界面新聞記者 | 李科文 黃華
界面新聞編輯 | 謝欣
自DeepSeek再度掀起國內生成式AI大模型熱潮以來，面向C端的個人健康管理成為國內醫(yī)療+AI領域最火熱的應用場景之一。
面向C端的個人健康管理醫(yī)療+AI，是指利用人工智能技術賦能個人用戶，實現(xiàn)疾病預防、健康監(jiān)測、個性化干預及診療輔助的全生命周期管理。其中互聯(lián)網(wǎng)+醫(yī)院是該模式最主要的落地場景之一。
據(jù)國家衛(wèi)健委統(tǒng)計數(shù)據(jù)和公開數(shù)據(jù)，截至2024年9月，我國已建成并運營的互聯(lián)網(wǎng)醫(yī)院總數(shù)約3340家，涵蓋公立醫(yī)院主導型、企業(yè)平臺型和民營專科型等多種模式。就在2019年，這個數(shù)字還只有400。
但熱潮之下也需要冷靜，據(jù)第一財經(jīng)，70%以上的互聯(lián)網(wǎng)醫(yī)院線上轉化率不足1%，意味著每100個線下病患，最終轉化為線上診療的不到1個。這一數(shù)據(jù)表明，雖然互聯(lián)網(wǎng)醫(yī)療形式上已初具規(guī)模，但普及性和有效性仍是需破解的難題。
“優(yōu)質醫(yī)療資源始終有限，并非每一個互聯(lián)網(wǎng)醫(yī)院都能成為巨大的流量入口?！?方舟健客創(chuàng)始人、董事長兼首席執(zhí)行官謝方敏向界面新聞表示，用戶信任度不足、醫(yī)患互動障礙、資源分配不均仍是當前互聯(lián)網(wǎng)醫(yī)院發(fā)展的三大瓶頸。
線下醫(yī)患面對面互動的高附加值難以在線上復現(xiàn)，導致患者對互聯(lián)網(wǎng)醫(yī)療的信任難以建立。因為互聯(lián)網(wǎng)醫(yī)院難以提供足夠的安全感和診療深度，許多患者仍然傾向于線下就診。
此外，優(yōu)質醫(yī)生資源集中在三甲醫(yī)院，而互聯(lián)網(wǎng)平臺更多依賴外部合作醫(yī)生，導致資源協(xié)同能力較弱，診療水平受限。這種結構性問題使得許多互聯(lián)網(wǎng)醫(yī)院難以形成穩(wěn)定的患者黏性，同時也影響了醫(yī)生的參與度和線上服務質量。
就診期間的溝通效率低也是一大難題。互聯(lián)網(wǎng)平臺上的醫(yī)生互動度效率低，患者難以獲得持續(xù)、深度的醫(yī)療溝通，最終影響診療效果和患者體驗。這種局限性不僅降低了患者的復購率，也使得醫(yī)生在互聯(lián)網(wǎng)醫(yī)院的積極性不高，形成了惡性循環(huán)。
即截至目前為止，生成式AI還無法完美解決互聯(lián)網(wǎng)醫(yī)療中的所有痛點。
“整體來看，AI在醫(yī)療行業(yè)的應用仍在探索階段，當前更偏向于在‘效率工具’研發(fā)上的探索。AI最主要的價值是提升效率，而非替代醫(yī)生?！敝x方敏表示，AI可以承擔初步咨詢，提高患者的活躍度（月活提升），從而促進后續(xù)健康管理、復診續(xù)方等全鏈條實現(xiàn)閉環(huán)。
謝方敏表示，從多年實踐經(jīng)驗來看，80%的醫(yī)療咨詢存在重復提問，“一直回復同樣的問題”也變相占用了醫(yī)生大量時間。他認為：“接入大模型之后，AI醫(yī)生助理不僅可以更準確識別語言歧義，并且可以按照醫(yī)生的問診邏輯進一步追問，再將問題初篩匯總后交由醫(yī)生集中處理?！?/span>
謝方敏表示，接到用戶問詢時，AI醫(yī)生助手經(jīng)過醫(yī)生準許，會針對患者提出的基礎性問題，進行符合專業(yè)醫(yī)學的解答。尤其是老年慢病患者普遍會存在重復、多次提問的情況，這些老年慢病群體希望在就醫(yī)過程中獲得情緒價值的安撫。
利用AI布局和試錯的成本已大幅降低，很多企愿意主動擁抱AI+醫(yī)療尋求改變。
“在某些崗位上，AI的應用成本甚至遠低于雇傭人力?！比鸫柔t(yī)療集團首席技術官王劉程向界面新聞表示，目前，AI在體檢行業(yè)的應用已顯著降低成本，例如，在輔助主檢醫(yī)生校核和整理體檢報告結果方面，AI的使用成本已降至每份低于0.2元。
王劉程介紹，以超聲報告記錄場景為例，醫(yī)生手持探頭進行超聲檢查，身旁還需一名非專業(yè)醫(yī)生記錄檢查結果。而在AI輔助模式下，醫(yī)生通過語音轉文字輸入，結合AI醫(yī)療大模型便可生成檢查報告，盡管最終仍需醫(yī)生復核，但整體流程大幅優(yōu)化。如果每個體檢中心能減少6至8名相關人員，按照100家體檢中心估算，意味著可以節(jié)約600至800人的人力成本。
王劉程表示，在體檢結論的出具過程中，傳統(tǒng)方式主要依靠人工提取異常指標（“紅色箭頭”標注的項目），這一流程至少涉及三輪醫(yī)生，包括檢查醫(yī)生、科室醫(yī)生、最終審核醫(yī)生，同時還需不同科室的信息整合，整體流程較為繁瑣。而AI大模型具備跨科室、跨檢查項目、跨設備的數(shù)據(jù)整合能力，例如，某份體檢報告顯示甲胎蛋白陽性，但肝臟超聲顯示功能正常，那么肝臟異常風險可能不大；但若多項異常指標疊加，AI便能迅速評估高風險情況，并建議患者盡快就診，優(yōu)化原有的工作模式。
讓醫(yī)生完全接受AI仍存有顧慮。不少醫(yī)生對生成式AI的使用仍較為謹慎，更多是將其當作搜索引擎，而非深度交互的智能助手。
謹慎來源于暫時還無法完全消除的AI幻覺。即AI生成的信息可能出現(xiàn)偏差甚至編造虛假內容。
例如，截至目前，AI的認知仍停留在“我不知道自己知道什么”的階段，導致其在醫(yī)療場景下偶爾會出現(xiàn)錯誤或不可靠的判斷，而醫(yī)學領域對精準性和可靠性的要求極高，任何失誤都可能影響患者安全。這種不可控的“幻覺”使醫(yī)生對AI的信任度難以建立，尤其是在關鍵診斷環(huán)節(jié)。
據(jù)《文匯報》引用《美國醫(yī)學會雜志》2023年發(fā)表的一項隨機臨床試驗結果，當醫(yī)生被故意提供帶有偏倚的AI診斷建議時，其診斷準確性下降了11.3%。即便在影像分析領域，AI的偏差也可能影響醫(yī)生的最終判斷。
方舟健客技術負責人向界面新聞表示，AI幻覺的產(chǎn)生主要源于兩個因素：一是內容缺失，二是訓練內容之間的歧義。當AI無法從已有知識庫中找到明確的答案，或者面對相互矛盾的信息時，就可能生成不準確甚至虛假的回答。因此，抑制AI幻覺的最佳方式，就是為模型提供準確、權威的知識。
“目前，醫(yī)療AI仍然面臨高質量數(shù)據(jù)的稀缺問題，AI的訓練主要依賴歷史病例、影像數(shù)據(jù)、臨床研究和醫(yī)生經(jīng)驗，而數(shù)據(jù)質量的差異可能直接影響AI的可靠性?！痹摷夹g負責人表示，其在內部構建了涵蓋藥品說明書、醫(yī)學指南等專業(yè)信息的知識庫，確保AI的訓練內容基于最權威的數(shù)據(jù)來源。其還利用大模型對知識庫進行反復檢查和優(yōu)化，確保內容的準確性，減少AI在輸出信息時可能出現(xiàn)的不可預測情況。
該技術負責人補充，除了數(shù)據(jù)質量，優(yōu)化AI還需要企業(yè)對醫(yī)療行業(yè)和業(yè)務邏輯有深刻理解，才能構建更精準的算法來真正賦能醫(yī)療場景。醫(yī)療AI的核心競爭力由兩個方面決定：第一是高質量的知識庫，即企業(yè)能否整合行業(yè)領先的醫(yī)學知識、權威指南和臨床實踐案例，為AI提供穩(wěn)定可靠的訓練數(shù)據(jù)；第二是算法的優(yōu)化，即AI如何結合企業(yè)的業(yè)務邏輯，將行業(yè)知識與機器學習模型深度融合，使AI的診斷建議更貼合實際臨床需求。