21世紀經濟報道記者季媛媛 上海報道 今年以來AI熱潮一浪高過一浪，各種技術加速迭代升級，爭搶市場風口。

近日，英特爾發布了最新人工智能芯片Gaudi 3，預計將在第三季度向客戶大規模提供，包括戴爾、惠普和超微電腦在內的公司將使用Gaudi 3芯片。英特爾聲稱，新款Gaudi 3芯片與英偉達H100芯片相比，推理能力平均提高50%，能效平均提高40%，運行人工智能模型的速度是H100的1.5倍，Gaudi 3將與英偉達最新的H200大致相當，在某些領域甚至表現更好。

目前，AI浪潮也正在席卷醫療市場。4月11日-14日，在CMEF展會上，多家醫療器械企業攜醫療大模型、百余款AI應用和AI解決方案等創新成果亮相，醫療AI的“蝶變”時刻成為最大看點。“技術的進步可以幫助臨床實現原本沒法實現的事情。”上海科技大學生物醫學工程學院創始院長、聯影智能聯席CEO沈定剛在展會上接受21世紀經濟報道記者采訪時介紹，AI在醫療領域的落地場景已經不斷擴大。例如，在醫院客服環節上，之前都是專人客服逐一核查。現在有了大模型，與醫院合作，可以做一系列應用，更高效的解決傳統工作。

有券商分析師也對21世紀經濟報道介紹，去年國外已有生成式AI與電子病歷公司合作的案例，探索為醫生自動起草對一些最常見和耗時的患者信息的回復草稿內容；以及利用語音AI來智能識別醫生與患者的對話內容，然后將數據輸入到電子病歷中來自動創建臨床記錄，從而提升醫生診斷的有效率。

“這類醫患溝通和記錄場景是非常典型的，既是很實在的臨床痛點，又能很好的發揮生成式AI自身特點。未來的優化可能來自于如何更實時無時滯的促進醫患溝通，如何降低所生成內容的誤導性和偏見性，如何強化對說方言和語言溝通障礙患者的語音快速識別和記錄能力。”該分析師說。

賦能醫患場景

當前，人工智能革新過程中呈現的趨勢變化。一方面，生成式AI發展由結構化處理向專業化、交互化生成躍進，包含了“變”與“革”不同性質、不同程度的發展。“變”代表著生成式AI基于以往科技基礎上的延展或進步，而“革”代表著生成式AI顯著區別于以往技術的躍進。另一方面，傳統AI與生成式AI未來仍會組合式發力、協調并舉、共織共贏，使得AI技術在各個領域都能夠發揮出更大價值。

在此趨勢之下，復雜、碎片化的醫療場景需要AI全流程融入，這也使得目前布局“AI+醫療”已然成為潮流。在國內，綜合性的互聯網公司，以及細分領域中的醫療IT信息化、互聯網醫療平臺、智能機器人等公司正在探索用大模型等技術進一步提升自身解決方案和產品設計。

不過，大模型的探索應用也需要與臨床需求相銜接。沈定剛指出，目前醫療相關AI產品很多，不少設計者認為在研產品具有極強的創新突破性，就得做出來，但是對醫生而言，并不認可，認為臨床上其實并不需要這類產品。“我們只是把一個榔頭做的非常好，你不知道要敲的地方是不是需要你這么強壯的榔頭。”在沈定剛看來，AI領域迭代太快，在沒有找準需求的情況下，你做的越好越貴，買的人少，企業得到利潤少，同時迭代的速度如果太慢，也將面臨被淘汰的風險。

實際上，不少專家也強調，未來大模型的競爭主要在于垂直場景，而醫療場景則是被認為最有前景的場景之一。殊不知，這一領域也存在諸多難點。例如，最大的難點在于數據的獲取和處理。醫療數據具有高度的隱私性和敏感性，如何合規地獲取和使用這些數據是一個巨大的挑戰。另外，醫療數據的質量和完整性也直接影響到生成式AI模型的準確性和可靠性。如此，生成式AI技術本身還在不斷發展和完善中，如何將其與醫療領域的實際需求相結合，實現技術的落地應用，是一個需要不斷探索和實踐的過程。

“這些場景的落地可行性還需取決于數據的可獲得性、內容生成的合規性等因素，這不僅僅是技術本身的能力問題，更需要產業界的共同努力。”上述分析師也強調。

在此層面，沈定剛的解決方案主要有兩點:一是，讓產品經理廣泛調研諸多醫院的主任，充分了解什么類型的AI技術可以放在哪些臨床流程中，然后充分了解在哪個環節去幫助醫生，如此將一系列的問題搞清楚；二是推動產學研醫融合。醫療行業中有非常專業的大專家，他們經驗豐富，知道臨床痛點在哪里，明晰哪個位置的AI能夠發揮作用。

“所以我們通過申請國家的重大項目積累多年的數據，對問題的定義，包括應用的場景，可以從醫療大專家們多年的臨床經驗中去學習。因此，我們基本依靠上述兩條路使得產品不脫離醫療場景。”沈定剛說。

當前，AI也被認為可應用于患者病程管理，在疾病的認知、就診、治療、隨訪等多場景中發揮作用。通過醫患不同視角下的多樣化場景觸達，生成式AI能夠使診療“更優質”、醫生“更專業”、病患“更自主”。一方面，新技術賦能醫院與醫生，助力醫生釋放出更多的工作效能，提升工作質量，緩解醫療資源緊張的問題；另一方面，新技術結合患者病程，帶來更加精準、便捷和個性化的醫療服務和健康支持，推動患者自我知識了解的深入發展，提升創新性的交互體驗。

政策挑戰與應對

隨著人工智能在中國快速發展，政府監管與時俱進，通過了以《生成式人工智能服務管理暫行辦法》為代表的多項法規對生成式AI進行監管，且近年來醫療反腐風暴背景下多環節監管升級，行業政策頻頻更新。因此，相關企業需及時跟進，掌握人工智能、數據治理、網絡安全等相關政策，結合醫療醫藥領域的特性，提前預防、及時識別并規避風險。

不過，需要注意的是，由于醫療領域的特殊性和復雜性， AI在這一領域的監管還處于不斷完善和發展的階段。安永咨詢就分析指出，目前，監管主要集中在確保AI技術的安全性、有效性和合規性上，防止技術濫用和誤用，保護患者和公眾的權益。一方面，數據隱私和安全保護。醫療數據涉及患者隱私和信息安全，需確保生成式AI技術的合規使用；二是，倫理規范的建立。生成式AI在醫療醫藥領域的應用涉及到倫理問題，需要建立相應的倫理規范，讓技術的使用符合道德和倫理要求；三是，跨部門協作和信息共享。醫療醫藥領域涉及多個部門和機構，有必要加強跨部門協作和信息共享，形成合力推進生成式AI的監管工作。

“現在AI監管已經做得越來越好。開始的時候監管部門相對比較保守，這也是由于醫療AI是個全新的事物，一開始監管人員缺乏參考先例去判斷相關細節。另外，三類證需要進行一些臨床多中心試驗，這也是很花時間的事情。但是現在中國在AI監管層面已經越做越好。”沈定剛說。

不過，AI布局也存在一定的壁壘亟待打通。沈定剛進一步指出，商業化永遠是一個比較重要的問題。之前，醫院很少有單獨給AI付費。但現在隨著越來越多應用出現，已經有醫院會花費10%-20%的支出單獨立項購買AI產品，且部分AI產品已經在醫院中成為收費項目，例如，在手術規劃中的三維重建，浙江省就已經開始收費。

上述分析師也認為，AI醫療商業化落地存在的壁壘主要在技術、數據、法規以及市場接受度等方面。

首先，技術上盡管AI技術在醫療領域已經取得了顯著的進展，但在某些復雜和精細的醫療任務中，AI的準確性和可靠性還需要進一步提升AI技術的性能。

其次，數據是AI醫療發展的關鍵。醫療數據的獲取、處理和分析都面臨著一系列挑戰，包括數據隱私、安全性和倫理等問題。同時，醫療數據的多樣性和復雜性也增加了數據處理的難度。因此，需要建立完善的醫療數據共享和隱私保護機制促進AI醫療的發展。

此外，法規也是AI醫療商業化落地的重要壁壘。醫療領域對技術的監管要求較高，需要確保AI技術的安全性和有效性。因此，AI醫療企業需要密切關注相關法規的變化，及時調整戰略，以確保合規運營。

最后，是市場接受度。盡管AI醫療具有巨大的潛力，但患者和醫生對新技術可能存在疑慮和抵觸情緒。因此，需要通過教育、宣傳和示范等方式，提高市場對AI醫療的認知和接受度。

“AI醫療前期投入和運營成本較高的問題確實是一個需要關注的方面。我們認為，量化AI技術在長期運行中的經濟效益，可以通過分析AI技術提高診斷準確性、降低誤診率、優化治療方案等方面的效果，來評估經濟效益，未來也可以跟DRG/DIP在醫療精益化管理的實踐相結合以進一步提高DRG/DIP政策的執行效果。另外，還可以考慮將AI技術與醫療機構的業務流程相結合，提高工作效率和服務質量，從而進一步降低成本并增加收益。”該分析師說。