《国民健康“十五五”规划》提出，“支持重点地区建设医药行业高质量数据集与可信数据空间，推进医疗领域国家人工智能应用中试基地建设，有序推动数智技术在辅助诊疗、精准医疗、健康管理、医保服务、养老助残等场景的应用。”技术赋能的机遇扑面而来，产业落地的现实堵点亦不容忽视。如何把握发展窗口期，破解数据治理、产业转化、场景适配等现实难题，探索契合我国国情的医疗人工智能发展路径，充分释放数智健康生产力，夯实全民健康保障根基，是推进健康中国建设亟待回应的时代命题。
——编者
全球新一轮科技革命与产业变革加速演进，人工智能作为数字技术核心载体，正重塑医疗卫生服务模式、培育健康领域新质生产力。《国民健康“十五五”规划》提出，“支持重点地区建设医药行业高质量数据集与可信数据空间，推进医疗领域国家人工智能应用中试基地建设，有序推动数智技术在辅助诊疗、精准医疗、健康管理、医保服务、养老助残等场景的应用。”“在此背景下，厘清人工智能赋能医疗的发展机遇、现实挑战，构建适配我国国情的发展路径，对释放数智健康生产力、筑牢全民健康保障屏障具有重要现实意义。”全国政协委员、民进中央科技医卫委员会副主任张凤长期聚焦人工智能产业融合、公共数据治理等领域，聚焦医疗人工智能产业化进程中的各类堵点、难点问题，开展调研建言、精准破题献策。
人工智能赋能医疗领域的多元发展新机遇
“人工智能技术正从临床诊疗、创新药物研发、个体化健康管理、基层便民问诊四大层面驱动医疗领域深度变革，是落实健康中国建设规划、破解优质医疗资源供需错配难题的关键支撑。”张凤结合长期一线调研表示，“十五五”时期是人工智能技术迭代升级、深度赋能各行各业的黄金窗口期，想要牢牢把握人工智能发展主动权、依托数智医疗培育医疗领域新质生产力，必须统筹推进全链条、体系化规划布局。医学领域涉及大量的复杂医学知识和数据，人工智能通过学习海量信息，可以更好地应用于医学问答、疾病诊断、药物研发、精准医疗等任务中，展现出巨大潜力。
“首要是重塑临床诊疗模式，提升诊疗精准度与运行效率。”在张凤看来，传统医疗模式下，医生需耗费大量时间研读医学影像、梳理海量病历，尤其在基层医疗机构，专业人才短缺、疑难病症识别能力薄弱。依托对大量医学影像、病历数据等进行分析和学习，人工智能算法能够快速、准确识别疾病特征，辅助医生做出更精准的诊断，可对CT、X光、MRI等影像进行分析，快速定位早期结节、眼底病变、肿瘤病灶，大幅提升疾病早筛检出率。
“其次是压缩新药研发周期，降低生物医药创新成本。”张凤表示，药物研发链条漫长、投入高昂、失败率高是长期制约我国生物医药产业升级的痛点。基因组、蛋白质、分子靶点、临床试验数据规模庞大，传统人工筛选模式效率低。通过分析基因组数据、蛋白质结构信息以及药物相互作用数据，人工智能可加速靶点发现与药物分子设计，从而大幅缩短新药研发周期、降低成本。数据显示，人工智能技术可使药物设计时间缩短70%、药物设计成功率提升10倍。
“三是落地个性化精准医疗，构建全周期健康管理体系。”张凤指出，人工智能可整合多维度健康数据，自动生成个性化慢病管理方案、肿瘤靶向治疗方案、膳食运动干预处方，减少标准化治疗带来的副作用与无效医疗支出。针对患者高血压、糖尿病等高发慢性病，人工智能健康监测终端实时采集血压、血糖数据，算法自动识别健康风险波动，主动推送干预提醒，实现从“患病治疗”向“提前预防”转变。
“四是搭建智能医疗咨询体系，缓解医疗服务供需矛盾。”张凤介绍，借助自然语言处理、生成式人工智能技术催生标准化医疗咨询助手，依托海量科普、问诊知识库，实现实时在线健康答疑、线上初筛分诊、就医流程指引。患者就诊前可通过人工智能助手梳理症状、获取初步健康判断，缓解轻症患者涌向三甲医院的现状，舒缓大众就医焦虑，分担全科医生基础咨询工作压力。
人工智能赋能医疗发展面临三重核心挑战
在肯定人工智能医疗巨大发展潜力的同时，张凤认为，当前我国人工智能医疗发展存在数据供给、算法性能、伦理法治三大突出瓶颈，制约数智健康新质生产力培育进程。
“一是高质量医疗公共数据集供给不足，数据孤岛难以破除。”张凤直言，目前国内具有公共属性的标准化、大规模医疗高质量数据集长期缺位，生物医学数据高度依赖海外数据库，成为国产医疗大模型迭代升级的最大短板。在她看来，当前医疗数据共享存在“不敢、不愿、不能”三重壁垒：一方面，临床医疗数据涉及敏感个人健康信息，隐私泄露风险高，导致数据拥有机构“不敢”轻易进行数据共享；另一方面，掌握大量临床数据的医疗机构，由于数据共享权责不明确，“不愿”进行数据共享。此外，全国各级医院信息系统独立建设，病历编码、影像格式、检验指标标准不统一，跨机构、跨区域数据无法互通融合，造成数据“不能”共享复用。
“二是医疗算法存在‘黑箱’缺陷，可靠性与可解释性缺失。”张凤介绍，当前主流生成式人工智能仍主要依靠上下文词语的统计概率计算，并未形成对医学专业知识的逻辑理解，极易出现“人工智能幻觉”，输出违背临床常识、误导患者的诊疗建议，可能导致误诊等严重后果。同时，基于深度学习的人工智能算法仍未突破“黑箱”瓶颈，决策过程不透明，阻碍了人工智能在医疗领域的深度应用。目前仅有约5%的医学人工智能研究成果通过了随机对照试验（RCT）验证，大量算法仍停留在理论或实验阶段。
“三是人工智能医疗伦理与监管规范体系尚不健全。”张凤表示，人工智能深度介入诊疗决策，催生全新法律与伦理难题：人工智能给出误诊方案造成的健康损害，责任应当划归医院、算法企业还是研发人员？患者知情同意如何适配人工智能数据采集、模型训练场景？不同地域、人群数据训练形成的算法偏见，是否会加剧医疗资源分配不公？当前，国内外针对人工智能医疗应用的法律法规仍处于探索阶段，缺乏统一的伦理准则和监管框架，导致不确定性和风险加剧。
完善三维协同一体化发展模式
《国民健康“十五五”规划》聚焦人工智能医疗赛道培育卫生健康领域发展新动能，将统筹数据资源、技术创新、行业监管一体化布局列为重点部署任务。张凤立足我国医疗行业发展实际，从数据机制、算法创新、治理监管三个层面提出系统性对策，打通人工智能医疗落地堵点。
“首先要完善数据共享机制建设，加快医疗公共数据集搭建。”针对医疗数据“不敢、不愿、不能”共享的难题，张凤提出“法规兜底、技术护航、标准统一、平台聚合”四维解决方案：完善医疗数据法治配套细则。细化数据安全法、个人信息保护法等在医疗卫生领域实施细则，界定医疗数据全生命周期采集、加工、训练、流通的权责边界，明确数据泄露追责机制，打消医疗机构“不敢共享”的顾虑；普及隐私保护共享技术，推广联邦学习、差分隐私、去标识化匿名技术，在不直接传输原始病历、影像数据前提下实现跨机构联合建模，平衡数据开发与居民隐私安全；统一全国医疗数据国家标准，开展全国医疗机构信息系统摸底调研，统一电子病历、医学影像、检验指标编码、存储格式国家标准，分阶段完成全国医院系统标准化改造，破除跨机构数据格式壁垒，解决“不能共享”问题；搭建国家级医疗公共数据收集平台，由卫生健康、科技、数据管理等部门联合行业协会，行业协会联合牵头建设卫生健康可信数据空间，在保证个人信息安全、符合伦理规范的前提下，对积极参与临床数据共享的医疗机构给予科研、财政政策倾斜，破解“不愿共享”困境，为国产医疗大模型提供高质量训练数据源。
“二是加快‘人工智能﹢’医疗算法创新，确保算法满足临床应用需求。”围绕算法幻觉、“黑箱”、临床验证不足等短板，张凤表示要从四个方面发力：推动产学研医深度融合，促进医学知识与人工智能技术的交叉融合，将临床指南、专家经验等医学知识融入算法模型，提高算法对医学知识的理解和处理能力，从源头减少幻觉问题的发生；建立严格的算法准确性、可靠性、可解释性评估标准和流程，明确算法在不同应用场景下的性能指标和测试方法；增加算法在真实医疗环境中的临床试验和验证次数，全面评估算法的临床有效性和安全性；建立医学人工智能算法伦理审查机制，对算法的研发、应用和推广进行伦理审核，确保算法符合医学伦理和法律法规要求。
“三是建立统一伦理准则与监管框架，加强多方协作共治。”张凤提出，应组建多部门联合专项治理委员会，统筹卫生健康、科技、网信、市场监管以及数据管理等部门的职能，出台全国统一的《人工智能医疗伦理准则》，明确数据采集、算法研发、临床应用全链条伦理红线，确保人工智能应用符合公平、透明、安全的原则；开展区域人工智能医疗创新试点，选取医疗信息化基础较好的省市、县域医共体开展示范建设，试点数据共享机制、算法准入流程、伦理审查模式，总结成熟经验后在全国复制推广；压实医疗机构和行业协会伦理委员会审查责任，对人工智能模型的开发和部署进行审查，确保其符合伦理原则和法律法规；积极参与国际人工智能医疗伦理标准制定，借鉴先进经验，推动我国人工智能医疗规范的国际化与科学化发展。
张凤最后表示，“‘十五五’时期唯有统筹推进医疗公共数据集建设、临床级医疗算法攻关、全链条人工智能医疗治理体系搭建，平衡技术创新与安全伦理，才能充分释放人工智能在诊疗、新药研发、基层健康服务中的核心价值，以数智科技筑牢全民健康根基，依托人工智能赋能医疗卫生事业高质量发展，为健康中国建设注入强劲新质生产力。”
（来源：人民政协报，作者：记者 陈晶）
热门跟贴