【陈金雄专栏】ChatGPT冲击下，未来医疗将会怎么样？

来源：HIT专家网      作者：陈金雄

科技发展日新月异，最近十年基本每年都会遇到几个“热词”。但ChatGPT的横空出世，还是带给了我们很大的认知冲击。仅仅两个月，ChatGPT的月活用户已突破1亿，成为史上增长最快的消费者应用；GPT-4的发布更是引起轰动，对比3.5版本，4.0版本采用多模态，更加聪明。

人工智能可以分为“弱人工智能”（体现某种智能行为）和“强人工智能”（需要弄清楚智能原理），还可以分为“专用人工智能”（程序A用来下棋，程序B用来驾驶等）和“通用人工智能”（既可以用来下棋，也可以驾驶）。此前的人工智能进展，主要表现在“专用弱人工智能”上，“通用弱人工智能”和“强人工智能”几乎没有革命性的突破。而ChatGPT的出现，颠覆了我们的固有认知。

ChatGPT和GPT-4的成功出圈，意味着人工智能进入大模型新时代（以下简称GPT-AI），多模态AI通用化成为未来趋势。微软创始人比尔盖茨认为“ChatGPT的诞生不亚于互联网和个人电脑的诞生”，微软CEO萨蒂亚纳德拉认为“这项技术将重塑几乎所有软件甚至是整个互联网”。“红衣教主”周鸿祎认为，ChatGPT实际上是一场工业革命级的巨大进步，阿里巴巴董事长张勇认为所有行业都值得用人工智能重做一遍。

现在的大模型不仅仅只有ChatGPT和GPT-4，国内国际大型厂商纷纷推出各自的大模型，比如谷歌的“PaLM”、百度的“文心一言”、阿里的“通义千问”、腾讯的“混元”以及华为的“盘古”等。

GPT-AI到底对医疗、对医院会带来哪些影响？医生应如何应对这一挑战？作为问世不久的新生事物，GPT-AI发展很快，在此我只能提供一点个人的思路和看法，仅供参考。

GPT-AI在医疗行业的主要应用和挑战

聚焦医疗领域，GPT-AI在如下几个方向的应用值得关注：

首先是辅助临床决策，在报告解读、病历质控、辅助诊断、知识问答等方面帮助医生提高效率。资料显示：一项利用45个病例对ChatGPT诊断疾病的表现进行评估的研究结果发现，ChatGPT能对39个病例做出正确诊断（准确率达87%），远高于以前的症状检测工具。

据微软研发和孵化中心副总Peter Lee介绍，GPT-4经过专业医疗数据训练后，可以根据自己整理的患者症状将可能的疾病及相关的诊疗方法排序，成为医生决策的强力助手。因此，有专家认为CDSS是ChatGPT有效落地的路径。

其次是赋能医院的智能导诊、自动预约、智能客服等服务，减轻就医导诊压力。有公开报道显示：上海交通大学医学院附属仁济医院互联网医院的智能客服基于某互联网公司开发的AI模糊算法，针对就医导诊问题的回答准确率达94%以上，极大地促进互联网医疗效率的提升。GPT-AI能够获取多模态患者信息，从而能够更高效精准赋能医院的智能导诊、自动预约、智能客服等服务。

第三是助力患者全生命周期管理。AI临床应用结合大数据，将会极大延伸医疗服务“上下游”，实现全生命周期管理。GPT-AI在慢病管理、疾病筛查、患者随访、健康风险评估等领域都将有所作为。

通过对话机器人，GPT-AI可以实现在线医疗咨询以及个性化的医疗建议。根据患者的健康状况，实现个性化的健康指导与提醒，提高患者用药治疗的依从性。

第四是赋能临床科研领域。医学研究需要大量的文献资料，GPT-AI可以自动化地处理和分析这些文献资料，提取出有价值的信息，并生成新的研究思路和方向。同时，GPT-AI还可以辅助研究人员进行药物设计和筛选，大大加快新药研发的进程。

2023年1月23日，加州一家公司利用大语言模型“Progen”合成了自然界不存在的新鸡蛋白，为GPT-AI未来在药物研发应用方向提供思路，即读取不同氨基酸序列，合成新型蛋白质。

还有重要的一点是为医疗信息化建设提供新思路。由于GPT-AI改变了人机交互模式，将知识调用方式由关键词转为自然语言，大大提高了调用方式的自然度（如表1所示），这将有助于提升医院信息系统在信息录入、知识推荐等方面用户体验度的大幅提升；同时推动“专用人工智能”转化为“通用人工智能”，这也为医疗信息系统的功能融合提供了技术基础，有助于改变当前医疗AI工具零散分布的局面。

表1 不同技术的知识调用方式

3月20日，微软旗下公司Nuance发布新AI临床笔记软件Dragon Ambient eXperience(DAX)，该软件能在几秒内自动生成临床笔记草稿。老款的临床笔记软件将就诊口述转录为临床记录，必须通过人工审核后进入病历，才能确保其准确和高质量，全程下来需要4小时。相比之下，DAX Express可在几秒钟内生成临床记录，以便医生立即查看患者就诊的自动摘要。

4月17日，医疗软件公司Epic在芝加哥举行的HIMSS会议上发表声明称，它正在将GTP-4等OpenAI LP服务整合到其电子医疗记录中，以帮助医护人员回复患者信息和分析医疗记录。

微软AI平台公司副总裁Eric Boyd表示：“GPT-4可以自动化解决复杂的工作流程，更有效地从医疗记录收集反馈，帮助医生进行更明智的决策并提供更个性化的帮助，比如，GPT-4可以为Epic的数据探索工具SlicerDicer带来自然语言查询和数据分析功能。有了它，医生将能够以更直观的、对话的方式探索数据。”

当然，目前的应用都是基于现有认知，还有无限的应用是现阶段无法想象的。不过，GPT-AI想要在医疗这个特殊领域获得发展，也面临着巨大挑战。

首先是数据方面的障碍。医疗数据涉及隐私与权益，不像其他领域数据那样易于获取，开放和共享是一个世界性难题，这制约了AI模型的训练与优化，使其难以达到需要的精度水平。ChatGPT目前仅采集到2021年9月的数据，未来如何获取海量的医疗数据进行训练仍是巨大挑战。

除了数据获取方面，数据安全方面同样是巨大的挑战。由于对算力的巨大要求，GPT-AI技术采用云端存储，一方面存在数据泄露等风险；另一方面面临网络和黑客攻击等隐患。据报道，三星半导体部门开始允许工程师使用ChatGPT后不久，员工就至少三次泄露机密信息。

其次是成本挑战。GPT-AI技术的开展需要巨大的算力支撑，部署成本高昂；电力消耗非常大，据称每训练一次就要消耗90万度电；人力成本也不容忽视，人工智能依然还是“人工的智能”，需要大量数据标注师，医学要求更高。

第三是医学伦理、医学人文挑战。患者隐私是否可以得到妥善的保护？如何体现医学伦理？如何展示医学人文？

第四是法律和监管的挑战。医疗AI需要面临复杂的法律法规要求，这使其商业化应用进度受限，研究机构与企业难以判断某些应用是否会触及监管红线。尽管GPT-AI刚刚推出，国家网信办就快速颁布《生成式人工智能服务管理办法》（征求意见稿），加强对GPT-AI的监管，这是以往其他技术出现后很少见到的。

第五是适用性的挑战。医疗AI还需要考虑不同的区域医疗政策。GPT推荐的治疗方案是否适用？是否符合当地的药品管制规定不同？在美国训练的数据模型拿到中国来未必适用，国内各地的医保政策也各不相同。

GPT–AI推动医学发展模式发生变化

我曾画过一张图（图1）来表示我对临床工作原理的认识：临床诊疗是知识驱动与数据驱动相结合的。回望医学发展史，西医是循证医学，以知识驱动为主；中医是经验医学，以数据驱动为主。

个人认为，未来GPT-AI主要会影响以中医为代表的经验型工作和以内科医生代表的诊断型工作，而以外科医生、护士、治疗师为代表的动手型工作受到的影响将相对较小。

在GPT-AI的影响下，我大胆畅想了未来的医学发展模式：西医将从以知识驱动为主转为以数据驱动为主；通过AI进行经验总结，以数据驱动为主的中医将迎来难得的发展机遇；外科将面临更好的发展机会，内科则将面临更大的挑战。

从哲学层面来思考GPT-AI的影响：人类未来将更多提供创造性的知识，机器则更多执行人类提供的知识。在微观层面，个体要如何才能跑得赢机器？单纯提供标准化服务的人容易被淘汰，有创造和创新能力的人才能站稳脚跟。所以人要努力成为创造者、连接者、领导者，具备危机意识、创新意识、数据意识，完成“从术到道”的升华与跃迁。

展望未来医疗，智能化的脚步越来越近，而且一旦突破，就不会逆转。医疗的特点是人命关天，过程不可逆，GPT-AI在医疗领域的应用会相对延后，但不会缺席。所以我们要积极拥抱，冷静思考。

作为医疗从业者，我们要始终认清医疗的本质一定还是医生对患者的诊疗行为，GPT-AI可以通过对大量医学文献和病历信息进行学习和分析，提供一些辅助医疗服务的功能，并不能完全替代医生的工作。尽管AI不会取代医生，但不能忽视AI技术带来的巨大影响，会AI的医生将会取代不会AI的医生。医生不再是“专业知识的守护者”，而将成为指导者、协作者和患者需求的倾听者。医生需要学会借助GPT-AI技术优化治疗决策支持。同时，医生还需要关注患者的心理需求，提供关爱和支持，帮助患者应对疾病带来的精神压力和心理挑战，因为人文医学始终是AI无法取代的。

【作者简介】

陈金雄，现任高博医疗集团首席信息顾问、中国医药信息学会电子病历与电子健康专业委员会主任委员、中国研究型医院学会医疗信息化专委会副会长、中国医院协会信息专业委员会常委和福建省医疗卫生行业计算机用户协会理事长等职。

曾任南京军区福州总医院计算机应用与管理科主任（1999-2016），信息化专家咨询委员会办公室主任（2016-2019），高级工程师，兼任全军医院信息化研究与技术支持基地主任（2001-2019）、福州大学兼职教授（2012-2017）。

长期从事医疗信息化相关工作，对医院信息系统、互联网医疗、医疗大数据、医院数字化转型以及新型医疗生态构建有深入研究，作为主编出版了《迈向智能医疗》《互联网+医疗健康》《互联网+基因空间》3本专著。

【责任编辑：秦勉】