在醫療這種專業領域里，其實是最適合AI大模型發揮的地方。這篇文章，作者就從醫學影像領域，從如何賦能、如何監管和如何商業化三個維度進行初探，供大家參考。

自去年11月30日美國AI公司OpenAI發布旗下基于大語言模型GPT-3.5的AI聊天機器人程序ChatGPT以來，引發全球大模型開發和商業化應用浪潮。同樣這股浪潮也深刻影響著醫療行業，根據《2023醫療健康AI大模型行業研究報告》數據顯示，截至2023年10月，國內累計公開的醫療大模型近50個，涉及患者問診、醫生助手、藥物研發、健康科普等多個領域。

當醫學影像遇到AI大模型又會擦出什么火花，筆者將從如何賦能、如何監管和如何商業化三個維度進行初探。

一、如何賦能

從2023年開始業內發布多個醫學影像類AI大模型，包括：

聯影智能uAI影智大模型：作為垂直醫療領域的大模型基座，可在文本、影像、混合模態產品開發上帶來全維助力。通過大量的數據訓練，具備對醫學影像的通用底層學習技能，并具備了快速遷移到新疾病類型的能力。 深睿醫療醫學圖像通用分割大模型SAMI：適配X-Ray、CT、MRI、PET、超聲、病理切片、內鏡、皮膚鏡、牙片、血涂片等多模態醫療數據，實現從器官到病灶甚至病理細胞、病變組織、細胞元素等級別的亞秒級分割,為醫療實踐中的一切圖像分割任務提供了AI一鍵式解決方案。 數坤科技多模態醫療大模型ShukunGPT：圖像模態能力支持以多模態全人體器官病灶的通用分割和識別，協助醫生實現精準閱片和診斷。視頻模態能力實現超聲視頻流的實時理解，并融合文字模態生成高質量超聲報告。在視頻生成方面，可以實現電影級全人體器官結構渲染，為醫生更直觀地查看器官病灶以及為手術規劃提供準確依據。ShukunGPT多模態能力能夠實現對用戶和患者醫療數據的全模態理解，真正實現像醫生一樣理解患者的一切。 柏視醫療PVmed Zeus腫瘤治療AI基礎模型：在通用大模型（L0大模型）的基礎上，通過大規模、多模態、診療全流程腫瘤數據特征庫，精準建模刻畫腫瘤異質性，應用于個性化腫瘤治療方案。

醫療大模型作為一種工具，場景是其發展的關鍵，目前已在預問診、病歷書寫等高頻場景，以及科研場景下廣泛應用。

預問診：早先的預問診功能主要基于知識圖譜和NLP技術，由AI發起的問診多是基于固定的流程和語序，無法應對患者個性化需求，體驗不佳因此并未受到患者端的歡迎。而基于大模型技術的預問診則真正變成了一個開放式的對話模式，患者體驗有質的提升。 病歷書寫：基于對人類語言的理解、推理和歸納能力，大模型技術可以從醫患對話中萃取出有價值的信息，自動生成一個符合醫院系統的結構化病歷。 科研：以前針對某一種影像類型的數據和某一種疾病類型需要開發特定的算法，現在通過大模型可以對任意醫學影像中任意病灶進行勾畫標注，有效提升了科研效率。二、如何監管

目前關于人工智能軟件的審評審評標準主要參考《人工智能醫療器械注冊審查指導原則》、《深度學習輔助決策醫療器械軟件審評要點》、《人工智能輔助檢測醫療器械（軟件）臨床評價注冊審查指導原則》等，現有的審評審批文件中并未涉及大模型相關產品的審批要點，因此在審評審批環節還需要監管機構與行業一起探索前行。

三、如何商業化

從價值角度分析，AI大模型更多的是對既有系統的提質增效，而不是替換，因此不會馬上產生全新的應用形態，而是讓既有的產品變成一個被廣泛接受的、適用度大得多的產品。

再者醫院是一個相對封閉的系統，集合了多個廠商的設備或系統，雖然采用標準的接口或協議進行互聯互通，但是實現接入還是困難重重，不是簡單的從市場上買個標準件替換即可，而是涉及復雜的商務問題，想想幾年前醫學影像AI廠商初次進行醫院時的艱難情形。因此通過與醫療信息化企業或者醫療設備廠商合作將大模型產品在醫院進行落地是相對可行的商業化模式。

四、寫在最后

大模型很好，但不是“萬能藥“，需要理性看待。就像2012年提出深度學習后引發人工智能熱潮，AI將替代醫生的聲音叫囂甚喧，可10多年過去了，深度學習技術在醫學影像領域的應用還是局限在輔助檢測、輔助分診等領域。至于輔助診斷方面，國內第一個肺結節CT圖像輔助診斷軟件也才由深睿醫療在今年9月剛剛獲批。

AI大勢所趨，道路阻且長。

本文由 @毛利輝 原創發布于。未經作者許可，禁止轉載

題圖來自Unsplash，基于CC0協議

該文觀點僅代表作者本人，平臺僅提供信息存儲空間服務