新闻动态
AI医疗大模型现存亟待解决的问题
医疗一直都以严谨著称，医生不能，也不允许犯错，一次犯错，可能就意味着一条生命的消失或者其他严重的后果。
而AI医疗被行业从业者甚至国家层面有着极大的期待，对于解决医疗资源不平等，医疗费用都有着极大的帮助。
尽管很多人或者机构或者部门都对AI医疗有着极为强烈的期待，AI医疗在资本市场也受到较多的投资机构所追捧。但是不可否认的是，AI医疗仍然存在着亟待解决的问题。今天我们大概的整理下AI医疗现在存在的问题：
1、医疗数据的来源
医疗数据最多的是存储在医院，其次就是部分医疗机构和企业中，但是医疗数据是患者的个人数据，涉及到用户的隐私，国家的法律等等。而医疗数据是所有AI医疗模型进行训练的基础。
2、数据的质量与数据的标签或者说标记
与医院合作机构合作，获得了医疗数据，但是不代表着这些医疗数据的质量就是可以使用的，比如病例记录错误，影响报告的伪影等等。而数据的标记依赖于专业的医学人员，而医学人员都是人，每个人都有自己的思维或者说主观性。
3、疾病的治疗需要影响、问诊、病历、检查等等多种模态，把这些信息贯穿融合并提取特征，难度极高。不过现在很多AI医疗机构在这方面的解决已经不错。
4、大模型的可信度
因为大模型都是公司自行研发，而决策的透明度会让医生存疑，并且在大模型引用前沿的指南、医学知识体系、论文也存在着较为高昂的成本。所以在大模型决策，数据驱动转化为知识图谱，深度学习结合方面仍然有许多工作进行。
5、一个大模型能不能解决多个场景，
一个综合医院，划分为30个左右的科室，不同疾病有较大的差异，特别是一些重疾罕见病方面在发现，治疗经验方面更为缺乏。实现一个模型多场景的使用还有较长的路需要走。
6、大模型的效率和费用
大模型的参数极为庞大，而部署需要大量的算力，这方面就涉及到成本的投入。而算力跟不上，又会较大的影响到使用的体验，特别是在一些特殊的科室这块的重要度就更为明显。
而医院投入医疗大模型的使用，也会关注投入产出比。
7、临床数据验证
截止到2025年，国内进入临床检验准确度的医疗大模型，仅仅医联MEDGPT一家医疗大模型，2023年6月和华西医院的临床诊疗中，有效率为96%。之后再无医疗大模型进行该方面的临床试验数据。而医疗是一个循证学科。
8、医疗的监管、伦理和法律的建立
国家虽然在倡导AI医疗，但是医疗不可避免的监管，责任，法律，伦理这块的工作还需完善。
9、最后在实际操作中，医生及患者愿意对医疗大模型的使用体验也是一个很重要的事项。
临床验证、有章可循，有法可依是和医生循序渐进的。
最后，期待我们的AI医疗在未来能更早的完善，让医疗公平，医疗自由能早日的实现。
