AI医疗的发展历程，关键拐点并非某个单一技术的诞生，而是从“获取数据”到“理解数据”的范式转变。从IBM沃森的折戟到以ChatGPT为代表的大模型爆发，行业最深刻的教训在于：理解行业远比数据规模更重要，临床验证与医生协作是落地的前提。
从沃森折戟到大模型爆发：技术路线的拐点
回顾AI医疗的早期探索，IBM沃森的失败是绕不开的案例。正如《深度医疗》作者埃里克·托普所分析的，沃森“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”。这揭示了一个关键拐点：单纯堆砌数据规模并不能产生临床价值，AI必须真正理解数据背后的医学逻辑。
此后，深度学习在医学影像识别等领域的突破，让AI第一次在特定任务上展现出接近人类专家的能力。而大语言模型的出现则带来了更根本的变革——它不再局限于单一任务，而是能够理解上下文、生成自然语言，为临床辅助决策、医患沟通等复杂场景提供了新的可能。ChatGPT掀起的浪潮，正是这一技术路线拐点的集中体现。
大模型在医疗领域的应用图景
ChatGPT所代表的大模型技术，为医疗行业带来了广泛的应用想象空间。在远程医疗虚拟助手方面，ChatGPT可用于开发虚拟助手，帮助患者安排预约、接受治疗和管理健康信息。在临床辅助决策方面，它可向医疗保健提供者提供实时的、基于证据的建议，例如针对特定情况建议治疗方案、标记潜在的药物相互作用。此外，在远程患者监护、心理咨询、病历保存、医疗翻译、药物管理、疾病监测等领域，GPT都有着广泛的应用空间。
值得注意的是，AI医疗的发展仍面临现实约束。目前AI医疗整体仍处在辅助驾驶的较低水平阶段，远未达到完全自动化的程度。埃里克·托普认为，AI医疗不太可能超越自动设备的3级水平——有很多诊断、阅片工作可以用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监督的AI系统。
常见问题
AI医疗发展的最大瓶颈是什么？
医疗数据是AI医疗的第一驱动力，但也是“永远的痛点”。数据涉及患者隐私，权属复杂，且在实际操作中通常需要“数据不出院、模型出院”的物理隔离模式。更重要的是，理解医疗数据远比获得数据更重要也更困难。
大模型会取代医生吗？
不会。埃里克·托普将AI医疗与自动驾驶类比，认为AI医疗不太可能超越自动设备的3级水平。AI可以在阅片、辅助决策等具体任务上发挥作用，但任何情况下都不能容忍没有人类医生监督的AI系统，伦理问题是AI医疗区别于其他AI应用领域的核心壁垒。
医疗行业为何需要AI？
这背后是“鲍莫尔成本病”的驱动——随着生产力提升，依赖人力的服务行业成本会不断上升，医疗服务正是典型代表。AI被视为改变这一成本曲线的关键路径，这也是OpenAI等机构将医疗列为核心关注领域的重要原因。