张文宏揭开AI医疗最大争议:AI会让医生变蠢吗?
存在抵触，但不会逆转
在三级医院，AI有机会做到在提质增效的前提下助力医生成长。但在更为基层的医疗机构中，张文宏的担忧确实戳中了它们的痛处。
相较于过去聚焦头部医院的策略，现在的医疗AI产品主打下沉——哪里缺乏能力充分的医生，企业就将AI应用落在哪里。
和三级医院相比，基层医疗机构的医生在诊断能力上存在一定差距。且当AI生成的答案与实际相悖时，他们即便发现了问题，也可能无法快速找到一个能够帮他们精准答疑的资深医生，进而错失学习机会，最终导致惰性的产生。
但上述问题并非没有答案。数智行业常拿自动驾驶技术与医疗AI进行对比，因为两者都需要研发者为使用者的生命安全负责，因此对性能要求极为苛刻。
过去十年，自动驾驶已经发生了肉眼可见的变化，由概念技术前进至L3级有条件自动驾驶，一线城市随处可见试点的自动驾驶测试公路。
而同一时期内，医疗AI也由最初的辅助诊断工具逐步切入治疗环节，形成了全病程全模态的赋能，鲁棒性及准确性均实现了突破性提升。
现在的问题是，部分三级医院的资深医生依然对AI存在抵触心理。一位受访医生告诉《健闻咨询》，在院内训练大模型时，很多资深医生并不愿交出自己的诊疗相关数据，“他们会觉得这是个人的知识成果，不愿意直接交给医院，转化成一种公共产品。”
“现有的很多AI工具背后是规则库，不带自我训练功能。”一位AI医疗厂商负责人表示，选择这样的产品，并不是出于技术难度的考虑，而是一些合作医院的专家不愿自己的数据被采集，“如果能够基于院内的数据进行自我训练，AI所带来的提效会更为直观。”
但无论这个过程有多长，一个基本的行业共识是，伴随高质量临床数据的不断加入及算法的持续优化，医疗人工智能的准确性必然会向“1”无限趋近。
再谈培训方面，AI为医生带来的不仅是效率的提升，更是知识获取速度的提升。作为一项需要终身学习的职业，AI纵然不能缩短本科、规培阶段的时间，但能提升他们在临床环境中的学习速度，缩短成为高资历医生所需的时间。
目前市面上已经有大量教培一体化的AI模型出现，亦有不少学校（如哈佛大学）开始在教学阶段引入AI课程。
因此，身处传统与智能的时代交错点，医院、医生、企业或许需要协同探索一种新的合作模式来量化价值，化解矛盾，共同迎接AI时代的来临。
毕竟，时间总会补足AI的能力缺陷，智能化趋势已不可逆转。
[物价飞涨的时候 这样省钱购物很爽]
好新闻没人评论怎么行，我来说几句
在三级医院，AI有机会做到在提质增效的前提下助力医生成长。但在更为基层的医疗机构中，张文宏的担忧确实戳中了它们的痛处。
相较于过去聚焦头部医院的策略，现在的医疗AI产品主打下沉——哪里缺乏能力充分的医生，企业就将AI应用落在哪里。
和三级医院相比，基层医疗机构的医生在诊断能力上存在一定差距。且当AI生成的答案与实际相悖时，他们即便发现了问题，也可能无法快速找到一个能够帮他们精准答疑的资深医生，进而错失学习机会，最终导致惰性的产生。
但上述问题并非没有答案。数智行业常拿自动驾驶技术与医疗AI进行对比，因为两者都需要研发者为使用者的生命安全负责，因此对性能要求极为苛刻。
过去十年，自动驾驶已经发生了肉眼可见的变化，由概念技术前进至L3级有条件自动驾驶，一线城市随处可见试点的自动驾驶测试公路。
而同一时期内，医疗AI也由最初的辅助诊断工具逐步切入治疗环节，形成了全病程全模态的赋能，鲁棒性及准确性均实现了突破性提升。
现在的问题是，部分三级医院的资深医生依然对AI存在抵触心理。一位受访医生告诉《健闻咨询》，在院内训练大模型时，很多资深医生并不愿交出自己的诊疗相关数据，“他们会觉得这是个人的知识成果，不愿意直接交给医院，转化成一种公共产品。”
“现有的很多AI工具背后是规则库，不带自我训练功能。”一位AI医疗厂商负责人表示，选择这样的产品，并不是出于技术难度的考虑，而是一些合作医院的专家不愿自己的数据被采集，“如果能够基于院内的数据进行自我训练，AI所带来的提效会更为直观。”
但无论这个过程有多长，一个基本的行业共识是，伴随高质量临床数据的不断加入及算法的持续优化，医疗人工智能的准确性必然会向“1”无限趋近。
再谈培训方面，AI为医生带来的不仅是效率的提升，更是知识获取速度的提升。作为一项需要终身学习的职业，AI纵然不能缩短本科、规培阶段的时间，但能提升他们在临床环境中的学习速度，缩短成为高资历医生所需的时间。
目前市面上已经有大量教培一体化的AI模型出现，亦有不少学校（如哈佛大学）开始在教学阶段引入AI课程。
因此，身处传统与智能的时代交错点，医院、医生、企业或许需要协同探索一种新的合作模式来量化价值，化解矛盾，共同迎接AI时代的来临。
毕竟，时间总会补足AI的能力缺陷，智能化趋势已不可逆转。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: