ai诊疗终端 AI赋能医疗行业，从精准诊疗到普惠健康的全景革新

用户投稿 2025年06月18日 04:30:01 390 0

AI赋能医疗行业，从精准诊疗到普惠健康的全景革新

AI正在成为一种创新动力，赋能千行万业。其中，医疗行业首当其冲。这不仅是因为其拥有丰富的“AI+医疗”应用场景，而且因为其与我们每个人的生活都息息相关，备受重视。

在药品研发、公共卫生、影像分析、辅助诊疗决策、健康管理、医院运营等诸多场景，AI已经得到了广泛的应用落地。可以说，AI赋能医疗，已经渗透到了看病、管病、治病、科研、管理、医保等医疗卫生行业的每一个环节。

精准诊疗：

从提升效率到提升准确率

中山大学中山眼科中心，是国家卫健委属委管唯一的眼科专科医院，也是我国规模最大的公立眼科医院。中山眼科在全国率先开设眼科人工智能门诊，并与华为合作推出了眼科大模型ChatZOC，为守护人民群众的眼健康开辟了新路径。

通过AI诊疗技术的采用，中山眼科中心开创了新型的眼科“三级诊疗”模式，即“居家自筛—社区筛查—医院转诊” ，让更多的眼病患者得到早诊断早治疗。

通过智能热线、辅助教学、预问诊、图像诊断、综合诊断、报告生成、知识问答等场景的AI应用，中山眼科中心大大提升了诊疗效率和效果 ，实现了AI对眼科诊疗的赋能。

当然，这些场景化AI应用的落实，都需要有强大的AI算力平台作支撑。在华为的支持下，中山眼科中心构建了由“算力底座、平台服务、模型使能、应用场景”组成的四层技术架构平台，支撑其AI应用创新。 以昇腾为算力底座，实现训练与推理资源的统一管理和分时复用，以充分利用算力资源支持模型训练和模型部署等服务，并通过开放模型生态接入各种计算机视觉模型和自然语言模型，为顶层场景应用提供支撑，进而助力中山眼科中心持续积累自身的AI资产。

通过这样的技术赋能，中山眼科中心的AI筛查，大幅提升了眼病筛查的质量、效率和覆盖范围。 AI筛查可以通过预问诊来掌握症状和病史，提升诊断的完整性，并借助计算机视觉辅助诊断提升准确性，并且出具报告的时间也从传统的一周到缩减至30秒出报告，筛查效率大幅度提升。AI筛查的普及，更可以识别和挖掘出大量的隐匿患者，显著提高早诊率，挽救更多患者的光明。

健康管理：

从疾病治疗到主动健康

广东省第二人民医院，是一所集医疗、教学、科研、预防、保健于一体的三级甲等综合医院。早在2021年，广东省第二人民医院就携手华为打造了全国首家全场景智能医院，实现了全场景智能“从0到1”的突破；今年又推出了国内首个主动健康AI大模型——叮呗健康大模型。

从“以治病为中心”向“以人民健康为中心”转变，是当前我国卫生健康领域正在发生的一大变革。 医疗机构正在致力于为人民群众提供全生命周期的卫生健康服务，“主动健康”的理念由此逐渐深入人心。

相比传统以疾病治疗为核心的医疗模式，以主动健康管理为核心的健康服务新模式，对医院也提出了新的要求。叮呗健康大模型由此适时而生。

叮呗健康大模型，是广东省第二人民医院与华为等领先科技企业合作开发的。通过本地化部署来确保数据安全与隐私 ；整合了广东省第二人民医院多年积累的百万份体检报告数据，再结合权威医学知识，通过元问答检索增强技术和监督微调方法 ，形成以健康体检为核心的AI解决方案。

作为国内首个覆盖全健康管理场景的主动健康大模型，叮呗健康大模型打造了叮呗康康、叮呗报告和叮呗心心等多领域大模型，实现从个性化体检报告解读、主动健康医学咨询，到疾病风险预测与健康管理的全链条场景应用。

普惠医疗：

从高端服务到惠及基层

伽师县英买里乡所在的喀什地区，地处祖国边陲，医疗资源匮乏，很多患者长期以来得不到及时的诊断和治疗。借助中山眼科中心为其搭建的喀什AI眼科筛查系统，英买里乡的40多个“赤脚”村医和20多个医护人员，化身为专业眼科医生，为数千名当地群众提供眼科疾病筛查服务。

过去，开展这样的大规模疾病筛查服务，对于医疗资源短缺的基层和偏远地区来说，并不是一件容易的事情，尤其是缺乏经验丰富的临床医生。AI技术的出现改变了这一状况，可以大幅度提升筛查的准确率，降低工作量，并减轻了对专业医生的依赖，让筛查变得更加轻松可行。 可以说，AI技术的采用，使得医疗专家的经验得以传递到基层，为普惠医疗创造了条件。

承担普惠医疗重任的，还有当下正在加紧建设的“医共体”，以及由其带来的一体化的县域医疗体系。

通过把县医院、乡镇卫生院、村卫生室这些不同层级的医疗机构整合成一个紧密协作、统一管理的整体，医共体增强了基层医疗机构的能力，让老百姓在家门口就能看好病，减少“小病跑大医院、大病扎堆城市”的问题。

医共体的打造，首先要解决的是数据的互联互通问题。 在广东省，梅州五华县、蕉岭县等区县均采用华为方案，构建“云-网-端”一体化的医共体体系。

其通过DCS云平台整合HIS、LIS、PACS等系统，实现县域医疗数据的互通；打造全光院区覆盖县、镇、村三级医疗机构，部署万兆光纤来保障影像等大文件秒级传输；部署视频会议系统支持跨机构远程会诊、手术示教和培训；基层卫生院通过桌面云终端接入，实现诊疗数据统一管理与资源弹性分配；配套全栈双活数据中心保障 RPO=0、RTO≈0，支撑分级诊疗高效运转。

这一医共体方案的建设，使得县域就诊率大大提升，同时提高了远程会诊覆盖率，提升了基层诊疗效率，为分级诊疗政策的落实和普惠医疗理念的实现奠定了基础。

实际上，上述AI+医疗应用场景，只是AI赋能医疗行业的开端，随着AI大模型等技术的进一步成熟和普及，未来还会有更大的探索和发展空间。

AI技术的赋能，正在推动医疗行业向智能化、精准化、普惠化方向加速转型，不仅提升诊疗效率和准确率，优化医疗资源配置，更使得优质医疗服务更加普及可及。

本文作者：商业科技于洪涛

点击链接查看更多→「链接」

明查｜新一代AI诊疗系统可3秒筛查13种癌症？没有证据

速览

- 网传所谓“DeepMind发布AI血检系统，识别13种癌症并获FDA批准”的说法，目前并无公开记录，且缺乏任何可核实的权威来源。既未在公开数据库中找到该研究，也无FDA审批或医院试点的官方信息。

- DeepMind近年来确有布局医学影像AI系统的研究，相关成果聚焦于乳腺癌和结核病等特定病种，且距离全面临床应用仍需大量验证与监管审批。

事件背景

近日，社交平台流传一则消息，称英国人工智能公司DeepMind于凌晨发表了一篇论文，宣布其“新一代AI诊疗系统”可通过血检数据，在3秒内识别13种早期癌症。该系统据称已通过美国食品药物管理局（FDA）的绿色审批通道，并将于下周起在美国纽约长老会医院（NewYork-Presbyterian Hospital）试点运行。相关说法还声称，这篇长达37页披露了该系统能够预判未来5年患癌概率、检测患者隐瞒病史，诊疗费用等细节。

网传说法截图。

明查

该传言并未提供确切消息来源，如论文标题、作者、网址、期刊名、发布时间等，仅以“白皮书”“朋友圈”“张主任”等模糊字眼作为支撑。

通过关键词反搜，在DeepMind官方网站、arXiv预印本平台、《Nature》系列期刊和Google Scholar等权威数据库中，并未能找到与该说法相关的研究论文。所谓“37页白皮书”也无从查证。

DeepMind官方网站近三个月论文发表记录截图，并未发现与“新一代AI诊疗系统在3秒钟内揪出13种早期癌症”的相关研究成果。

在美国食品药物管理局医疗器械数据库中，以“DeepMind”“Google Health”以及母公司“Alphabet”等关键词进行检索，亦未发现近期有“新一代AI诊疗系统”获得审批的记录。该机构对最新医疗技术设备的名单也仅更新至2024年。

同时，纽约长老会医院官网与社交媒体账号也无任何关于该试点项目或合作声明的消息发布。

不过，DeepMind近年来确实在AI医疗领域取得成果。已有公开发表的相关研究显示，早在2020年，DeepMind、Google Health 联合英国癌症研究院帝国学院中心、西北大学、英国皇家萨里郡医院等机构，开发了一种基于深度学习的AI系统，可通过乳腺X光片（钼靶图像）实现高精度乳腺癌预测。

2020年1月2日，发表于《Nature》杂志题为《针对乳腺癌筛查人工智能系统的国际评估研究》的论文截图。

这项发表于《Nature》的研究指出，该AI系统在英美两国的临床数据集上表现优异，显著降低误报（假阳性）和漏诊（假阴性）数量，其准确率超过多位来自英国和美国的放射科专家。

研究团队基于超过2.8万名女性的乳腺癌筛查数据，模拟AI作为英国乳腺癌筛查“双读”机制中的“第二读者”参与临床流程。结果显示，该系统可在不保持原有诊断水平的同时，能将第二位放射科医生的工作量减少88%。

在英国，乳腺癌筛查常采用“双读+仲裁”制度，即每张乳腺X光片需由两位放射科医生分别独立解读，并在存在分歧时通过仲裁机制解决。一般而言，第一读者为放射科医生负责初读，若影像结果存在疑问，则由第二读者，也就是另一位医生或AI系统复核，以确保更高的诊断准确性。

不过，该系统目前仅用于乳腺癌筛查，并非“秒诊所有癌症”。2022年起，该系统已在英国国家医疗服务体系（NHS）及美国医疗机构开展临床试验。

2023年，DeepMind和Google Health又推出了一项名为 CoDoC（Complementarity-driven Deferral-to-Clinical Workflow）的AI医疗辅助系统。该系统并非直接对医学图像进行诊断，而是充当一个“决策协调器”，在AI模型和临床医生之间进行智能选择，从而实现人机协同优化诊断流程。

研究发现，CoDoC在乳腺癌筛查方面展现出显著的性能提升。在英国的大型乳腺癌筛查项目中，该系统在保持假阴性率不变的前提下，假阳性率下降了25%。同时，通过智能分配诊断任务，减少了临床医生的工作量66%。在结核病筛查中，相较于单独依赖AI或传统人工流程，CoDoC可使假阳性率降低5%至15%。

上述研究成果已发表在《Nature Medicine》期刊上，研究团队还将CoDoC的代码在 GitHub上开源，推动医疗AI在现实场景下的透明部署与安全落地。

2023年7月17日，发表于《Nature Medicine》期刊题为《通过基于互补性的转诊机制提升人工智能辅助诊断的可靠性与准确》的论文截图。

尽管CoDoC展现出在乳腺癌和结核病诊断方面的潜力，研究人员也强调系统尚存在局限性，包括对更大规模数据的依赖，以及当前医疗体系尚未完全接受AI作出自主诊断决策。未来仍需开展更多临床研究，以评估其在不同医疗场景下的实际应用价值。

但无论是2020年针对乳腺癌的AI系统，还是2023年的AI医疗辅助系统，都与近期网传“通过血检3秒揪出13种早期癌症”不是同一系统和成果。

此外，其他相关研究还指出，AI在医疗领域虽有快速发展，但必须考虑假阳性率、伦理、数据隐私、医生配合度等实际因素。

综上所述，网传所谓“DeepMind发布AI血检系统，识别13种癌症并获FDA批准”的说法，目前并无公开记录，且缺乏任何可核实的权威来源。既未在公开数据库中找到该研究，也无FDA审批或医院试点的官方信息。此外，DeepMind近年来确有布局医学影像AI系统的研究，相关成果聚焦于乳腺癌和结核病等特定病种，且距离全面临床应用仍需大量验证与监管审批。

明查员冯梦

(本文来自澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)