文章主题：
21世纪经济报道记者 朱萍 实习生 朱益孝 北京报道 当前，多模态AI通用技术正在高速迭代。ChatGPT火爆出圈，颠覆人们对AI能力的认知。近日，在“讯飞星火认知大模型”发布会上，科大讯飞董事长刘庆峰从7个维度演示了星火大模型的通用能力，以及大模型与讯飞现有产品结合的商业应用成果，其中也包括其在医疗领域的探索。
🌟🚀全球智能浪潮汹涌，医疗健康行业正迎来数智化革命的高潮！据权威调研机构Report Linker发布的最新报告（📊），预计到2028年，医疗保健AI市场规模将从2023年的146亿美元狂飙至1027亿美元，增长率高达惊人的47.6%！🚀📈在这个产学研一体化的加速进程中，医疗健康领域正经历一场前所未有的技术革新风暴。借助人工智能的力量，诊疗效率、精准度和患者体验都将大幅提升（👩⚕️💻）。数据驱动的决策将成为常态，为疾病的预防和管理提供强大支持（📊🧬）。Report Linker的深度洞察揭示了这一领域的强劲增长势头，预示着医疗保健AI市场将迎来前所未有的黄金发展期（Golden Age 🌟）。让我们共同期待并见证这个数智化健康新时代的到来！🚀
🌟在GPT时代洪流中，如何精准抓住机遇呢？🤔据智云健康高层杨文琳女士在最近的分享中透露，她的智慧策略就是“明智选择，顺势而为”。🌈她强调，首要任务是及时搭上这艘创新巨轮，随着技术浪潮的高涨，船自然会带你飞升。🚀别忘了，时机总是留给有准备的人。📚紧跟行业动态，洞察技术趋势，才能在GPT的海洋中游刃有余。🌊同时，保持开放和学习的心态，不断提升自我，才是应对这场变革的关键。🎓记住，不要被表面的风浪所迷惑，要专注于长期的价值塑造，而非短期的热度追逐。🎯最后，无论结果如何，勇敢尝试总是最好的选择。💪#GPT时代 #把握机遇 #智云健康策略
🌟医疗与医药领域，GPT技术引领创新潮流🌟🔍无论是医疗的智慧照护，还是医药的研发探索，GPT都在悄然改变着这两个至关重要领域。💡在医疗环节，它犹如一位得力助手，协助医生进行精准问诊、报告解析，辅助诊断决策，让诊疗过程更高效流畅。👩⚕️同时，知识问答也变得轻松，为医生提供无尽的学术支持。而在医药研发中，GPT更是展现其独特价值。它可以深度理解分子结构，将其转化为易于计算机处理的语言——SMILES格式，加速药物设计进程。🚀这无疑推动了科研的进步，让药物创新更加精准和高效。让我们期待GPT技术在未来医疗与医药领域中的更多突破，为人类健康带来更智能、高效的解决方案！🌐#GPT应用 #医疗革新 #医药研发
🌟💡尽管AI技术如GPT带来了革新与便利，但它潜在的挑战也不容忽视，就像硬币的两面。👑💻谷歌前人工智能巨头杰弗里·辛顿博士在5月2日的离职声明中，对这一领域的风险发出了警示，引发了广泛关注。🔥📚3月29日，千名科技精英联名上书，呼吁AI实验室暂停研发能匹敌GPT-4级别的强项系统，至少6个月，以确保安全与谨慎前行。🛡️🛠️让我们共同审视并平衡技术的发展与潜在风险，迈向智能的未来。
🌟国家网信办的《生成式AI服务管理办法》草案正在广泛征集意见！🔍围绕数据来源的纯度与准确性，以及潜在的政治风险，业内专家马军向21世纪经济报道透露了关键挑战。”data cleaning”成了热议焦点，预计会有约20%-40%的数据需要进行严格的筛选和处理。合规是未来的关键词，我们期待更完善的法规来保障这一新兴技术的健康发展。🌍
颠覆？辅助？
GPT技术对NLP（自然语言处理）方面的巨大突破尤其在需要进行文字、语言交流方面有着广阔的前景。
🌟人工智能并非单纯依赖人工，而是通过算法与大数据的交织，实现智能的高度升华。回想2013年到14年间，医疗大数据行业的兴起虽饱含挑战，当时的自然语言处理和标签技术尚不成熟，数据清洗、管理的复杂性堪比攀登科技高峰。💰高昂的成本让许多项目停滞不前，数据库的建设动辄耗费数亿，宝贵的医疗信息大多“深藏于医生的文件堆中”，无法充分利用。然而，正是这样的困境催生了变革。随着技术的进步和对数据价值认识的深化，我们见证了人工智能如何逐步解决这些问题，将海量数据转化为切实可用的资源。如今，医疗领域正经历一场数字化革命，曾经难以触及的信息逐渐被智能化工具所挖掘，为决策提供强有力的支持。🚀优化后的表述：💡人工智能的发展并非仅受限于人力，算法与大数据的力量推动了智能的高度进化。回溯2013-14年间，医疗大数据领域的崛起虽面临数据清洗和治理的重重难题，当时的自然语言处理技术尚需突破。💰高昂的成本一度让这个领域举步维艰，昂贵的数据库建设耗资数亿，海量的医疗信息犹如沉睡的宝藏。然而，正是这样的挑战催生了创新与进步。随着技术革新，我们认识到数据价值的重要性，人工智能逐渐成为解决这些问题的关键。如今，医疗行业正经历一场数字化转型，曾经难以触达的信息正通过智能化手段被挖掘和利用，为决策提供强大的支持。🚀
GPT技术崛起后，全新的大模型学习方式取代了传统的分词方式，工作量和所需数据量大幅减少。
高效的Transformer架构、非常大规模的数据模型、自监督的训练方式结合起来促成了GPT的成功。GPT技术具有多任务的通用性，同时可以以小成本进行学习，并学会“推理”，进行举一反三。通过大模型与别的流程和设备进行对接的“大模型+X”范式，可以简化大量流程，减少企业雇员成本。根据不同的专门需求，喂养GPT更偏重于医学的专业领域知识，可以在保证准确率和经济型下建立专业GPT模型。
智云健康首席科学家刘晓华举例称，使用4个英伟达A800 GPU，4个小时就能做一个简单的医疗助手，评测效果与大模型平级，而所需要的参数数量仅占1/4，提升了经济性。
医药研发领域一直存在的“双十定律”，即“十年攻关、十亿美元投入”，在AI技术的协助下也可能发生重大转变。2023年2月，由生成式人工智能驱动的临床阶段生物科技公司英矽智能（Insilico Medicine）宣布，公司首款自主研发的抗特发性肺纤维化药物INS001_055即将启动II期临床试验。第二款抗新冠病毒口服创新药ISM3312已获得中国国家药监局的临床试验许可。
英矽智能仅花费18个月就找到了新的化合物，大幅度减少新化合物开发时间。这一成果鼓舞越来越多的药物研发企业开始引入人工智能开发虚拟筛选技术，以取代或增强传统的高通量筛选过程。
南开大学药学院教授、博士生导师林建平向21世纪经济报道记者分析称，GPT在反向分子设计，包括抗体、药物、蛋白的设计方面，需要通过生成模型产生新药的部分有很大潜力，可能替代传统技术。“GPT能够写很多程序，预测化合物针对癌症的活性，也可以在药物研发中给出化合物相应的性质，同时还可以对测试数据进行挖掘和整理；对生物医学领域文献的文本提取、关系提取都会比以往的模型更高效。”
数据整合交互、临床试验的数据核查也是GPT技术的强项。例如，搜集上来的患者临床试验数据存在着各种形态的非结构化资料，以前都需要人力进行整理，现在很多可以靠GPT技术自动化归纳。AI协助下的临床数据的远程核查和翻看也可以降低人工干预的成本，提升患者管理的效率。由于机器对文献的理解深度广度远高于一般的写方案的人，撰写临床试验方案上，机器也能帮助企业高效地写出相对科学性高、符合监管机构的要求，同时也符合实际情况的方案。
此外，经过专门训练的GPT不仅能回答知识性问题，还能参与到需要情感理解的心理治疗。北京大学第六医院临床心理科主任黄薛冰以北医三院与科技公司研发的“北小六心理咨询师”举例称，“北小六”能根据对话中相关关键词进行分类，提供对应精神治疗方案，涵盖诊断、治疗、干预的心理治疗全程，相比真人治疗师，机器治疗的胜任力相当不错。中国现在心理健康医师存在很大缺口，GPT能够为患者提供预咨询，处理轻症和长期回访任务，担任治疗师的助手，甚至能当老师，带领经验不足的治疗师。
合规问题凸显
在GPT掀起的热潮中，也有业内人士等提示其所带来的潜在风险，各国监管机构都开始制定相应的规章制度。
如4月11日，国家网信办发布的《生成式人工智能服务管理办法(征求意见稿)》也引发了高度关注，其中也引发不少争议。马军向21世纪经济报道记者列举了其中争议比较大的问题：现在数据集有的使用国内数据，有的使用国外数据，国外数据相对真实性、准确性、多样性较高，但很多数据都来自于媒体，政治意识色彩浓厚，数据合规性存在问题，需要进行数据清洗。综合来看都会清洗掉20%到40%的数据。
大数据时代，数据成为了新时代的“富矿”，拥有数据的各方都不愿意无偿将自己的数据共享。尤其是医疗机构之间，信息化壁垒很强，各大医院之间的数据打通非常困难。杨文琳向21世纪经济报道记者介绍了其多年前在基金会协助下建立的联盟项目，将十家医院的肺癌、胸外科和肿瘤科半年的数据进行开放，十家医院的团队都可以访问调取数据。在电子病历的监控上有一定作用，但更多的应用遇到了很大问题，即使通过国家卫健委的行政手段都不一定能够拿到很多医院的数据。
为解决“数据孤岛”问题，北京市计划建立大模型、高质量的数据库，让大厂和医院统一接入，从而避免意识形态问题，提升数据整理效率。中国体制和欧美国家不一样，中央政府、地方政府、国企央企牵头可以建立一些基础性集中性的数据资源平台和基础设施，促进医疗GPT的学习和发展，这项工作还需要更多企业单位进行配合。
征求意见稿第四条还规定：利用生成式人工智能生成的内容应当真实准确，采取措施防止生成虚假信息。医药行业真实性要求很高，需要数据库及时更新修正。例如药物阿瓦斯汀（Avastin）的乳腺癌适应症已经被取消，而GPT回答问题时会给出错误的答案。如果设计医疗对话机器人，也需要防止GPT虚构引用文献和资料。
OpenAI所使用的数据以书籍和杂志为核心，没有使用生物医药数据进行训练，所以ChatGPT在医药健康领域表现不是很好，未来能否增加这方面的数据也存在很多挑战。因为数据的原理、质量、预训练模型不同，直接接入数据生成生物健康内容会产生很多错误。
从医疗全方位来看，预防、康复、患者管理三方面应用的前景很好，而且已经得到了很多的应用，但在临床环节，涉及到管理内容特别多，实际推行存在很大困难。北医六院信息化建设办公室主任孙世伟认为，在监管、患者和医务人员三个层面都有相应的问题需要解决。监管方面需要获得政府部门的准许，患者的满意度，对疗效的期望都很复杂。速速科技CEO吕宁表示，用机器人的方式和患者进行长期随访的效果很不理想，患者如果意识到对方是一个机器人，产生反感度非常高，更多还是辅助工作人员提升工作效率。最后，很多医务人员都感到“很多科技公司跟我来谈是训练模型，结果是来取代我”，不愿意推广，还需要企业在宣传上考虑到使用者训练者的感情。
更多内容请下载21财经APP
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
相关文章
