AI聊天機器人ChatGPT正在引爆知識領域的“工業革命”，對于醫療領域的影響也將是深遠的。

第一財經記者日前從上海部分公立醫院信息化部門了解到，ChatGPT這類技術已經引起巨大關注，一些醫院正在利用類似的人工智能技術搭建模型，以支持院內的醫療、教育和科研工作。

【資料圖】

基于醫院內部數據的“知識庫”

復旦大學附屬華山醫院信息中心主任黃虹對第一財經記者表示，醫院正在聯合第三方的技術公司，搭建服務于醫療系統的大數據訓練模型，目前正在討論可落地的應用場景。

“就醫導診是一個重要的應用場景，這將會極大地促進互聯網醫療效率的提升。”黃虹對記者表示，“另一大應用場景是醫院內部知識庫的構建，提升臨床研究效率；此外，利用AI模型內容生成的技術，今后可以輔助醫生提升電子病歷的書寫效率。”

相關專家告訴第一財經記者，人工智能背后的很多先進的技術架構是開源的，借助Transformer的開源框架，技術團隊可以幫助醫院搭建用于醫院內部系統的模型，并根據醫院所需要的應用場景來訓練這些模型。

“OpenAI的ChatGPT訓練成本非常高，我們也稱之為‘暴力訓練’，完成單次模型訓練大約需要一個月時間和上千萬美金的投入，因為它是一個‘通識’知識庫，但如果僅在醫院內部使用，所需的知識庫就會聚焦在非常特定的內容范圍，只需要針對醫療知識進行訓練，因此訓練的成本也會大幅降低。”一位參與相關模型開發的技術人員對記者表示。

黃虹對記者表示，在針對大型醫院開發醫療模型的過程中所面臨的挑戰。“比如訓練模型就要給機器喂語料，需要專家進行語料標注等等，這些都是具體的工作，需要人力和機器學習技術方面的投入。”她說道，“怎樣找場景，把能落地的場景模型先搭建起來，我們也都開始了研究探索。”

在談到訓練一個醫療大模型需要多長時間時，黃虹說道：“訓練模型的時長和訓練的內容、規模以及計算算力都密切相關，在初期階段，如果控制在幾天到1-2周內能完成一次訓練，對模型的迭代升級會比較有利。”

黃虹表示，不同于ChatGPT向公眾開放的應用場景，醫院內部的AI模型將是基于本院的數據，擁有一定的壁壘，這些數據也體現了大型研究型醫院的學科優勢和在臨床方面的價值。

“所以并不是所有的醫院都需要建立一個這樣的模型，只有擁有大量病歷，并形成自身學科優勢的研究型醫院的數據，訓練出來的模型更有價值。”黃虹對記者表示，“這些數據都是基于權威專家的臨床經驗，具有權威性，當然其他聯盟醫院也可以加入進來，通過結合區塊鏈、聯邦學習等技術共享使用這些知識。”

互聯網醫院場景有望率先落地

第一財經記者從另外兩家上海的大型公立醫院了解到，基于AI技術開展的相關智慧醫療的布局也正在推動中，但這些技術并不完全與ChatGPT相同。

上海交大醫學院附屬仁濟醫院智慧醫療發展處處長王春鳴對第一財經記者表示，互聯網醫院是ChatGPT這類模型首先能夠落地的場景，仁濟醫院看好ChatGPT這類AI技術在醫院線上和線下醫療和服務中的應用。例如在互聯網醫院場景下的使用，通過提升智能客服的能力，可以大量減輕就醫導診的壓力。

王春鳴告訴第一財經記者，仁濟互聯網醫院2022年的掛號量同比增長了7倍左右，累計服務患者人次已經超過百萬量級。“互聯網醫院的就診量正在急劇上升，客服的能力遠遠跟不上，現在有了ChatGPT這類強大的新模型，可以極大地提升智能客服服務患者的能力。”他說道。

據介紹，目前仁濟互聯網醫院的智能客服是基于中國某互聯網大公司開發的人工智能模糊算法，針對就醫導診問題的回答準確率已經達到94%以上。王春鳴表示，中國的相關智能工具目前可能還未實現ChatGPT的強大功能，但是應用場景是可以逐步優化的。

“從醫院角度來說，未來我們的互聯網醫院在哪些功能方面有升級需求還需要進一步明確，例如線上線下一體化的導診服務；對于建設方來說，就是要解決技術問題，我們也專門組建了一個團隊，針對系統無法判斷的問題會給到后臺，由團隊討論給到答案，反復對人工智能模型進行訓練，進一步提升它的能力。”王春鳴對第一財經記者表示。

除此之外，未來在醫生操作端以及醫療臨床應用方面，也會發揮重要的作用。“但是我們認為ChatGPT在臨床上的應用會涉及到更加復雜的問題，因為針對每一個專病都要建立相應的數據庫，到最終的應用需要一個長期的建設過程。”王春鳴說道。

復旦大學附屬中山醫院副院長顧建英對記者表示：“我們看好ChatGPT這類AI技術在健康管理方面的應用前景。”中山醫院健康管理中心已經建立了健康風險評估、疾病早篩早診早治，干預隨訪的全程健康管理體系，并通過構筑5G專網下的健康管理數字孿生體系，真實映射到全生命周期健康管理，實現智能決策和智慧管理。

在中科院院士、中山醫院心內科主任葛均波教授看來，AI臨床應用結合大數據，將會極大延伸醫療服務“上下游”，實現全生命周期管理。早在幾年前，葛均波領銜開發的AI醫生“小葛”就已順利通過國家執業醫師臨床考試。

“AI醫生在慢病管理、輔助診斷乃至手術領域，均大有可為。”葛均波告訴記者，“AI助力將可為患者從預防、發病、診斷、治療到院外康復的疾病管理全流程提供智能解決方案。”

葛均波稱，ChatGPT代表了AI發展到一定階段的標志性產物，將成為醫生更強大的助手。“我們也在考慮升級小葛醫生，通過與技術團隊的合作，未來小葛也會使用到ChatGPT這類大模型，經過不斷的訓練與迭代，使AI的能力更接近人類醫生。”

未來醫院的“智慧大腦”

未來，AI模型將會成為大型醫院的“智慧大腦”，給醫生在臨床的診斷和治療提供支持。業內認為，ChatGPT這類AI技術必將成為醫療行業未來的發展趨勢。

“AI和醫療的結合會越來越緊密，這是一個長期迭代優化和持續發展完善的過程。”黃虹對記者表示。她預計，隨著算法效率的不斷提升以及云計算的發展，未來AI訓練成本將會變得更加可控。

在提到基于醫院模型的知識庫是否未來會向公眾開放服務時，黃虹認為，在系統對外開放之前，首先應該考慮到AI可能帶來的倫理風險和其他風險。“這些風險是共性的，就是AI也會犯錯。”她說道，“因此醫院在推廣這些技術之前一定是非常謹慎的，會是循序漸進的，例如先從風險較小的就醫導診和健康科普類應用做起。”

現階段來看，ChatGPT這類技術對于臨床研究方面的意義更為顯著。這是由于臨床醫生壓力大，一方面要做自己的研究，另一方面還要學習大量的科研文獻，難以兼顧。借助人工智能在信息檢索、機器閱讀和內容生成方面的優勢，可以幫助醫生迅速匹配到相關文獻，并對文獻的內容進行總結，在很大程度上節約醫生的時間。

此外，在輔助診斷方面，ChatGPT等AI技術也可以發揮作用。去年，全球最大的學術出版機構之一愛思唯爾發布的一份《未來醫生白皮書》調研顯示，全球80%的受訪醫護人員表示，大數據將深度融入工作與診療過程中，有助于醫生制定更精準的診療方案，提高決策效率。

去年12月，谷歌發布了一個新的醫療AI模型Med-PaLM，并稱經歷了一系列的考核后，該模型被證實“幾乎達到人類醫生的水平”。初步研究表明，Med-PaLM能夠提供臨床決策支持，總結研究中的關鍵結果以及對患者的初級護理問題進行分診，就如同為臨床醫生增添了一個曾使用數百萬個數據集進行訓練的智能助手。

谷歌研究人員稱，Med-PaLM在科學常識方面的正確率達到了92%以上，在理解、檢索和推理能力方面也能達到普通醫生的水平，并且在克服隱性偏見方面略勝一籌，但在實際應用方面仍有待完善。

愛思唯爾董事長池永碩表示：“作為醫療與AI深度融合下的產物，Med-PaLM是一種針對臨床醫生進行過微調的大型語言模型。通過將大型語言模型(LLMs)整合到日常工作流程中，醫生和研究人員將有望將更多時間專注于開發能夠挽救生命的創新性治療方法。”

關鍵詞： 訓練模型 研究型醫院 ChatGPT 模糊算法