（图片来源：摄图网）
(记者 张苏慧）日前，清华大学智能产业研究院（AIR）执行院长刘洋带领团队研发了“AI医院”系统。最快明年上半年，21个科室、42位AI医生将在“AI（人工智能）医院”线上“坐诊”。在AI医疗相关产品不断出现的同时，技术同质化问题也普遍存在，如何化解？值得业内思考。
AI医疗应用范围广泛
“AI医院”刚发布就引发了热议，大家最关注的问题是——“AI医生的诊疗准确率是多少，会不会误诊？”
“AI医院”项目成员、学院助理研究员马为之表示，“AI医生还在持续训练中自我进化，关键就在于构造多样化的AI患者。”清华大学智能产业研究院执行院长刘洋教授也介绍到，他们同时构建了超过50万个来自不同国家地区、覆盖各个年龄段、患有不同疾病的AI患者，这些AI患者可以是人类患者在虚拟世界的数字化“分身”，也可以由人工智能大模型结合权威医学知识库和少量公开人类患者病例自动合成。这些AI患者像人类患者一样，有完整的治疗数据记录，可以在医院完成发病、分诊、问诊、检查、诊断、治疗、取药、康复的完整流程，并向 AI医生所开具的治疗方案的效果。
其实，目前很多地方也有AI医生的相关应用。例如，在中国电信翼支付客户端、中国电信ITV平台、天翼智慧社区公众号、智能音箱等，就能看见全新上线的“AI全科医生”应用，该应用基于人工智能的“医生大脑”，用户可实时与医生进行在线交流，并且支持12000多种常见疾病、125种罕见疾病的咨询，实现纸质医学检查报告的拍照上传诊断，其诊断准确率达到了98%以上。
“没想到现在手机上看个病还可以得到一份专业的体检报告，上面还建议我平时多运动，看来我以后可得注意身体健康了。”常年开出租车的马司机在看完体检报告后说道。诊疗过程结束后，在中国电信各平台“AI全科医生”应用会进行详细的诊断分析，并将这些分析结果留存下来，根据每位用户的健康数据、生活习惯和病史等信息，量身定制适合用户的健康建议和方案，提供个性化的健康科普知识和健康管理服务。无论是饮食建议、运动计划，还是疾病预防和早期发现，“AI全科医生”都能提供全面而细致的指导和支持。最后，用户可以直观通过自动生成的健康报告数据，更好地了解自己的身体状况，采取有效的措施来维护和提升自己的健康水平。
AI在医疗方面的探索还有很多。例如，上海前不久发布了首批5个医疗应用场景，包括中山医院的AI电子病历辅助书写、AI医健助手，东方医院的医生伴侣、科研助理，以及上海电信的就医小帮手。
“医疗+AI”是行业发展趋势
在现代医院的每个角落，AI的身影无处不在，远不止于AI医生的角色。
在复杂的诊断过程中，AI系统扮演着日益重要的角色。它能够“消化”数千本专业医学文献，结合海量病例库，为医生提供更为精准的病情评估建议。例如，面对CT影像中的微小异常，AI的眼睛要比肉眼敏锐得多，它能够捕捉到那些难以察觉的病变信号，为早期疾病检测打开一扇窗。
集成视觉、触觉等多种传感器的智能监测设备，如智能监测床，已经成为病房里的重要成员。它们可以实时监控患者的生理指标，一旦出现异常情况立即报警，大大提升了紧急救治的响应速度。这种非侵入式的全天候监护方式，不仅减轻了医护人员的工作负担，也给予病人更多安心。
在面对罕见或复杂病症时，AI还能作为医生的得力助手，提供快捷的病例检索功能。它能从庞大的数据库中筛选出相似案例，供医生参考，从而辅助做出更加准确的临床判断，避免误诊漏诊，提升整体诊疗水平。安徽马鞍山市人民医院口腔科副主任医师陈欣媛表示，在种植牙领域，AI辅助系统基于患者的骨密度、牙槽嵴形态和咬合关系等因素，可以优化种植体的位置和角度，提高手术成功率和长期稳定性。
不过，陈欣媛也表示，尽管人工智能在医疗领域的应用前景广阔，但它并不能完全取代人类医生。人工智能更多的是作为医生的辅助工具，帮助他们做出更准确的诊断和治疗决策。
加强技术交互，化解同质化难题
国家卫生健康委卫生发展研究中心副主任游茂表示，目前我国AI医疗器械的大多数研究产出都集中在医学影像类，技术发展有同质化倾向，“决策规则”领域研究几乎空白。
为了应对技术同质化的问题，首先需要加强技术交互，即不同研究团队之间的合作和知识交流。这样可以促进技术创新和研究方向的多元化，打破单一技术路径的发展，为AI医疗器械的发展开辟新的领域和应用场景。
其次，应鼓励跨学科的合作，包括医学、生物信息学、计算机科学等多个领域的专家共同参与研究。这样可以利用各自的专业知识，共同解决AI医疗器械面临的复杂问题，更好地利用数据进行疾病诊断和治疗。
另外，建立医疗定制化的方案也是解决同质化问题的有效途径。通过了解不同人群的需求和特点，设计符合个性化需求的AI医疗器械，可以提高产品的适用性和有效性，避免技术的同质化。
最后，对于高质量数据的缺乏，需要建立真实世界数据的应用机制。这意味着不仅要收集和整理数据，还需要制定相应的政策和规范，确保数据的安全性和隐私性，同时也要考虑到数据的实际应用价值，推动数据的共享和利用。
总的来说，加强技术交互、跨学科合作、定制化方案以及数据应用机制的建立，是解决AI医疗器械技术同质化问题的关键。
