我國人工智能醫療產業發展勢頭迅猛，人工智能醫療產業生態已經基本形成，如此，AI+醫療如何在醫學影像診斷、輔助治療等領域實現更廣泛的應用也成為重要話題。 

在2023世界人工智能大會（WAIC）上，GE醫療中國首席技術官孫旭光對21世紀經濟報道表示，一直以來，我們都是以臨床需求為牽引，推動人工智能技術與行業場景走向深度融合，尤其是推動診療一體化進程加速的創新技術。例如，此次展出的乳腺超聲動態實時智能分析系統，就是對動態超聲影像進行一個AI賦能。至于為何要對超聲進行賦能，也是從兩方面因素考慮：

一方面，超聲檢查相較于CT、MR檢查更具實時性，更有利于圖像的動態觀察以及實時動態對比。但該檢查高度依賴醫生經驗和手法的檢查手段，不同的操作者、不同的超聲醫生針對同一個患者，可能會得出不同的結論。而AI技術的賦能醫療，不僅可以對醫療資源形成有效補充，幫助醫生縮短學習曲線，更可以為更多復雜疾病的診療提供依據，進而更好更快地服務病患；另一方面，將乳腺超聲動態實時智能分析系統加載在全身超聲系列產品中，可以極大地增強全身超聲設備在乳腺疾病診斷領域的應用能力，有效提升基層醫療服務效率和診斷水平、提升優質醫療資源可及性。

“我們可以看到，醫療AI在基層其實還是有很廣闊的應用空間。當然大三甲醫院，他們對于影像AI也是有需求的，比如科研的需求、上下級聯動的培訓需求等，需要各方去打通環節壁壘。”孫旭光說。

“醫療+AI”大有所為

醫學AI被認為是人工智能應用中最有可能率先實現商業化的細分領域。在“政產學研用”的多方努力下，智能時代正加速到來，以人工智能為代表的新興技術正在推動我國經濟高質量發展，并成為建設創新型國家的重要技術支撐，醫療行業也正在進入數智化的爆發期。

基于此，眼下多方產業資本紛紛入局，以推動AI技術在醫療行業的應用。據中商產業研究院統計，2020 年AI+醫療已占人工智能市場的 18.9%。另據IDC統計數據，到2025年人工智能應用市場總值將達1270億美元，其中醫療行業將占市場規模的五分之一。從基礎層到應用層，醫療AI廣闊市場大有所為。

隨著人工智能AI在醫療領域的深入應用，藥物研發與醫學影像等細分市場呈現出強勁的增長態勢。另據行業咨詢機構數據統計，2020年中國醫療AI市場規模已達到66.25億元，結合AI輔助新藥研發和AI助力腫瘤診療等市場賽道估算，預計2020-2025年復合年增長率（CAGR）為39.4%，2025年將突破300億元。 

孫旭光指出，AI已經從原來聚焦影像增強、輔助診斷，不斷拓寬實踐路徑，進入到超聲診斷領域，實現了從靜態再到動態，以及智慧手術室的廣泛應用，這也是診療一體化的路徑。與此同時，AI的運用是走向開放包容的生態，不是單打獨斗的過程，這也要求AI企業布局者需要與更多的生態合作伙伴、更多的創新企業加強合作，打通生態合作的全路徑。 

“有了這個生態以后，我們可以比較直觀地看到兩方面的價值。”孫旭光說，一方面，臨床價值。例如，兩年前在影像科多領域AI應用下，GE醫療推出“愛迪生魔盒”統一接口，隨著愛迪生生態的不斷擴容，越來越多的人工智能技術與行業場景走向深度融合，加速診療一體化能力建設，助力臨床端到端智慧發展，讓醫療服務更高效、更靈活、更具互操作性。

另一方面，行業價值。“愛迪生魔盒”推出后也帶動一批“專精特新”的中小企業發展，助力他們成長，加速數字醫療落地，讓醫療創新生態繁榮發展，更好的服務中國百姓。目前，愛迪生數字醫療生態已引入36家合作伙伴，相較于最初的愛迪生數字醫療智能平臺，如今的愛迪生生態主要變化在三方面：一是擴充了AI人工智能公司合作數量和應用領域：從10家人工智能科創企業到36家數字醫療創新合作伙伴，進一步擴展輔助篩查在身體更多部位的應用；

二是打通患者診療路徑。從CT、MR等醫學影像增強、AI輔助診斷延伸到超聲AI再到基于影像的智慧手術室應用，加速診療一體化能力建設，助力臨床端到端智慧發展，更好的服務中國百姓；

三是合作模式的創新也將賦能生態伙伴發展。相較于傳統的供給模式，將更注重與合作伙伴的共研共創，以協同創新深化數字醫療產業發展，解決醫患診療過程種遇到的重重困難，滿足患者對更便捷、更可及、更優質醫療服務的需求。

“從醫療AI的角度來看，AI在臨床的落地和應用是商業化最好的體現。無論是從CT、核磁，影像增強、輔助診斷方面，還是從動態AI在超聲領域的應用，我們在做一些操作的標準化流程，使得精度更高，比如說，這次在WAIC展出的乳腺超聲動態實時智能分析系統，在乳腺篩查方面表現突出，以超聲動態AI作為技術支撐，相較于傳統乳腺篩查和報告速度提升15%，檢測全面性提升3-5%，準確率提高8%。目前，這款產品已在全國400余家醫療衛生機構落地使用。”孫旭光說。

破局“AI+醫療”商業化落地

AI+醫療不是閉門造車，‘造’出來的東西需要投入臨床使用，如果醫生覺得根本沒有解決臨床問題，或者產品對臨床的理解不深入則毫無意義。

在當前，AI技術只能被認為是一個很好的輔助手段，不能完全取代醫生，而是作為醫生的助手、醫院的助手、設備廠商的助手、患者自我管理體系的助手以及醫療支付體系的助手，可以更好的提高優質醫療資源的可及性，最大化的保障醫療服務的公平性，推動醫療體系向更智能、更簡單、更具協同性的方向邁進。 

正如《2023創想健康新未來調研報告》指出，通過多個醫療設備和軟件系統收集的患者數據仍無法實現無縫融合。臨床醫生在分別收集數據和分析數據的過程中消耗了很多時間精力，因此產生職業倦怠，并導致工作流程效率低下。這也要求推動醫療行業逐步向智能互聯的技術生態系統過渡，而任何制造商或操作系統的醫療技術都可以使用，不會受到組織邊界的限制。這將有助于臨床醫生實時獲取并分析患者數據人工智能將幫助臨床醫生改善工作流，更快做出更明智的臨床決策。

這也是由于，當前中醫療系統面臨從業人員過度疲勞、醫療系統缺乏技術互操作性、新技術新能力學習和醫療服務可及性不足等嚴峻挑戰。這些挑戰不僅增加了醫護人員的工作量和時間成本，還可能導致信息不連貫、協作效率低下等問題。而這些挑戰，都是呼吁要實現一個整合高效的醫療系統。而數字技術就將在這個過程中就將起到很關鍵的串聯作用。

而在上述報告中，也有超過76%的受訪中國醫生認為，人工智能能夠幫助他在臨床決策當中給他增強信心，認為AI是值得去信賴的，這個數據在全球平均只有61%。如此也意味著，中國的醫院和醫生普遍對人工智能的接受度信任程度要更高。 

不過，雖然AI+醫療商業化落地加速，但仍面臨困境，需要突破諸多門檻。清華大學電子工程系長聘教授、系主任、IEEE Fellow汪玉在2023世界人工智能大會上也指出，當前正處在從人工智能1.0的專用小模型時代過渡到人工智能2.0的通用大模型時代，在人工智能2.0時代需要大模型中間層——依靠軟硬件協同設計助力解決四方面的痛點：

一是支持長文本輸入，讓用戶用得更好，如從支持2k token的快速推理和訓練到支持32k token，解決好專業長文本信息的檢索生成，和會議聊天助手等應用；

二是提升性價比，把語言或多模態生成模型部署到消費級顯卡甚至手機等終端設備上，讓用戶用得起；

三是垂直領域適配，用大模型的通用能力幫助到各行各業的人們提升體驗和工作效率；

四是一站式部署，讓大模型能夠以低人力成本地部署到各種場景，讓每個工廠、學校、家庭、甚至個人都能感受到大模型的便利。

在商業應用落地層面，孫旭光指出，影像AI的商業化不是一個單打獨斗的過程，關鍵是加強產學研合作，推動更多的AI創新成果從“實驗室”走進“應用場”，建立可持續的商業模式。

“我們正利用自己在行業當中深耕多年的經驗，通過構建愛迪生生態和 ‘創中心’，為這些專精特新小巨人企業提供幫助，讓小巨人企業擁有持續造血能力，讓這個生態蓬勃發展下去。所以，這不是一個虛的說法，更多還是我們踏踏實實的做一些實事。”孫旭光說。