数字化应用和医疗数据的分析挖掘将为医学科研、医生诊疗、患者健康管理等方面带来更多效率和质量的提升，从而进一步助力疾病早筛、便捷就医、分级诊疗的有效实现。
文｜赵建琳
ID | BMR2004
不久前，在第七届数字中国峰会上，国家数据局等部门发布了首批20个“数据要素×”典型案例，涵盖工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳12个行业和领域。这12个行业和领域也是国家政策所重点关注的领域。
2023年12月31日，国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，其中在“重点行动”部分里，围绕上述12个行业和领域提出相应发展要求。国家数据局副局长沈竹林介绍，由于不同行业数字化转型程度、数据资源基础、场景需求等不同，数据要素发挥作用的方式也存在较大差异，因此按照“有基础、有场景、有需求”的原则，结合各行业发展实际，先期选取12个行业和领域，推动发挥数据要素乘数效应，后续还会不断补充、推出新的应用场景。
在上述场景中，医疗健康与人们日常生活和生命安全之间的关联直接且密切，数字化应用和医疗数据的分析挖掘将为医学科研、医生诊疗、患者健康管理等方面带来更多效率和质量的提升，从而进一步助力疾病早筛、便捷就医、分级诊疗的有效实现。
目前已经有不少公司借助人工智能技术赋能数字医疗、智慧医疗。例如在第七届数字中国峰会上，讯飞医疗科技股份有限公司（简称“讯飞医疗”）的智医助理案例作为医疗健康领域的代表入选了首批20个“数据要素×”典型案例；商汤则于2023年正式向产业界开放医疗大模型“大医”服务，并已与上海交通大学医学院附属新华医院等机构落地合作。2024年8月初，“大医”成功通过国家网信办组织的第七批深度合成服务算法备案。那么人工智能是如何在医疗场景中发挥作用的？医疗数据又如何为产业应用贡献价值呢？
01
数据赋能医疗场景
通过人机协同，不仅能够实现“数据多跑腿、患者少跑腿”，使老百姓更便捷地就医，还能帮助医疗机构提高诊疗和科研效率，提升患者服务质量。
2024年进入首批20个“数据要素×”典型案例的“智医助理”是讯飞医疗2018年开发的一款AI产品。据讯飞医疗方面介绍，智医助理是全球首个通过国家临床执业医师资格笔试考试的人工智能辅助诊断系统，也是讯飞医疗在基层医疗机构服务业务线上的产品之一。
早在2012年，党的十八大报告就提出要合理配置医疗资源，构建分级诊疗服务体系，这也是新时期医改的一项重要内容。2015年，国务院办公厅发布了《关于推进分级诊疗制度建设的指导意见》，旨在加强以全科医生为重点的基层医疗卫生人才队伍建设，提高医疗资源利用效率和整体效益。几年下来，分级诊疗取得了一些成绩，但也存在挑战。
当前基层医生以诊治常见病、多发病为主，专科诊疗能力、中医药服务能力相对存在短板，误诊、漏诊和不合理用药等现象时有发生，依赖人力收集分析医疗质量安全数据，方式单一、周期较长，难以第一时间发现、纠正问题；基层医疗服务情况监管方面，当前主要是对门诊量、费用等数量进行分析，对于病历规范率、诊疗合理率、用药合理率较难分析；医疗人工智能作为最新的产业发展范式，具有较高的技术门槛，在应用落地过程中存在高质量数据供给不足和高成本、数据隐私等问题。
针对上述痛点，讯飞医疗的智医助理应运而生。据了解，智医助理开发之时学习了大量医学教科书和脱敏病历等核心医疗数据要素，随着应用场景不断深入，又逐渐学习了检查检验、健康档案、慢病等多源数据，适用于基层全科医生诊疗全过程。
据了解，智医助理有如下功能：一是实现诊前有提醒，诊中有辅助，诊后有提升，比如在全科医生问诊过程中，实时对病历进行规范性质控，根据问诊逻辑提示全科医生对患者进行病情问诊；在诊断过程中，系统基于医生输入的患者病历数据进行智能化分析和判断，协助全科医生对病情进行合理诊断；在医生下处方和检查检验时，系统可及时给出常见用药和常见检查检验建议等。二是系统监管平台还可以为省级卫生健康委员会等区域监管机构提供基于基层诊疗实时数据的行为监管和决策分析支持。
为了验证智医助理的安全性，讯飞医疗先后聘请近百名医生对临床辅助诊断、用药等的合理性进行评估和分析，并与多地卫健委共同合作，对病历数据进行标注并反向给模型进行训练，模型安全性、合理性得到专家的一致认可。
据讯飞医疗相关负责人介绍，智医助理已向全国30多个省份600多个区县约53000家基层医疗机构提供产品及服务。截至2024年3月31日，智医助理可协助诊断的疾病数由2021年的约1100种增至1800多种，首次诊断推荐可靠性由2021年的约96%提高至约98%，处方审核可靠性由2021年的约93%提高至约97%。2023年，智医助理的收入规模在中国基层医疗机构CDSS（临床决策支持系统）市场中排名靠前，市场份额占到61.5%。
再看知名人工智能软件公司商汤，其于2023年10月发布升级版医疗健康大模型“大医”，并正式面向医疗健康产业链上下游机构客户开放服务。根据公开资料，“大医”的功能覆盖四大领域超20个细分场景，包括智能自诊、体检咨询、健康问答、导诊、预问诊、用药咨询、诊后随访管理、临床辅助决策、医学文献解读、影像报告结构化、病历结构化、医学数据统计等。
目前，商汤已与上海交通大学医学院附属瑞金医院、上海交通大学医学院附属新华医院、郑州大学第一附属医院等机构合作基于“大医”开展应用创新。例如商汤与上海交通大学医学院附属新华医院合力打造基于“大医”模型的智慧患者服务平台，上线智能导诊、智能预问诊、智能云陪诊、智能诊后随访、儿童养护机器人等应用，赋能患者“诊前-诊中-诊后”就医全流程，平台上线以来已经为数十万患者提供智能就医服务。
商汤智能产业研究院院长田丰认为，通过人机协同，不仅能够实现“数据多跑腿、患者少跑腿”，使老百姓更便捷地就医，还能帮助医疗机构提高诊疗和科研效率，提升患者服务质量，从以疾病为中心转向以患者为中心，比如围绕患者建立电子档案提供个性化服务。同时，通过人工智能赋能的健康问答等模块，可以促使人们主动地进行健康管理，关注疾病预防和治未病，这对每个人乃至整个医疗体系来说都有巨大的益处。
02
数据如何发挥商业价值
对于医疗资源欠发达的偏远地区，MaaS将有助于降低误诊率；对于“医联体”来说，其有助于实现更大范围的医疗资源协同共享。
当与医疗机构合作落地大模型时，国内医疗机构基本都会要求进行私有化部署，以保证医疗数据的安全。实际操作中，医疗机构的医疗数据控制权均掌握在该医疗机构手中，如果医疗机构需要大模型服务商进行调优或进行数据的结构化改造，服务商通常会以驻场的方式在私有化的环境里调优，同时也会签订严格的保密协议。
值得一提的是，在私有化部署医疗大模型的过程中，医疗机构有望逐渐培养出专科能力更强的大模型。“比如有的医院擅长于脑科，有的医院专攻心血管疾病，那么医疗大模型落地应用后，医院要逐步根据自身的数据特点去迭代优化模型性能，即持续投喂相关专科的训练数据集给到大模型，这种数据集既包含专科知识库，也包含专科医生多年积累的诊疗经验。通过不断调优，医疗机构将逐步强化人机协同在具体专科领域的效率和准确度。”田丰说。
如果医院通过不断调优培养出了质量较高、非常好用的医疗模型，就能由此产生医疗模型服务，即MaaS（Model as a Service，意为“模型即服务”）。通过MaaS，开发人员可以简单调用模型而无需了解复杂算法和实现细节，不涉及数据隐私和泄露。
未来，这类MaaS可以通过两种方式实现，一种是部署在云上，直接调动API接口使用；一种是部署在一体机上使用，这种情况下，模型已相对比较成熟。田丰预计，在MaaS投入使用的初期，服务采购方或会主要以云端结合的方式进行部署。
有了MaaS，医疗机构可以将相关服务横向开放给其他医疗机构，比如对于医疗资源欠发达的偏远地区，MaaS将有助于降低误诊率；对于“医联体”（医疗联合体，通常由一个区域内的三级医院与二级医院、社区医院、村卫生室组成一个医疗联合体，目的是为了解决百姓看病难的问题，发烧感冒不用再挤三级医院，在小医院也能解决）来说，MaaS有助于实现更大范围的医疗资源协同共享。
田丰认为，随着中国步入老龄化社会，未来一定涉及到顶级医院将自身强大的医疗资源和诊疗能力开放给社区医院、体检机构等终端，如果中间的数据“篱笆墙”没有打通，想要实现疾病早筛、手术服务共享、床位共享等效果就比较难。“接下来‘医联体’一定会走入MaaS共享化的阶段，甚至未来有可能会出现区域级的平台。”田丰说。
除了应用层面，在科研领域，全球已出现基于医疗大模型的公共医疗科研平台。2020年，谷歌旗下公司DeepMind推出了基于人工智能的蛋白质结构预测工具——AlphaFold，之后陆续推出AlphaFold2、AlphaFold-Multimer等工具；2024年5月又开发出AlphaFold3，被评价为有望颠覆当前的药物研发模式。据悉，由于该工具闭源，无法进行私有化部署，想要使用该工具的医药研究者需要将数据上传到该工具来做科研。用的人越多，模型训练得就会越好，由此诞生的MaaS就会产生更大的价值。
田丰希望，我国也可以依托比较领先的医疗大模型来探索建立公共的医疗科研平台，建立国家级专项研究。在该平台上，底层算力、数据接口、数据标准、算法标准都统一，有助于日后不同科研机构的模型可以相互对接，也有助于科研机构之间围绕数据进行对照研究、成果共享，只是需要更大数据集和算力。
根据英特尔中国研究院副院长王鹏的观察，目前数据在医疗场景里的变现主要有两种类型，一种是以医院管理层如院长、科室主任直接推动的医疗大模型合作，这种模式围绕辅助诊断以科室甚至整座医院为行动主体；另一种则是以医生个人为主导，希望借助企业的力量积极探索科研成果转化，通过设计良性的商业模式，打通老百姓在院内院外的数据，实现数据监管要求下的全生命周期个人健康管理分析，赋能临床研究。
王鹏介绍：“比如目前市场上有些企业在做个人健康智能监测设备（可穿戴和非可穿戴），收集诸如血压、血氧、心率、体脂等健康指标，如果能在做好数据脱敏的情况下开发生成式人工智能，提供主动提示、情感关怀等功能，就能提高个人对健康管理和疾病预防的关注。在此基础上可以产生用户通过设备对接互联网医院，寻求真人医生咨询服务以及借助真人医生经验打造数字人医生等商业模式。”
如今，数据成为继土地、劳动力、资本、技术之后的第五大生产要素，如何让数据发挥其应有的价值，这就要求企业必须根据实际应用场景去确定哪些数据有价值，同时在合规情况下合理地共享、挖掘、分析数据，让数据真正地赋能产业发展，发挥生产要素应有的作用。
来源 | 《商学院》杂志9月刊
