百度AI大模型多場景賦能醫療，落地臨牀診療尚有距離 | 最前線

文 | 常澤昱

編輯 | 海若鏡

AI繼續“狂飆”。幾乎所有人都曾沉浸於“多模態”、“大模型”等概念帶來的狂喜或驚訝中。但當前，如何將AI嫁接到行業內部，如何利用AI產生真正的能效等，成爲熱議話題。

具體到應用層面，“技術爲先、場景爲重”是基本的邏輯。

“相較於‘AI+醫療’，我覺得更多的是‘醫療+AI’。我們的角色是賦能者，服務患、醫、藥”。近日舉行的百度健康產業生態大會上，談及自身定位，百度大健康事業羣組總裁何明科數次強調“賦能”。

基於何種場景賦能？圍繞“以患者就醫旅程爲主路徑，滲透醫患藥各環節”的策略，百度健康目前已形成五大產品：面向普通用戶的AI健康助手，面向醫患雙端的在線醫療Copilot，核心面向醫院的“AI智慧門診”，大模型的私有化產品CDSS，核心面向企業的靈醫開放平臺產品。

靈醫開放平臺將面向醫療服務提供API 1000萬token的免費額度。據悉，在純To B場景，百度健康已形成5大核心API+3大產品套件+Ν個基礎API的能力集合，行業付費客戶累計超過100家，助力企業經營提質、增效、降本。

而在院端，如何打破患者與院端信息差、提升醫療資源利用效率，歷來是醫療AI企業都試圖解決的問題。華中科技大學同濟醫學院附屬協和醫院門診辦公室副主任譚捷介紹，藉助百度大健康AI產品，目前武漢協和醫院已在分導診、加號、候診三個環節探索智慧化方案。

以加號爲例，針對專家號緊俏難掛且實踐中存在醫患不匹配的現象，百度健康通過病情收集、病例整理、AI預審和醫生複覈的加號流程，爲患者開通應急預約通道，匹配擅長對應疾病的專家。據院方統計，上線75天內，AI智能加號共計審覈5478人的加號申請，通過人次755人，專家審覈通過720人，這意味着其審覈準確率高達95%以上。

壓縮醫生在書寫病歷等重複性工作上的時間支出，則是目前百度健康在“AI醫生助手”模塊推進的工作之一。

“基於大模型輔助醫生提升書寫效率，從實際的反饋來看是受歡迎的，能將醫生花費的時間從1個多小時降低到20分鐘左右”，百度大健康事業羣組策略研發部及AI產業部總經理黃海峰介紹，爲了保證內容的嚴謹性，“每一段輸出內容都會有相關的溯源標註，告訴他是來自哪個單據。”

大模型在具體領域運用的深度很大程度上取決於其對數據的獲取、發掘，而醫院衆多不同科室的現實情況又對此提出了新的挑戰。黃海峰表示，百度健康將逐步實現從“公有云”到“私有化”、“專門化”的迭代，應用場景大體遵循從由簡到繁、由通用到具體的邏輯逐步推進。

具體到較受矚目的臨牀應用，目前百度還在“篩選具體場景”的階段，因爲“投入確實會比較重”。黃海峰介紹，一方面，針對不同臨牀場景開展的工作複用性較差，例如做肺部手術導航和做口腔建模就涉及兩種完全不同的需求。另一方面，如果要開展具體的臨牀診療，現階段的病例數據也並不足夠，尚需繼續收集、發掘。

讓AI真正在臨牀場景發揮活力，醫生是必不可少的一環。上海仁濟醫院泌尿科主治醫師遲辰斐認爲，醫生應該“卸掉高牆，學會跟大模型合作，不吝嗇於把自己的知識告訴企業”。

承認AI巨大潛力的同時，遲辰斐也結合自己的醫療實踐和觀察提出了一些“冷思考”，結合他參與的多次AI測評的實際情況來看，在面對一些需要判斷力的開放性問題時，AI的能力遠在醫生之下。

因此，建立更科學、與現實擬合程度更高的測評環境也尤爲關鍵。“大模型到底能不能看病，不是現在測評中這些選擇題和科普性的Q&A說了算”，遲辰斐指出，“醫生怎麼看病、多輪問診怎麼進行、怎麼採集患者數據、進行推導、給出診療建議，需要基於醫患交互的自然語言生成的真實場景，把這些東西結合進去，做成一個真正的測評體系。”

總之，正如何明科所講的那樣，大模型讓“我們手裡的‘子彈’更多了”。但如何找到痛點、瞄準子彈，真正實現對醫藥大健康領域全面、深度的賦能，仍然需要更多路徑層面的探索。