每經(jīng)記者｜甄素靜    每經(jīng)編輯｜張益銘    

“未來AI（人工智能）在醫(yī)療診斷中收費，本質(zhì)上就像買保險，患者支付合理費用，來降低漏診、誤診風險，也是對健康一份保障?！敝袊茖W(xué)院香港創(chuàng)新研究院人工智能與機器人創(chuàng)新中心主任劉宏斌在接受《每日經(jīng)濟新聞》記者專訪時，如是說道。

近日，劉宏斌帶領(lǐng)團隊發(fā)布國內(nèi)首個超聲領(lǐng)域基座大模型“聆音”EchoCare超聲大模型。劉宏斌介紹稱，該模型以超450萬份覆蓋20多個國家和地區(qū)的多中心影像數(shù)據(jù)為基礎(chǔ)，將診斷準確率較國際頂尖水平提升3~5個百分點，不僅打破傳統(tǒng)模型“換醫(yī)院就失靈”的泛化性困境，還試圖破解AI醫(yī)療“叫好不叫座”的商業(yè)化難題。

在劉宏斌看來，人工智能在醫(yī)療領(lǐng)域運用并不局限于此，在近一個小時的面對面專訪中，劉宏斌從人工智能技術(shù)在醫(yī)療領(lǐng)域應(yīng)用的技術(shù)突破核心邏輯，到數(shù)據(jù)合規(guī)的平衡之道，再到商業(yè)化落地的路徑規(guī)劃，深入解析AI如何突破行業(yè)瓶頸，以及AI醫(yī)療未來將如何以“保險式收費”模式，真正走進臨床、惠及普通患者。

中科院香港創(chuàng)新院AI中心劉宏斌 受訪者供圖

超450萬份影像數(shù)據(jù)“喂養(yǎng)”，準確率領(lǐng)先國際水平

“嚴格來說，AI模型分為編碼器與解碼器兩大模塊。編碼器負責將圖片、文字等信息壓縮為高效特征，解碼器則針對分類、圖像分割等具體任務(wù)完成適配。我們發(fā)布的超聲大模型，核心是一個通用編碼器。”劉宏斌向記者解釋，這個編碼器核心競爭力，源于450萬份超聲影像數(shù)據(jù)的“喂養(yǎng)”，涵蓋20多個國家和地區(qū)的公開數(shù)據(jù)集，以及國內(nèi)中山大學(xué)第一附屬醫(yī)院、華西醫(yī)院等五六家合作醫(yī)院的脫敏數(shù)據(jù)。

“海量數(shù)據(jù)讓編碼器具備極強的泛化能力，能兼容不同廠商的超聲設(shè)備圖像，甚至適配不同國家的臨床場景，這也是它被稱為‘基座’的核心原因。”劉宏斌表示。

“泛化性”是決定人工智能在醫(yī)療領(lǐng)域應(yīng)用能否落地關(guān)鍵。傳統(tǒng)超聲AI模型多依賴單一醫(yī)院數(shù)據(jù)訓(xùn)練，換用其他醫(yī)院設(shè)備或不同人種的影像時，準確率往往大幅下滑。劉宏斌透露，團隊突破在于“多中心數(shù)據(jù)架構(gòu)”：“我們整合了全球公開數(shù)據(jù)集，這些數(shù)據(jù)均經(jīng)過發(fā)布機構(gòu)的倫理論證與脫敏處理；同時聯(lián)合醫(yī)院處理內(nèi)部數(shù)據(jù)，去除患者姓名等標識，確保無法追溯到個人。目前醫(yī)院一線數(shù)據(jù)占比約10%，雖比例不高，但為模型適配真實臨床場景提供了關(guān)鍵支撐?！?/p>

技術(shù)優(yōu)勢最終要靠臨床指標驗證。劉宏斌表示，該模型在回溯性研究中已展現(xiàn)出顯著競爭力：“當前國際頂尖超聲AI模型的準確率普遍在85%~90%，我們通過預(yù)訓(xùn)練技術(shù)將準確率再提升3~5個百分點。別小看這幾個百分點，在龐大的患者基數(shù)下，這意味著能減少上千萬人的漏診、誤診風險，臨床價值極高?！?/p>

賦能基層醫(yī)療迫在眉睫，而“臨床需求牽引”亦是關(guān)鍵

對于發(fā)布“聆音”超聲大模型的時機，劉宏斌團隊經(jīng)過了周密考量。“技術(shù)成熟度與政策窗口期雙重疊加，讓我們決定此時推出。”他表示，經(jīng)過一年多研發(fā)，模型已具備臨床應(yīng)用條件，且準確率領(lǐng)先國際，“更重要的是，國家正推動AI賦能基層醫(yī)療，那些醫(yī)療資源薄弱、醫(yī)生經(jīng)驗不足的地區(qū)，對這類技術(shù)的需求十分迫切?！?/p>

按照規(guī)劃，模型落地將分三階段推進：第一階段是概念驗證，目前已完成，證實技術(shù)性能達標；第二階段是臨床研究，聯(lián)合企業(yè)與醫(yī)院通過倫理評審，在真實診療場景中測試模型效果；第三階段是產(chǎn)品注冊，完成醫(yī)療器械認證后正式推廣?！皬呐R床研究到成為成熟產(chǎn)品，超聲領(lǐng)域通常需要2年左右時間?！眲⒑瓯箢A(yù)測，基層醫(yī)院將是首批落地場景，“通過AI輔助，基層醫(yī)生能快速提升超聲診斷能力，緩解優(yōu)質(zhì)醫(yī)療資源分布不均的問題”。

在落地過程中，“臨床需求牽引”被視為關(guān)鍵。劉宏斌強調(diào)：“AI醫(yī)療不能脫離醫(yī)生需求閉門造車。我們的模型定位是‘醫(yī)生助手’，思考方式必須與臨床專家協(xié)同。比如，醫(yī)學(xué)是循證學(xué)科，模型的每一個診斷結(jié)論都要標注依據(jù)，具備可解釋性，這樣才能獲得醫(yī)生信任。”

他以超聲檢查為例，指出AI能解決實際痛點：“現(xiàn)在超聲科醫(yī)生掃圖時體位別扭，長時間操作易疲勞，且不同醫(yī)生掃出的圖像標準不一，可能導(dǎo)致誤診。未來若結(jié)合具身智能機器人，掃圖流程將實現(xiàn)標準化，醫(yī)生能將更多精力放在診斷和與患者溝通上?！蹦壳?，團隊已開始研發(fā)相關(guān)機器人技術(shù)，“先從心臟超聲等難學(xué)難操作的領(lǐng)域突破，逐步替代重復(fù)性體力勞動”。

值得關(guān)注的是，“聆音”超聲大模型僅是AI在醫(yī)療領(lǐng)域“多模態(tài)布局”的一環(huán)。劉宏斌透露，團隊正與華為聯(lián)合研發(fā)涵蓋12種模態(tài)的醫(yī)療AI模型，“包括CT、核磁、內(nèi)鏡影像，以及腦電圖、心電圖等，超聲只是其中之一。目前超聲大模型參數(shù)量在500萬以內(nèi)，屬于‘小模型’，而12模態(tài)模型參數(shù)量將達到70億，兩者完全不在一個量級，未來將為全流程診療提供底層技術(shù)支撐”。

隱私保護、“幻覺消除”和“生態(tài)孤島”等難題仍需重點攻克

人工智能在醫(yī)療領(lǐng)域應(yīng)用過程中，數(shù)據(jù)“多樣性”與“合規(guī)性”平衡始終是行業(yè)難題，劉宏斌以超聲大模型為例向記者講述了其探索路徑?！?50萬份數(shù)據(jù)中，大部分來自國際公開數(shù)據(jù)集?！眲⒑瓯蟾嬖V《每日經(jīng)濟新聞》記者，公開數(shù)據(jù)推動了超聲領(lǐng)域的研究熱度，“國際上不少科研機構(gòu)、高校會發(fā)布經(jīng)過倫理論證的數(shù)據(jù)集，我們將互聯(lián)網(wǎng)可公開獲取的資源全部納入，同時進行數(shù)據(jù)清理”。

對于占比10%的合作醫(yī)院數(shù)據(jù)，團隊采取“醫(yī)院主導(dǎo)+技術(shù)配合”的合規(guī)模式。劉宏斌指出：“每家合作醫(yī)院都有倫理委員會，數(shù)據(jù)使用需經(jīng)過嚴格評審。我們會與臨床合作伙伴共同遵循醫(yī)院規(guī)定，對數(shù)據(jù)進行內(nèi)部脫敏、多重核查，確保合規(guī)后才用于模型訓(xùn)練?！?/p>

劉宏斌強調(diào)，超聲影像的特殊性為合規(guī)提供了便利。“與基因數(shù)據(jù)、用藥記錄等敏感信息不同，超聲影像去除患者標識后，幾乎無法追溯到個人，屬于醫(yī)療數(shù)據(jù)中的‘非敏感類別’，這降低了合規(guī)難度。”

即便如此，數(shù)據(jù)隱私保護仍是未來AI在醫(yī)療領(lǐng)域應(yīng)用需重點攻克的方向。劉宏斌坦言，未來大模型落地醫(yī)院后，“數(shù)據(jù)不出院”將成為核心原則：“醫(yī)院的隱私要求決定了模型不能脫離其內(nèi)部生態(tài)，這就要求大模型具備‘閉門成長’的能力，無需外部數(shù)據(jù)輸入，僅通過醫(yī)院日常診療產(chǎn)生的新數(shù)據(jù)實現(xiàn)自我進化?！?/p>

為解決“數(shù)據(jù)不出院”導(dǎo)致的“生態(tài)孤島”問題，劉宏斌團隊嘗試引入聯(lián)邦學(xué)習技術(shù)?！安煌t(yī)院的模型無需共享數(shù)據(jù)，只需交換提煉后的知識，就像醫(yī)生通過學(xué)術(shù)會議分享案例?！眲⒑瓯蠼忉?，這種模式既能保護隱私，又能讓模型相互學(xué)習，“比如A醫(yī)院的模型擅長甲狀腺超聲診斷，B醫(yī)院的模型擅長乳腺超聲，通過聯(lián)邦學(xué)習，兩者能互補提升，覆蓋更多病種”。

劉宏斌強調(diào)，在嘗試消除“生態(tài)孤島”問題的同時，人工智能在醫(yī)療領(lǐng)域應(yīng)用仍面臨三大技術(shù)瓶頸，他將其概括為“幻覺消除”“可解釋性”與“連續(xù)學(xué)習”。

“在寫詩、繪圖等場景，AI‘幻覺’（生成虛假信息）或許能被接受，但醫(yī)療領(lǐng)域必須零容忍?！彼硎?，團隊正通過優(yōu)化訓(xùn)練數(shù)據(jù)與算法，確保模型診斷結(jié)論完全基于真實醫(yī)學(xué)知識；“可解釋性”則要求模型像醫(yī)生一樣“講道理”，“比如指出某個結(jié)節(jié)被判定為良性的依據(jù)是大小、形態(tài)還是血流信號，讓診斷過程透明化”；而“連續(xù)學(xué)習”是模型落地后的核心挑戰(zhàn)，“醫(yī)院數(shù)據(jù)不出院，模型必須能通過日常診療中的新數(shù)據(jù)自我升級，就像人在實踐中成長，這需要突破傳統(tǒng)‘訓(xùn)練一次就固化’的模式”。

明確AI診斷收費規(guī)則，是全行業(yè)等待的“關(guān)鍵變量”

AI醫(yī)療的商業(yè)化，始終繞不開“技術(shù)如何變現(xiàn)”命題。劉宏斌團隊給出的答案是：與硬件廠商合作，走“開源基座+付費定制”的路線。

“科研團隊核心優(yōu)勢在技術(shù)研發(fā)，而非生產(chǎn)銷售?！眲⒑瓯笙蛴浾呙鞔_商業(yè)化邏輯，“AI本身是賦能工具，單獨的軟件產(chǎn)品難以形成競爭力，必須與廠商設(shè)備深度融合”。

具體而言，商業(yè)化分為兩步：第一步是開源基座模型，“我們計劃將編碼器開源，供科研機構(gòu)、醫(yī)院免費使用，目的是推動行業(yè)技術(shù)迭代，同時積累更多應(yīng)用場景反饋”；第二步是聯(lián)合企業(yè)開發(fā)付費產(chǎn)品，“針對醫(yī)院的私有數(shù)據(jù)和定制化需求，提供模型適配、升級服務(wù)，而硬件廠商負責生產(chǎn)、銷售及后續(xù)維護，我們通過技術(shù)授權(quán)獲取收益”。

劉宏斌以“聆音”超聲大模型舉例稱，在正式發(fā)布之前，已有三家超聲設(shè)備企業(yè)主動接洽，計劃將該模型嵌入其硬件產(chǎn)品，通過醫(yī)院試用推動后續(xù)采購。

不過，商業(yè)化進程仍受制于政策細則。劉宏斌坦言，當前最大的不確定性在于AI醫(yī)療服務(wù)的收費標準：“傳統(tǒng)超聲設(shè)備廠商的盈利模式是‘設(shè)備銷售+年度維護’，但加入AI功能后，企業(yè)成本會上升。如果醫(yī)院無法通過醫(yī)?；蜃再M渠道收取AI診斷費用，采購意愿會大幅降低。目前國家已有相關(guān)政策征求意見，明確AI診斷有望納入收費體系，但具體細則尚未出臺，這是全行業(yè)都在等待的‘關(guān)鍵變量’。”

他進一步分析，一旦收費政策落地，市場將迎來爆發(fā)：“現(xiàn)在超聲設(shè)備主要集中在三甲、二甲醫(yī)院，AI能降低操作難度，未來可下沉至社區(qū)醫(yī)院、體檢中心；長遠來看，便攜式超聲設(shè)備若能結(jié)合AI進入家庭，市場規(guī)模將堪比手機行業(yè)，達到幾千億元級別。”

封面圖片來源：受訪者供圖