AI如何帮医生重构诊疗思维，破解三大医学割裂难题？

带着这些问题，本期「ALL in AI Health 创新应用大讲堂」邀请到了上海东方医院急诊及重症医学科主任张海涛，他深度解析了上海东方医院AI医疗的实践路径，并探讨了大模型如何改变世界观以及医生应该如何拥抱AI等问题。       

本文精选了直播中的部分内容，供广大同仁交流探讨，欢迎大家在评论区留言分享看法。

人类社会共经历了4次革命，第一次工业革命以蒸汽机为标志、第二次工业革命的核心是电的广泛应用、第三次工业革命是以互联网为依托的信息化时代、第四次工业革命是人工智能时代。其中，人工智能时代最重要的一个特点是把语言转化成了向量，进而转变成可计算的数学形式。

语言的重要性不言而喻，其重要程度接近于「世界的边界就是语言的边界」。在AI作用下，世界上所有的语言包括自然语言、物理、化学等各种科研领域的专业语言都融合成了一个统一的整体。也就是AI对整个世界万物进行了超高维度的整合，世界被精准映射在一个空间向量里面，进行统一的认知和解读。 

在人工智能的认知体系中，世界不再是割裂的个体，而是一个紧密相连的整体。这赋予了人工智能拥有了一种超自然的能力，真正实现了世界万物的和谐统一，也让我们有机会站在更高的层面去认识和理解世界。 

世界万物整合的背后是AI从横向和纵向两个维度对世界进行了拓展，实现了横向的无限延伸与纵向的无限深入，同时还涵盖了时间上的无限性。由此可见，人工智能时代的背后，蕴含着人类尚未完全认知的无限规律。

以医学领域为例，当人工智能深度融入医疗场景后，新的问题随之而来 —— 医生该如何应对？当患者拿着人工智能辅助生成的诊断报告前来就诊时，医生又该如何处理？

要知道，人类已知的疾病多达六万余种，还有四千种不同类型的化验单、二十多万种药物以及上千种检查项目。这些数据再加上各类症状体征的描述，构成的信息量堪称天文数字，远超人类个体的记忆承载能力。仅凭医生个人的记忆和经验，难以全面覆盖和精准应对。

因此，当患者手持由 DeepSeek 生成的诊断结果前来就诊时，医生往往会陷入困境，面露难色、焦虑不已。

然而，如果医生掌握了类似 DeepSeek 的医学模型，情况便会截然不同。届时，这将演变为模型之间的 「较量」，以及医生借助技术与患者需求之间的高效沟通与协作。唯有如此，在当下人工智能深度融入医疗的时代，医生才能更好地应对复杂的医疗场景，否则将难以满足日益增长且复杂的医疗需求。

这揭示了一个现实状况——即在当今时代，若医生不掌握人工智能技术，未来很可能难以胜任医疗工作。

所以，面对当下的人工智能，医学领域究竟该如何行动？首先要明确的是，人工智能不应仅仅被视为一种工具，而更应被看作是医学发展的伙伴。在与人工智能协作的过程中，需要通过深入的思辨，从中获取一种超然的能力，以实现跨越式的认知提升，进而促进自身专业素养的发展。

目前，人工智能已展现出超越人类现有认知极限的「超能力」，突破了人类认知的边界。这种能力极有可能催生出一种更高层次的全新文明形态。这就如同渴望挖掘一座金矿一般，我们都期望能获得一种让自己豁然开朗、「天眼洞开」的力量，从而更好地发掘人工智能所蕴含的巨大价值。

实现这一目标的关键转变在于，从传统的问答模式过渡到共创模式。也就是说，与人工智能互动时，不应仅仅局限于提问、AI作答的简单方式，而应积极地与AI携手，共同探究问题。这种共创式的合作方式，无疑是人们拓展认知边界、开启「天眼」、获取更高层次智慧重要且终极的途径之一。

认知水平与知识储备是决定个体从人工智能交互中获取价值的关键因素。若用户的知识边界局限于基础教育阶段，其与AI的互动将自然聚焦于基础学科问题，而难以延伸至航天工程或有机化学等需要专业训练的领域；反之，具备高阶学术背景的学者则可通过与AI的深度交互，在跨学科理论推演、前沿技术预研等维度，拓展认知边界。

这种价值差异的本质，在于用户自身知识图谱的完备性与问题域的开放性。当用户具备提出复杂问题的能力时，AI方可依托其海量数据与算法优势，提供超越基础问答的深度洞见。也就是说人类能否从人工智能中获取更多的东西，首先取决于你本身的能力。

在医学领域，存在三大割裂现象，其中最为突出的是基础医学与临床医学之间的割裂；第二个问题是，如今的科室划分越来越细，使得医生们对其他科室的业务知之甚少；第三个问题是，医生自己的专业领域也在不断进步，但医生们却很难抽出足够的时间去学习这些新知识。  

所以，AI对我们而言并非锦上添花，而是雪中送炭。未来，它并非要替代医生，而是帮助医生重构思维，提升学习效率。这正是目前人工智能大模型在医学领域的主要功能。   

比方说，首先是直接赋能基层医生；第二是未来会有各种各样的智能体研发出来，也就是专科、专病、专题模型；第三是医院的各种落地应用场景，包括病例书写、医疗质控、医院管理等。   

张海涛团队自主研发了人工智能基础医学大模型Med-Go（https://www.med-go.cn），「Med」代表医学，「Go」寓意不断前进、超越和追赶。这是一个通用全科医学大模型系统，以200亿高质量医学数据为基础，用了6000多本教材来训练。

在这个平台上，用户既可以直接使用 Med-Go，也可以基于它构建自己的智能体，开发自己科室的各种落地应用场景。          

图 | Med-Go产品介绍

截至目前，Med-Go 已经取得了显著的成果。从 2023 年 10 月至今，它在中文信息处理挑战赛中一直保持第一名的成绩。同时，它还参加了国家医学考试，并成功通过了考试，其分数达到了国家执业医师资格考试的标准。此外，在 MT-Bench 这一大语言模型表现评价体系中，它获得了 94.5 分的医学能力评分。该模型还是首个通过上海市医疗大模型应用检测评测中心评测的通用模型。      

这款医学大模型嵌入在医院的病历系统中，能够有效保护患者的隐私。它最大的优势在于能够快速精准地为专科医生提供多学科的综合病情分析，帮助医生从不同角度全面评估患者的病情，做出更准确的诊断和治疗决策。

比如说在急诊科，常常遇到病情紧急且病史信息相对有限的患者，需要在短时间内做出准确的诊断并展开救治。这款大模型能够在极短的时间内提供更加立体和全面的参考意见，为医生提供有力的支持。  

在演示中，张海涛将病情信息复制粘贴后输入「Med-Go」，几分钟就给出了专家们用了一年才做出的诊断。这一堆病历给一个现实中的主任医师，仅仅看完就需要一个多小时。在实际应用中，这将极大地提升专科医生处理病例的效率，尤其是在面对复杂、疑难和罕见病例时，能够为医生提供有效的辅助分析。  

需要明确的是，大模型并不是直接为病人看病，而是作为医生的「得力助手」，最大限度地提升医生跨学科诊断和治疗的能力。更重要的是，它能够为医生提供更多可供选择的诊断和治疗方案，帮助医生在临床决策中做出更全面、更科学的选择。

图 | Med-Go解决方案

目前，这款医学大模型已经成功应用于多家医院以及社区卫生服务中心，显著提升了基层的问诊能力。未来，该团队计划通过提高数据质量、优化算法，逐步提升模型的精准性、可追溯性和可解释性，从而更好地服务于更多医生和患者。    

在人工智能时代，任何人无法独善其身，也躲不开这一趋势。在这个时代中，我们对地球及所处世界的认知体系将被重构，人类也将以全新的视角和方式重新审视和理解赖以生存的世界。

因此，在当下，人工智能对医生最大的价值远不止于辅助疾病诊疗。其核心意义在于帮助医生突破传统认知边界，开启全新的认知维度，重塑医学思维的底层逻辑架构，进而推动医生以全新视角重新审视医学的本质与内涵。 

随着AI技术的发展，大模型能力已经可以承担一些基础问诊等工作。对于医生而言，持续提升认知世界的能力至关重要，这也是人类永恒追求的核心目标。唯有具备这种能力，医生才能有效驾驭AI的技术，深入理解其本质与运作逻辑，进而准确判断 AI 所提供建议的可靠性与适用性。

反之，若医生的认知能力不足，无法理解 AI 给出的建议，便难以充分发挥 AI 的优势，更无从判断 AI 输出内容的正确性，也就无法真正实现与 AI 技术的深度融合。   

医生与 AI 的融合关键在于主动拥抱 AI 并实现深度协作，挖掘医疗深层价值，并非仅用 AI 辅助病历书写等基础工作。而医生自身认知水平是决定性因素，高认知能助其理解 AI 能力边界与应用场景，实现更高程度适配协同。

要想真正与人工智能深度协作，医生必须不断深化对 AI 的理解。这不仅要求我们思考 AI 的本质，更要发挥想象力，洞察 AI 世界中蕴藏的无限潜力，探索如何将其转化为实际价值。

这一过程恰似佛陀般的静思冥想，需要我们摒弃浮躁，以深度思考与敏锐洞察，突破认知局限，如同打开「天眼」 般破译 AI 运行的底层逻辑密码。   

除了拥抱 AI，医生还具备创造 AI 的能力，即参与构建专科智能体、专病智能体。由于医学通用模型难以覆盖所有细分领域的精细需求，未来医生应该能够基于医学通用模型、针对特定方向进行深度开发。

总之，在不远的将来，单纯依靠传统医学知识点、不运用人工智能的医生将难以立足。每一位医生都将拥有人工智能「伴侣」，它不仅能在知识层面提供基础辅助，更能助力医生重塑世界观，从更高维度推动医生思考如何运用技术力量变革医疗行业、改变世界。

大模型的研发从来不是一件容易的事情。在这段历程中，研发团队既踩过坑，也品尝过其中的苦涩与欢乐，更多的是艰辛。

「这着实是一项极具挑战性的任务。一方面，从当下开启研发进程，时间成本颇高，且要在这漫长的研发周期中保持领先优势并非易事；另一方面，该项目所需投入的人力、物力以及财力极为巨大，这对许多单位而言都是沉重的负担。对于医院而言，更好的选择是直接使用开源的大模型，或者联合研发。」张海涛说。

就基层医院而言，绝大多数基层单位并不具备独立构建医学模型的能力。现代医学模型的研发与传统的非线性模型构建存在本质差异，绝非简单依靠回顾性分析部分病例数据就能完成。其不仅需要深厚的专业知识积累、大量的高质量数据支撑，还涉及复杂的算法设计、算力支持以及多学科交叉协作，对研发团队的综合实力要求极高 。

事实上，模型完成后的实际应用情况同样至关重要。若开发的模型无人使用，其价值便无从体现，前期投入的人力、物力、财力也将付诸东流，后续更难以吸引新的投资。从成本角度来看，研发模型所需资金投入巨大，即使是小型模型，开发费用轻则数十万、上百万元，重则高达数千万元。在当下的行业环境中，对于尚无成功案例的团队或机构而言，说服投资方并非易事。  

在缺乏实践验证与经验积累的情况下，贸然投入模型研发，极有可能面临失败风险，成为行业发展浪潮中的「先行者」，却难以收获预期的成果。 

扫码报名AI讲师

欢迎医院、高校、企业人员报名！

对于公立医院/高校的讲师，有授课奖励！