大数据模型下的医疗AI探索应用

【摘要】医疗与AI结合现已广泛运用在诸多场景，AI多维度（数据融合、诊疗流程等）的参与促使医疗行业发生了巨大改变。AI大模型为机器学习模型，建立在庞大参数规模、复杂程度基础上，其泛化能力较为广泛，精准度较高。对于医疗场景各类问题，如数据多模态等，AI大模型串联了医疗各过程，如诊断、治疗、决策等，AI医疗应用空间进一步拓宽、延长，高度利用了医疗数据。本文主要综述了医疗AI的应用，期望推动医疗AI与大数据模型的结合。

【关键词】医学数据；人工智能；大数据模型；医疗器械

AI技术最近几年发展较为迅猛，颠覆性改变了社会各领域。作为传统产业与计算新一代技术深度融合的领域，医疗产业为信息技术赋能实际经济主要的方向[1]。AI技术特点在于高度集成、智能交互、快速迭代等，与医疗学习成本高、知识图谱广等特点高度适配。以医疗数据为中心AI已然衍生出诸多场景、用途。自对话式的人工智能工具（GPT）发布后，预训练模型大语言模型（LLM）成为处理自然语言先进工具，迅速向各领域迁移。大数据模型预训练无需数据提示，赋予模型的知识水平更深、更广，具体下游任务重仅需微调，便可赋能给后续应用，而且具备高适应性[2]。低成本。该技术进步推动了AI医疗发展，使之迅速进入发展期，也推动了AI医疗产品发展，使之迅速进入深入探索期。

1应用AI医疗情况

“数据”为AI医疗核心，AI技术可发现、分析、理解数据，亦可决策数据，在大量医疗数据中取得更为深入、精准的医学判断，从中挖掘数据可产生的临床价值，新知识产生[3]。结合AI技术与各类康复医学、监护等过程，逐步拓宽了应用AI的场景，外溢了聚焦点，推动了医疗行业的转型。

AI技术的运用优化了就医流程。AI可简化复杂纷繁的医学信息。当前，AI已深度结合了多类医疗设备，最为典型的是影像设备赋能。影像设备在AI技术、计算机视觉推动下，其检查过程、就诊规划慢慢呈现智能化，亦可辅助影像重建、图像后处理。同时也优化了影像设备流程。院端设备除外，AI还可统一院内院外数据，诊疗边界拓宽，改变了健康管理范围，使之不再局限，数字健康赋能[4]。软件高质量程序驱动了数字疗法，与循证医学结合，可单独应用亦可配合使用设备、药物等，院外诊断、预防等实现。数字疗法的运用加速了多病种智能化的发展，推进了医疗行业新的突破和尝试。AI技术、运用不断更新，推动了赋能医疗的发展[5]。

2医疗AI趋势、优势

2.1发展趋势

大数据模型的运用可将传统AI碎片化的痛点解决，大模型AI使AI泛用性、通用性增强，朝着通用AI技术又迈出了一步。在面对诸多要求结合的医疗任务时，大模型通用技术中医疗专用模型慢慢衍生出来，AI医疗新发展开启。大模型技术改变了研发AI的模式，其中代表性较强的为预训练生成式模型GPT，在诸多关键要素作用下，面向的场景增长呈现爆发式，由最初的自然语言处理向多领域前移，如计算机视觉等，AI通用性、泛化性增强，AI新范式发展开启[6]。从最初的GPT-1至GPT-4，大模型技术迅速发展，其迭代提高了其阐述事实的精度，自测评论医学知识的考试中取得了优秀表现，有望变革性推动细分领域。

2.2应用优势

面向医疗健康开放、复杂的场景时，大数据模型通用性、泛化性较为良好，多模态组合或单一模态的生物医学数据实施“预训练微调”，取得的领域增强模型可完成医疗健康不同任务，如诊断病症，将个性化、准确、高效支持、服务提供给医疗健康领域[7]。大数据模型独特优势包含四个特点。其一，医疗增长快、多。其二，多模态医疗数据。其三，医学知识图谱复杂、庞大。其四，下游多个任务要求。

3大数据模型应用医疗AI

运用医疗AI大模型后典型场景智能化更强，可进一步串联上述场景与流程，借助生成数据反馈医疗各过程，如诊断、决策等。管理拓宽全生命周期健康数据，使之医疗空间延长为医疗大模型深层次的价值所在。

3.1诊断、决策

诊断时，大数据模型可将患者检查结果、既往病历等综合，电子病历生成。大数据模型当前可提取临床概念、提取医疗关系等[8]。问诊时，提取患者、医生对话，从中获取关键信息，并向医疗信息化系统中自动导入，结合既往病历、检查结果。影像检查期间可以通用图像为基础结合患者档案、既往病历创建扫描智能方案，扫描协议自动选择获自动推荐，扫描更具精准化、个性化，结束检查后重建图像，成像质量提高，重建正电子发射体层显像（PET）、低剂量CT获得与高剂量CT相当的高质量图像，辐射剂量减少，诊断高质量需求得到满足。多模态输入可强有力整理组合非结构化的数据，如文字、图像等，从中摘取意义更为鲜明的信息，综合病历生成[9]。

决策时以海量病历数据库、医学文献为依据开始专项训练，结合诊断结果与可能的病历情况匹配，获取可能的疾病、诊疗对应方法排序，决策模型输出，诊断更具准确性、规范性。

3.2治疗疾病

治疗疾病时，检测结果决定了治疗策略，可指导策略拟定。例如手术治疗，手术机器人可与患者病例数据、特征数据对比，借助视觉定位规划路径，保证机械臂运行准确，监控病变位置、人体器官，结合器官部位改变对治疗位置做出调整[10]。术后，与影像结果、床边监测设备结合综合分析对比术后患者生理数据，创建预后恢复更为合理的计划。伴随着持续增加的病例、个人数据，还需持续提高大模型输出数据的准确性，期望可整体规划全治疗周期。

3.3 管理健康

健康管理期间，大数据模型可统一院内、院外的诊断、检测数据，关联生理全部参数，获取用户健康数据综合性画像，管理健康水平提升显著。例如智能化认知行为疗法（CBT）的AI大模型算法框架，大模型可深度分析、挖掘当前大量诊疗经验和数据，与真人医生训练、反馈等结合，判断疾病特征、模式识别能力提升，挖掘信息，病变特征相关数据捕捉，早筛、防治疾病目的达到，用户获得个性化专属服务[11]。

建立在AI分析基础上的数据驱动、治疗技术、问题评估的个性化策略为CBT治疗智能化的目标，以多模态数据为基础的情感计算技术，治疗心理领域所用的智能对话系统、建立在大数据层面的治疗个性化决策模型为关键技术体现。大模型当前作用已在以用户输入内容为依据，取得心理学关键信息，在心理学角度构建用户画像；将用户关键的极易信息综合，结合专家知识库，生成心理干预专家级、个性化策略[12]。

“由大见小”为医疗大模型核心所在。在融合大医疗的基础上，着手于医疗数字化、数据化角度，大方面在于数据全流程、全方位的贯通，AI调用的资源涵盖了海量元数据，包括医院数据分析、治疗等内容，基于非院端物联网人体检测数据等[13]。小方面落脚点为“人”自身的个性与精细，向患者诊断、康复训练等场景提供服务，针对独立的每个“人”，其医学数据可呈现其健康状况、治疗手段、躯体动态改变过程，数据全流程、全方位的贯通，管理整个生命周期的健康至独立个体时，即为定制、个性医疗过程[14]。

4展望

通用AI为社会带来诸多改变，其中数字医疗展现的想象空间极大。结合AI医疗当前现状，分析大数据模型下医疗领域未来研究进展，并有效解决当前研究中的诸多难题。在慢慢解决模型、数据、应用重点的任务后，进一步挖掘医疗与大数据模型的结合点。

伴随着可穿戴设备、智能手机、大数据模型进一步的融合，院外、家庭中医疗技术持续增多，护理人员、患者慢慢开始操作设备，产品质量评定面临诸多挑战，评价新产品可用性将成为评价质量的一项内容，大数据模型逐步开始运用在诸多领域，期望其研究价值进一步拓展。

【参考文献】

[1] 刘子迪. 基于AI技术的医疗健康风险评估模型研究与应用[D]. 新疆:新疆大学,2023.

[2] 王硕,刘天语,汪琛,等. 试论生成式人工智能的医疗应用能力与风险边界[J]. 医学与哲学,2024,45(12):1-5.

[3] 吴非,王志,夏传真. 推进大数据与AI技术在医疗卫生系统应用的建议[J]. 中国发展,2020,20(2):6-10.

[4] 郝鹏飞,李庆雨,柴蕊,等. 去噪扩散概率模型在人工智能医疗器械影像数据增广中的应用[J]. 中国医学装备,2024,21(3):154-158.

[5] 尚美霞,阎小妍,李雪迎,等. 采用多阅片者多病例设计评估AI辅助医疗产品临床试验的样本量估算和应用[J]. 中国卫生统计,2022,39(1):14-18.

[6] 王志伟,张向钰,刘尚,等. 5G医疗专网与AI技术在黑龙江防疫工作中应用与实践[J]. 通信管理与技术,2021(4):41-44.

[7] 何萍. 上海积极应用"互联网+医疗"与"AI技术+5G网络"助力防疫攻坚战[J]. 中国数字医学,2020,15(5):104-106.

[8] 夏光辉,曹艳林,陈炳澍,等. 大模型人工智能技术在医疗服务领域应用的专家共识[J]. 中国卫生法制,2023,31(5):124-126.

[9] 李清,邱英鹏,吴迪,等. 基于利益相关者理论的人工智能医疗技术临床应用评估需求分析[J]. 中国卫生经济,2023,42(5):5-8.

[10] 周应媛,许茂盛. 基于AI视觉技术的医疗影像辅助诊断系统在放射科质量管理中的应用效果[J]. 中医药管理杂志,2021,29(12):136-137.

[11] 曾华堂,柯夏童,许平,等. 基于ChatGPT探讨生成式人工智能在基层医疗卫生服务中的应用及挑战[J]. 中华医院管理杂志,2023,39(10):791-794.

[12] 谢佳芯. 基于RPA+AI的A区中医院医疗服务收入智能管理研究[D]. 重庆理工大学,2023.

[13] 梁威. 国内研发智能医疗机器人AI技术提高行业确诊率研究[J]. 中国科技纵横,2022(14):39-41.

[14] 钟晓雯,高洁. "人工智能+医疗"的风险研判及治理路径[J]. 广西师范大学学报（哲学社会科学版）,2024,60(4):29-41.