在有生之年，总能见证科幻变成现实，何其幸运。
由于DeepSeek的强大推理能力，似乎给一直破解不开的AI医疗带来了希望。
全国两会期间，全国政协委员、四川大学华西医院教授甘华田表示，目前，AI医疗的广泛应用存在着一系列法律、伦理、安全和技术等问题，亟待通过立法加以规范和解决。只有加强相关立法，“AI+医疗”才能更好发展。
不得不说,AI医疗，已经离我们越来越近了。
最近的一波，或许是亲身体验AI医生看病，因为这个可能5年后初步实现，而且贴身体验，可能比起其他还在象牙塔里的科幻，显得都要贴近需求，让人类感到迫切。
从AI+影像，AI+临床，到AI+原生硬件，2024年被誉为AI+医疗大模型发展元年。
甚至连看似和医疗只是“交易”关系的支付宝也坐不住了。
就在2024年9月5日，支付宝在“2024 Inclusion·外滩大会”上发布了“AI健康管家”。
当然，这并不是一个医疗智能体，只是一个便捷付费服务综合体。
按照支付宝副总裁、数字医疗健康事业部总经理张俊杰的介绍，这是一个一站式平台，可以围绕诊前、诊中、诊后全流程随时为患者提供服务。
其中包括找医生、陪诊、读报告、医保支付等30多项服务，还可以针对非医疗的泛健康问题给出智能化、个性化解答。
立足点，依然是为了撮合交易。
但在支付宝入场之前，已经有大量人工智能公司涌入AI医疗赛道，而且一个比一个更乐意在“治病”上进行表演。
困扰医疗领域无数岁月的“不可能三角”，将会被打破吗？
AI医生，会如同AI算命一样，成为华而不实的神医吗？
或许，奇点将在许多人意想不到的一个位置爆发。
十余年求索，AI已经逐渐长成了那时IBM Waston期望的样子。
它甚至跨出了诊断和治疗的范畴，生根于医疗场景中的每一个角落。
以科技预言而为世人所熟知的《连线》杂志创始主编凯文·凯利就断言，AI浪潮中，金融和医疗领域会最先看到变化，因为这两个行业信息密度高。
在更多的人眼中，AI医疗能够带来一次突破，一次对“不可能三角”的突破。
所谓“不可能三角”指的是医疗服务高质量、低成本、高效率难以兼得，达成平衡。
换成更通俗的话语则是质量（看得好病）、成本（看得起病）和效率（看得上病）。
在科技界看来，从人工智能带来的第四次科技革命浪潮，必然如蒸汽化、电气化、信息化三次重大科技革命一样大幅提高了人的体力劳动效率，极大解放了生产力，而“不可能三角”就有可能在人工智能的极致配合下，实现“三合一”的最大限度平衡。
但这只是景愿，并不代表就能落地。
正如ChatGPT展现了若干“奇迹”之后，但对绝大多数人来说，依然只是一个玩具或辅助。
AI医生，距离治病救人，有多远？
哈佛医学院数据科学家Kun-Hsing Yu的一句——“AI的一些医疗决策，实际上就是抛硬币”，足以让所有人心头一紧。
这位科学家的发言，质疑的是AI医疗模型很容易产生随机的判断，但医学诊断的准确性显然不能建立在概率之上。
事实上，当下的AI医疗，确实存在太多的问题，难以破解。
一个经常见诸媒体的例子发生在2021年，一款名为Epic Sepsis Model的医疗诊断模型被曝出严重漏检问题。
该模型用于败血症筛查，通过识别病人早期患病特征检测，但密歇根大学医学院研究者通过分析了2.77万人的就诊情况发现，该模型未能识别67%败血症病患。
或许很多人会说，这并不代表人工智能巨头的力量，那么看一个“正面”例证：
2023年7月，全球顶级科学期刊《自然》（Nature）发表了一篇论文，详细介绍了谷歌微调后的Med-PaLM，成功挑战了美国医学基准测试（MedQA），并取得了86.5%的成绩。
86.5%，意味着什么？
正面解读是人工智能在医疗领域又迈进了一步。
换个角度看看：即使是谷歌的产品，错误率也依然有13.5%，而且这可能是每一次诊断都会发生的。
唯一值得庆幸的是，抛硬币可能变成了掷骰子，概率从1/2变成了1/6。
就在一年后，《自然》上又发表一篇文章，其中提到：一种完美的算法可能失败，因为人类行为具有可变性——无论是医疗专业人员还是接受治疗的人。
诚然，当下人工智能的发展，已经开始向医疗领域的方方面面渗透。
以体检报告生成为例，平均每5秒AI可自动生成一份总检报告，报告采纳率达到96%以上。
AI能够帮助医生实现更精准、更轻松的手术，例如，AI辅助穿刺手术，能够将误差缩小到2mm。
AI赋能远程医疗，能够实现大城市三甲医院、基层医院联合会诊，更好地平衡全国医疗资源，减少急危重症患者等待。
AI医疗服务进入社区，未来，每个家庭都有可能拥有私人家庭医生，实现精准、个性化健康管理。
总而言之，AI医疗，不只是AI医生，还有很多普通人体验不到的项目。
业界普遍认为，现阶段的AI医疗，主要包括了AI 辅助诊断、AI 医学影像分析、AI 精准医疗、药物研发、医疗机器人等多个细分赛道。
AI 辅助诊断是通过分析患者的症状、体征、检验结果等数据，提供可能的诊断建议，帮助医生做出更准确和及时的决策。
AI医学影像分析，则是利用AI视觉技术，对医学影像数据进行自动化分析和诊断。
而在药物研发方面，AI 可以通过对药物靶点、药物结构、药物作用机制等数据进行建模和模拟，加速药物的发现和开发过程。
尽管，每一条赛道，目前都不时有捷报传来，但落地依然有距离，哪怕最后一微米，也未必能够快速通过。
例如最被人们所关注的诊断环节，目前各大人工智能公司都是针对单一疾病开展单个研究，可医生在对病人做检查时，需要对多种疾病、并发症、精神状况等进行综合判断，并不局限于一种。
据了解，仅仅皮肤病就有2000多种，而AI技术目前也只能判断几十种皮肤病。
在更被看好的AI医学影像领域，则是冰火两重天。
2023年红杉资本发布的一篇名为《医疗领域的生成式AI》报告中，就指出从市场需求及规模来看，AI医疗影像及AI药物研发将成为主要的增长突破口。
同时，据 Global Market Insights 数据，全球AI医疗影像市场规模占医疗 AI 市场的 25%，仅次于AI制药为第二大细分市场。
但在实际应用层面，则各种问题丛生，而且可能还很奇葩。
如谷歌开发的用于检测糖尿病视网膜病变的算法，在泰国诊所使用时就会性能显著下降。
据一项观察性研究显示，泰国诊所的照明条件导致低质量的眼睛图像，从而导致该算法有效性降低。
至于药物研发，则更加压力山大。
在商业模式上，国内AI药物研发企业主要分为AI SaaS、AI CRO、AI biotech三种模式，即出售软件、服务和研发药物，分别占了商业模式总数的25%、23%和8%。
模式上的选择恰恰说明：AI企业更乐意于按照传统商业软件模式，即类似理财用金蝶那样，给传统企业提供定制服务，而非自己下场做实操。
做出这种选择的一个关键在于难以突破数据孤岛，即：
AI制药所必需的药代动力学（与药物在人体中的代谢有关）和毒理等需要从人体试验中获得数据的项目，则相对不容易获取。
毕竟，与人体试验相关的数据主要集中在大药企的手里，属于核心数据，几无可能共享。
换言之，AI制药确实可以模拟各种可能、作出各种超快超精准计算，但这种加速无论如何不能跳过临床阶段。
即使是传统药企也往往会在临床环节用最稳健的方法、多年多次小步探索，哪怕拥有绝顶的专家和技术。
关乎人命，谁也不敢加速，目前而言，不可解、不能解。
此外，在中国，《互联网诊疗管理办法》明确规定，“不得对首诊患者开展互联网诊疗活动。”这也意味着，互联网的AI不能首诊。
但如果患者在线下已经去过医院、做过化验、开过药方也拿到药了，还要人工智能诊断什么呢？
但当全球都将AI医疗的赛道选择投向西医之时，中医却开始展现出另一种可能：大健康。
颠覆，中医正在颠覆整个AI医疗的想象空间。
“人工智能未来完全有可能成为中医药领域的颠覆性技术，改变行业现状，产生新业态，应用前景广阔。”中国科学院院士、中国科学院上海药物研究所研究员陈凯先在2024年的一次中医论坛上如是说。
颠覆，从望闻问切开始。
在广州医科大学附属中医医院门诊大厅，银灰色机器人外形的中医体质辨识仪，吸引着来来往往的目光。
只要坐在一部台式终端机前，面对屏幕摄像头拍摄几张面部和舌头的照片，再回答5道问题，居民就会在手机上收到一份详细的中医体质辨识报告。
在《瞭望》杂志的报道中，许多使用过这款智能中医设备的老年居民都对它印象深刻，叹服“科技很发达，结果也可信”。
值得注意的是，这些老年居民其实是在广州市天河区石牌街道社区卫生服务中心。
换言之，这个设备已经开始从医院走向了社区。
而在山东，望闻问切有了更加具象化地体验。
在东阿的一个膏方体验馆中，一个圆形的仪器里面有各种摄像头，游客只要按照指示把头靠在检测仪的正中间，一张“大头照”随之出现在电脑屏幕上。
当患者伸出舌头，其影像也立刻被记录。
然后工作人员会拿起一个白色小盒子，用里面的三块小凸起对准了患者的关脉、寸脉、尺脉位置进行操作。
随后，这件被称为“智能体质辨识仪器”的设备还会开出方子。
当然，受限于各种客观原因和安全考虑，只能是食物疗法。
不仅有大，而且还有小。
《科技日报》报道过一款名为“望舌问膳”的小程序：只要对着手机摄像头拍下舌头照片，仅1分钟左右，就可以得到一份从中医角度进行详细分析的身体健康报告和膳食养生防治方案。
“这款小程序融合传统中医舌诊方法和现代人工智能图像识别技术，通过对两万多张临床舌诊图片深度学习，为用户提供便捷的健康分析服务。”小程序研发相关负责人介绍。近
半年来，已有3万多人次使用该小程序，其中94%的用户对分析结果准确性表示认可。
人工智能针灸机器人、中医健康手环、脉象信息采集系统……
中医四诊的技术研发开始进入了一个全新的人工智能体验环节。
事实上，计算机技术应用在中医药领域时日已久，早在20世纪80年代就有“中医专家系统”问世。
它通常使用知识库检索的方法，事先将专家划定好的标准、规范、诊断步骤等录入系统，使用时依据患者的数据检索、提取相应方案，实现模拟中医专家的分析、判断过程。
此次人工智能的进入，或许还能同步解决老中医不足这个困扰中医药多年的老大难问题。
当然，这一切依然只是一个开始，而且AI中医目前而言更加偏重于养生而非治疗，但也破解了AI西医在落地上的不少“疑难杂症”。
而且，中医还给出了另一个突围思路：AI或许从小处入手，方能走出大健康的大格局。
事实上，被人误以为与科技不在一个频道的中医药，已经在向更远的方向展开探索，例如大模型。
其繁盛景象甚至在业界引发了戏言：中医药大模型，已经多到老祖宗的名字都不够用了。
这句戏言反映的则是一个现实，在中国，华为、百度、阿里、讯飞等科技巨头，云南白药、华润江中、太极集团、天士力等知名药企，还有若干地方政府，都在联手发展中医药大模型。
而命名上则纷纷请出扁鹊、华佗、神农、黄帝、岐伯、张仲景等开宗立派的大人物，或使用本草、灵枢、岐黄、轩岐等中医药高频词……
中医药大模型之百舸争流，并不亚于ChatGPT、DeepSeek、文心一言等通用大模型的千帆竞渡。
然而，道阻且长依然是AI医疗上的主旋律，这也决定了未来许多年的基本范式，即以其中最为当红炸子鸡的医疗大模型而言，必然也只能继续充当医学生，至少5年内不可能毕业。
至少，目前在中医药和人工智能的亲密接触中，中医AI扮演的正是老中医身边的小药童角色：背好汤头歌、帮忙抓个药、导诊减负担、顺便煎个药……
在对自身的定位上，中医药跑在了急切走到前台的西医AI前面。
诚如凯文·凯利所预言的那样：AI落地产业需要时间，仅仅消化现有技术可能就需要5到8年时间。就像电力的应用一样，18世纪的公司并不是把电力引进来就万事大吉了，实际上，必须重新调整组织结构、改造建筑，以适应事物通过电来运转，以及实现自动化。
具体到医疗大模型上，需要重构的框架更多，需要破解的痛点并不比攻克癌症容易。
例如：诊疗上，由于许多病症的复杂性，需要各种检查寻找病因，医疗大模型很难完成诊疗全流程的复杂工作。
要真正让AI医疗真正走向“大医精诚”，就决不能“大跃进”。
而是在大模型的基础上去更细分垂直的领域中试错，通过大数据和深度学习，为医患提供诊疗参考方案，减少中间环节，提高诊疗效率。
这一幕，已经开始展现出价值。
研究表明，曾经需要两名放射科医生合作完成的乳腺癌检测，如今已可由一名放射科医生在专门的人工智能工具的辅助下完成。
2020年，麻省理工学院的研究人员则通过人工智能技术发现了一种能够杀死大肠杆菌的抗生素……
但更多的痛点，还需要更多的人，参与到人工智能的“医学生”训练中，并且打破“隔阂”。
毕竟，无论是人还是人工智能，成为一个合格的医生，都需要足够的且垂直细分到不同病例的大数据，来提供深度学习。效率或许大不同，但学习实践的过程，则大同小异。
未来5年，医疗大模型依然还是“医学生”状态，距离真正意义的商用还有距离。
未来5年，未必集中在看病上，依然有许多医疗领域需要人工智能的辅助，例如研发一款新药15%以上的成本都要花在患者招募上面，AI技术则可以帮助药企快速找到合适的患者群体……
未来5年，目标解决看病问题的AI医生们，其最好的出路：
必然也只能是一边深度学习，一边进医院围绕各个垂直细分领域做“规培”试点，服务用户精准找对医院和医生、看懂医学报告单、了解药品用法、多轮解答日常健康问询等。
先做好医学生和助手，否则一切都是纸上谈兵。
刊载于《创意世界》杂志2024年11月刊
作者 张书乐，人民网、人民邮电报专栏作者，中经传媒智库专家，资深产业评论人
