【医疗大数据浪潮下：如何化解风险，推动AI模型商业化？】具体的是什么情况呢，跟随小编一起来看看！

作为新一轮科技革命和产业变革的重要驱动力量，人工智能正在对全球经济社会发展和人类文明进步产生深远影响。深化人工智能国际合作，推动世界智能产业朝着更加开放、包容、普惠、共赢的方向发展，是我国人工智能产业发展的关键方向。

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，在今年世界人工智能大会（WAIC）上，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。

有不少参会者指出，我国在医疗数据资源方面具备无穷潜力。一旦海量的医疗数据实现有序释放，将为我国医疗大模型的发展提供巨大的想象空间和爆发潜力。但同时，现阶段在落地上仍旧需要关注一些实际问题。

当前，磁共振检查因无创、精确等优势在心血管病的诊断、治疗和预后评估中发挥着越来越重要的作用，全球均面临着巨大的心血管疾病的诊断和治疗需求，但在国际层面，心脏磁共振智能后处理和心血管病多模态影像智能辅助诊断方面均存在着技术瓶颈，以人工智能技术为关键突破口，深度挖掘磁共振数据迫在眉睫。

谈及目前AI在医疗领域的运用场景，有券商医药行业分析师对21世纪经济报道记者表示，在国内，综合性的互联网公司，以及细分领域中的医疗IT信息化、互联网医疗平台、智能机器人等公司都在探索用大模型等技术进一步提升自身解决方案和产品设计。

“这其中最大的难点，我们认为首先是数据的获取和处理。医疗数据具有高度的隐私性和敏感性，如何合规地获取和使用这些数据是一个巨大的挑战。另外，医疗数据的质量和完整性也直接影响到生成式AI模型的准确性和可靠性。”上述分析师认为，AI技术本身还在不断发展和完善中，如何将其与医疗领域的实际需求相结合，实现技术的落地应用，是一个需要不断探索和实践的过程。

在医疗领域，人工智能的应用已经深入到各个环节。从初步的疾病筛查到复杂的手术操作，从病例分析到药物研发，医疗 AI 都在发挥着不可或缺的作用。它能够对大量的医疗数据进行快速处理和深度分析，从而揭示出隐藏在数据背后的规律和趋势。这些分析结果不仅为医生提供了更为准确的诊断依据，还使得治疗方案更加个性化和精细化。

随着医疗 AI 技术的不断发展，其在医疗服务改善方面的作用也日益凸显。传统的医疗服务模式往往存在着资源分配不均、效率低下等问题。而医疗 AI 的引入，则能够在很大程度上解决这些问题。通过智能化的医疗管理系统，医疗资源得以更加合理地分配和利用，医疗服务流程也变得更加高效和便捷。这不仅提升了患者的就医体验，还降低了医疗成本，使得更多人能够享受到高质量的医疗服务。

这也推动了产业的高速发展。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。

谈及AI在医疗领域的应用优势，上述分析师介绍，AI在强大的内容生成能力、高度个性化的输出以及持续的学习和进化能力方面具有显著的优势。具体而言：

首先，AI的强大内容生成能力使它能产生丰富的医疗内容，例如：病例报告的撰写，健康咨询的回答，辅助诊疗的判断，AI都能够根据输入的信息快速生成相应的内容。这不仅可以提高医疗服务的效率，还能够为医生提供更多的参考信息，从而帮助他们做出更准确的诊断和治疗决策。

其次，AI高度个性化的输出使它有望为患者提供更加精准和个性化的医疗服务。通过分析患者信息、生活习惯和疾病历史等数据，生成式AI可以生成针对个体的健康建议和预测模型。这种个性化的服务能更好地满足患者的需求，提高治疗效果和患者满意度。

此外，AI的持续学习和进化能力使其能够不断优化和改进自身的性能。通过不断地接收新的医疗数据和学习新的医学知识，AI可以不断完善自身的模型，提高预测和决策的准确性。这种能力使得AI在医疗领域的应用具有更强的适应性和可扩展性。

“AI在医疗影像识别、自然语言处理等方面有着丰富的应用经验，也可以在内容生成和个性化服务方面发挥更大作用。通过将两者的技术和能力进行结合，可以构建更加智能和高效的医疗系统，提升医疗服务的质量和效率。”上述分析师说。

当前，AI在医疗领域发挥作用的场景包括实时健康监测与预警记录、医学教育与培训、个性化精准医疗等。不过，这些场景的落地可行性还需取决于数据的可获得性、内容生成的合规性等因素。

医疗场景作为人工智能一大特殊、复杂的落地场景之一，对垂直领域企业的综合实力提出了更高的要求：在这一细分领域，与技术创新能力并重的，是企业对专业医疗场景的透彻理解与丰富的协同经验积累。这需要企业不仅需要知道“什么方向可能是可以突破的”，更需要知道“什么方向或者哪些做法是行不通的”。

因此，在医疗AI领域，充分理解临床需求、积累产学研医协同经验，是企业行稳致远的重中之重。

联影智能联合创始人、联席CEO周翔在WAIC上表示，未来的医疗AI大模型将是一个集算法模型、数据和算力于一体的综合体，从健康管理、智能诊疗、医院管理、到教学科研等所有与大健康相关的工作都将能够借助一个整合的大数据与大智能平台来完成。

但周翔也指出，由于医疗领域具备高度的严肃性、复杂性与低容错性，现阶段大模型在医疗领域落地，仍旧需要关注一些实际问题。周翔分享了一个例子：即使是目前最为领先的大模型，在进行基础的“字母数数问题”（比如“单词uncharacteristically的第16个字母是什么？”）时仍会犯错，而且该问题似乎是很多大模型的“通病”。

“这说明，大模型在一些逻辑简单但是很不常见的问题上仍然会莫名其妙地出错而不自知。而此类基础性错误在高度严肃、复杂的医疗领域，是不容出现的。这也意味着，短期内大模型技术要在医疗领域落地，仍旧需要严格的风险把控。”周翔表示，推动医疗数据充分利用至关重要。

艾瑞咨询发布的《中国面向人工智能的数据治理行业研究报告》也指出，医疗信息化建设支持了医疗数据的爆炸式增长，但是医疗数据在流通、共享、存储、管理等环节尚未标准化，导致数据多源异构难汇集、数据标准体系不健全等问题始终存在，掣肘着AI应用乃至行业的发展。

对于上述难题，目前业界内大多则采用了合作模式。据了解，由于在大多数情况下，医院或者政府方并不具备单独处理、研究分析医疗数据的能力与精力，因此在实践中部分机构往往会与第三方展开合作。

“在2010年至2020年这十年间，我国医疗数据的增长率达到了40%，而和这一快速增长相反的是，我们的医疗数据利用率仅有3%。”周翔进一步指出，大量医疗数据未被挖掘与利用的另一面，是我国在医疗数据资源方面的无穷潜力，但这需要集政、产、学、研、医各界力量从伦理、法律、实践等层面进行充分考量、共同推动。海量的医疗数据一旦实现有序释放，将为我国医疗大模型的发展提供巨大的想象空间和爆发潜力。

周翔强调，大模型在医疗领域中的全面落地不会一蹴而就，短期仍旧需要专家指导下的垂域数据训练与审慎的风险把控，但长期来看，随着大模型技术逐步成熟，必将驱动医疗场景的全面升级。

“在解决诸多桎梏的同时我们也需要注意，AI医疗前期投入和运营的成本较高的问题确实是一个需要关注的方面。我们认为，量化AI技术在长期运行中的经济效益，可以通过分析AI技术在提高诊断准确性、降低误诊率、优化治疗方案等方面的效果，来评估经济效益，这未来也可以跟DRG/DIP在医疗精益化管理的实践相结合以进一步提高DRG/DIP政策的执行效果。”上述分析师也补充道，未来，还可以考虑将AI技术与医疗机构的业务流程相结合，提高工作效率和服务质量，从而进一步降低成本并增加收益。

转载来源：21世纪经济报道 21财经APP作者：季媛媛

以上就是关于【医疗大数据浪潮下：如何化解风险，推动AI模型商业化？】相关内容！