全国政协常委周汉民:人工智能势不可挡 建议加快推动“AI+医疗”深度融合
上证报中国证券网讯(记者 宋薇萍)全国政协常委、上海公共外交协会会长周汉民9月6日在2024外滩大会分论坛——AI医药革命:产业链创新之路见解论坛上表示,人工智能的发展势不可挡,医疗要与科技高度融合、携手共进,在人工智能的浪潮中乘风破浪,共创人类健康的美好未来。
当天,周汉民以《人工智能时代医疗新产业(300832)的发展和创新》为题进行了主旨演讲,分析了人工智能时代下,医疗产业发展的新机遇和新挑战。他呼吁,相关产业企业要以构建新质生产力为抓手,更好地与人工智能相结合,这是医疗大健康产业未来发展的重中之重。
人工智能与医疗双向驱动 已成为热门赛道
“当前,日新月异的AI技术正在与生物制药、医学诊疗深度融合,广泛用于医疗各个领域,从最初的影像诊断、辅助诊疗、基因检测,到近年来的药物发现、临床试验、健康管理等,在提高精准度与效率、个性化治疗、数据处理等方面具备显著优势,尤其是在癌症、心脏病以及其他慢性病的筛查中,展现了其巨大的潜力。”周汉民在会上充分肯定了“AI+医疗”的应用前景。
周汉民说,有分析预测,到2025年人工智能在医疗健康领域的市场规模将从2019年的59亿美元增长到2025年的313亿美元。其中,大部分应用集中在药物发现、可穿戴技术、血液病原体分析和图像解读等领域,未来年复合增速有望超过60%的领域包括癌症治疗、肺炎诊断、冠心病诊断和骨折诊断等,“AI+医疗”已成为当前行业发展的热门赛道之一。
以AI影像为例,周汉民认为,这是医疗领域应用最为广泛的场景之一。“目前,中国影像数据约占全球约80%至90%,并以30%的增速持续高速增长。AI医学影像已经走向成熟期,已有超60个三类证产品获批上市。”
在他看来,人工智能和医疗健康的结合是“双向驱动”的,一方面,人工智能的众多技术在医疗领域得到了显著的商用价值体现;另一方面,创新型的AI技术也给医疗创新带来了新的机会。
从全球看,周汉民说,目前,美国、欧盟发布的人工智能计划都涵盖了医疗,越来越多医药企业逐渐开始向人工智能敞开怀抱,一些代表性的科技巨头也不断向生物医药领域辐射,微软、谷歌、亚马逊等纷纷布局,推出了针对制药等技术的AI模型,英伟达更是将“人工智能+医药”作为下一个“黄金赛道”,大力开发模型,帮助全球的科学家和医疗企业通过生成式AI进行效率提升。同时,直接开展投资,仅2023年,就有超过10家AI制药企业收获了英伟达的资本支持,医疗健康领域有望获得快速突破。
“AI+医疗”面临四大挑战
在肯定人工智能与医疗相互融合的广阔前景的同时,周汉民认为,人工智能在医疗领域的应用也充满挑战,具体表现如下:
——是否精准有效。他说,尽管“AI+医疗”的智能诊断模式可以帮助医生更加快速地识别患者的病症,但其准确性和可靠性还有待提高。例如,大型语言模型在总结病人笔记时可能会引入不准确的信息,导致无法通过精确数据进行治疗决策。建议在技术层面不断完善,包括更加精细的数据算法并对医学领域的知识进行深度学习,以及技术与临床的紧密结合等,才能构建更加智能高效的医疗健康体系。
——是否具有广泛适用性。周汉民说,人工智能基于数据学习和整合,医疗数据的来源丰富、形式多样,数据量庞大且复杂,质量也参差不齐,可能会因数据来源单一、样本量不足等而造成算法偏见,进而导致医疗错误。例如,基于大量医院数据资源进行训练的算法,在资源较少的环境中应用时可能表现不佳。实践证明,AI临床测试的结果难以在不同人群中推广。只有当临床试验参与者代表了该工具将要用于的人群时,才能精准推断结果。
——是否安全可靠。周汉民说,人工智能技术在医疗行业的应用需要处理大量的个人健康数据,做好患者的个人隐私保护,合理使用所需的数据,防止数据的泄露和滥用,也是需要高度重视的问题。
2023年10月,美国国家人工智能咨询委员会(NAIAC)发布一份人工智能未来潜在风险调查结果,显示在美国超过60%受访者对医疗过程中使用人工智能感到不适,78%受访者对人工智能应用造成的风险感到不安,对人工智能研究与应用持审慎态度。
此外,人工智能的引入是否会导致医护人员技能萎缩、对人工智能的信任的误判以及信息超载?例如,临床医生可能过度依赖人工智能来管理相关事宜,对自身医学知识的学习不足,导致其专业技能萎缩。如何平衡AI与医生的角色,这也是行业必须认真思考和解决的问题。
构建医疗产业新质生产力
对于构建医疗产业新质生产力,周汉民认为,这需要深度融合人工智能等前沿技术,从全局、源头上解决生物医药高质量发展面临的问题,围绕创新链布局产业链。
一是促进人工智能与临床的紧密结合,提升精准度。人工智能在生物医药领域的应用目前可分为两类:一类是上游技术平台,如算法和工具;另一类是下游管线,如具体的药物研发项目。无论上游还是下游,人工智能都需要与具体的临床业务紧密结合,才能真正发挥其价值。
周汉民强调,特别要提高医疗健康专业人员与算法的互动程度,在临床实践中得到持续提升。例如,对于大模型的应用,医生和科研人员要与患者以及模型开发团队互相信任、充分沟通并形成电子病历,将复杂的医学专业概念转化为机器可理解的语言,不断动态更新,推动大模型训练,形成“专业人员投喂知识—大模型反馈信息—专业人员查漏补缺—大模型持续积累”的良性循环。
“在医疗领域中,人工智能的‘黑盒’问题特别引人关注,也就是人工智能算法在决策过程中的不透明性和难以解释性,目前有关人工智能模型的相关研究都一定程度存在类似的问题。鉴于医疗领域的严肃性,我们对于大模型给出结果的每一步都要严谨把关,要有完善的推理过程,增进算法的透明度和可解释性,确保最终的生成结果是可回溯、可溯源的。”周汉民说。
二是优化数据集和模型架构,提升适用性。数据是人工智能模型的基石。其中,数量决定了模型的适用性和泛化能力,质量是模型准确性和可靠性的重要保障,因而,要构建庞大、高质量的数据集,包括临床数据、科研数据、文献数据、海内外数据等,并对这些数据进行收集、清洗、整理,加强数据治理,使之变成可靠数据,具有可解释性,在此基础上,选择和开发、完善最优的AI模型,不断迭代,吸收整个领域的相关数据,以确保其适用于更多人群。同时,推动算力硬件和软件设施建设,以AI制药为例,有关部门可聚焦新药靶点挖掘与验证、药物发现与设计、新型药物筛选、用药安全分析等环节,支持模型、算法、专业软件等攻关突破和共性平台加快建设,开展智能化场景应用示范。
三是加强数据隐私保护,提升安全性。隐私数据问题始终是医疗行业关注的焦点,患者的健康数据在收集和存储过程中的安全性是关键问题。建议制定医疗数据收集标准,明确操作流程,可由行业协会牵头,关注合法性、安全性和伦理性的融合,推动人工智能研究的规范化和标准化,如必须取得患者同意,遵循民法典、数据安全法、个人信息保护法等相关法律法规、加强数据安全保护等,使得人工智能在医疗领域中的应用透明、公正和可信。
“对医护人员而言,人工智能是重要的助手,但绝不会被替代。”周汉民说,人工智能无法复制医生所具有的情感美德,如同理心、同情心和人文关怀,医护人员要正确看待并积极拥抱人工智能。建议加强对医护人员的培训,助力医护人员提升对人工智能技术的认知和理解,并指导其合理地应用这一技术,不仅要成为人工智能的使用者,更要成为创新的推动者。
0人
- 每日推荐
- 股票频道
- 要闻频道
- 港股频道
![](http://u.thsi.cn/imgsrc/flashcms/659633220_373e27269d744833ebfb2ad61ae3a43f.jpg)
![](http://u.thsi.cn/imgsrc/flashcms/659633220_9df037c562da4a36b43339999f4aff49.jpg)
- 重磅!国泰君安、海通证券合并重组
- 午后突变!三大指数单边下行!四大原因导致A股下跌破位
- 华为最新公布!生态建设是华为的一项长期重要战略
- 9月6日晚间公告集锦:*ST景峰公司股票存在被终止上市的风险
- 央行、外汇局发声 谈及货币政策改革
- 超10000亿元,央企战略性新兴产业投资再加码!科技巨头入局,量子科技新时代启航,机构持仓股曝光
- 9月6日磷酸产业链情报
- 9月6日环氧氯丙烷产业链情报
- 9月6日钛白粉产业链情报