看四川·对话决策者丨黄勇：打造智慧时代的智能医疗应用

谈到深化医药卫生体制改革，近年来，以四川为代表的西部省份逐渐进入第一方阵。在全国医改的画卷上，四川留下了浓墨重彩的一笔。中国卫生杂志微信公众号近日连续推出“看四川”系列报道，翔实描绘四川医改的生动气韵、清晰轮廓和斑斓色彩。

在大型公立医院精细化管理场景中，基于大语言模型，开发面向业务、面向管理、面向患者的智能应用，正成为卫生健康领域和AI应用领域的热点。近日，四川大学华西第二医院党委书记黄勇接受《中国卫生》记者专访，讲述了他心中的智慧医疗场景。他说，自2022年末美国人工智能公司OpenAI推出ChatGPT开始，大语言模型、生成式AI等技术正迅速改变着各行各业的生产和运行方式。“相信不到5年时间，使用大语言模型开发的一大批AI原生应用都将在医院内部‘跑’起来。”

四川大学华西第二医院党委书记黄勇

智慧医院建设时代刚刚到来中国卫生：您认为华西二院信息化建设可以分为几个阶段？黄勇：华西二院信息化建设始于1997年，至今经历了四个发展阶段。第一阶段，部门级应用。1997年，医院从挂号、收费领域起步，探索构建各业务条线的信息系统，建立了包含挂号、收费、药品、医疗、护理等领域在内的6个信息系统。第二阶段，企业级应用。2008年，在部门级应用发展的基础上，医院建立了资源管理系统、临床业务系统、科研系统、教研系统等业务系统。第三阶段，平台级应用。由于业务系统的开发厂家不同，各个系统之间存在通信障碍，协同工作能力较差。2011年，医院搭建了信息集成管理平台，将此前单点分布的业务系统连接为网状结构，实现各个系统之间的数据交互、信息共享。第四阶段，“互联网+医疗”应用。2015年，随着互联网技术的成熟、国家政策的放开，医院开启了“互联网+医疗”建设之路。不同于此前的信息化建设仅将医院管理者、医务人员作为用户，“互联网+医疗”建设强调面向患者、管理者、医务人员等全人群。目前，医院正致力于打破瓶颈，实现“线上线下闭环服务”。下一步，卫生健康行业将整体迎来智能应用阶段。近两年，大语言模型、生成式AI等技术的迅速发展正深刻影响着卫生健康行业，尤其是人机交互可以依靠自然语言完成，让大家开始重新审视医院信息化建设的模式。应该看到，当下医院信息化建设正步入智慧时代，这将是一个全新的阶段。在这个阶段，大语言模型原生应用将变革传统的生产业务系统，不仅会极大地提高其能力和效率，甚至会在无声中改变、替代部分传统系统。在这个阶段，智慧医院建设将真正实现，因为智慧是通过感知、决策和行为过程实现目标或效用的能力，而相关评审评级达标并不能等同于智慧。中国卫生：生成式大语言模型给智慧医疗带来哪些发展机遇？黄勇：通常来说，生成式大语言模型指的是那些在大规模文本语料上训练、包含百亿级别（或更多）参数的自回归语言模型，具有语言理解、知识记忆和推理泛化等能力，可以完成自然语言处理、自然语言生成与策略制定等任务。AI原生应用则是基于生成式大语言模型能力，设计和开发的应用产品。生成式大语言模型带来的三个巨大变革，将深度影响智慧医疗发展。一是人机边界的变革。以前的信息化系统中，“人是人、应用是应用”，人和应用的边界非常清晰，应用主要是工具性的。人要先想好做什么、怎么做，然后再使用合适的应用完成任务。AI原生应用中，人和应用的边界发生根本变化，从“人是人、应用是应用”的关系变成了“你中有我、我中有你”的共智协同关系，人和应用的知识和能力在共智协同中共同成长。人可以通过应用获取群体性知识和经验、提高知识和决策能力，应用也可以通过模拟人的行为进行持续迭代学习和技能提升。二是人机交互模式的变革。AI原生应用可以摆脱传统“三件套”式的被动交互模式，通过多模态感知能力、理解能力和记忆能力，感知医生的行为意图，前摄性地为医生提供信息和辅助决策等支持。例如，通过感知医生的操作，为其主动提供辅助决策支持；通过多模态的指令互动，模拟医生的工作模式，成为其数字孪生者。三是系统构建模式的变革。未来，系统构建和修改不再依赖于传统的软件工程。生成式大语言模型强大的自然语言处理能力和编程能力，可以让医生通过自然语言表达需求，系统将据此自动分解需求、生成代码、使用工具，满足医生个性化的诊疗和科研需求。一旦这些代码的有效性得到验证，将被优化成服务组件、成为公共工具，让医生的知识和经验得到物化并共享。AI Agent给智慧医疗带来更多可能中国卫生：据了解，华西二院和成都市武侯区政府正在合作开发面向医院的大语言模型原生应用。请您介绍相关情况。黄勇：目前合作重点主要是在现有生产业务系统之上，基于大语言模型能力，开发面向业务、面向管理、面向患者的AI原生应用——AI Agent（人工智能代理）。AI Agent是拥有判断能力、推理能力、调动工具能力甚至是行动能力的智能体。可以这样理解：AI Agent就是一个虚拟助理，原先由自然人执行的管理、协调工作，以后都可以由智能体来完成。在AI Agent研发过程中，一定是先开发通用的，再过渡到个性化的。当下，相关产品正在试验阶段。预计5年之内，这一智能体就可以在医院里面“跑”起来。中国卫生：面向业务的AI Agent将为医生提供哪些支持？黄勇：大型公立医院同时承担医疗、教学、科研等任务。与之对应，一位医生可能同时拥有医生、科学家、管理者、教师等多重功能性身份。AI Agent能够帮助医生管理所有事务，并按照优先级别进行提醒、执行。一是可以帮助医生做辅助诊断。以前，医生是“单点作业”，进行临床决策时主要依靠自身的知识和经验，个人能力的差异直接影响着诊疗效果。未来，依靠AI Agent，医生将获得“群体性支持”，AI Agent不仅能够帮助整理病历，还能根据其获取的知识和经验数据提出建议诊断方向和治疗方案。这不仅有利于提升医生个人的诊疗能力，还将提升地区之间、不同级别医疗机构之间的诊疗同质化水平，最终将提升整个医疗行业的诊疗能力。二是可以帮助医生做任务排序。医院现行的信息化系统给医生提供的只是功能支持，医生需要自己设定具体行为的时间点和操作步骤，如哪些患者需要优先诊疗、什么情况下需要查看病程记录、什么时候安排患者检查等都需要医生自行决定、自主操作。未来，AI Agent可以帮助医生精准地管理事务，告诉医生什么时间该做什么事情。当然，任务优先级别的设定肯定是要通过预训练来完成的，以确保科学合理。三是可以帮助医生做管理工作。比如，有位出差的医生需要查看两日后的手术安排情况，AI Agent可以帮忙确认术前检查是否做完、知情同意是否签字、手术室团队和资源是否到位等事项。再比如，有位医生几日后安排好了一台手术，但现在看到一篇最新文章可能会影响后续手术操作，AI Agent可以帮忙搜集相关资料；当医生决定召集同事讨论具体术式时，AI Agent可以帮忙预约会议室、通知参会人员。中国卫生：面向管理的AI Agent将拥有哪些功能？黄勇：大型公立医院运营管理包括资源配置、资源应用、业务发展、价值评价与绩效考核等重点内容。理想状态下，面向管理的AI Agent能够为医院管理者、职能部门甚至临床部门提供精细化运营管理的手段和建议。以手术室管理为例。手术室管理的核心是排程，其中涉及各个临床科室、麻醉科室等的协调以及手术资源、麻醉资源等的调配。实践中，常常发生某位医生已经预约好了手术资源、麻醉资源但临时决定不开手术的情况，由此造成一定的资源浪费。如果开发出一个手术室管理的AI Agent，它拥有手术室使用管理的基本规则等知识，经过众多典型案例的预训练，建立起一套完备的管理模式，能够计算出要素变化时手术资源使用效益的变化数据并给出相关建议，那么将为医院节约相关医疗资源。中国卫生：面向患者的AI Agent将为患者带来哪些便利？黄勇：面向患者的AI Agent，类似于患者身边的就医助理，可以帮助患者处理就诊事务。在院前场景中，以前，患者就诊需要先确定看哪个科、哪些医院有相关科室，然后再预约挂号到医院就诊。如果患者所患疾病为疑难杂症，过程则更为复杂、曲折。未来，患者只需告诉AI Agent身体状况，AI Agent就会根据其症状、住址等数据给出推荐科室、医院信息，其中将会包括不止一个推荐选项，并会附上推荐理由。当患者选定就诊医院和就诊科室后，AI Agent将代其进行预约。在院内场景中，以前，患者需自行预约检查检验项目，奔走于医院不同楼层甚至不同楼栋。未来，AI Agent收集患者信息、医院信息后，将根据患者时间、医院排期等，代其执行预约行为。当然，就诊、检查检验之前，AI Agent会提前通知患者及时到达。中国卫生：您认为，大语言模型在智慧医疗领域的应用发展，有哪些特别需要注意的地方？黄勇：数据和语料是构建大语言模型能力的基础。大语言模型既需要利用历史数据的训练获取知识和经验、完成迁移学习，也需要通过新数据的训练进行持续迭代学习。历史数据是既往已经发生过的业务集成，大语言模型可以从中学习知识、经验和思维逻辑。但是，只依靠历史数据，大语言模型能力很难发展和突破，面向未来的新数据则可以帮助其发展和成长。新数据的训练，主要由医生和大语言模型的交互完成。医生提问、大语言模型回答，大语言模型提问、医生回答，在交互的过程中会产生新的知识和思维逻辑。在此情境下，医生既是大语言模型的服务对象，也是其训练“师傅”。当然，医生水平对于训练结果至关重要，医生水平高，大语言模型能力发展得就快。未来，大语言模型的训练，必须依靠优质的医生资源。在技术层面，大语言模型带来的是先进生产力，能够帮助医生大幅度提升工作能力和效率，帮助管理者开展精细化管理，帮助患者获得更好的就医质量和体验。但是，大语言模型也会带来隐私保护、数据安全等问题。比如，AI Agent了解得越多，能提供的帮助越多，其破坏力也就越大。这些都需要政府部门在大语言模型原生应用的发展初期，就从顶层设计层面做出规范、加强监管，防止其成为“脱缰的野马”。在这方面，国家层面的政策正在逐步完善。2022年12月，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》对外发布。2023年10月，国家数据局正式挂牌成立。相信在国家政策规制、有关部门监管的环境中，大语言模型一定能够为卫生健康领域带来更多有益的AI原生应用。