少妇BBWBBwBBwBBEF_头版新闻_AI+医疗少妇BBWBBwBBwBBEF，到底有什么用？

AI+医疗少妇BBWBBwBBwBBEF，到底有什么用？

二是坚持建设高标准市场体系，推动构建资产管理和财富管理双轮驱动的发展格局。

出品 | 虎嗅科技医疗组作者 | 陈广晶编辑 | 苗正卿头图 | AI生成医疗这块硬骨头，互联网大佬们是非啃不可了。就在9月5日，支付宝在“2024Inclusion·外滩大会”上发布了“AI健康管家”。这并不是一个医疗智能体，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。某种程度上，这一产品将支付宝此前所做的“互联网+医疗健康”，以及接下来要重点铺开的AI+医疗框架整合在一起，既是上一轮“互联网+”时代，支付宝与医疗产业“缠斗”的余音，也显示出其下一个十年继续进军医疗界的决心。2014年开始，一众互联网大佬都雄心勃勃想要通过技术的力量，改变中国乃至全球“看病难、看病贵”的问题。从结果看，最初取代医生、颠覆医疗体系的理想固然没有实现，很多第三方互联网医院自身盈利模式也没有跑通，甚至有明星创业公司走到了裁员、被收购的境地。不过，从目前情况看，头一个十年被硌到了牙的大佬们，还打算借着AI爆火的东风再来一局，与支付宝类似，百度、腾讯、字节跳动等都已纷纷下场。有了大模型的加持，这一次，他们将给医疗带来哪些改变？“AI医生”卷起来了互联网巨头下场做AI+医疗并非新事，在“互联网+”时代，已经有大批AI影像产品等被推向了临床。不过，随着ChatGPT“大力出奇迹”一举攻克了语言交流上的障碍，除了严肃的医院内部场景以外，直接面向大众的“AI医生”，甚至“AI医院”也成了新的竞争方向。早在今年5月份，清华大学研究团队，就在线上推出了模拟医院诊疗全过程的“智能体医院”，14名智能体医生和4名智能体护士可以7✖️24小时为患者服务（实验中患者也是智能体），整个过程从模拟发病开始，到康复、出院后随访结束。结果显示，这个智能体医院在几天内就能为上万病例提供诊疗服务，完成了医生在现实世界里需要2年才能完成的工作量。如果说，清华大学的“智能体医院”还停留在实验阶段，那进入实战阶段的也不少。比如：支付宝的“AI健康管家”有一个重要的突破，就是联合多家头部医疗机构、多个行业专家，构建了智能体生态。在这个生态中，除了可以为患者精准匹配线下合适的医生（推荐准确率达到95%以上），推荐互联网医院医生，还有“名医智能体”“专科智能体”实时为患者解决问题，整个过程贯穿诊前、诊中到诊后随访，最后还可以形成个人健康档案。这几乎就是一个线上的“AI智能体医院”了，而且随着应用增多还可能成为每个人的私人保健团队。目前已经有上海仁济医院、浙江省人民医院、复旦大学中山医院等知名医院与之建立了合作。入驻平台的智能体已有20多个，其中包括了心血管、睡眠、泌尿科等“热门”学科的多位大医生的“分身”。2024年下半年以来，火山引擎、百度、腾讯健康等互联网巨头也都基于其医疗垂直大模型开发了医疗相关智能体。除此以外，AI创业公司，如：百川智能8月28日也刚与北京儿童医院签约，共同开发儿童医学大模型，并探索推出针对儿科诊疗四大场景的应用，其中也包括满足家庭场景需求的“儿童健康数字顾问”。一端深植严肃医疗领域，一端与寻医问药的需求端紧密相关，这些面向大众的“AI医生”，似乎也成了大佬们用AI打开医疗世界的“接口”。来自：视觉中国终于触及“生产力”难题实际上，集中涌现的智能体医生都在剑指一个关键的问题，那就是优质医疗资源不足的问题。数据显示，中国医疗体系中，95%以上是基层医疗机构，三级甲等医药只有0.25%，但是绝大多数患者看病都会首选大医院，这导致基层医疗机构空置，而高质量医疗资源非常紧张。大医生的人工智能“分身”被认为可以更好地识别真正需要专科医生治疗的患者，帮助他获得对口专家的治疗，而将不是疑难杂症、不需要挤进大医院的患者“导流”到基层医院或其他对口医院。除此以外，面向专业端的智能体医生也可以帮助基层医生提高诊疗水平。“前面这10年我们基本上是用互联网的移动化、在线化等技术，更多解决了效率提升的问题，医患的匹配链接更顺畅了，但是它没有解决根本的生产力的问题，而今天AI是有机会就在这个点上去实现根本的突破的。”张俊杰说。可以看到，经过十几年的发展，第三方互联网医疗机构虽然方便了患者就医，但是在供给端，只是增加了医生的工作时长。因为国内患者为服务买单的习惯也没有形成，这个过程付给医生的费用多来自平台补贴，这也导致商业模式难以为继。而AI，特别是智能体似乎可以解决这个难题。从定义上说，AI智能体（AI Agent）是一种能够感知环境、进行决策的智能实体，从1980年代首次受到关注到现在的大模型智能体，已经发展出了三代。简单来说，大模型的输出有赖于输入，与环境没有互动，无法形成闭环反馈系统；而智能体有“感知”能力，可以收集环境数据，可以整合感知，做出决策和行动，形成闭环反馈。因此，大模型和智能体也被比喻为AI世界里的“大脑”和“行动派”。业界认为，它是人工智能迈向“通用人工智能”（AGI）很有前景的道路。通过与智能体的深度连接，大语言模型可以更好地发挥出专业性，实现代际升级。前述提到的清华大学智能体医院，在实验中，智能体医生的表现随着接诊“患者”的增加越来越好。研究者认为，智能体在训练中不断进化，这与人类医生接诊成千上万患者后经验会越来越丰富一样，而且比人类医生更有效率——接诊1万例患者人类需要2年多，而人工智能只需要几天。这似乎意味着，只要有机会，有充足的临床经验，智能体有望达到，甚至超过大医生的水平。对于AI能否解决医疗领域生产力问题，资深管理顾问贺滨认为，目前可能还达不到这个水平，但是空间还是有的。“边际改善也是有益的，即使不考虑从根本上解决问题，也有很多机会，有很多事可以做。”技术确实给人类健康带来了更多可能性。比如：理想状态下，AI医生配合可穿戴设备可以24小时监测人体情况，预警心梗、脑梗等致死、致残风险非常高的疾病。面向专业人士的AI工具，有望拉平基层医生和大医生之间的差距。这些指向人们平等享受优质医疗资源的可能性，在当今老龄化、少子化的趋势下尤为可贵。不过，在这条“乌托邦”式的道路上，挑战也会比“互联网+”阶段更多。居民排队体验“AI面诊机器人”。来自：视觉中国融合型领军人才是关键贺滨担心，做AI+医疗的互联网大佬、投资人们不够尊重行业规律，会导致新一轮失败。可以看到，智能体医生们这一轮主攻的“健康管理”、有望推动分级诊疗的“导流”，看似简单，实则是中国医疗行业里最硬的骨头。要知道，大医院人满为患、基层医院门可罗雀，其中很大一部分原因，就是民众对基层医疗水平不信任。而且即便是在大医院也有一定的误诊率，患有疑难杂症、严重疾病的病人，不乏到多家大医院就诊、反复对比验证的情况。AI医生当下的水平，还不如基层医生。一项研究认为，GPT在问诊或病情处理的准确率，跟实习医生差不多，比全科医生差一点，比普通专科住院医师差更多。即便是学习了人类所有的医学知识，人工智能仍然只是医学生的水平。“医学生经过长达8年的学习，也还是不能看病。”上海交通大学医学院附属仁济医院泌尿科执行主任潘家骅指出，这一现实背后，临床诊疗的严肃性、专业性和复杂性都非常强。“患者有没有合并症、家庭情况如何、医疗背景如何，能不能进行好的随访，能不能进行好的康复等，都会影响治疗方案的选择。”潘家骅进一步解释说，比如同样患有原位膀胱癌，年轻人可以不做造口、原位排尿；如果是一个80岁的独居老人，他没办法自我训练排尿，就容易出现尿潴留、肾功能损害，最好就做一个造口。目前AI虽然已经能够快速掌握很多书本知识，但是也只能做到根据疾病来判断要不要做手术或者得了这个病应该怎么办，而不能从症状出发诊断出病情，也不能将专业知识融会贯通，将指南和临床实践结合起来。这也决定了，人工智能距离成为一个真正的医生还需要更多实践，也需要算法、算力上的持续提升。正因为此，他们选择从最难的领域作为突破点，虽然是改变行业的野心体现，但是也有不了解行业，甚至是“轻视”行业“大胆冒进”之嫌。客观来说，经过上一个十年的洗礼，互联网大佬们已经清晰地认识到了技术的局限性。“如果大家想着干一两年，就把这事儿干得特牛，就别干了。”张俊杰在发布“AI健康管家”的活动现场公开直言，过去10年从挂号到电子社保卡、电子医保卡，每一步都非常艰难，都有很多坑。未来也还会有各种各样的困难和问题。来自大三甲医院信息科的负责人也坦陈：“我们能做的还很少。”对于医院来说，算法、算力、数据，就是三座大山。“我们需要外部的支持。”支付宝在推出“AI健康管家”时，更是同时宣布开放专业智能体协作平台，为有意生成智能体的医疗机构提供技术、资金资源支持。百川智能等创业公司在开发AI+医疗产品时，也选择了与大三甲深度合作。这些都是AI+医疗真正解决医疗领域“看病贵、看病难”顽疾的希望。贺滨认为，接下来无论是互联网大佬还是其他外部资本，要想做好AI+医疗，还是必须充分尊重行业、尊重行业规律。对于互联网大厂来说，找到融合型领军人才应该是首要工作。贺滨告诉虎嗅，与互联网+医疗主要涉及“业务流程”相比，AI+医疗必然要深入到“业务核心”。在这方面公立医院和外部资本都没有独立优势，所以需要更加紧密地合作，但关键是既缺乏相关融合型领军人才，不同行业之间的理解和沟通也存在困难。他认为，如果没有融合型领军人才，AI+医疗短期或难有快速发展；如果有这样的人才来，AI+医疗未来也可能会发展出与互联网医疗不同的模式。对于互联网大厂来说，相比内部孵化，更好的做法是独立投资一个新机构来运营这块业务，成熟后再与传统业务融合。无论如何，技术只是划出了一个方向。路，还需要更多实践者一步一步走出来。