ChatGPT，能给“AI+医疗”加把火吗？丨亿欧健谈
在2023年过去的八个月里，生成式AI的繁荣毋庸置疑。各大巨头如百度、阿里云、科大讯飞、京东健康纷纷下场，声势浩大地推出自己的大模型。不甘让一家独大，一场刺刀见红的“百模大战”一触即发。很快，这场风也迅速刮向了严肃、强监管的医疗领域。AI制药命运的齿轮再次转动，7月12日，站在风口之巅的英伟达向生物科技公司Recursion投资5000万美元，以加速人工智能药物发现领域的突破性基础模型。这一动作被业内解读为赚麻了的英伟达，对AI制药的进一步押注。“皮衣教主”黄仁勋更是高调表态：“生成式AI是发现新药物和治疗方法的革命性工具。”在外界看来，万亿美元市值的英伟达，一举一动都值得深究，现阶段的AI制药或许仍处于价值洼地。资本再次听到了搏命狂奔的鼓声，8月21日，源自斯坦福大学的AI制药公司Genesis Therapeutics宣布完成2亿美元的超额认购B轮融资。国内药物模拟研发平台“深势科技”完成新一轮超7亿元人民币融资，英矽智能也在冲刺“AI制药第一股”……医疗问诊、辅助诊断、医疗数字化营销、中医等企业均卷入其中，争一个上桌机会，一片沸腾。盛景之下，北京市卫生健康委日前发文，明确将加强互联网诊疗活动监管，严禁使用人工智能等自动生成处方；人工智能软件等不得冒用、替代医师本人提供诊疗服务。狂热与迷茫交织，人们不免好奇：ChatGPT，能给“AI+医疗”加把火吗？它能应用于哪些医疗健康细分场景？实现何种程度的赋能？
01
AI的倚天剑，难破药物研发阵药物研发，有个闻风丧胆的双十定律：即研发一款新药，需要至少十年时间，十亿美金。AI制药的出现，让人们看到一键生成新分子的可能，但价值验证、商业焦虑成为相关企业们萦绕不去的拷问。当AI进化成通用模型的ChatGPT，这把被寄予厚望的倚天剑，能否真正解决药物研发的成本问题和失败率？答案可能并不乐观。在大多数人的设想中，人工智能技术可以通过自然语言处理和机器学习等算法，帮助研发者们迅速筛选有潜力的药物分子。同时，借助大量药物研发数据，不仅快速找到下一个“十亿美元分子”，还可以预测药物的副作用和药物代谢。券商研报曾勾勒出一幅令人心神向往的图景：通过机器学习、深度学习等方式赋能药物靶点发现、化合物筛选等环节，能够使新药研发的成功率从12%提高到14%，每年为全球节约化合物筛选和临床试验费用约550亿美元。AI的技术变革如一把突如其来的野火，试图烧掉生物医药研发双十困境的“篱笆墙”。2021年，AI制药企业乘风而起，在全球资本市场上演了逐富故事。270多家从事AI药物研发的公司如雨后春笋般成立，涵盖了靶点发现到上市后的药品追踪。人们透过一笔笔真金白银的融资、交易与合作，看到了一个被彻底激活的AI制药市场。
02
多模态的屠龙刀，变革辅助诊断试想一个场景，当你需要了解某种药物的功能及使用方法，数字人在大屏幕前细心叮嘱注意事项，无须再去拿着说明书一字一句仔细看。而这就是GPT此类大模型的魅力，医渡云首席数据科学家彭滔此前曾观点鲜明地表示，几乎所有的医疗产品/路径，都可以用大语言模型去重新梳理一遍，去真正发挥它的价值。尽管投资热点目前仍集中于大模型、数据库，而在GPT向上生长的过程中，报告解读、病历质控、辅助诊断、知识问答等方面或将被重塑。7月12日，谷歌公司的医疗问诊AI Med-PaLM的研究团队在《自然》杂志发布了研究成果，一组临床医生对谷歌和DeepMind团队的医疗大模型Med-PaLM回答的评分高达92.6%，与现实中人类临床医生的水平（92.9%）相当。随后，《Towards Generalist Biomedical AI》论文更是展现了大型多模态生成模型多任务模式的潜力。Google Research和Google DeepMind的研究团队发现，Med-PaLM M已经可以执行医学图像分类、医学问答、视觉问答、放射学报告生成和总结、基因组变异调用等14种不同的生物医学任务。而在246份真实胸部X光片中，临床医生表示，在高达40.50%的病例中，Med-PaLM M生成的报告都要比专业放射科医生的更受采纳。“如今，我们应转向一个由三方组成的结构，将类似GPT-4的AI实体纳入其中，作为这个三角关系的第三支柱。”《超越想象的GPT医疗》书中指出，传统医学通常指的是医生与患者之间的神圣纽带——一对双向关系，GPT可以作为第三方，类似于医生的辅助角色。全新的医疗三方模式下，医生与GPT共同构成了诊疗主体。当患者接受检查时，AI和医生共同参与了诊疗，从而确保诊疗的准确度。无论GPT在医疗领域扮演何种角色，始终需要让人类参与审查其生成的所有输出，最大程度规避技术存在的风险与不足。日前，北京市卫生健康委发布《北京市互联网诊疗监管实施办法（试行）》，医疗机构开展互联网诊疗活动要加强药品管理，严禁使用人工智能等自动生成处方，严禁在处方开具前向患者提供药品。此举意在规范互联网诊疗活动，亦是尽可能消弭人工智能的风险性。京东健康、百度健康、深睿医疗、医联、东软、左手医生等公司纷纷推出了自己的医疗垂类大模型，应用场景多聚焦于辅助问诊、辅助诊断、健康咨询、医学智慧影像等。
“医疗科技企业与基础大模型企业积极合作，AI大模型医疗健康生态正在逐步建立。行业推进的速度很快，留给产业观察、学习、思考的时间不多，有更多资源更强生态能力的企业、机构、政府可以更大力度的参与。”亿欧董事总经理、亿欧大健康总裁高昂一针见血指出。
尽管ChatGPT的表现令人欣喜，但新功能往往与新风险如期而至，GPT会倾向于编造信息，这有时会成为“幻觉”。大语言模型的信息需要定期更新，以保持准确性与时效性，不然极易误导使用者。
03
颠覆病历书写相较于在药物研发领域的“关山难越”，病历书写或是ChatGPT能实现颠覆的细分场景之一。
“对于许多专注于开发自动化临床文书产品的公司来说，GPT-4 看起来将成为一项颠覆性的技术。”《超越想象的GPT医疗》曾如此总结。
当作者们在2023年初写下这段文字时，也许已经预见到接下来的日子里，GPT-4在应对医护日常工作中最烦琐、负担最重部分的潜力。
今年3月，微软的语音识别子公司 Nuance Communications 发布了一个AI GPT-4 驱动的医护人员临床笔记自动记录和生成的工具，预期可以把口头患者就诊转换为临床笔记的过程从原来的4小时缩减到几秒钟内自动生成病历草稿，大大减轻医生的行政负担。
众所周知，诊疗过程中有大量的文书书写工作。美国医学协会在2016年资助的一项研究发现，医生每花一个小时与病人在一起，他们就会在病历文书工作上多花两个小时。该研究表明，医生不得不，在下班后再多花一到两个小时处理病历文书工作。《美国医学院协会杂志》2017年调研发现，超过三分之二的受访医生坦言，病历文书工作负担过重。
在我国，这个情况也不容乐观。多地三甲医院医护人员曾因病历书写不规范，收到当地卫健委的“罚单”。广为人知的电子病历虽然取代了手写纸张病历，但是医护人员面对屏幕的时间也越来越长。
GPT的出现，让人们看到减轻医护人员负担的可能。在信息抽取上，它可以将大段临床文本进行结构化；在数据清洗层面，ChatGPT可以在一定范围内提供一致性校验工作。通过整合多种来源和格式数据，提升医疗效率与质量。
温州国际和平医院曾经做了一项测试，在测试病例中，他们设置了一些“陷阱”，包括格式不规范、标点错误、药名错误、药品用法缺失。在直接要求ChatGPT生成报告后，令人欣喜的是，它能成功生成相关医疗报告，并主动修正了格式和标点错误，并且添加了两句总结。
“AI应用首先应该从‘高影响、低风险’的应用领域开始，例如，简化医务人员的行政性工作负担问题。”微软全球首席医疗官David Rhew一针见血指出。
医疗领域与人类生命健康息息相关，监管极为严格。企业如果直接利用ChatGPT开发面向临床诊断和患者的诊疗服务，直面的风险与挑战或将难以预料，仅是获批就可能是一条漫漫长途。相比之下，病历文书或其他“后台”任务则不需要复杂的安全性监管控制，需求却真实存在，且成为困扰之一。
微软、谷歌和亚马逊等公司皆把目光望向此处。在David Rhew看来，人工智能的初始应用就好像，大家刚刚有了汽车，但是停车标志、交通信号灯等管理措施尚未就绪。“我们仍然需要进一步弄清楚如何一起做好这一项工作。”他补充道。
可以明确的是，ChatGPT本身并非人工智能终极目标，它只是未来一系列更为伟大的AI里程碑之一。届时，它在医疗领域的颠覆将更加值得期待。
关于作者