国内公立医院拥抱ChatGPT技术 未来将会迎来哪些改变？

AI聊天机器人ChatGPT正在引爆知识领域的国内公立“工业革命”，对于医疗领域的医院拥抱迎改影响也将是深远的。

第一财经记者日前从上海部分公立医院信息化部门了解到，国内公立ChatGPT这类技术已经引起巨大关注，医院拥抱迎改一些医院正在利用类似的国内公立人工智能技术搭建模型，以支持院内的医院拥抱迎改医疗、教育和科研工作。国内公立

基于医院内部数据的医院拥抱迎改“知识库”

复旦大学附属华山医院信息中心主任黄虹对第一财经记者表示，医院正在联合第三方的国内公立技术公司，搭建服务于医疗系统的医院拥抱迎改大数据训练模型，目前正在讨论可落地的国内公立应用场景。

“就医导诊是医院拥抱迎改一个重要的应用场景，这将会极大地促进互联网医疗效率的国内公立提升。”黄虹对记者表示，医院拥抱迎改“另一大应用场景是国内公立医院内部知识库的构建，提升临床研究效率；此外，利用AI模型内容生成的技术，今后可以辅助医生提升电子病历的书写效率。”

相关专家告诉第一财经记者，人工智能背后的很多先进的技术架构是开源的，借助Transformer的开源框架，技术团队可以帮助医院搭建用于医院内部系统的模型，并根据医院所需要的应用场景来训练这些模型。

“OpenAI的ChatGPT训练成本非常高，我们也称之为‘暴力训练’，完成单次模型训练大约需要一个月时间和上千万美金的投入，因为它是一个‘通识’知识库，但如果仅在医院内部使用，所需的知识库就会聚焦在非常特定的内容范围，只需要针对医疗知识进行训练，因此训练的成本也会大幅降低。”一位参与相关模型开发的技术人员对记者表示。

黄虹对记者表示，在针对大型医院开发医疗模型的过程中所面临的挑战。“比如训练模型就要给机器喂语料，需要专家进行语料标注等等，这些都是具体的工作，需要人力和机器学习技术方面的投入。”她说道，“怎样找场景，把能落地的场景模型先搭建起来，我们也都开始了研究探索。”

在谈到训练一个医疗大模型需要多长时间时，黄虹说道：“训练模型的时长和训练的内容、规模以及计算算力都密切相关，在初期阶段，如果控制在几天到1-2周内能完成一次训练，对模型的迭代升级会比较有利。”

黄虹表示，不同于ChatGPT向公众开放的应用场景，医院内部的AI模型将是基于本院的数据，拥有一定的壁垒，这些数据也体现了大型研究型医院的学科优势和在临床方面的价值。

“所以并不是所有的医院都需要建立一个这样的模型，只有拥有大量病历，并形成自身学科优势的研究型医院的数据，训练出来的模型更有价值。”黄虹对记者表示，“这些数据都是基于权威专家的临床经验，具有权威性，当然其他联盟医院也可以加入进来，通过结合区块链、联邦学习等技术共享使用这些知识。”

互联网医院场景有望率先落地

第一财经记者从另外两家上海的大型公立医院了解到，基于AI技术开展的相关智慧医疗的布局也正在推动中，但这些技术并不完全与ChatGPT相同。

上海交大医学院附属仁济医院智慧医疗发展处处长王春鸣对第一财经记者表示，互联网医院是ChatGPT这类模型首先能够落地的场景，仁济医院看好ChatGPT这类AI技术在医院线上和线下医疗和服务中的应用。例如在互联网医院场景下的使用，通过提升智能客服的能力，可以大量减轻就医导诊的压力。

王春鸣告诉第一财经记者，仁济互联网医院2022年的挂号量同比增长了7倍左右，累计服务患者人次已经超过百万量级。“互联网医院的就诊量正在急剧上升，客服的能力远远跟不上，现在有了ChatGPT这类强大的新模型，可以极大地提升智能客服服务患者的能力。”他说道。

据介绍，目前仁济互联网医院的智能客服是基于中国某互联网大公司开发的人工智能模糊算法，针对就医导诊问题的回答准确率已经达到94%以上。王春鸣表示，中国的相关智能工具目前可能还未实现ChatGPT的强大功能，但是应用场景是可以逐步优化的。

“从医院角度来说，未来我们的互联网医院在哪些功能方面有升级需求还需要进一步明确，例如线上线下一体化的导诊服务；对于建设方来说，就是要解决技术问题，我们也专门组建了一个团队，针对系统无法判断的问题会给到后台，由团队讨论给到答案，反复对人工智能模型进行训练，进一步提升它的能力。”王春鸣对第一财经记者表示。

除此之外，未来在医生操作端以及医疗临床应用方面，也会发挥重要的作用。“但是我们认为ChatGPT在临床上的应用会涉及到更加复杂的问题，因为针对每一个专病都要建立相应的数据库，到最终的应用需要一个长期的建设过程。”王春鸣说道。

复旦大学附属中山医院副院长顾建英对记者表示：“我们看好ChatGPT这类AI技术在健康管理方面的应用前景。”中山医院健康管理中心已经建立了健康风险评估、疾病早筛早诊早治，干预随访的全程健康管理体系，并通过构筑5G专网下的健康管理数字孪生体系，真实映射到全生命周期健康管理，实现智能决策和智慧管理。

在中科院院士、中山医院心内科主任葛均波教授看来，AI临床应用结合大数据，将会极大延伸医疗服务“上下游”，实现全生命周期管理。早在几年前，葛均波领衔开发的AI医生“小葛”就已顺利通过国家执业医师临床考试。

“AI医生在慢病管理、辅助诊断乃至手术领域，均大有可为。”葛均波告诉记者，“AI助力将可为患者从预防、发病、诊断、治疗到院外康复的疾病管理全流程提供智能解决方案。”

葛均波称，ChatGPT代表了AI发展到一定阶段的标志性产物，将成为医生更强大的助手。“我们也在考虑升级小葛医生，通过与技术团队的合作，未来小葛也会使用到ChatGPT这类大模型，经过不断的训练与迭代，使AI的能力更接近人类医生。”

未来医院的“智慧大脑”

未来，AI模型将会成为大型医院的“智慧大脑”，给医生在临床的诊断和治疗提供支持。业内认为，ChatGPT这类AI技术必将成为医疗行业未来的发展趋势。

“AI和医疗的结合会越来越紧密，这是一个长期迭代优化和持续发展完善的过程。”黄虹对记者表示。她预计，随着算法效率的不断提升以及云计算的发展，未来AI训练成本将会变得更加可控。

在提到基于医院模型的知识库是否未来会向公众开放服务时，黄虹认为，在系统对外开放之前，首先应该考虑到AI可能带来的伦理风险和其他风险。“这些风险是共性的，就是AI也会犯错。”她说道，“因此医院在推广这些技术之前一定是非常谨慎的，会是循序渐进的，例如先从风险较小的就医导诊和健康科普类应用做起。”

现阶段来看，ChatGPT这类技术对于临床研究方面的意义更为显著。这是由于临床医生压力大，一方面要做自己的研究，另一方面还要学习大量的科研文献，难以兼顾。借助人工智能在信息检索、机器阅读和内容生成方面的优势，可以帮助医生迅速匹配到相关文献，并对文献的内容进行总结，在很大程度上节约医生的时间。

此外，在辅助诊断方面，ChatGPT等AI技术也可以发挥作用。去年，全球最大的学术出版机构之一爱思唯尔发布的一份《未来医生白皮书》调研显示，全球80%的受访医护人员表示，大数据将深度融入工作与诊疗过程中，有助于医生制定更精准的诊疗方案，提高决策效率。

去年12月，谷歌发布了一个新的医疗AI模型Med-PaLM，并称经历了一系列的考核后，该模型被证实“几乎达到人类医生的水平”。初步研究表明，Med-PaLM能够提供临床决策支持，总结研究中的关键结果以及对患者的初级护理问题进行分诊，就如同为临床医生增添了一个曾使用数百万个数据集进行训练的智能助手。

谷歌研究人员称，Med-PaLM在科学常识方面的正确率达到了92%以上，在理解、检索和推理能力方面也能达到普通医生的水平，并且在克服隐性偏见方面略胜一筹，但在实际应用方面仍有待完善。

爱思唯尔董事长池永硕表示：“作为医疗与AI深度融合下的产物，Med-PaLM是一种针对临床医生进行过微调的大型语言模型。通过将大型语言模型(LLMs)整合到日常工作流程中，医生和研究人员将有望将更多时间专注于开发能够挽救生命的创新性治疗方法。”

(责任编辑：探索)