据世界卫生组织国际癌症研究机构最新发布的数据显示，乳腺癌已经取代肺癌成为全球第一大癌症，在我国，每年新发乳腺癌病例为42万例，发病高峰在45岁至55岁。据悉，传统超声检查高度依赖超声科医生的水平和经验，结节、肿块全凭医生肉眼判断。随着医疗AI技术不断发展，目前已实现AI对动态超声图像进行算法分析，实时抓取病灶图进行判断分析，极大地提高了筛查效率和筛查精准度。

 在乳腺领域深耕多年的胡海教授对此深表认同。他说，AI在医疗领域的发展日益显现出重要作用，如国外医学中心所展示的大语言模型的应用，表明这项技术在疾病诊疗方面具有显著促进作用，大数据为医疗服务和医疗决策提供了信息支撑，可以使医务人员从海量数据中解脱出来，快速汇总信息，提取关键数据，提高工作效率。 

一方面，AI可以辅助医疗决策，通过对病情结果的解读提出建议和意见，帮助医生进行诊疗决策；另一方面，AI可以解放劳动力，做一些常规性工作和医疗文书工作，减少人工误判的概率，提升医疗质量和医疗水平。 

虽然人工智能不能完全替代医生做决策，但是会大幅提升医生诊疗的效率和质量。目前国外已经在多个场景应用AI，但在国内应用较少，医疗大模型的构建工作相对滞后，还有很多工作需要改进。

 胡海教授强调，人工智能的数据质量至关重要。如果海量数据的质量有问题，可能导致错误结论。需要确定哪些医疗数据可以进入大数据学习过程，前期需要有关专家对数据质量进行评估。

 值得一提的是，目前高质量的医疗数据并不多。例如简单的影像标注，想要找到合适的数据进行学习，这可能需要在全国范围内协调专注这一领域的多个医院进行数据交流和融合。这是一项工作量很大的任务，需要更多部门的统一协调。

 此外，将大量的科学研究的生命组学数据融合到大数据模型中也是一个重要问题，多模态数据的融合目前非常困难。虽然影像数学和病历数据融合在国际上已有较好实践，但对于描述性数据和生命组学数据的融合仍然存在挑战，很多技术问题没有解决。

 “我看好医疗AI的发展前景，医疗AI定能降低医院管理成本，提升医院管理质量。”胡海教授表示，发现问题是一件好事，期待诸多专家共同努力，逐一解决以上困难。

山东大学齐鲁医院是国内较早使用人工智能辅助临床的医疗机构之一。早在2018年，该医院就运用AI系统，链接不同专家共同助力肿瘤等疾病的诊疗，还通过AI进行医师的培训教育工作，很早就实现了将优质医疗资源下沉到下级医院。 

该医院不仅十分看好人工智能、大数据等新兴技术的发展前景，还在2023年2月，发布了由该医院主编的“智能医学工程专业医学系列教材”新书，据悉，这是我国首套医工融合专业量身定制的医学模块教学本科教材。相关负责人在新书发布会上介绍，这套教材的案例均由“案例导入”“案例解析”和“人工智能在医学领域的应用与展望”三部分组成，有利于实现翻转课堂等现代授课模式，为我国培养更多复合型人才。 

李涛教授认为，在实践过程中，医疗AI应用在临床上卓有成效。他说，通过AI的深度学习、图像识别，可提高医疗机构诊断能力和诊疗效率。 

作为一名肝胆外科医生，李涛教授提到，AI在手术前能准确定位并服务医师评估手术切除范围，手术辅助系统的应用可以提供清晰视角，减小患者的创伤，这些都是AI助力医疗提质增效的成果。

 从医院管理角度来看，李涛教授表示，AI可以方便患者挂号、预约、咨询等，帮助医生管理病历、进行数据挖掘分析、支持临床包括医院决策的一些制定。AI可帮助管理者优化医疗资源调度，合理配置医疗资源，协助医生根据患者的治疗程度等因素合理安排治疗时间，方便医院物流系统和药品供应的智能调度，确保药品和物资的供应。 

事实上，山东大学齐鲁医院此前专门成立了大数据办公室，希望通过AI大数据分析为医院决策和发展提供强力支持，优化医院绩效和综合管理水平。 

李涛教授也介绍了医疗AI应用目前所面临的挑战。他说，关于医疗AI，目前数据安全问题和法规政策需要完善，相关部门需要制定更合适的法规和政策推动AI在医疗领域的发展。此外，尽管医疗AI有很多优势，但医生和患者对其接受程度和信任度并不高。因为人工智能算法是通过大量的数据得出结论，对于医生和患者而言，其数据质量和算法的工作机制并不透明且难以理解。因此，如何提高医生与患者对AI的理解和信任度，是未来需要探索的工作。

据国家癌症中心统计，我国每年新诊断约78万肺癌患者，死亡约为63万。美国国家肺癌筛查试验结果，肺癌患者中有35%是10mm以下的肺结节，肺结节筛查可使肺癌病死率下降20%，因此对肺结节的早检测、早诊断及早治疗是降低肺癌死亡率的重要方法。 

龙浩教授说，自进入人工智能时代，基于信息大数据处理，AI在临床应用上为医生提供许多帮助。此前中山大学肿瘤医院曾牵头做了一项关于人工智能与肺结节诊断鉴别多中心临床试验，当时AI对万余例肺结节患者进行诊断，发现其准确率高达82%，敏感度达到88%、在肿瘤的浸润分型中准确率达到了80%。在此基础上，来自全国肺癌领域的21位专家在8个方面达成了共识，发布了国内首个《AI肺结节诊治专家共识》。 

他说，AI技术还可应用到数字治疗和医生培训，通过线上平台实现对病人的诊后随访、健康管理，为医生提供实际场景的模拟和演练，分析评估培训数据，利于医生不断学习、持续进步。

 “AI时代有着它的局限性。”龙浩教授表示，除了医疗方面的信息安全、患者的隐私保护问题，还有医疗安全和信息鸿沟两个难点。如果完全依赖AI进行决策而没有充分考虑医疗安全，可能导致潜在的风险和问题。目前没有相关的法律法规来保护基于AI的临床决策，限制了许多临床工作。同时，不同地区之间的信息交流和交互存在限制，这对于AI时代的应用也造成了困扰。

 龙浩教授说，目前行业需要在AI决策的基础上建立相应的安全机制和措施，解决信息鸿沟问题，以更好地应用AI技术，推动医疗行业的发展，确保其在法律和安全的框架下运作。

“美国肿瘤学会在AI图像识别应用上，对肿瘤病理的识别准确度达到90%以上。既减少了人工消耗，又能稳定地保持疾病诊疗的准确率。”刘澎教授谈到，人工智能系统在通过深度学习后，可以预测肿瘤预后模型，诊断不同病理亚型，为患者制定个性化的诊疗方案，这对医生管理病人具有非常大的助力。 

如果未来要把医疗AI和血液科深度融合，还将面临着许多挑战。刘澎教授表示，数据使用方面，从政策法规层面上讲，我国对患者数据、医疗机构储存数据以及第三方公司之间的界定还不够明晰。换句话说，什么样的数据可以由医疗机构输送到第三方公司开发，病人的授权在什么程度上可以用于这种开发，这些都没有明确的规定。

 此外，用AI代替人工诊断，AI诊断目前还做不到百分百的准确率，那么AI诊断误差所产生的后果，法律法规该如何界定责任和补偿等问题，也需要出台配套的政策和措施。AI的应用场景从病理诊断与识别到制定个体化治疗方案，还有很长的路要走。 

在AI的使用过程中，面对医院和患者的数据安全问题，还需要政策法规的进一步保障。刘澎教授介绍，其一是原始数据的安全性，根据我国政策法规的规定，病人的就诊资料数据都储存在医疗机构里，但数据的使用应经过患者授权，同时要由我国相应的管理部门核准，以此来保证数据能够用于卫生健康事业，同时保护好患者的个人隐私。什么资质的机构可以参与到这个数据的分析使用，在数据使用之后转化的这种潜在收益，它的归属权问题也有待阐明。 

刘澎教授认为，在现有条件下，要申请医学伦理委员会做好患者的知情同意，同时在政策法规方面给出一些明确的可操作规定。另外对于这个转化的权益分配，需要有法规尽快明确，协助AI使用在医疗领域顺利发展。