以梦为马,不负韶华（5）-AGI在医疗行业的应用

     MarketsandMarkets的预测，到2025年，全球医疗大模型市场规模将达到38亿美元，而到2030年，这一数字将超过100亿美元。

     AGI能够为医生提供准确、及时的决策支持，通过分析大量的医学数据和知识库，辅助医生进行疾病诊断、治疗规划和药物选择。例如，东京大学医学研究院利用Watson系统成功判断一位女性患有罕见的白血病。

    AGI在影像诊断方面表现出色。例如，腾讯觅影利用AI医学影像分析辅助医生筛查食管癌、肺癌、糖尿病视网膜病变等多种疾病。此外，纽约大学的科研人员通过重新训练谷歌的Inception v3模型，研发了一种检测肺癌的方法。

    AGI系统可以帮助研究人员更好地理解疾病和治疗方法，从而加速药物研发和临床试验的进程。这种能力使得AGI在药物研发领域具有巨大的潜力。

    AGI还可以用于健康管理和风险预测。例如，Lumiata公司通过其核心产品——风险矩阵，在获取大量的健康计划成员或患者电子病历后，进行风险预测分析。

1、行业痛点

1.1 数据合规性、符合医学逻辑及循证溯源

基于深度学习技术通过概率计算生成答案，不可避免地会有幻觉问题，而医疗行业有很强的监管以及合规性的要求，尤其是对外传递的医学内容，需要经过医学和法务的严格审核，也需要提供精准的溯源循证。

此外生成的答案或者文章还需要符合医学逻辑的要求，需要基于AGI的能力加入循证等级、指南冲突检测和因果关系等医学逻辑。

通常可以采用知识图谱结合符合RAG的方式精准定位原文段落并按照一定医学逻辑组装形成合规的答案。

1.2 监管合规性

国内对于AGI有严格的监管，尤其是面向大众用户(例如患者)的应用，需

要通过监管备案才能正式发布。企业在项目启动时就需要了解监管的具体要求以及应用备案的流程及周期和费用，避免由于监管问题导致系统无法上线，前期的工作功亏一篑。

1.3 数据安全性及私有化部署

医疗行业除了使用公开的医学指南和文献等数据，还有很多内部研发、临床试验敏感数据、患者特征信息等数据，不仅涉及隐私，还具有特殊的敏感性和重要价格。涉及到内部敏感数据，一般需要私有化部署的平台进行对接和权限控制，私有平台采用LLaMA或者ChatGLM之类的开源GenAI框架，同时配备相应的GPU算力资源，成本相比调用API会高不少。

2、AGI在医疗行业的实践应用
2.1 影像诊断

2.1.1 Aidoc  AI辅助诊断工具

Aidoc是一家专注于医疗影像领域的人工智能公司，其AI辅助诊断工具主要通过计算机视觉技术来帮助医生分析医学影像，提高诊疗水平和效率。Aidoc的工具不是用来完全取代医生，而是作为一种辅助工具，帮助放射科医生更快、更准确地识别和分析医学影像中的异常情况。

Aidoc的工具在Amazon Web Services (AWS)平台上运行，利用Amazon Elastic Compute Cloud (Amazon EC2) P3实例训练机器学习模型并执行推理过程，同时使用Amazon Simple Storage Service (Amazon S3)存储匿名医学图像进行分析，以及Amazon Relational Database Service (Amazon RDS)存储图像元数据。

Aidoc的工具已经获得美国食品和药物管理局（FDA）的批准（Aidoc是FDA获批产品最多的医疗AI公司），用于辅助诊断多种情况，包括脑部CT中的急性颅内出血、肺栓塞筛查，以及新冠肺炎的辅助检测。

2.1.2 NVIDIA  Clara 医疗影像超算平台

NVIDIA Clara平台是一个专为医疗保健和生命科学领域设计的AI应用框架，旨在帮助开发者、研究人员和医疗设备制造商创建能够改善医疗服务交付和加速药物发现的AI解决方案。Clara平台结合了硬件和软件，提供了一种强大的工具，用于早期检测、诊断和治疗疾病。

Clara平台提供了多种工具和服务，包括全栈GPU加速库、SDK和相关应用程序，这些工具可以用于人工智能成像、基因组学以及智能传感器的开发和部署。例如，Clara Holoscan是一个支持软件定义AI医疗设备开发的平台，已经被70多家医疗设备公司、医疗中心和初创公司采用，以推进临床环境中AI应用的部署。 Clara Holoscan SDK 通过加速库、AI 模型和超声波、数字病理学、内窥镜检查等参考应用支持此项工作，以帮助开发者利用嵌入式和可扩展的混合云计算。

此外，Clara平台还包括联邦学习功能，这使得医院能够在保护患者数据的同时引入AI技术。例如，HyperFine系统就是Clara AGX的一个应用案例，它是全球首款便携式医疗点MRI系统，该系统被称为Swoop®系统。Swoop®系统该系统利用深度学习技术和人工神经网络（ANN），创建了更为先进的图像重建方法，旨在减少图像模糊和噪点，进而提高T1、T2和FLAIR图像的质量。根据Hyperfine的白皮书，该公司的算法已被证明可以将Swoop系统捕获的T1、T2和FLAIR图像的图像质量提高60%。

2.1.3 推想科技的InferScholar® Center平台

推想科技的InferScholar® Center平台是一个集软硬件于一体的医学人工智能专用设备，旨在帮助医生进行医学影像大数据的管理与分析、数据标记、深度神经网络模型构建、影像组学特征提取、组学特征分析与机器学习模型构建等多种研究。该平台可以应用于多种影像数据，如X线、CT、MRI、PET/CT、病理切片、消化内镜等，进行深度学习与影像组学建模。此外，InferScholar® Center还能整合利用临床结构化文本信息，以研究各类医学命题。

InferRead CT Lung 肺部疾病智能解决方案

• 权威认证：获得NMPA、CE、FDA认证
• 通过严格临床验证，泛化能力强
• 高效阅片，敏感度高：帮助医生鉴别微小结节，极大提升医生效率
• 智能随访及疗效评估：根据历史影像自动分析、对比结节变化及疗效评估
• 自动化结构化报告：依照各种权威指南自动生成结构化报告，并支持个性化报告模版

2.2 辅助诊疗

2.2.1 数坤科技的AI临床辅助决策系统

数坤科技推出的“数字人体平台2.0”是一个集成了超过40个AI应用的综合性平台，覆盖了从心脑血管疾病到肺癌等多种疾病的诊断和治疗。该平台不仅包括CT、MR等传统医学影像，还扩展到了超声、DSA等全系医学影像。

数坤科技的CT-FFR产品通过AI辅助诊断，能够精准判断患者冠脉血管狭窄对心肌缺血情况，从而为医生提供更精准的诊断结果。该产品还获得了中国NMPA三类证及欧盟MDR CE双认证，是全球罕有的获此认证的冠脉CTA AI产品。

2.2.2 腾讯云的AI临床助手ACA

腾讯云AI临床助手（AIClinicalAssistant, ACA）是一款基于大数据、自然语言理解、病历结构化等AI技术的智能解决方案，旨在为医疗机构提供全面的智慧服务支持。该产品集成了多种功能，包括辅助决策、合理用药管理、前置审方、处方点评和用药助手等。

• 疑似诊断： 根据输入的病历信息，计算疑似诊断并按置信度排序展示，支持查看疑似诊断的临床指南、治疗方案、鉴别诊断等相关医学信息。
• 辅助诊断： 结合疾病知识图谱和疑似诊断结果，推送与疾病相关的进一步问诊、体征检查、推荐检验检查等项目，辅助医生全面采集病情。
• 鉴别诊断： 根据医生下的诊断信息，从检查、症状及其他维度给出当前诊断的鉴别诊断建议和判断逻辑。
• 病历质控：根据医生输入的病历信息，从诊断风险、逻辑性、完整性、时效性四个维度进行病历内容内涵质控，并给出相关风险提示及建议。
• 危重症识别：根据医生输入的病历信息，从危重症、高危体征、高危症状、危急值四个维度对病历进行危重症风险判断，并给出相关风险提示及建议。
• 医学知识库：提供临床指南、临床路径、药品说明书、用药公式、诊疗流程图、中药百科、教学视频等专业医学知识查询。

2.2.3 至本医疗康普 (CUPU) AI, 即复杂肿瘤智能预测

康普（CUPU）是利用人工智能技术预测复杂肿瘤的一个模型，其产品包含CUPU溯佳、CUPU溯、CUPU溯真。核心技术架构是基于患者肿瘤部位变异信息或和病理图像，利用人工智能技术，创建自有深度学习算法，通过对中国人群临床癌症大数据（基因/病理图像，生活习惯，遗传史等上百个维度数据）的学习，训练出能够智能辅助诊断复杂肿瘤的模型。