AI医疗05：未来已来，深度医疗

大家好，欢迎来到远川投学苑，我是王佳悦，也是胖猫。

AI+医疗——治病良方

鲍莫尔成本病

ChatGPT掀起的余波一浪更比一浪高，近期国内外都频繁发布各种“GPT”，让人们看花了眼，由此可见OpenAI改变世界的决心。

而科学、教育、医疗这三大核心产业，正是OpenAI最为关注的3个领域，也是整个社会最根本的行业。

尤其是对于越来越昂贵的医疗行业，AI早已磨刀霍霍。《福布斯》的专栏作家蒂姆·沃斯托写了一本书《改变医疗服务价格曲线的方式：解雇医生》。 书中提到了“鲍莫尔成本病”理论，简单来说就是经验主义的概念：雇用他人来获得服务的方式正变得越来越昂贵。沃斯托认为，解决这个问题的最好方式是用机器来替代医生。

美国经济学家鲍莫尔（Baumol）于1967年构建了一个两部门非平衡增长模型，该模型成功解释了主要经济体在20世纪大部分时间里的产业结构变迁以及经济增长趋势。鲍莫尔把宏观经济分为具有正劳动生产率增长率的进步部门和不存在劳动生产率增长率的停滞部门，并在几个关键假设条件下得出：随着时间的推移，进步部门的单位产品成本将维持不变（这里指劳动力成本），而停滞部门的单位产品成本将不断上升，因此，消费者对停滞部门产品的需求如果不是完全无价格弹性的，那么停滞部门不断上升的单位产品成本将会促使消费者减少对该部门产品的需求，结果会导致停滞部门不断萎缩并最终消失。

简单的说，随着生产力的不断提升，一个工人能创造的价值越来越高，但一位Tony老师单位时间能剪的头却比较刚性，甚至还剪的更慢了。所以，Tony老师的价格就会不停上升。医疗服务也是类似的情况。

这就给ChatGPT在医疗领域的应用带来的巨大的想象空间。

多种应用

仅以 ChatGPT为例，便能够在医疗领域实现多种应用，炒作多个概念。

比如远程医疗虚拟助手： ChatGPT 可用于开发虚拟助手，帮助患者安排预约、接受治疗和管理他们的健康信息。随着远程医疗的兴起，许多患者现在更愿意在舒适的家中接受护理，由 ChatGPT 提供支持的虚拟助手可以为患者提供远程管理健康所需的指导和支持。

以及临床辅助决策： ChatGPT 可用于向医疗保健提供者提供实时的、基于证据的建议，以改善患者的治疗效果。例如，ChatGPT 可用于针对特定情况建议适当的治疗方案，标记潜在的药物相互作用，并为复杂的医疗案例提供临床指南。通过提供快速可靠的支持，ChatGPT 可以帮助临床医生节省时间、减少错误并改善患者护理。

此前有案例表明，一个人的爱宠曾经因为久治不好，走投无路之下他向GPT-4求助，将所有检查信息输入后，GPT-4给出了免疫介导性溶血性贫血(IMHA) 作为选项，之后狗狗果然得救。未来，经由专业训练的GPT们或将在临床发挥巨大作用。

还有远程患者监护：远程患者监护 (RPM) 是一种日益流行的改善患者治疗效果同时降低医疗成本的方法。ChatGPT 可用于通过分析来自可穿戴设备、传感器和其他监控设备的数据来远程监控患者，从而实时了解患者的健康状况。ChatGPT 可以分析这些数据，并在患者病情恶化或出现其他令人担忧的趋势时向医疗保健提供者发出警报。这可以帮助医疗保健提供者及早干预并防止住院或其他并发症。

在心理咨询，病历保存，医疗翻译，药物管理，疾病监测等领域，GPT都有着广泛的应用空间。

AI+医疗——伦理和数据

自动驾驶

在《深度医疗》一书当中，埃里克·托普将自动驾驶汽车和人工智能的医学实践相提并论。目前在理想的环境和交通条件下，自动驾驶汽车已经可以达到L3的水平，但AI医疗仍处在L1到L2的路上。

与智能驾驶相比，AI医疗面临着更为严重的伦理问题。毕竟，在高速公路上用自动驾驶摸鱼的司机，也绝对不希望是机器人给自己主刀。

基于此，埃里克·托普认为，AI医疗不太可能超越自动设备的3级水平。有很多诊断工作，阅片工作可以用AI辅助完成。但就对医学整体而言， 在任何时候、任何情况下，我们绝不能容忍没有人类医生和临床医生的监督。

数据孤岛

AI的三大基石，分别是数据，算法，算力。而数据，又被称为AI时代的“石油”，是基石中的基石。

但对于AI医疗来说，医疗数据就是永远的痛点。

医疗数据属于患者隐私，所有权理应属于患者。但在实际中，医疗大数据的权属基本在医院方。也有观点认为，医疗数据的所有权在于患者个人、控制权在于医院、管理权在于政府，第三方机构需借助政府支持和医院配合方能对其进行商业化开发和利用。

目前AI模型训练所需要的医疗数据，大都是通过企业和医院签署研发协议获得的。而在实际操作中，也会有专门的模块进行数据清洗，只保留必要的数据。而在数据收集到模型建立过程中，医院和企业会做好物理隔离，通常是数据不出院，模型出院。

根据动脉网的报道，国内的各个大数据交易所，已有不少将“医疗卫生”数据纳入交易品类。但目前仅有贵州大数据交易所上架了一款“儿童构音障碍早筛语音数据”的产品，售价25万元，已交易两笔。

医疗数据可以说是AI医疗的第一驱动力。但对于现阶段的AI医疗产品来说，理解医疗数据远比获得数据更重要也更困难。

在《深度医疗》中，埃里克·托普分析IBM的医疗AI沃森的失败时认为，“最基本的失误之一，就是将获取数百万页的医疗信息等同于理解或使用这些信息。”如果不能深刻地理解所服务的行业，再多的数据也只是徒耗电力，这一点都不ESG！

在医疗领域，大数据集表现为：全基因组序列、高分辨率图像、可穿戴设备的连续数据输出等形式。在医疗数据不断井喷的背后，是我们人类对于这些数据的“无能为力”。而随着人工智能领域的突破，AI会驾驭并掌握这些数据，并从中迭代出改变时代的力量。

敲黑板

科学、教育、医疗这三大核心产业，正是OpenAI最为关注的3个领域，也是整个社会最根本的行业。

目前在理想的环境和交通条件下，自动驾驶汽车已经可以达到L3的水平，但AI医疗仍处在L1到L2的路上

对于AI医疗来说，医疗数据就是永远的痛点。

对于现阶段的AI医疗产品来说，理解医疗数据远比获得数据更重要也更困难。