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。