AI醫(yī)療浪潮奔涌，行業(yè)融資活動持續(xù)活躍，AI醫(yī)療服務(wù)日益普及?！吨袊?AI 醫(yī)療產(chǎn)業(yè)研究報告》數(shù)據(jù)顯示，2023 年中國 AI 醫(yī)療行業(yè)規(guī)模已達(dá)到 973 億元，其預(yù)計到 2028 年將進(jìn)一步增長至 1598 億元，2022-2028 年間的年復(fù)合增長率為 10.5%。

　　“醫(yī)療成為人工智能博弈的核心行業(yè)?！痹?025中國聯(lián)通合作伙伴大會·數(shù)智醫(yī)療論壇上，這成為與會者的共識。

　　不過，會上也提出，醫(yī)療領(lǐng)域高質(zhì)量數(shù)據(jù)集不足成為AI醫(yī)療發(fā)展過程中的掣肘之處，訓(xùn)練語料不足增大大模型應(yīng)用錯誤風(fēng)險， “幻覺”以及推理過程不透明等問題，導(dǎo)致面向診斷建議等場景風(fēng)險增加；并且，大模型的硬件本地部署方式導(dǎo)致算力分散浪費(fèi)。

　　與會專家建議，通過臨床數(shù)據(jù)的收集、脫敏和標(biāo)注，構(gòu)建高質(zhì)量數(shù)據(jù)，以高質(zhì)量數(shù)據(jù)的確定性，應(yīng)對模型的不確定性。中國聯(lián)通副總經(jīng)理郝立謙提出倡議：共同推動與各醫(yī)療機(jī)構(gòu)、科研單位、產(chǎn)業(yè)伙伴共同建立專病標(biāo)注聯(lián)盟，構(gòu)建從數(shù)據(jù)治理到標(biāo)注的數(shù)據(jù)工程能力，共同打造高質(zhì)量數(shù)據(jù)集，并在此基礎(chǔ)上共同研發(fā)專病智能輔助診斷模型、手術(shù)規(guī)劃等人工智能的應(yīng)用。

　　從電子病歷到人工智能輔助診斷、遠(yuǎn)程醫(yī)療，科技已經(jīng)深刻改變了醫(yī)療服務(wù)模式。

　　其實(shí)，醫(yī)療領(lǐng)域一直是擁抱科技的前沿領(lǐng)PG電子官網(wǎng)域，此前醫(yī)療領(lǐng)域的信息化建設(shè)構(gòu)建了數(shù)字醫(yī)療的基礎(chǔ)，伴隨著ChatGPT、DeepSeek等生成式人工智能的發(fā)展，為醫(yī)療領(lǐng)域發(fā)展再次注入動力。

　　當(dāng)前，AI 已廣泛應(yīng)用于醫(yī)療全流程，包括健康管理、診前診中診后服務(wù)、影像分析、藥物研發(fā)和手術(shù)機(jī)器人等。AI 助力醫(yī)療機(jī)構(gòu)提升效率、優(yōu)化流程，并改善患者體驗(yàn)。

　　《中國 AI 醫(yī)療產(chǎn)業(yè)研究報告》數(shù)據(jù)顯示 2023 年 規(guī)模 973 億元，預(yù)計 2028 年達(dá) 1598 億元。東吳證券指出，細(xì)分賽道中，AI 影像、病理、醫(yī)療系統(tǒng)、健康管理、終端應(yīng)用、制藥等領(lǐng)域各具特點(diǎn)，規(guī)模增長、 政策支持、競爭格局逐漸明晰，未來發(fā)展趨勢向好。

　　但是，關(guān)鍵技術(shù)不斷突破，面臨風(fēng)險也在增加。會上，國家衛(wèi)健委規(guī)劃發(fā)展與信息化司信息統(tǒng)計一級調(diào)研員沈劍鋒直陳當(dāng)前面臨的四大風(fēng)險。

　　第一，專業(yè)訓(xùn)練語料不足增大大模型應(yīng)用錯誤風(fēng)險。沈劍鋒指出，醫(yī)療衛(wèi)生領(lǐng)域短期內(nèi)大模型應(yīng)用爆發(fā)式增長，短時間無法提供足夠的高質(zhì)量訓(xùn)練語料，無法有效消除 幻覺, 推理過程不透明等問題，導(dǎo)致面向診斷建議、用藥指導(dǎo)等場景風(fēng)險增加。

　　這一點(diǎn)亦是行業(yè)普遍提及的痛點(diǎn)。高質(zhì)量訓(xùn)練數(shù)據(jù)直接決定AI大模型的性能，其不僅用于模型的訓(xùn)練，還用于模型的驗(yàn)PG電子官網(wǎng)證和優(yōu)化。數(shù)據(jù)是人工智能的基石，高質(zhì)量數(shù)據(jù)保障模型準(zhǔn)確性。

　　此前有報道指出，中國約有5000家醫(yī)院具有病理科，但不足5%的醫(yī)院將數(shù)字化應(yīng)用于日常的診斷過程當(dāng)中，導(dǎo)致數(shù)據(jù)的規(guī)模小，影響了智慧化的發(fā)展。在算法的層面上，傳統(tǒng)的模式數(shù)據(jù)標(biāo)注依賴于病理學(xué)的專業(yè)知識，導(dǎo)致非常的昂貴而費(fèi)時，并且具有個人的主觀性。

　　而大模型自帶的“幻覺”缺陷，在醫(yī)療領(lǐng)域這一高風(fēng)險場景中將面臨更多的挑戰(zhàn)。

　　第二，沈劍鋒提及，多模態(tài)處理能力不足導(dǎo)致大模型應(yīng)用場景受限?！按笳Z言模型擅長語言交互能力對圖像、視頻等多模態(tài)數(shù)據(jù)的處理能力不足，對于圖文混合或文字加視頻的應(yīng)用能力不足，難以有效支撐臨床復(fù)雜場景應(yīng)用?！彼岬健?/p>

　　第三，國產(chǎn)大模型的崛起顯著增加大模型應(yīng)用， 基于少數(shù)大模型底座集中開發(fā)應(yīng)用，面臨惡意攻擊，單點(diǎn)突破等安全風(fēng)險

　　第四，沈劍鋒指出，大模型的硬件本地部署方式導(dǎo)致算力分散浪費(fèi)。他提到，調(diào)研發(fā)現(xiàn)大多數(shù)醫(yī)療機(jī)構(gòu)采用本地部署方式，客觀加快了 DeepSeek 的快速應(yīng)用擴(kuò)大，但導(dǎo)致算力硬件分散、資源無法發(fā)揮集中效力，存在重復(fù)投入、算力浪費(fèi)等問題。

　　“醫(yī)療衛(wèi)生語料和公共服務(wù)平臺成為關(guān)鍵?！鄙騽︿h提到，這也成為與會者的共識。

　　“要以高質(zhì)量數(shù)據(jù)的確定性，應(yīng)對模型的不確定性?！北本┬l(wèi)健委副主任嚴(yán)進(jìn)指出，要通過臨床數(shù)據(jù)的收集、脫敏和標(biāo)注，構(gòu)建高質(zhì)量數(shù)據(jù)，利用數(shù)據(jù)來驅(qū)動人工智能的研發(fā)，不斷優(yōu)化人工智能的產(chǎn)品性能，提高模型的準(zhǔn)確率、準(zhǔn)確性。

　　“特別是在醫(yī)療場景下，高精度模型依賴于高質(zhì)量的數(shù)據(jù)。”嚴(yán)進(jìn)表示，他提到了北京的探索案例：依托北京安貞醫(yī)院建設(shè)心臟病的高質(zhì)量的數(shù)據(jù)。

　　據(jù)其透露，該數(shù)據(jù)集整合了160萬例成人心臟數(shù)據(jù)和30萬胎兒心臟數(shù)據(jù)，上千例的妊娠合并心臟病以及上千例出生病例。數(shù)據(jù)覆蓋了160種成人心臟病和108種胎兒心臟病，還包含超聲心動圖影像、超聲結(jié)構(gòu)化參數(shù)以及臨床病例等，確保數(shù)據(jù)的準(zhǔn)確性與全面性。

　　郝立謙提及，中國聯(lián)通聯(lián)合首都醫(yī)科大附屬北京胸科醫(yī)院建立了17種征象、2萬例肺結(jié)核CT高質(zhì)量數(shù)據(jù)集。

　　當(dāng)前，醫(yī)療機(jī)構(gòu)普遍采用“大模型基座+小樣本微調(diào)+專業(yè)知識融合”的方式落地部署大模型，本地化部署導(dǎo)致算力分散等問題。

　　對此，郝立謙指出，將充分發(fā)揮算網(wǎng)優(yōu)勢，全面降低醫(yī)療機(jī)構(gòu)使用門檻；并且，聯(lián)手合作伙伴共建醫(yī)療MCP服務(wù)體系，推動醫(yī)療人工智能應(yīng)用規(guī)?；涞夭⑦\(yùn)營服務(wù)。