百度大模型多场景赋能医疗，落地临床诊疗尚有距离最前线

文|常泽昱

编辑|海若镜

AI继续“狂飙”。几乎所有人都曾沉浸于“多模态”、“大模型”等概念带来的狂喜或惊讶中。但当前，如何将AI嫁接到行业内部，如何利用AI产生真正的能效等，成为热议话题。

具体到应用层面，“技术为先、场景为重”是基本的逻辑。

“相较于‘AI 医疗’，我觉得更多的是‘医疗 AI’。我们的角色是赋能者，服务患、医、药”。近日举行的百度健康产业生态大会上，谈及自身定位，百度大健康事业群组总裁何明科数次强调“赋能”。

基于何种场景赋能？围绕“以患者就医旅程为主路径，渗透医患药各环节”的策略，百度健康目前已形成五大产品：面向普通用户的AI健康助手，面向医患双端的在线医疗Copilot，核心面向医院的“AI智慧门诊”，大模型的私有化产品CDSS，核心面向企业的灵医开放平台产品。

灵医开放平台将面向医疗服务提供API1000万token的免费额度。据悉，百度大模型多场景赋能医疗，落地临床诊疗尚有距离最前线在纯ToB场景，百度健康已形成5大核心API 3大产品套件 Ν个基础API的能力集合，行业付费客户累计超过100家，助力企业经营提质、增效、降本。

而在院端，如何打破患者与院端信息差、提升医疗资源利用效率，历来是医疗AI企业都试图解决的问题。华中科技大学同济医学院附属协和医院门诊办公室副主任谭捷介绍，借助百度大健康AI产品，目前武汉协和医院已在分导诊、加号、候诊三个环节探索智慧化方案。

以加号为例，针对专家号紧俏难挂且实践中存在医患不匹配的现象，百度健康通过病情收集、病例整理、AI预审和医生复核的加号流程，为患者开通应急预约通道，匹配擅长对应疾病的专家。据院方统计，上线75天内，AI智能加号共计审核5478人的加号申请，通过人次755人，专家审核通过720人，这意味着其审核准确率高达95%以上。

压缩医生在书写病历等重复性工作上的时间支出，则是目前百度健康在“AI医生助手”模块推进的工作之一。

“基于大模型辅助医生提升书写效率，从实际的反馈来看是受欢迎的，能将医生花费的时间从1个多小时降低到20分钟左右”，百度大健康事业群组策略研发部及AI产业部总经理黄海峰介绍，为了保证内容的严谨性，“每一段输出内容都会有相关的溯源标注，告诉他是来自哪个单据。”

大模型在具体领域运用的深度很大程度上取决于其对数据的获取、发掘，而医院众多不同科室的现实情况又对此提出了新的挑战。黄海峰表示，百度健康将逐步实现从“公有云”到“私有化”、“专门化”的迭代，应用场景大体遵循从由简到繁、由通用到具体的逻辑逐步推进。

具体到较受瞩目的临床应用，目前百度还在“筛选具体场景”的阶段，因为“投入确实会比较重”。黄海峰介绍，一方面，针对不同临床场景开展的工作复用性较差，例如做肺部手术导航和做口腔建模就涉及两种完全不同的需求。另一方面，如果要开展具体的临床诊疗，现阶段的病例数据也并不足够，尚需继续收集、发掘。

让AI真正在临床场景发挥活力，医生是必不可少的一环。上海仁济医院泌尿科主治医师迟辰斐认为，医生应该“卸掉高墙，学会跟大模型合作，不吝啬于把自己的知识告诉企业”。

承认AI巨大潜力的同时，迟辰斐也结合自己的医疗实践和观察提出了一些“冷思考”，结合他参与的多次AI测评的实际情况来看，在面对一些需要判断力的开放性问题时，AI的能力远在医生之下。

因此，建立更科学、与现实拟合程度更高的测评环境也尤为关键。“大模型到底能不能看病，不是现在测评中这些选择题和科普性的Q&A说了算”，迟辰斐指出，“医生怎么看病、多轮问诊怎么进行、怎么采集患者数据、进行推导、给出诊疗建议，需要基于医患交互的自然语言生成的真实场景，把这些东西结合进去，做成一个真正的测评体系。”

总之，正如何明科所讲的那样，大模型让“我们手里的‘子弹’更多了”。但如何找到痛点、瞄准子弹，真正实现对医药大健康领域全面、深度的赋能，仍然需要更多路径层面的探索。