AI 医疗的发展历程中，关键拐点在于从“以海量信息为纲”转向“数据不出院、模型出院”的合规路径，并因 ChatGPT 等大模型的兴起，打开了临床辅助与远程医疗等新应用空间。早期以 IBM 医疗 AI 沃森为代表的路线，被《深度医疗》作者埃里克·托普指出存在“最基本的失误之一，就是将获取数百万页的医疗信息等同于理解或使用这些信息”。此后，训练数据多通过企业与医院签署研发协议获得，并在数据收集到模型建立过程中做好物理隔离，形成数据不出院、模型出院的模式；而 ChatGPT 掀起的浪潮，则让医疗成为 OpenAI 最为关注的三大核心领域之一。

从“信息量”到“理解力”的拐点

AI 的三大基石是数据、算法、算力，数据更被称为 AI 时代的“石油”。但对 AI 医疗而言，医疗数据始终是痛点：它属于患者隐私，所有权理应属于患者，实际权属基本在医院方；也有观点认为所有权在患者个人、控制权在医院、管理权在政府，第三方机构需借助政府支持和医院配合方能进行商业化开发和利用。

沃森的失败恰恰说明，理解医疗数据远比获得数据更重要也更困难。如果不能深刻理解所服务的行业，再多的数据也只是徒耗电力。这一认知转变，构成了 AI 医疗从“堆数据”走向“重理解”的关键拐点。

数据不出院、模型出院成为合规路径

目前 AI 模型训练所需的医疗数据，大都通过企业和医院签署研发协议获得。实际操作中，会有专门模块进行数据清洗，只保留必要的数据；在数据收集到模型建立过程中，医院和企业做好物理隔离，通常是数据不出院，模型出院。这一模式既回应了医疗数据的隐私属性，也让模型得以在合规前提下持续迭代。

大模型带来的应用拐点

ChatGPT 掀起的余波一浪高过一浪，科学、教育、医疗正是 OpenAI 最为关注的 3 个领域。仅以 ChatGPT 为例，就可在医疗领域实现多种应用：

  • 远程医疗虚拟助手：帮助患者安排预约、接受治疗和管理健康信息，为居家护理提供指导和支持。
  • 临床辅助决策：向医疗保健提供者提供实时的、基于证据的建议，如针对特定情况建议适当治疗方案、标记潜在药物相互作用、为复杂案例提供临床指南。
  • 远程患者监护：分析来自可穿戴设备、传感器和其他监控设备的数据，实时了解患者健康状况，并在病情恶化或出现担忧趋势时向医疗保健提供者发出警报。
  • 在心理咨询、病历保存、医疗翻译、药物管理、疾病监测等领域，GPT 也有着广泛的应用空间。

不过，埃里克·托普将自动驾驶汽车与人工智能的医学实践相提并论：在理想的环境和交通条件下，自动驾驶汽车已经可以达到 L3 的水平，但 AI 医疗仍处在 L1 到 L2 的路上。他认为 AI 医疗不太可能超越自动设备的 3 级水平——很多诊断、阅片工作可用 AI 辅助完成，但就医学整体而言，绝不能容忍没有人类医生和临床医生的监督。

常见问题

AI 医疗的关键拐点是什么？

关键拐点是从 IBM 沃森式“获取海量医疗信息”的路线，转向理解数据、并以数据不出院、模型出院的方式合规训练模型；随后 ChatGPT 等大模型的兴起，进一步打开了临床辅助与远程医疗等应用空间。

为什么医疗数据被称为 AI 医疗的痛点？

医疗数据属于患者隐私，所有权理应属于患者，但实际权属基本在医院方，第三方机构需借助政府支持和医院配合才能商业化开发利用。因此，理解医疗数据远比获得数据更重要也更困难。

大模型在医疗领域有哪些应用方向？

以 ChatGPT 为例，可用于远程医疗虚拟助手、临床辅助决策、远程患者监护，以及在心理咨询、病历保存、医疗翻译、药物管理、疾病监测等领域发挥作用。但 AI 医疗整体仍处在 L1 到 L2 的路上，人类医生的监督不可或缺。