每經(jīng)記者｜甄素靜    每經(jīng)編輯｜張益銘    

“未來(lái)AI（人工智能）在醫(yī)療診斷中收費(fèi)，本質(zhì)上就像買(mǎi)保險(xiǎn)，患者支付合理費(fèi)用，來(lái)降低漏診、誤診風(fēng)險(xiǎn)，也是對(duì)健康一份保障?！敝袊?guó)科學(xué)院香港創(chuàng)新研究院人工智能與機(jī)器人創(chuàng)新中心主任劉宏斌在接受《每日經(jīng)濟(jì)新聞》記者專(zhuān)訪時(shí)，如是說(shuō)道。

近日，劉宏斌帶領(lǐng)團(tuán)隊(duì)發(fā)布國(guó)內(nèi)首個(gè)超聲領(lǐng)域基座大模型“聆音”EchoCare超聲大模型。劉宏斌介紹稱(chēng)，該模型以超450萬(wàn)份覆蓋20多個(gè)國(guó)家和地區(qū)的多中心影像數(shù)據(jù)為基礎(chǔ)，將診斷準(zhǔn)確率較國(guó)際頂尖水平提升3~5個(gè)百分點(diǎn)，不僅打破傳統(tǒng)模型“換醫(yī)院就失靈”的泛化性困境，還試圖破解AI醫(yī)療“叫好不叫座”的商業(yè)化難題。

在劉宏斌看來(lái)，人工智能在醫(yī)療領(lǐng)域運(yùn)用并不局限于此，在近一個(gè)小時(shí)的面對(duì)面專(zhuān)訪中，劉宏斌從人工智能技術(shù)在醫(yī)療領(lǐng)域應(yīng)用的技術(shù)突破核心邏輯，到數(shù)據(jù)合規(guī)的平衡之道，再到商業(yè)化落地的路徑規(guī)劃，深入解析AI如何突破行業(yè)瓶頸，以及AI醫(yī)療未來(lái)將如何以“保險(xiǎn)式收費(fèi)”模式，真正走進(jìn)臨床、惠及普通患者。

中科院香港創(chuàng)新院AI中心劉宏斌 受訪者供圖

超450萬(wàn)份影像數(shù)據(jù)“喂養(yǎng)”，準(zhǔn)確率領(lǐng)先國(guó)際水平

“嚴(yán)格來(lái)說(shuō)，AI模型分為編碼器與解碼器兩大模塊。編碼器負(fù)責(zé)將圖片、文字等信息壓縮為高效特征，解碼器則針對(duì)分類(lèi)、圖像分割等具體任務(wù)完成適配。我們發(fā)布的超聲大模型，核心是一個(gè)通用編碼器。”劉宏斌向記者解釋?zhuān)@個(gè)編碼器核心競(jìng)爭(zhēng)力，源于450萬(wàn)份超聲影像數(shù)據(jù)的“喂養(yǎng)”，涵蓋20多個(gè)國(guó)家和地區(qū)的公開(kāi)數(shù)據(jù)集，以及國(guó)內(nèi)中山大學(xué)第一附屬醫(yī)院、華西醫(yī)院等五六家合作醫(yī)院的脫敏數(shù)據(jù)。

“海量數(shù)據(jù)讓編碼器具備極強(qiáng)的泛化能力，能兼容不同廠商的超聲設(shè)備圖像，甚至適配不同國(guó)家的臨床場(chǎng)景，這也是它被稱(chēng)為‘基座’的核心原因。”劉宏斌表示。

“泛化性”是決定人工智能在醫(yī)療領(lǐng)域應(yīng)用能否落地關(guān)鍵。傳統(tǒng)超聲AI模型多依賴(lài)單一醫(yī)院數(shù)據(jù)訓(xùn)練，換用其他醫(yī)院設(shè)備或不同人種的影像時(shí)，準(zhǔn)確率往往大幅下滑。劉宏斌透露，團(tuán)隊(duì)突破在于“多中心數(shù)據(jù)架構(gòu)”：“我們整合了全球公開(kāi)數(shù)據(jù)集，這些數(shù)據(jù)均經(jīng)過(guò)發(fā)布機(jī)構(gòu)的倫理論證與脫敏處理；同時(shí)聯(lián)合醫(yī)院處理內(nèi)部數(shù)據(jù)，去除患者姓名等標(biāo)識(shí)，確保無(wú)法追溯到個(gè)人。目前醫(yī)院一線數(shù)據(jù)占比約10%，雖比例不高，但為模型適配真實(shí)臨床場(chǎng)景提供了關(guān)鍵支撐?！?/p>

技術(shù)優(yōu)勢(shì)最終要靠臨床指標(biāo)驗(yàn)證。劉宏斌表示，該模型在回溯性研究中已展現(xiàn)出顯著競(jìng)爭(zhēng)力：“當(dāng)前國(guó)際頂尖超聲AI模型的準(zhǔn)確率普遍在85%~90%，我們通過(guò)預(yù)訓(xùn)練技術(shù)將準(zhǔn)確率再提升3~5個(gè)百分點(diǎn)。別小看這幾個(gè)百分點(diǎn)，在龐大的患者基數(shù)下，這意味著能減少上千萬(wàn)人的漏診、誤診風(fēng)險(xiǎn)，臨床價(jià)值極高?！?/p>

賦能基層醫(yī)療迫在眉睫，而“臨床需求牽引”亦是關(guān)鍵

對(duì)于發(fā)布“聆音”超聲大模型的時(shí)機(jī)，劉宏斌團(tuán)隊(duì)經(jīng)過(guò)了周密考量?！凹夹g(shù)成熟度與政策窗口期雙重疊加，讓我們決定此時(shí)推出?！彼硎荆?jīng)過(guò)一年多研發(fā)，模型已具備臨床應(yīng)用條件，且準(zhǔn)確率領(lǐng)先國(guó)際，“更重要的是，國(guó)家正推動(dòng)AI賦能基層醫(yī)療，那些醫(yī)療資源薄弱、醫(yī)生經(jīng)驗(yàn)不足的地區(qū)，對(duì)這類(lèi)技術(shù)的需求十分迫切。”

按照規(guī)劃，模型落地將分三階段推進(jìn)：第一階段是概念驗(yàn)證，目前已完成，證實(shí)技術(shù)性能達(dá)標(biāo)；第二階段是臨床研究，聯(lián)合企業(yè)與醫(yī)院通過(guò)倫理評(píng)審，在真實(shí)診療場(chǎng)景中測(cè)試模型效果；第三階段是產(chǎn)品注冊(cè)，完成醫(yī)療器械認(rèn)證后正式推廣?！皬呐R床研究到成為成熟產(chǎn)品，超聲領(lǐng)域通常需要2年左右時(shí)間?！眲⒑瓯箢A(yù)測(cè)，基層醫(yī)院將是首批落地場(chǎng)景，“通過(guò)AI輔助，基層醫(yī)生能快速提升超聲診斷能力，緩解優(yōu)質(zhì)醫(yī)療資源分布不均的問(wèn)題”。

在落地過(guò)程中，“臨床需求牽引”被視為關(guān)鍵。劉宏斌強(qiáng)調(diào)：“AI醫(yī)療不能脫離醫(yī)生需求閉門(mén)造車(chē)。我們的模型定位是‘醫(yī)生助手’，思考方式必須與臨床專(zhuān)家協(xié)同。比如，醫(yī)學(xué)是循證學(xué)科，模型的每一個(gè)診斷結(jié)論都要標(biāo)注依據(jù)，具備可解釋性，這樣才能獲得醫(yī)生信任?！?/p>

他以超聲檢查為例，指出AI能解決實(shí)際痛點(diǎn)：“現(xiàn)在超聲科醫(yī)生掃圖時(shí)體位別扭，長(zhǎng)時(shí)間操作易疲勞，且不同醫(yī)生掃出的圖像標(biāo)準(zhǔn)不一，可能導(dǎo)致誤診。未來(lái)若結(jié)合具身智能機(jī)器人，掃圖流程將實(shí)現(xiàn)標(biāo)準(zhǔn)化，醫(yī)生能將更多精力放在診斷和與患者溝通上?！蹦壳?，團(tuán)隊(duì)已開(kāi)始研發(fā)相關(guān)機(jī)器人技術(shù)，“先從心臟超聲等難學(xué)難操作的領(lǐng)域突破，逐步替代重復(fù)性體力勞動(dòng)”。

值得關(guān)注的是，“聆音”超聲大模型僅是AI在醫(yī)療領(lǐng)域“多模態(tài)布局”的一環(huán)。劉宏斌透露，團(tuán)隊(duì)正與華為聯(lián)合研發(fā)涵蓋12種模態(tài)的醫(yī)療AI模型，“包括CT、核磁、內(nèi)鏡影像，以及腦電圖、心電圖等，超聲只是其中之一。目前超聲大模型參數(shù)量在500萬(wàn)以?xún)?nèi)，屬于‘小模型’，而12模態(tài)模型參數(shù)量將達(dá)到70億，兩者完全不在一個(gè)量級(jí)，未來(lái)將為全流程診療提供底層技術(shù)支撐”。

隱私保護(hù)、“幻覺(jué)消除”和“生態(tài)孤島”等難題仍需重點(diǎn)攻克

人工智能在醫(yī)療領(lǐng)域應(yīng)用過(guò)程中，數(shù)據(jù)“多樣性”與“合規(guī)性”平衡始終是行業(yè)難題，劉宏斌以超聲大模型為例向記者講述了其探索路徑。“450萬(wàn)份數(shù)據(jù)中，大部分來(lái)自國(guó)際公開(kāi)數(shù)據(jù)集。”劉宏斌告訴《每日經(jīng)濟(jì)新聞》記者，公開(kāi)數(shù)據(jù)推動(dòng)了超聲領(lǐng)域的研究熱度，“國(guó)際上不少科研機(jī)構(gòu)、高校會(huì)發(fā)布經(jīng)過(guò)倫理論證的數(shù)據(jù)集，我們將互聯(lián)網(wǎng)可公開(kāi)獲取的資源全部納入，同時(shí)進(jìn)行數(shù)據(jù)清理”。

對(duì)于占比10%的合作醫(yī)院數(shù)據(jù)，團(tuán)隊(duì)采取“醫(yī)院主導(dǎo)+技術(shù)配合”的合規(guī)模式。劉宏斌指出：“每家合作醫(yī)院都有倫理委員會(huì)，數(shù)據(jù)使用需經(jīng)過(guò)嚴(yán)格評(píng)審。我們會(huì)與臨床合作伙伴共同遵循醫(yī)院規(guī)定，對(duì)數(shù)據(jù)進(jìn)行內(nèi)部脫敏、多重核查，確保合規(guī)后才用于模型訓(xùn)練?！?/p>

劉宏斌強(qiáng)調(diào)，超聲影像的特殊性為合規(guī)提供了便利。“與基因數(shù)據(jù)、用藥記錄等敏感信息不同，超聲影像去除患者標(biāo)識(shí)后，幾乎無(wú)法追溯到個(gè)人，屬于醫(yī)療數(shù)據(jù)中的‘非敏感類(lèi)別’，這降低了合規(guī)難度?！?/p>

即便如此，數(shù)據(jù)隱私保護(hù)仍是未來(lái)AI在醫(yī)療領(lǐng)域應(yīng)用需重點(diǎn)攻克的方向。劉宏斌坦言，未來(lái)大模型落地醫(yī)院后，“數(shù)據(jù)不出院”將成為核心原則：“醫(yī)院的隱私要求決定了模型不能脫離其內(nèi)部生態(tài)，這就要求大模型具備‘閉門(mén)成長(zhǎng)’的能力，無(wú)需外部數(shù)據(jù)輸入，僅通過(guò)醫(yī)院日常診療產(chǎn)生的新數(shù)據(jù)實(shí)現(xiàn)自我進(jìn)化?！?/p>

為解決“數(shù)據(jù)不出院”導(dǎo)致的“生態(tài)孤島”問(wèn)題，劉宏斌團(tuán)隊(duì)嘗試引入聯(lián)邦學(xué)習(xí)技術(shù)?！安煌t(yī)院的模型無(wú)需共享數(shù)據(jù)，只需交換提煉后的知識(shí)，就像醫(yī)生通過(guò)學(xué)術(shù)會(huì)議分享案例?！眲⒑瓯蠼忉?zhuān)@種模式既能保護(hù)隱私，又能讓模型相互學(xué)習(xí)，“比如A醫(yī)院的模型擅長(zhǎng)甲狀腺超聲診斷，B醫(yī)院的模型擅長(zhǎng)乳腺超聲，通過(guò)聯(lián)邦學(xué)習(xí)，兩者能互補(bǔ)提升，覆蓋更多病種”。

劉宏斌強(qiáng)調(diào)，在嘗試消除“生態(tài)孤島”問(wèn)題的同時(shí)，人工智能在醫(yī)療領(lǐng)域應(yīng)用仍面臨三大技術(shù)瓶頸，他將其概括為“幻覺(jué)消除”“可解釋性”與“連續(xù)學(xué)習(xí)”。

“在寫(xiě)詩(shī)、繪圖等場(chǎng)景，AI‘幻覺(jué)’（生成虛假信息）或許能被接受，但醫(yī)療領(lǐng)域必須零容忍?！彼硎?，團(tuán)隊(duì)正通過(guò)優(yōu)化訓(xùn)練數(shù)據(jù)與算法，確保模型診斷結(jié)論完全基于真實(shí)醫(yī)學(xué)知識(shí)；“可解釋性”則要求模型像醫(yī)生一樣“講道理”，“比如指出某個(gè)結(jié)節(jié)被判定為良性的依據(jù)是大小、形態(tài)還是血流信號(hào)，讓診斷過(guò)程透明化”；而“連續(xù)學(xué)習(xí)”是模型落地后的核心挑戰(zhàn)，“醫(yī)院數(shù)據(jù)不出院，模型必須能通過(guò)日常診療中的新數(shù)據(jù)自我升級(jí)，就像人在實(shí)踐中成長(zhǎng)，這需要突破傳統(tǒng)‘訓(xùn)練一次就固化’的模式”。

明確AI診斷收費(fèi)規(guī)則，是全行業(yè)等待的“關(guān)鍵變量”

AI醫(yī)療的商業(yè)化，始終繞不開(kāi)“技術(shù)如何變現(xiàn)”命題。劉宏斌團(tuán)隊(duì)給出的答案是：與硬件廠商合作，走“開(kāi)源基座+付費(fèi)定制”的路線。

“科研團(tuán)隊(duì)核心優(yōu)勢(shì)在技術(shù)研發(fā)，而非生產(chǎn)銷(xiāo)售?！眲⒑瓯笙蛴浾呙鞔_商業(yè)化邏輯，“AI本身是賦能工具，單獨(dú)的軟件產(chǎn)品難以形成競(jìng)爭(zhēng)力，必須與廠商設(shè)備深度融合”。

具體而言，商業(yè)化分為兩步：第一步是開(kāi)源基座模型，“我們計(jì)劃將編碼器開(kāi)源，供科研機(jī)構(gòu)、醫(yī)院免費(fèi)使用，目的是推動(dòng)行業(yè)技術(shù)迭代，同時(shí)積累更多應(yīng)用場(chǎng)景反饋”；第二步是聯(lián)合企業(yè)開(kāi)發(fā)付費(fèi)產(chǎn)品，“針對(duì)醫(yī)院的私有數(shù)據(jù)和定制化需求，提供模型適配、升級(jí)服務(wù)，而硬件廠商負(fù)責(zé)生產(chǎn)、銷(xiāo)售及后續(xù)維護(hù)，我們通過(guò)技術(shù)授權(quán)獲取收益”。

劉宏斌以“聆音”超聲大模型舉例稱(chēng)，在正式發(fā)布之前，已有三家超聲設(shè)備企業(yè)主動(dòng)接洽，計(jì)劃將該模型嵌入其硬件產(chǎn)品，通過(guò)醫(yī)院試用推動(dòng)后續(xù)采購(gòu)。

不過(guò)，商業(yè)化進(jìn)程仍受制于政策細(xì)則。劉宏斌坦言，當(dāng)前最大的不確定性在于AI醫(yī)療服務(wù)的收費(fèi)標(biāo)準(zhǔn)：“傳統(tǒng)超聲設(shè)備廠商的盈利模式是‘設(shè)備銷(xiāo)售+年度維護(hù)’，但加入AI功能后，企業(yè)成本會(huì)上升。如果醫(yī)院無(wú)法通過(guò)醫(yī)保或自費(fèi)渠道收取AI診斷費(fèi)用，采購(gòu)意愿會(huì)大幅降低。目前國(guó)家已有相關(guān)政策征求意見(jiàn)，明確AI診斷有望納入收費(fèi)體系，但具體細(xì)則尚未出臺(tái)，這是全行業(yè)都在等待的‘關(guān)鍵變量’?！?/p>

他進(jìn)一步分析，一旦收費(fèi)政策落地，市場(chǎng)將迎來(lái)爆發(fā)：“現(xiàn)在超聲設(shè)備主要集中在三甲、二甲醫(yī)院，AI能降低操作難度，未來(lái)可下沉至社區(qū)醫(yī)院、體檢中心；長(zhǎng)遠(yuǎn)來(lái)看，便攜式超聲設(shè)備若能結(jié)合AI進(jìn)入家庭，市場(chǎng)規(guī)模將堪比手機(jī)行業(yè)，達(dá)到幾千億元級(jí)別?！?/p>

封面圖片來(lái)源：受訪者供圖