張書樂 人民網、人民郵電報專欄作者

當全球都將AI投向西醫時，

中醫卻展現出另一種可能：大健康。

在有生之年，總能見證科幻變成現實，何其幸運。

由于DeepSeek的強大推理能力，似乎給一直破解不開的AI醫療帶來了希望。

全國兩會期間，全國政協委員、四川大學華西醫院教授甘華田表示，目前，AI醫療的廣泛應用存在著一系列法律、倫理、安全和技術等問題，亟待通過立法加以規范和解決。只有加強相關立法，“AI+醫療”才能更好發展。

不得不說,AI醫療，已經離我們越來越近了。

01 AI醫療，打破“不可能三角”？

最近的一波，或許是親身體驗AI醫生看病，因為這個可能5年后初步實現，而且貼身體驗，可能比起其他還在象牙塔里的科幻，顯得都要貼近需求，讓人類感到迫切。

從AI+影像，AI+臨床，到AI+原生硬件，2024年被譽為AI+醫療大模型發展元年。

甚至連看似和醫療只是“交易”關系的支付寶也坐不住了。

就在2024年9月5日，支付寶在“2024 Inclusion·外灘大會”上發布了“AI健康管家”。

當然，這并不是一個醫療智能體，只是一個便捷付費服務綜合體。

按照支付寶副總裁、數字醫療健康事業部總經理張俊杰的介紹，這是一個一站式平臺，可以圍繞診前、診中、診后全流程隨時為患者提供服務。

其中包括找醫生、陪診、讀報告、醫保支付等30多項服務，還可以針對非醫療的泛健康問題給出智能化、個性化解答。

立足點，依然是為了撮合交易。

但在支付寶入場之前，已經有大量人工智能公司涌入AI醫療賽道，而且一個比一個更樂意在“治病”上進行表演。

困擾醫療領域無數歲月的“不可能三角”，將會被打破嗎？

AI醫生，會如同AI算命一樣，成為華而不實的神醫嗎？

或許，奇點將在許多人意想不到的一個位置爆發。

02 救人：拋硬幣or擲骰子？

十余年求索，AI已經逐漸長成了那時IBM Waston期望的樣子。

它甚至跨出了診斷和治療的范疇，生根于醫療場景中的每一個角落。

以科技預言而為世人所熟知的《連線》雜志創始主編凱文·凱利就斷言，AI浪潮中，金融和醫療領域會最先看到變化，因為這兩個行業信息密度高。

在更多的人眼中，AI醫療能夠帶來一次突破，一次對“不可能三角”的突破。

所謂“不可能三角”指的是醫療服務高質量、低成本、高效率難以兼得，達成平衡。

換成更通俗的話語則是質量（看得好病）、成本（看得起病）和效率（看得上病）。

在科技界看來，從人工智能帶來的第四次科技革命浪潮，必然如蒸汽化、電氣化、信息化三次重大科技革命一樣大幅提高了人的體力勞動效率，極大解放了生產力，而“不可能三角”就有可能在人工智能的極致配合下，實現“三合一”的最大限度平衡。

但這只是景愿，并不代表就能落地。

正如ChatGPT展現了若干“奇跡”之后，但對絕大多數人來說，依然只是一個玩具或輔助。

AI醫生，距離治病救人，有多遠？

哈佛醫學院數據科學家Kun-Hsing Yu的一句——“AI的一些醫療決策，實際上就是拋硬幣”，足以讓所有人心頭一緊。

這位科學家的發言，質疑的是AI醫療模型很容易產生隨機的判斷，但醫學診斷的準確性顯然不能建立在概率之上。

事實上，當下的AI醫療，確實存在太多的問題，難以破解。

一個經常見諸媒體的例子發生在2021年，一款名為Epic Sepsis Model的醫療診斷模型被曝出嚴重漏檢問題。

該模型用于敗血癥篩查，通過識別病人早期患病特征檢測，但密歇根大學醫學院研究者通過分析了2.77萬人的就診情況發現，該模型未能識別67%敗血癥病患。

或許很多人會說，這并不代表人工智能巨頭的力量，那么看一個“正面”例證：

2023年7月，全球頂級科學期刊《自然》（Nature）發表了一篇論文，詳細介紹了谷歌微調后的Med-PaLM，成功挑戰了美國醫學基準測試（MedQA），并取得了86.5%的成績。

86.5%，意味著什么？

正面解讀是人工智能在醫療領域又邁進了一步。

換個角度看看：即使是谷歌的產品，錯誤率也依然有13.5%，而且這可能是每一次診斷都會發生的。

唯一值得慶幸的是，拋硬幣可能變成了擲骰子，概率從1/2變成了1/6。

就在一年后，《自然》上又發表一篇文章，其中提到：一種完美的算法可能失敗，因為人類行為具有可變性——無論是醫療專業人員還是接受治療的人。

03 賽道：前方還有八十一難！

誠然，當下人工智能的發展，已經開始向醫療領域的方方面面滲透。

以體檢報告生成為例，平均每5秒AI可自動生成一份總檢報告，報告采納率達到96%以上。

AI能夠幫助醫生實現更精準、更輕松的手術，例如，AI輔助穿刺手術，能夠將誤差縮小到2mm。

AI賦能遠程醫療，能夠實現大城市三甲醫院、基層醫院聯合會診，更好地平衡全國醫療資源，減少急危重癥患者等待。

AI醫療服務進入社區，未來，每個家庭都有可能擁有私人家庭醫生，實現精準、個性化健康管理。

總而言之，AI醫療，不只是AI醫生，還有很多普通人體驗不到的項目。

業界普遍認為，現階段的AI醫療，主要包括了AI 輔助診斷、AI 醫學影像分析、AI 精準醫療、藥物研發、醫療機器人等多個細分賽道。

AI 輔助診斷是通過分析患者的癥狀、體征、檢驗結果等數據，提供可能的診斷建議，幫助醫生做出更準確和及時的決策。

AI醫學影像分析，則是利用AI視覺技術，對醫學影像數據進行自動化分析和診斷。

而在藥物研發方面，AI 可以通過對藥物靶點、藥物結構、藥物作用機制等數據進行建模和模擬，加速藥物的發現和開發過程。

盡管，每一條賽道，目前都不時有捷報傳來，但落地依然有距離，哪怕最后一微米，也未必能夠快速通過。

例如最被人們所關注的診斷環節，目前各大人工智能公司都是針對單一疾病開展單個研究，可醫生在對病人做檢查時，需要對多種疾病、并發癥、精神狀況等進行綜合判斷，并不局限于一種。

據了解，僅僅皮膚病就有2000多種，而AI技術目前也只能判斷幾十種皮膚病。

在更被看好的AI醫學影像領域，則是冰火兩重天。

2023年紅杉資本發布的一篇名為《醫療領域的生成式AI》報告中，就指出從市場需求及規模來看，AI醫療影像及AI藥物研發將成為主要的增長突破口。

同時，據 Global Market Insights 數據，全球AI醫療影像市場規模占醫療 AI 市場的 25%，僅次于AI制藥為第二大細分市場。

但在實際應用層面，則各種問題叢生，而且可能還很奇葩。

如谷歌開發的用于檢測糖尿病視網膜病變的算法，在泰國診所使用時就會性能顯著下降。

據一項觀察性研究顯示，泰國診所的照明條件導致低質量的眼睛圖像，從而導致該算法有效性降低。

至于藥物研發，則更加壓力山大。

在商業模式上，國內AI藥物研發企業主要分為AI SaaS、AI CRO、AI biotech三種模式，即出售軟件、服務和研發藥物，分別占了商業模式總數的25%、23%和8%。

模式上的選擇恰恰說明：AI企業更樂意于按照傳統商業軟件模式，即類似理財用金蝶那樣，給傳統企業提供定制服務，而非自己下場做實操。

做出這種選擇的一個關鍵在于難以突破數據孤島，即：

AI制藥所必需的藥代動力學（與藥物在人體中的代謝有關）和毒理等需要從人體試驗中獲得數據的項目，則相對不容易獲取。

畢竟，與人體試驗相關的數據主要集中在大藥企的手里，屬于核心數據，幾無可能共享。

換言之，AI制藥確實可以模擬各種可能、作出各種超快超精準計算，但這種加速無論如何不能跳過臨床階段。

即使是傳統藥企也往往會在臨床環節用最穩健的方法、多年多次小步探索，哪怕擁有絕頂的專家和技術。

關乎人命，誰也不敢加速，目前而言，不可解、不能解。

此外，在中國，《互聯網診療管理辦法》明確規定，“不得對首診患者開展互聯網診療活動。”這也意味著，互聯網的AI不能首診。

但如果患者在線下已經去過醫院、做過化驗、開過藥方也拿到藥了，還要人工智能診斷什么呢？

但當全球都將AI醫療的賽道選擇投向西醫之時，中醫卻開始展現出另一種可能：大健康。

04 中醫：大健康才是大格局！

顛覆，中醫正在顛覆整個AI醫療的想象空間。

“人工智能未來完全有可能成為中醫藥領域的顛覆性技術，改變行業現狀，產生新業態，應用前景廣闊。”中國科學院院士、中國科學院上海藥物研究所研究員陳凱先在2024年的一次中醫論壇上如是說。

顛覆，從望聞問切開始。

在廣州醫科大學附屬中醫醫院門診大廳，銀灰色機器人外形的中醫體質辨識儀，吸引著來來往往的目光。

只要坐在一部臺式終端機前，面對屏幕攝像頭拍攝幾張面部和舌頭的照片，再回答5道問題，居民就會在手機上收到一份詳細的中醫體質辨識報告。

在《瞭望》雜志的報道中，許多使用過這款智能中醫設備的老年居民都對它印象深刻，嘆服“科技很發達，結果也可信”。

值得注意的是，這些老年居民其實是在廣州市天河區石牌街道社區衛生服務中心。

換言之，這個設備已經開始從醫院走向了社區。

而在山東，望聞問切有了更加具象化地體驗。

在東阿的一個膏方體驗館中，一個圓形的儀器里面有各種攝像頭，游客只要按照指示把頭靠在檢測儀的正中間，一張“大頭照”隨之出現在電腦屏幕上。

當患者伸出舌頭，其影像也立刻被記錄。

然后工作人員會拿起一個白色小盒子，用里面的三塊小凸起對準了患者的關脈、寸脈、尺脈位置進行操作。

隨后，這件被稱為“智能體質辨識儀器”的設備還會開出方子。

當然，受限于各種客觀原因和安全考慮，只能是食物療法。

不僅有大，而且還有小。

《科技日報》報道過一款名為“望舌問膳”的小程序：只要對著手機攝像頭拍下舌頭照片，僅1分鐘左右，就可以得到一份從中醫角度進行詳細分析的身體健康報告和膳食養生防治方案。

“這款小程序融合傳統中醫舌診方法和現代人工智能圖像識別技術，通過對兩萬多張臨床舌診圖片深度學習，為用戶提供便捷的健康分析服務。”小程序研發相關負責人介紹。近

半年來，已有3萬多人次使用該小程序，其中94%的用戶對分析結果準確性表示認可。

人工智能針灸機器人、中醫健康手環、脈象信息采集系統……

中醫四診的技術研發開始進入了一個全新的人工智能體驗環節。

事實上，計算機技術應用在中醫藥領域時日已久，早在20世紀80年代就有“中醫專家系統”問世。

它通常使用知識庫檢索的方法，事先將專家劃定好的標準、規范、診斷步驟等錄入系統，使用時依據患者的數據檢索、提取相應方案，實現模擬中醫專家的分析、判斷過程。

此次人工智能的進入，或許還能同步解決老中醫不足這個困擾中醫藥多年的老大難問題。

當然，這一切依然只是一個開始，而且AI中醫目前而言更加偏重于養生而非治療，但也破解了AI西醫在落地上的不少“疑難雜癥”。

而且，中醫還給出了另一個突圍思路：AI或許從小處入手，方能走出大健康的大格局。

05 未來：怎么樣當好醫學生？

事實上，被人誤以為與科技不在一個頻道的中醫藥，已經在向更遠的方向展開探索，例如大模型。

其繁盛景象甚至在業界引發了戲言：中醫藥大模型，已經多到老祖宗的名字都不夠用了。

這句戲言反映的則是一個現實，在中國，華為、百度、阿里、訊飛等科技巨頭，云南白藥、華潤江中、太極集團、天士力等知名藥企，還有若干地方政府，都在聯手發展中醫藥大模型。

而命名上則紛紛請出扁鵲、華佗、神農、黃帝、岐伯、張仲景等開宗立派的大人物，或使用本草、靈樞、岐黃、軒岐等中醫藥高頻詞……

中醫藥大模型之百舸爭流，并不亞于ChatGPT、DeepSeek、文心一言等通用大模型的千帆競渡。

然而，道阻且長依然是AI醫療上的主旋律，這也決定了未來許多年的基本范式，即以其中最為當紅炸子雞的醫療大模型而言，必然也只能繼續充當醫學生，至少5年內不可能畢業。

至少，目前在中醫藥和人工智能的親密接觸中，中醫AI扮演的正是老中醫身邊的小藥童角色：背好湯頭歌、幫忙抓個藥、導診減負擔、順便煎個藥……

在對自身的定位上，中醫藥跑在了急切走到前臺的西醫AI前面。

誠如凱文·凱利所預言的那樣：AI落地產業需要時間，僅僅消化現有技術可能就需要5到8年時間。就像電力的應用一樣，18世紀的公司并不是把電力引進來就萬事大吉了，實際上，必須重新調整組織結構、改造建筑，以適應事物通過電來運轉，以及實現自動化。

具體到醫療大模型上，需要重構的框架更多，需要破解的痛點并不比攻克癌癥容易。

例如：診療上，由于許多病癥的復雜性，需要各種檢查尋找病因，醫療大模型很難完成診療全流程的復雜工作。

要真正讓AI醫療真正走向“大醫精誠”，就決不能“大躍進”。

而是在大模型的基礎上去更細分垂直的領域中試錯，通過大數據和深度學習，為醫患提供診療參考方案，減少中間環節，提高診療效率。

這一幕，已經開始展現出價值。

研究表明，曾經需要兩名放射科醫生合作完成的乳腺癌檢測，如今已可由一名放射科醫生在專門的人工智能工具的輔助下完成。

2020年，麻省理工學院的研究人員則通過人工智能技術發現了一種能夠殺死大腸桿菌的抗生素……

但更多的痛點，還需要更多的人，參與到人工智能的“醫學生”訓練中，并且打破“隔閡”。

畢竟，無論是人還是人工智能，成為一個合格的醫生，都需要足夠的且垂直細分到不同病例的大數據，來提供深度學習。效率或許大不同，但學習實踐的過程，則大同小異。

未來5年，醫療大模型依然還是“醫學生”狀態，距離真正意義的商用還有距離。

未來5年，未必集中在看病上，依然有許多醫療領域需要人工智能的輔助，例如研發一款新藥15%以上的成本都要花在患者招募上面，AI技術則可以幫助藥企快速找到合適的患者群體……

未來5年，目標解決看病問題的AI醫生們，其最好的出路：

必然也只能是一邊深度學習，一邊進醫院圍繞各個垂直細分領域做“規培”試點，服務用戶精準找對醫院和醫生、看懂醫學報告單、了解藥品用法、多輪解答日常健康問詢等。

先做好醫學生和助手，否則一切都是紙上談兵。

刊載于《創意世界》雜志2024年11月刊