每經(jīng)記者 陳星  王佳飛    每經(jīng)編輯 文多    

在生成式AI技術出現(xiàn)之前，AI看病更多是一個“空想”。往往在做完一連串選擇題后，患者才能拿到一個似是而非的診斷結果，甚至比不上去醫(yī)院排隊后的看病5分鐘。

但生成式AI給這一藍圖中的世界帶來了一絲可能性。今年5月，互聯(lián)網(wǎng)醫(yī)療平臺“醫(yī)聯(lián)”開發(fā)了國內首款醫(yī)療大語言模型——MedGPT（Med指醫(yī)學，GPT即基于Transformer網(wǎng)絡結構的預訓練語言模型）。醫(yī)聯(lián)創(chuàng)始人、CEO王仕銳接受《每日經(jīng)濟新聞》記者獨家專訪時表示，這一模型或為解決醫(yī)療的“不可能三角”（醫(yī)療系統(tǒng)難以同時兼顧提高醫(yī)療服務質量、增加醫(yī)療服務可及性和降低醫(yī)療服務價格）帶來了新的答案。

今年6月30日，醫(yī)聯(lián)在醫(yī)院搭起了線下義診，將患者的主訴分別傳達給真人醫(yī)生與AI醫(yī)生，并完成開單診斷和出具治療方案全流程。最后，專家打分結果顯示，AI醫(yī)生與三甲主治醫(yī)生在比分結果上的一致性達到96%。

生成式AI聽懂了患者說話

在生成式AI出現(xiàn)之前，AI看病是一個“想象很美好、現(xiàn)實很骨感”的愿望。2018年，互聯(lián)網(wǎng)醫(yī)療平臺醫(yī)聯(lián)曾應用自然語言處理（NLP）、計算機視覺（CV）等AI技術，落地了一系列醫(yī)療應用場景。其中包括智能健康終端、智能分診等——這是智能醫(yī)助的“雛形”。

但彼時智能醫(yī)助的嘗試“是失敗的”。由于當時的診斷決策信息收集主要通過選擇題完成，長達四五十項的冗長內容，讓用戶和醫(yī)生都不買單。醫(yī)聯(lián)團隊意識到，AI或許就是打開醫(yī)療服務時間、空間和人力限制的大門，但苦于找不到打開這扇門的鑰匙。

在團隊一度受挫時，ChatGPT出現(xiàn)了。大語言模型就像“最后一塊拼圖”，醫(yī)聯(lián)團隊開發(fā)了MedGPT，并于今年5月正式發(fā)布。

7月20日的采訪中，王仕銳這樣描述MedGPT：“在我們看到的所有報道、學術期刊里，MedGPT（出現(xiàn)的價值）應該是：第一次有了一個AI醫(yī)生能夠像人類醫(yī)生一樣，對患者進行多輪問詢、鑒別診斷，出具檢測意見并且讀取報告，最后給到精確的治療方案。這個過程全程模仿真實場景，不僅是國內首個，應該也是全球首個。”

圖片來源：醫(yī)聯(lián)官網(wǎng)

“我現(xiàn)在每天都泡在這個事情里面，因為這就是未來。”王仕銳難掩興奮。

但在生成式AI出現(xiàn)以前，自然順暢的AI疾病診療流程曾被視為一個難以突破的瓶頸。

“其中最難的一點應該是AI技術對人類真實自然語義的理解。”王仕銳說道。自然語音處理不好，機器就聽不懂患者的話，只能通過冗長的選擇題排除可能存在的病因，最后下疑似診斷，用戶體驗隨之大打折扣。此外，即使機器能夠讀懂人類語言，也未必能夠像一個真的醫(yī)生一樣直接做排除法，用直覺和經(jīng)驗進行判斷推論，這個過程我們稱之為思維鏈。如何從若干個可能性中找到一個最有可能性的診斷，是一個非常大的難題。

底層技術的革新首先突破了“讀懂”這一難關，基于Transformer架構的大語言模型出來之后，與自然語言的溝通能力、識別能力相關的問題就自然解決了。但在醫(yī)療領域，AI技術應用的準確性和一致性至關重要。要提升這一點，還需要更多算法及指令要求機器收斂判斷，避免誤診或過度診療。“比如醫(yī)學檢驗報告可能有影像、文字，包含不同劑量、單位、符號，涉及病理、生化各類指標，如何準確地讀取檢測報告涉及大量統(tǒng)一標準的工作。并且醫(yī)學標準指南也在不斷更新，所以這對于及時更新數(shù)據(jù)庫提出了較高的要求。”王仕銳說。

據(jù)了解，MedGPT主要由兩個系統(tǒng)組成：大模型系統(tǒng)與專家系統(tǒng)。其中，大模型完成了60%的工作，專家系統(tǒng)完成最終的40%，以此來不斷優(yōu)化醫(yī)學的準確性、有效性。截至目前，MedGPT每個月仍要檢測超3000個病例，然后由100位人類醫(yī)生對每個病例的診斷進行打分反饋。“每個月收到的反饋有2000多條”。

“這些反饋包括但不限于——系統(tǒng)問多了，問題針對性不強，提到了國內沒有的藥品，沒有注意到患者的藥品偏好，檢測是不是必須一次性全部做完等等?，F(xiàn)在我們認為MedGPT還有很多有待優(yōu)化的地方。”王仕銳坦言。

今年6月30日，醫(yī)聯(lián)做了這樣一件事——在醫(yī)院搭起了線下義診，由醫(yī)生助理與患者面對面溝通，將患者的主訴分別傳達給真人醫(yī)生與AI醫(yī)生，多輪溝通之后，“醫(yī)生們”為患者開具檢查單或診斷，患者現(xiàn)場完成檢查后復診，再由AI醫(yī)生及真人醫(yī)生提供臨床診斷及治療方案。

最后，來自北大人民醫(yī)院、中日友好醫(yī)院等醫(yī)院的7位專家教授，從多個評價維度對這些有效病例進行打分。結果顯示，真人醫(yī)生綜合得分為7.5分，AI醫(yī)生綜合得分為7.2分——AI醫(yī)生與三甲主治醫(yī)生在比分結果上的一致性達到了96%。

“如果從病種覆蓋度、智能化、準確性和銷量四個維度衡量，MedGPT的分數(shù)應該分別是9分、6分、8.5分和9分。”王仕銳介紹。

測評現(xiàn)場 圖片來源：醫(yī)聯(lián)官網(wǎng)

機器永遠不會比人類更關心人類

美國耶魯大學教授William Kissick曾提出醫(yī)療衛(wèi)生領域的“不可能三角”理論，這一理論是指，在既定的約束條件下，一個國家的醫(yī)療系統(tǒng)難以同時兼顧提高醫(yī)療服務質量、增加醫(yī)療服務可及性和降低醫(yī)療服務的價格。

但在王仕銳看來，生成式AI或給“不可能三角”提供了一個解法。

他認為，生成式醫(yī)療AI可以接待上千萬的患者，做到隨時隨地、無限供應。隨著持續(xù)訓練，醫(yī)療AI的水平還會以月為單位提升，“現(xiàn)在我們認為MedGPT基本上達到了10年至15年臨床經(jīng)驗的醫(yī)生水平，未來每個月可能會提升一到兩年的臨床經(jīng)驗。”由此，醫(yī)療服務的可及性和服務質量得以借助AI這一工具得到兼顧。

在成本上，王仕銳表示，現(xiàn)在使用MedGPT完成一次完整的就診流程成本不超過1美元，此后每18個月成本會減半。

對于互聯(lián)網(wǎng)醫(yī)療而言，生成式AI帶來了新的可能性。王仕銳表示，互聯(lián)網(wǎng)醫(yī)療即將進入數(shù)字醫(yī)療時代。初始狀態(tài)時，互聯(lián)網(wǎng)醫(yī)療是以平臺作為鏈接，實現(xiàn)信息的匯聚和分發(fā)，但對“不可能三角”的幫助是有限的。AI的爆發(fā)使互聯(lián)網(wǎng)醫(yī)療從鏈接者變?yōu)榱松a(chǎn)力的創(chuàng)造者，是一個能夠覆蓋更多患者的原始生產(chǎn)力，這才能真正地解決問題。

但AI始終無法避開的一個問題是——AI與人的關系。在醫(yī)療領域，則是AI技術與人類醫(yī)生的關系是什么樣的？

王仕銳認為，人類醫(yī)生有兩個層面永遠無法被替代。

圖片來源：視覺中國

第一個層面是只有人類醫(yī)生才能夠做真正的深度研究。醫(yī)學要進步要依靠解決疑難雜癥、罕見病、新發(fā)疾病，而以目前的AI技術水平來說，還需要真正的人類醫(yī)學專家去設定背后的算法規(guī)則。臨床指南、案例研究，這件事情必須人類醫(yī)學從業(yè)者去完成。但反過來，AI可以幫助人類醫(yī)學專家快速地搜集疾病案例和數(shù)據(jù)，將其匯聚起來供專家參考和攻克。

第二個層面是針對大量的基層、年輕醫(yī)務工作者，醫(yī)療AI可以扮演數(shù)據(jù)庫、知識庫的角色。

王仕銳介紹：“現(xiàn)在培養(yǎng)一個合格的醫(yī)生要花費很多年，本科到博士加上規(guī)培要花費數(shù)十年，千辛萬苦才能達到合格的水平。借助醫(yī)療AI，年輕醫(yī)生可以迅速成長起來并提升診療效率。”

在采訪最后，王仕銳說：“機器永遠不會比人類更關心人類。機器可以扮演得力的助手，但最后確認診療方案的、在方案上簽字的，一定是我們具有行醫(yī)資格的專業(yè)醫(yī)生，他們要為患者兜底”。

記者|陳星 王佳飛

編輯|文多

視頻編輯|韓陽

視覺設計|帥靈茜

統(tǒng)籌編輯|易啟江