ChatGPT打响第一枪后，医疗AI和数字技术五大趋势呼之欲出

“AI技术快速发展，模型参数不断扩大，量变带来质变，智能开始涌现。”百度智慧医疗总经理刘军伟在未来医疗科技大会上这样感叹。  

虽然过去的2022年看起来是数字医疗遇冷的一年，从一级市场到IPO，疫情早期的热度退去，投资者更加审慎。2023年，数字技术赛道再次热潮汹涌。最明显的是，行业领头羊跑出来了。OpenAI旗下的ChatGPT打响AI深度应用的第一枪。

究其背后原因，是对技术价值的深度发掘。

从2023年未来医疗科技大会听会的人员来看，我们也能感受到现场观众数字技术的超高热情。会议室里坐满了观众，这里有科学家、有投资人、也有企业BD。

用北京邮电大学教授王光宇的话来说，基础（大）模型的发展使机器具备从感知到思考、探索与创造的能力，将对社会、行业产生深刻影响，这吸引了研究界和工业界的关注和研发。

在学术界，出席本次会议的张元亭教授、周少华教授、王光宇教授、巩岩教授都认为随着数字技术的发展，人工智能将对产业产生深刻影响。他们分别从智能检测设备、医学影像、医疗服务、显微镜成像等方面进行前沿探索。

同时，在资本市场，数字技术经历了急速加热的过程。ChatGPT的火从产品本身，烧到了各个领域，从硅谷点燃了全球。从Google指数上看，ChatGPT在全球的热度指数激增；从创投圈来看，2023年开年以来，赛道内初创公司受投资者持续追捧。

毫无疑问，这阵热风给所有企业都带来了机会，同时对数字技术而言，也是一个突发口——寻找真正的应用场景，并期待快速落地。

数字技术已经深入医疗产业内部。以医疗服务为例，爱思唯尔《未来医生白皮书》显示，未来十年，数字技术与医疗服务的深度融合、患者健康素养全面提升以及多元化医疗场景将是全球医疗发展的三大趋势，大数据将深度融入人口健康管理，科研数据、电子病例和医疗设备互联后采集信息的不断积累，将有助于医生制定更精准的诊疗方案，提高决策效率。

在未来科技大会上，我们不仅看到了数字技术与医疗服务的融合，还看到了数字技术与智能检测、药物研发、医学影像的多元化结合。

数字技术与医疗过程的融合带来多方面优势。

从患者的角度看，数字医疗不仅跨越时空，解决医患之间的信息不对称问题，还简化就医流程、降低就医费用、改善就医体验。从医生的角度看，数字医疗让患者病历、健康档案实现数据化，提高了疾病诊断、患者管理的效率，进一步解放了医疗生产力。从医疗机构的角度看，数字医疗有助于促进院内管理精细化，提升管理水平和服务水平。

在未来医疗科技大会上，王光宇教授分享了“面向健康医疗的多模态基础大模型”，北邮团队基于千万级生物医学数据，开展了基于大规模语言模型的理解和生成研究，并融合医学知识和推理内核，多模态智能语义计算方法，推进“以人为中心”的语义对齐及自然交互。

目前，北邮团队研发了面向通用医学场景的 ClinicalBERT 1.2B、大语言模型 ClinicalGPT 175B（Hugging Face上发布ClinicalGPT 7B-Base），基于大规模预训练模型的蛋白质功能分析框架UniBind(发表在Nature Medicine)。此外，团队还在ClinicalGPT基础上探索了中医多模态大模型TCM-GPT，在中医理论、辨证施治、经络穴位、中药配伍等维度方面均表现出优越性能。

中国移动研究院首席科学家许利群同样谈到“大语言模型时代医疗健康服务转型的机遇与挑战”，其中自动病历生成解决方案将大模型嵌入临床工作流程，辅助医生进行门诊、急诊、住院等各种工作场景下的文档工作。

此外，百度智慧医疗总经理刘军伟也在会议上分享了百度基于灵医大模型在“患-医-药“方面的落地实践，他表示:“大模型的准确率更高，开发周期会更短，将在智能健康管家、智能医生助手、智能企业服务等方面，有专业赋能、提质增效、体验提升的新效果，切实为大健康产业带来新的生产力。”

“健康工程倡导早筛早诊断早康复，政策有了，但器械还十分缺乏。”国际医学与生物工程院院士、香港医学工程研究院创始人张元亭这样说道。

因此，穿戴检测设备无论是对于C端用户还是B端用户都有着重要意义。对于C端用户而言，可穿戴医疗设备将为用户提供实时健康监测数据，让用户了解自身的健康情况，帮助用户进行科学的健康管控。对于B端用户而言，可穿戴医疗健康设备的及时性为医疗机构的资源调配提供有力的医疗辅助，医生可进行远程会诊，降低治疗成本。

“过去的穿戴检测设备并不是很方便。”张元亭教授表示。在2001年，张元亭教授就率先提出了无佩戴智能检测设备。他还表示，未来智能穿戴检测设备将朝着小型化、智能化、标准化、无扰化等方向发展。

国内高端显微镜市场目前被德日四大家所垄断，国产设备大多有量无质且市场占有率极低。无论是从市场角度还是从技术融合角度，计算光学与显微镜成像的结合是市场/信息时代发展的必然。

传统光学成像建立在几何光学基础上，借鉴人眼视觉“所见即所得”的原理，而忽略了诸多光学高维信息。在显微成像领域，无法同时满足宽视场和高分辨率的需求。

相比之下，计算光学成像以具体应用任务为准则，通过多维度获取或编码光场信息（如角度、偏振、相位等），为传感器设计远超人眼的感知新范式；同时，结合数学和信号处理知识，深度挖掘光场信息，突破传统光学成像极限。

中科院特聘研究员巩岩表示，光学显微镜具有非侵入性、适合永远范围广的特点，是目前生物学、医学、药学等研究领域的首选观测设备。在该领域，巩岩教授团队全面提升设计、加工、装配集成、系统测试全链条数字化制造工艺，自主研发多系列高端显微物镜。

其中包括完成STED—双光子复合显微镜样机（实现47nm超高分辨率和141.5um的成像深度）；专注非对称三光束干涉照明+分段半波片，提高成像速度；大视场光层析显微成像技术，提高成像系统空间百兆像素等。

未来，高端显微镜还将持续追求更高的分辨率、更快的成像速度、更深的成像深度的目标。巩岩教授谈到，未来将有更新的技术与光电显微镜结合。

一个是新型光学器件与光场调控机制。超透镜、超构材料、千分之等离子体、光子晶体等新型器件，为计算光学提供全新的光学调控。另一个是新兴的数学算法和计算性能。面向各类复杂现实成像应用的新理论、新机制、新技术、建立更优的多参数设计与光学调控机制，为计算成像发展提供有力支撑。

另一项大热的数字技术应用则是医学影像。ChatGPT等软件的热潮席卷全球，表明了生成式AI具有从用户复杂提示中生成文本或图像的能力，它的应用前景广阔，已经开始在医疗领域取得显著成果。

2023年，西门子医疗展示了基于生成式AI的创新理念和技术原型。与其他公司专注于文本或图像生成不同，西门子医疗通过智能聊天系统的加载、链接和准备，用户可以通过点击医学影像快速定位并突出显示报告中的相应区域。更为引人注目的是，西门子医疗利用AI动态生成诊断图像报告，并根据重要性进行优先级排序，使医生能够更高效地处理信息。

在本次会议中，中国科学技术大学讲席教授、美国国家学术发明院院士周少华为大家梳理了AI生成医学影像的两种可能形式：一种是医学影像恢复，另一种是医学影像合成。

目前，周少华教授团队正在探索新方法合成核磁影像。“我们会测量不同参数，参数包括人口统计、基因测序、生物标志物、影像资料等，明显可以注意到这几类测量当中是有因果性的，最后形成的影像能体现人类统计的信息，也体现了生物标志物信息。”用因果模型调控不同参数，同样也突破了时空的的限制。“十年前的影像，通过计算机的手段也能合成。”

药物发现和研发是制药企业和化学科学家的重要研究领域。然而，低效率和高成本一直是该领域的障碍。

许多从事药物研发工作的人都公认，数字化时代正在改变制药业。机器学习和深度学习算法已被应用于多肽合成、虚拟筛选、毒性预测、药物监测和释放、药效团建模、定量构效关系、药物重定位、多药理和生理活性等药物发现过程，极大缩短药物上市时间并提高安全性。

百图生科AI算法负责人王太峰也是其中一例。在未来医疗科技大会上，王太峰分享了“AI Foundation Models for Target Discovery and Drug Design”。他表示，自然语言很难帮助药企采用用更多的信息。因此，百图生科开发了一个千亿规模的蛋白质语言大模型，以该模型为基础，推动蛋白质预测和设计工作，再通过AI生成药物系统，进一步挑选化合物开发新药。

以上我们描述了由于数字技术与多个应用场景的结合。即便多元创新如它，大力出奇迹如它，天马行空如它，也未能逃脱的关口是：数字技术如何快速落地，并保持信息的准确性与安全性？

在技术商业化上，目前中国大模型行业内卷严重。相比之下，国外厂家更关注大模型的落地与应用。从卷技术本身到卷应用场景，是中国数据技术商业化必然经历的过程。

在信息准确性上，王光宇表示：“现在通用大模型还非常缺乏领域知识。虽然ChatGPT一定程度上能够回答医疗问题，但是在一些非常专业的领域，比如说如何更好诊断病人的症状，或者给出治疗方案等方面还非常欠缺。现在的大模型还缺乏真正的专业的推理能力，以及医疗领域特有的正确性、合规性和安全性。”从基础大模型到健康领域的专有领域的大模型，仍然还有很多需要去探索和解决的技术问题。

而在道德伦理问题上，生成式AI的训练和应用需要大量的患者数据，这可能引发数据隐私和保密问题。而为确保患者信息的安全，医疗机构和企业需采取严格的数据管理措施，遵守相关法律法规。

革命性的变革往往与风险共存。尽管数字技术正在面临一些挑战和道德伦理问题，但行业内人士也以安全、公平、循证和隐私为核心来探讨该领域，合理规划和管理，数字技术有望推动医疗行业进入一个更高效、精准和个性化的新时代。