“AI医生”，竟然是这样落地的

AI技术已融入诊前、诊中、诊后的医疗健康全流程。

诊前阶段，主要应用于疾病预防与健康管理；诊中阶段，主要应用于辅助诊断、临床辅助决策、辅助治疗等；诊后阶段，主要应用于康复辅助等。

图源｜易观分析：医疗健康行业AI应用价值与场景

对于许多人来说，看病是一件耗时费力的事情——一旦出现头疼脑热等小症状，就需要前往医院。到医院后，患者往往不确定该挂哪个科室，加之医院资源紧张，看病过程通常需要花费大量时间和精力。

AI可以帮助患者解决一些初步问题，比如推荐合适的科室和提供日常保健建议，从而有效节约医疗资源，提升诊疗效率。

2023年，深圳市大数据研究院和香港中文大学（深圳）联合推出了一款医疗系列大模型-华佗GPT，他更像是我们的“私人医生”，在回答专业和精准的医学知识的同时，还兼顾了患者关怀，更接近人类医生。

华佗GPT融合了四种不同的数据集，包括来自ChatGPT的蒸馏指令数据集、真实医生指令数据集、蒸馏 ChatGPT 对话数据集、真实医生对话数据集，使得模型训练更加全面和深入。

华佗GPT-II 医疗大模型

此外，应用基于AI反馈的强化学习技术（RLAIF），利用ChatGPT对生成内容的评分作为反馈，通过PPO算法优化模型的生成偏好，以达到与真实医生回复一致的高质量输出。

华佗GPT已经通过2023年的国家执业药师考试！不仅为医学研究和临床实践提供了强有力的工具，也为广大患者和公众提供了更便捷、更准确的医疗咨询服务。

病理诊断是确定疾病性质和病因的关键环节，对患者治疗和预后具有决定性影响。

传统的病理诊断依赖病理学家对切片样本的详细观察和分析，这一过程既费时又依赖专家的经验和技能，容易受到主观因素的影响。

利用AI来辅助病理诊断，不仅能显著提升诊断的速度和精准度，还能减少人为误差，提高整体医疗质量。

医策科技的PathoInsight-TCT AI病理诊断产品采用半监督式深度学习算法，结合染色体归一化、图像增强等技术，识别病变细胞，进行细胞分类，生成TBS报告，用于辅助宫颈癌的筛查与检测。

病理筛查业务流程

• 染色归一化算法：使用深度卷积神经网络（DCNN）将待归一化数据集中的图像转换成目标染色域的风格，从而使得不同来源的图像在染色效果上保持一致，提高后续图像分析和机器学习模型的可重复性和准确性。

染色归一化算法

• 目标检测算法：使用卷积神经网络（CNN）提取图像的特征，通过区域提议方法生成可能包含物体的候选区域，并在特征图上对这些区域进行分类和边界框回归，以确定物体的类别和位置，最终将识别结果在原图上可视化。

目标检测算法

通过大批量体检、门诊、两癌筛查等真实业务场景宫颈细胞玻片的应用实践，相比传统宫劲癌显微镜下筛查模式，AI辅助提升病理诊断速度与精准度：医生的平均阅片时间大幅缩减，单人阅片峰值效率提升100%；同时，提升了医生阅片质量，降低了阳性漏检率。

众所周知，新药研发过程复杂且耗时，通常需要经历从药物靶点发现、化合物筛选、临床前研究、到临床试验的多阶段流程，每一阶段都充满了高风险和高成本。

AI将有效解决药物研发周期长、成本高、成功率低等难题，提升研发效率。

2023年，西安交通大学第一附属医院的刘冰教授团队利用华为云盘古药物分子大模型，成功研制超级抗菌药Drug X，该药物通过靶向微生物类组蛋白HU，抑制细菌的DNA复制达到抗菌效果，是世界上首次发现噬菌体编码靶向细菌类组蛋白HU的抑菌抑制剂，有望成为全球近40年来首个新靶点、新类别的抗生素。

华为云盘古药物分子大模型学习了17亿个小分子的化学结构，对小分子化合物深度表征，可以高效生成药物新分子，计算蛋白质靶点匹配、预测新分子生物化学属性，并对筛选后的先导药进行定量优化，实现全流程的AI辅助药物设计。使先导药的研发周期从数年缩短至数月，研发成本降低70%，大幅提升新药研发效率。

图源｜华为云

在人工智能的所有应用中，医疗行业位列首位，但仍面临诸多挑战。

首先，数据隐私和安全问题尤为突出，医疗数据涉及个人隐私，如何在保障数据安全的前提下，充分利用这些数据进行AI分析，是当前亟待解决的问题。

其次，AI算法的透明度和可解释性也至关重要，尤其在临床决策中，医生需要了解AI算法如何得出诊断或治疗建议，以确保患者的利益和安全。

此外，AI算法的可靠性和普适性需要不断提升，医学数据的多样性和复杂性意味着AI算法在不同地区和不同人群中的适用性可能存在差异，这需要进一步的研究和优化。

未来，随着技术和政策的不断完善，AI将能够更准确地预测疾病风险、个性化制定治疗方案，并提供更精准的诊断和预后评估，为患者提供更高质量的医疗服务，为医疗行业带来更多的创新和突破。