AI医生核心解决的是成本问题。

文｜《中国企业家》记者谭丽平

编辑｜米娜

头图来源｜受访者

当AI医生与真人医生进行一致性评测，结果会如何？

今年6月30日，医院医联就做了这样一件事——他们医院搭起了线下义诊，由医生助理与患者面对面沟通，将患者的主诉分别传达给真人医生与AI医生，多轮沟通之后，“医生们”为患者开具检查单或诊断，患者现场完成检查后复诊，再由AI医生及真人医生提供临床诊断及治疗方案。一百多位患者参与了问诊，形成了91份有效病例。

最后，医院、医院、医院的7位专家教授，从多个评价维度对这些有效病例进行打分。结果显示，真人医生综合得分为7.5分，AI医生综合得分为7.2分——AI医生与三甲主治医生在比分结果上的一致性达到了96%。

这令王磊所在的医联MedGPT研发团队兴奋不已。自年11月由OpenAI推出的ChatGPT火爆全球，一个多月后，王磊领导团队也加入了“百模大战”。

与ChatGPT这类通用型的大语言模型产品不同，MedGPT聚焦的是医疗场景——严肃且谨慎的领域，更强调准确性与安全性，对问题的容错率更低。而用王磊自己的话说：“大模型一定是不准确的”，如何尽可能实现诊断的准确性，做出更有效的医学决策，是MedGPT在很长一段时间内持续面临的挑战。

为此，医联的研发团队不断打磨，版本最快是“以小时为单位更新”。按照指南、临床路径、教材、医生5年和10年医疗相关的临床经验，打磨出了一套大模型系统和一套专家系统。

当然，训练是一个持续的过程。医联MedGPT产品经理廉泽良也表示，系统还在持续更新，专家联盟和医学团队也在持续调优，随着医生专家系统不断的迭代，准确性会越来越高。除此之外，MedGPT的定位是在真实医疗场景中发挥实际诊疗价值，也就是“不是纯技术研究，而是要投入实际应用”，这也对MedGPT的深度学习能力提出了更高的要求。

王磊感觉，生成式AI的出现，像是打通了“任督二脉”。

在此之前，医联对于AI领域一直比较看重。内部团队医院板块“最后缺失的一块”，有了就“武功大成”，没有就做不下去。

医院主要分为两块：医联MedGPT医院。AI医生会提供整个决策能力，帮患者看病，同时提供大量的医患来源。医院则是一个“订单消化中心”，也是前者的“供应链体系”。

“如果没有依托医院，AI医生只能提供有限的诊疗服务，而无法做到闭环；但没有AI医生，医院没有大量的医患来源；供应链价格就很难下去。”王磊认为，AI医生核心解决的是成本问题。以往线上问诊需要众多医生，对应的是巨额的成本，如果AI医生能够解决，成本便能大幅下降，多出来的钱也可以全部进入医院补贴患者，“这是一个最佳闭环”。

早在年，医联就开始接触大数据。年12月，医联拿到了4亿元C轮系列融资，并与被业内称为医疗大数据国家队的中电数据达成战略合作。参与了大量医疗大数据的清洗工作，从那时起，意识到数据重要性的医联，也有意识开始沉淀医疗数据。

年，医联应用NLP（自然语言处理）、CV（计算机视觉）等AI技术，落地了一系列的应用场景。包括智能健康终端、智能分诊、智能导诊、口腔影响识别、智能辅助应用等。智能医助也是在当时有了“雏形”。但彼时智能医助的尝试“是失败的”，当时的诊断决策信息收集主要通过选择题完成，长达四五十项的冗长内容，让用户和医生都不买单。“我们认为是方向，但技术突破不了。”

年，团队感觉“有点受挫了”。但在通用全科AI上一直“受挫”后，团队开始针对单病种、分阶段建立AI诊疗模型，比如在疾病预防阶段，建立疾病早筛模型；也不做全病种，而是做肝病等专病。

到年时，医联初步形成了一套基于医院的AI诊疗系统。王磊介绍，虽然当时在自然语音处理这一块存在很大瓶颈，用户体验不是很好，但从线上的检验检测、智能硬件和保险等整个链条已经打通。“包括当时也已经积累了海量的数据，可以认为我们基本的能力都准备好了。”

问题只剩下一个——始终没有办法解决自然顺畅的AI疾病诊疗全流程。直到去年年底，ChatGPT出现了。

“发布时我们就

转载请注明:http://www.aideyishus.com/lkzp/8843.html