21世纪经济报道见习记者 闫硕 北京报道
近两年，人工智能（AI）频频出圈，从大语言模型ChatGPT到视频生成模型Sora，从不少企业首设首席人工智能官，到诺贝尔物理学奖、化学奖颁给人工智能，人工智能已经成为科技竞争中不可或缺的高地。
近日，国家卫生健康委、国家中医药局、国家疾控局联合发布《卫生健康行业人工智能应用场景参考指引》（以下简称《指引》），以推进卫生健康行业“人工智能+”应用创新发展。《指引》包括4大类13小类，共计84种具体场景。
具体而言，4大类13小类分别为人工智能+医疗服务管理（医疗服务、医药服务、医保服务、中医药管理、医院管理）、人工智能+基层公卫服务（健康管理服务、公共卫生服务、养老托育服务）、人工智能+健康产业发展（医用机器人、药物研发、中医药产业）、人工智能+医学教学科研（医学教学、医学科研）。每个类别下又细分有多种具体场景。
艾昆纬大中华区数据分析和人工智能战略咨询总监王越在接受21世纪经济报道记者采访时指出，这80多种场景是高度的总结概括，非常全面，而且还深入覆盖了很多具体的落地场景，在整个“AI+”的层面上看，数量上属于偏上的水平。
王越进一步指出，《指引》可以全面指导AI在医疗行业不同场景的落地。整体看来，这份文件更多是面向医院和公共卫生机构的，不过这些具体的场景介绍对企业未来的生产以及战略方向也非常具有指导意义。因为对企业来说，其生产的产品最终都是要落地的，是需要在医院端或者卫生机构为患者或医生提供服务的。
部分场景相对成熟
今年的政府工作报告首次提出了“人工智能+”行动，而在医疗领域，随着大模型的迅速迭代，以及院内院外一系列解决方案的逐步推进，“人工智能+医疗”俨然成为发展新质生产力的关键。
针对《指引》，有业内专业人士向21世纪经济报道记者总结道：这80多个场景中，目前成熟场景大概有20%，一般来说技术相对比较成熟，在实际中也有落地案例，比如智能辅助诊断、病历生成。
本次AI浪潮中会比较快速发展的场景在50%左右，主要是技术在快速发展以及市场有需求的，比如智能患者管理，用药指导等。技术上已经有一定基础，更多的是市场需求和政策支持来加速应用。
长期来看，未来AI可以实现的大概有30%，主要涉及更复杂的技术或者多学科的深度整合。比如更复杂的手术机器人，药物发现等。
“这些是基于我的主观判断，具体情况还是要视市场需求、政策支持、技术发展来判断。”该专业人士强调。
王越也提到一些成熟场景，像医疗影像的辅助诊断，这项技术其实在上一波AI的浪潮中就已经在发展了，经过将近10年的发展，该技术已经相对比较成熟。同时也初步跑通了商业模式，比如医疗设备厂商向医院提供软件服务。
而借着本次生成式AI浪潮，包括智能预问诊、物流机器人等在内的一些场景的落地目前也已经比较成熟。像智能预问诊的商业模式也是向医院提供一站式的解决方案。
对于那些尚不成熟的场景，困难主要在哪里？王越表示，首先要指出的是医疗行业，尤其是从临床的角度看属于严肃医疗，对于AI输出结果的准确性和科学性要求非常高。
王越进一步指出，困难一方面就在于技术的成熟度，AI能否达到现在临床应用场景要求的准确度还需要进一步讨论；另一方面在于数据安全，因为医疗数据较为敏感，我国的电子病历或患者信息一定都是由医院或者政府管控的，商业公司很难拿到，而大模型需要大量的数据去训练，所以如何破解这一难题也需要讨论。
“此外，如果我作为一名医生在大模型上进行提问，那么大模型如何保护数据隐私也是需要解决的。”王越说，从法律法规层面看，我国相关部门对医疗行业的监管力度非常强，AI的应用肯定要符合相应的要求。
政产学研协同推进
医疗行业的发展正朝着更加规范化、远程化、便捷化和个性化推进。“所以AI在医疗行业的应用符合大的趋势，同时，从实际落地的场景中看也是遍地开花，因此AI+医疗的前景较为广阔。”王越认为。
根据《前瞻产业研究院》报告，中国AI医疗市场规模从2019年的27亿元快速增长至2023年的88亿元，年复合增速达34%。预计中国AI医疗行业市场规模将会以超过25%的增速保持增长，2028年市场规模将接近300亿元。
王越认为，“人工智能+”这个概念提出来已经有一段时间了，《指引》对80多个场景的概括总结，其实也是在讨论怎么去应用AI在医疗行业的创新，以及如何进一步加速技术的落地从而提高诊疗的精准度和效率，这是非常有意义的。
而在医患工作中，AI可以赋能医生与患者的沟通，包括预问诊在内的一些应用，都可以改善患者的就医体验，同时也提升了医生的诊疗效率和质量，这对于终端用户来说具有重要意义。
“再往大了说，《指引》也将推动整个医疗行业的数字化转型，尤其是疫情之后，无论是企业还是普通民众，对于线上的这种互动都越来越熟悉，医疗健康行业的数字化转型能够更加实现社会经济的可持续发展。”王越说。
各类场景又该如何更好落地？王越表示，需要政产学研协同推进。政策起到了引导的作用，企业、高校和研究机构可以在政策所指出的大方向上积极配合，密切合作。从产学研的角度看，在技术的研发、人才的培养等方面需要多方共同参与，因为AI是一个非常前沿的技术，只在任何一个相关方推动，都很难有全局的发展，因此需要大家一起推动技术的发展和落地。
“还可以建立相关试点，比如在一些地区或医院开展试点项目，去验证AI技术实际效果是否可复制，又是否可推广。”王越表示，此外，行业标准、技术规范以及相关法律法规，可以确保技术使用的安全性和有效性，这些都是未来可以去推动落实的措施。
AI医疗的商业化也是业内关注的重点。在王越看来，AI医疗何时能真正跑通商业化需要分情况讨论，因为落地场景是全面开花的，而且也是细分不完的。在过去的实践中，像医学影像辅助诊断、疾病风险预测等其实已经有了可以跑通的商业模式。而像AI制药，从药物研发到临床试验到上市再到跑通最后的商业化之路，其实非常漫长。
“需要根据真实的需求去评估现在的数据、技术以及最终的输出，是否已经达到了整体可生产或可进入服务模式的状态，要具体问题具体分析。我个人对AI医疗的商业化比较乐观。”王越说。
