AI醫生已給這些患者看過病，醫聯CEO王仕銳：AI能讓醫療“不可能三角”成為可能

每經記者 陳星  王佳飛    每經編輯 文多    

在生成式AI技術出現之前，AI看病更多是一個“空想”。往往在做完一連串選擇題后，患者才能拿到一個似是而非的診斷結果，甚至比不上去醫院排隊后的看病5分鐘。

但生成式AI給這一藍圖中的世界帶來了一絲可能性。今年5月，互聯網醫療平臺“醫聯”開發了國內首款醫療大語言模型——MedGPT（Med指醫學，GPT即基于Transformer網絡結構的預訓練語言模型）。醫聯創始人、CEO王仕銳接受《每日經濟新聞》記者獨家專訪時表示，這一模型或為解決醫療的“不可能三角”（醫療系統難以同時兼顧提高醫療服務質量、增加醫療服務可及性和降低醫療服務價格）帶來了新的答案。

今年6月30日，醫聯在醫院搭起了線下義診，將患者的主訴分別傳達給真人醫生與AI醫生，并完成開單診斷和出具治療方案全流程。最后，專家打分結果顯示，AI醫生與三甲主治醫生在比分結果上的一致性達到96%。

生成式AI聽懂了患者說話

在生成式AI出現之前，AI看病是一個“想象很美好、現實很骨感”的愿望。2018年，互聯網醫療平臺醫聯曾應用自然語言處理（NLP）、計算機視覺（CV）等AI技術，落地了一系列醫療應用場景。其中包括智能健康終端、智能分診等——這是智能醫助的“雛形”。

但彼時智能醫助的嘗試“是失敗的”。由于當時的診斷決策信息收集主要通過選擇題完成，長達四五十項的冗長內容，讓用戶和醫生都不買單。醫聯團隊意識到，AI或許就是打開醫療服務時間、空間和人力限制的大門，但苦于找不到打開這扇門的鑰匙。

在團隊一度受挫時，ChatGPT出現了。大語言模型就像“最后一塊拼圖”，醫聯團隊開發了MedGPT，并于今年5月正式發布。

7月20日的采訪中，王仕銳這樣描述MedGPT：“在我們看到的所有報道、學術期刊里，MedGPT（出現的價值）應該是：第一次有了一個AI醫生能夠像人類醫生一樣，對患者進行多輪問詢、鑒別診斷，出具檢測意見并且讀取報告，最后給到精確的治療方案。這個過程全程模仿真實場景，不僅是國內首個，應該也是全球首個。”

圖片來源：醫聯官網

“我現在每天都泡在這個事情里面，因為這就是未來。”王仕銳難掩興奮。

但在生成式AI出現以前，自然順暢的AI疾病診療流程曾被視為一個難以突破的瓶頸。

“其中最難的一點應該是AI技術對人類真實自然語義的理解。”王仕銳說道。自然語音處理不好，機器就聽不懂患者的話，只能通過冗長的選擇題排除可能存在的病因，最后下疑似診斷，用戶體驗隨之大打折扣。此外，即使機器能夠讀懂人類語言，也未必能夠像一個真的醫生一樣直接做排除法，用直覺和經驗進行判斷推論，這個過程我們稱之為思維鏈。如何從若干個可能性中找到一個最有可能性的診斷，是一個非常大的難題。

底層技術的革新首先突破了“讀懂”這一難關，基于Transformer架構的大語言模型出來之后，與自然語言的溝通能力、識別能力相關的問題就自然解決了。但在醫療領域，AI技術應用的準確性和一致性至關重要。要提升這一點，還需要更多算法及指令要求機器收斂判斷，避免誤診或過度診療。“比如醫學檢驗報告可能有影像、文字，包含不同劑量、單位、符號，涉及病理、生化各類指標，如何準確地讀取檢測報告涉及大量統一標準的工作。并且醫學標準指南也在不斷更新，所以這對于及時更新數據庫提出了較高的要求。”王仕銳說。

據了解，MedGPT主要由兩個系統組成：大模型系統與專家系統。其中，大模型完成了60%的工作，專家系統完成最終的40%，以此來不斷優化醫學的準確性、有效性。截至目前，MedGPT每個月仍要檢測超3000個病例，然后由100位人類醫生對每個病例的診斷進行打分反饋。“每個月收到的反饋有2000多條”。

“這些反饋包括但不限于——系統問多了，問題針對性不強，提到了國內沒有的藥品，沒有注意到患者的藥品偏好，檢測是不是必須一次性全部做完等等?，F在我們認為MedGPT還有很多有待優化的地方。”王仕銳坦言。

今年6月30日，醫聯做了這樣一件事——在醫院搭起了線下義診，由醫生助理與患者面對面溝通，將患者的主訴分別傳達給真人醫生與AI醫生，多輪溝通之后，“醫生們”為患者開具檢查單或診斷，患者現場完成檢查后復診，再由AI醫生及真人醫生提供臨床診斷及治療方案。

最后，來自北大人民醫院、中日友好醫院等醫院的7位專家教授，從多個評價維度對這些有效病例進行打分。結果顯示，真人醫生綜合得分為7.5分，AI醫生綜合得分為7.2分——AI醫生與三甲主治醫生在比分結果上的一致性達到了96%。

“如果從病種覆蓋度、智能化、準確性和銷量四個維度衡量，MedGPT的分數應該分別是9分、6分、8.5分和9分。”王仕銳介紹。

測評現場 圖片來源：醫聯官網

機器永遠不會比人類更關心人類

美國耶魯大學教授William Kissick曾提出醫療衛生領域的“不可能三角”理論，這一理論是指，在既定的約束條件下，一個國家的醫療系統難以同時兼顧提高醫療服務質量、增加醫療服務可及性和降低醫療服務的價格。

但在王仕銳看來，生成式AI或給“不可能三角”提供了一個解法。

他認為，生成式醫療AI可以接待上千萬的患者，做到隨時隨地、無限供應。隨著持續訓練，醫療AI的水平還會以月為單位提升，“現在我們認為MedGPT基本上達到了10年至15年臨床經驗的醫生水平，未來每個月可能會提升一到兩年的臨床經驗。”由此，醫療服務的可及性和服務質量得以借助AI這一工具得到兼顧。

在成本上，王仕銳表示，現在使用MedGPT完成一次完整的就診流程成本不超過1美元，此后每18個月成本會減半。

對于互聯網醫療而言，生成式AI帶來了新的可能性。王仕銳表示，互聯網醫療即將進入數字醫療時代。初始狀態時，互聯網醫療是以平臺作為鏈接，實現信息的匯聚和分發，但對“不可能三角”的幫助是有限的。AI的爆發使互聯網醫療從鏈接者變為了生產力的創造者，是一個能夠覆蓋更多患者的原始生產力，這才能真正地解決問題。

但AI始終無法避開的一個問題是——AI與人的關系。在醫療領域，則是AI技術與人類醫生的關系是什么樣的？

王仕銳認為，人類醫生有兩個層面永遠無法被替代。

圖片來源：視覺中國

第一個層面是只有人類醫生才能夠做真正的深度研究。醫學要進步要依靠解決疑難雜癥、罕見病、新發疾病，而以目前的AI技術水平來說，還需要真正的人類醫學專家去設定背后的算法規則。臨床指南、案例研究，這件事情必須人類醫學從業者去完成。但反過來，AI可以幫助人類醫學專家快速地搜集疾病案例和數據，將其匯聚起來供專家參考和攻克。

第二個層面是針對大量的基層、年輕醫務工作者，醫療AI可以扮演數據庫、知識庫的角色。

王仕銳介紹：“現在培養一個合格的醫生要花費很多年，本科到博士加上規培要花費數十年，千辛萬苦才能達到合格的水平。借助醫療AI，年輕醫生可以迅速成長起來并提升診療效率。”

在采訪最后，王仕銳說：“機器永遠不會比人類更關心人類。機器可以扮演得力的助手，但最后確認診療方案的、在方案上簽字的，一定是我們具有行醫資格的專業醫生，他們要為患者兜底”。

記者|陳星 王佳飛

編輯|文多

視頻編輯|韓陽

視覺設計|帥靈茜

統籌編輯|易啟江