以 Med-PaLM 2 为代表的生成式 AI 正在辅助问诊、健康管理等诊疗环节落地，当前 AI 医疗在下游场景的需求结构，主要集中在患者咨询与管理、临床决策支持、医疗教育三大方向，其中成规模的应用目前主要在聊天机器人领域。生成式 AI 在理解人类意图、实现个性化医疗方面具有不可替代的作用，而判别式 AI 则更多承担识别疾病、分析影像等任务，两者形成互补分工。

需求结构：三大核心场景

从诊疗流程看，AI 医疗的下游需求可划分为三个层次：

  • 患者咨询与管理：这是当前落地最广的场景，典型如谷歌推出的大型医用语言模型 Med-PaLM 2，专门用于回答医疗保健相关问题，承担患者咨询与健康管理的基础职能。
  • 临床决策支持：AI 辅助医生诊断、提高就诊效率是该场景的核心价值，但需注意模型可能无法提供足够准确的桥接和诊疗建议，最终仍需医生根据个案进行判断。
  • 医疗教育：AI 既可作为知识普及窗口，向患者传授健康知识与预防措施，也为医学教育提供高效的教学工具。

生成式 AI 与判别式 AI 的分工

在实际应用中，两类 AI 技术各有侧重。判别式 AI 通过学习输入与输出数据的映射关系进行预测，在识别疾病、分析影像、预测疗效等任务上具备更高准确度和效率；生成式 AI 则擅长理解人类意图、生成全新数据样本，在医疗模拟对话、个性化医疗、3D 医学影像重建等场景中发挥不可替代的作用。二者结合可实现更复杂精细的任务，是未来 AIGC 在医疗领域的重要演进方向。

当前阶段与改进方向

总体来看，AIGC 在医疗领域的应用仍处于起步阶段，成规模应用主要集中在聊天机器人领域。未来主要的改进方向包括：加强用户隐私保护、引入专业医生进行质量检查和监督，确保 AI 提供的建议符合医学实践标准和规范。考虑到医疗信息的敏感性，技术要普及到普通消费者手中仍需要一段时间。

常见问题

AI 医疗目前最成熟的应用是什么？

当前成规模的应用主要在聊天机器人领域，例如 Med-PaLM 2 这类专门回答医疗保健问题的大型医用语言模型，在患者咨询与健康管理环节发挥实际作用。

生成式 AI 和判别式 AI 在医疗中如何分工？

判别式 AI 负责识别疾病、分析影像等需要高准确度的任务；生成式 AI 则侧重理解人类意图、生成新数据，在模拟对话和个性化医疗方面不可替代，两者结合可完成更复杂的医疗任务。

AI 医疗要大规模普及还需要解决哪些问题？

主要挑战包括用户隐私保护、AI 回答的准确性与误导风险，以及需要专业医生参与质量监督。此外，医疗领域容错率低，需要基于大量可靠数据和高质量临床实践，并严格遵守法规与伦理规范。