮助到各行各业的人们提升体验和工作效率；
四是一站式部署，让大模型能够以低人力成本地部署到各种场景，让每个工厂、学校、家庭、甚至个人都能感受到大模型的便利。
在商业应用落地层面，孙旭光指出，影像AI的商业化不是一个单打独斗的过程，关键是加强产学研合作，推动更多的AI创新成果从“实验室”走进“应用场”，建立可持续的商业模式。
“我们正利用自己在行业当中深耕多年的经验，通过构建爱迪生生态和‘创中心’，为这些专精特新小巨人企业提供帮助，让小巨人企业拥有持续造血能力，让这个生态蓬勃发展下去。所以，这不是一个虚的说法，更多还是我们踏踏实实的做一些实事。”孙旭光说。
关键词：
