HIT专家网
来源：HIT专家网 作者：李崇铭
【编者按】
物换星移，又是一年。HIT专家网延续惯例，推出年度“回顾展望”系列文章，对已经过去的2023年HIT行业热点事件进行回顾，同时展望2024年，向未来追梦前行。敬请读者朋友们关注。
大型语言模型（LLM)，2023年科技创新领域最火出圈的主角，非它莫属。它在医疗行业的发展，同样风头正劲。
关乎人类健康福祉的医疗行业，张开双臂积极拥抱了大语言模型：希望在丰富的医疗业务场景下发挥大模型的价值。目前，医疗领域大模型应用已露出“尖尖一角”，带来临床医生和人工智能“协作配合”的全新体验。
但是，面对性命攸关的严肃医疗，这项技术的应用同样充满了未知、争议。医疗大模型如何突出重围？回顾来时路，我们或许能从它的应用趋势中寻得一点启发。
医疗行业掀起“大模型热浪”
2022年，OpenAI推出的ChatGPT“技惊四座”，向人们展示大模型技术在新算力环境下的飞速进展。国内IT产业旋即掀起“百模大战”，在2023年“蓬勃生长”：3月，百度发布AI对话式聊天机器人“文心一言”；4月，阿里云发布“通义千问”大模型；9月，腾讯发布“混元”大模型；10月，科大讯飞发布星火大模型3.0，等等。
大模型只有从通用进入垂直领域，迅速转到产业落地，才能证明其发展价值。ChatGPT在测试阶段就开始尝试回答医学问题，微软全球资深副总裁、研究院负责人Peter Lee与一位美国资深医疗领域记者合著的《超越想象的GPT医疗》一书，对于GPT在医疗领域的表现、前景进行了专题介绍和讨论。
国内通用大模型也纷纷将医疗行业作为其应用的重要领域。如2023年7月京东发布京医千询大模型，2023年9月腾讯健康发布腾讯医疗大模型等。
另一方面，不依赖于通用大模型，医疗行业独立软件开发商（ISV）基于对医疗业务的专业积累，纷纷开始训练自己的垂直医疗模型。2023年4月，森亿智能病历生成式语言模型正式亮相；5月，医联推出AI医生产品——医联MedGPT；9月，惠每科技发布惠每医疗大模型；10月，卫宁健康发布医疗大模型WiNGPT等。
大模型定位医疗“智能助手”
“能够像人一样交谈、产出观点”是大模型的显著特点，这种“模糊”了人机边界的交互方式让它备受关注。纵观2023年大语言模型在医疗行业的应用态势，其作用不仅涵盖了问诊咨询、客服、分析管理等方面，而且更多地体现在了优化诊疗流程、提高效率等方面。
诊前环节，基于大模型的预问诊和患者信息预采集，可依据患者的问题自动匹配回复，效率更高、互动性更强。医疗大模型能够为患者推荐诊疗资源，让求医问药更为便利。例如，“腾讯数字人就医助手”可提供7×24小时的智能客服及咨询服务。
值得注意的是，医疗大模型将改变现有患者服务系统“检索、推送”的信息分发模式，转为依据患者情况“生成”个性化回复和引导。医疗大模型基于持续的数据输入和模型积累，能够结合已有信息主动追问，在多轮“问诊”收集到足够的决策因子后，提供更加严谨的回答。如果将带有学习能力的智能问诊服务与咨询、挂号、医保支付充分连结，将有望改善患者诊前流程的体验。
诊中环节，医疗大模型将为医院CDSS（临床决策支持系统）的演进带来更丰富的应用场景，为医生诊疗工作减负增效，并成为医务人员的助手、顾问，以及医疗行为的监督者。目前，大模型在如下场景已经崭露头角：
首先，医疗大模型能使医生摆脱高度重复、耗时较多的病历填写和文书记录工作，让医生更加专注于分析病情和关注患者。
例如，在医生提供足够的病症描述或输入某些特定指令时，医疗大模型能够自动生成模式化病历、鉴别诊断、出院记录等内容，让医生只需“画龙点睛”，不必为反复进行的操作心力交瘁。
第二，医疗大模型不仅能查询医疗知识，适时提供恰当的信息，还能作为“超级大脑”提供临床决策支持，高效分析患者情况，并通过图形、弹窗等方式突出重点，预警可能存在的漏诊、误诊风险。已经有医疗机构利用医疗大模型进行多模态病历初筛，应用于VTE、肺结节、眼底病变等检查中。
依托陪伴式的辅助、深度的数据洞察和丰富的医学知识库，医疗大模型能够将疾病特征和患者病历信息进行比对，协助医生进行诊断和治疗规划。特别是在急救场景下，医疗大模型能够提供及时有效的诊疗方案，为患者争取更多救治时间。
医学界的反复尝试表明，和以往基于确定规则推理或文献知识和业务规范的决策相比，医疗大模型在复杂病征下的分类问题上表现较好，在支持决策方面还有很大的成长空间。
第三，医疗大模型能够对诊疗行为进行提示和告警，这有助于规范基层医院诊疗流程，提示资历较浅医生的诊疗计划、进行用药或治疗套餐的核查等。
诊后环节，医疗大模型主要应用在对患者的随访工作和康复指导上，延伸诊疗服务链条。另一方面，应用医疗大模型提供健康咨询、药品信息查询等服务，与医生团队合作健康科普内容，能够有效降低人力成本的投入，同时保证服务的人性化，满足患者的情感需求，提供疾病预防、饮食规划或健康建议等等。
医疗大模型的风险管控
尽管目前医疗大模型应用与日俱增，但其发展的局限性和潜在风险不容忽视。辅助诊疗工作必须精准而严肃，医疗数据分析需要识别多模态信息；而出于医疗安全和部署的需求，要求模型的“高精度”而非一味追求“大规模”。
无论医疗大模型在诊疗过程中定位如何，保障其参与诊疗过程的严谨性和安全性都是首要的，一些主要的应用风险需要行业重点关注：
一是大模型“黑盒”难解，存在安全隐患。从应用本质来看，医疗大模型的生成内容与训练数据的最佳结果高度相关，其结果具有不可解释性。在缺少数据或对应领域训练不足的情况下，大模型可能会产生“幻觉”。同时，广泛应用医疗大模型可能会加重诊疗工作对人工智能的依赖，反而影响医生的决策——需要医生有更高的素质来分析人工智能决策的潜在风险。
二是部署医疗大模型需要医学知识库和医院资源支撑。基于知识库和海量训练数据进行机器学习，是医疗大模型能否被委以“辅助医学决策”大任的决定性因素。
2022年3月，国家药品监督管理局器审中心发布《人工智能医疗器械注册审查指导原则》，对AI器械的分类标准、原则、技术考量等方面进行了解释。2023年7月，国家卫生健康委又发布了《医疗机构临床决策支持系统应用管理规范（试行）》，对CDSS的临床知识来源权威性、知识库更新性和使用的审计与溯源等方面提出了要求——医疗机构应具备完备、整合、互通的信息系统，为CDSS提供所需的结构化数据。
三是医疗大模型的应用生态和用户信任有待建设。关于医疗大模型带来的数据偏见、数据隐私和公正性问题，缺乏对应的标准进行管理，问题的追责也更加复杂。对此，既需要打开“黑盒”，发展更加成熟、透明的技术机制，并建立与之相匹配的管理机制，规范行业发展；同时应该看到，人们对医疗大型语言模型的信任程度仍然不足，更多地是使用它寻求健康建议或科普。
2023年，大模型对于医疗领域可谓是奇兵突袭，并迅速展现出丰富的大模型应用场景和巨大发展潜力。但大模型本身的“缺陷”，也使得它在严肃医疗领域的真正普及，在克服这些缺陷之前，还面临不可逾越的障碍。
【回顾展望系列文章】
回顾展望 | 任连仲：给医疗信息化同行们提几点“乌托邦式”的建议
回顾展望 | 薛万国：期待新一代医院信息系统更加关注业务创新
精彩不容错过！
我们将尽快与您联系！
【责任编辑：陈曦】
评论前必须登录！
注册