爆火出圈，ChatGPT在国内医疗的应用与思考

对于业内人士而言，ChatGPT的出圈或许是个意外。

一来作为ChatGPT底层技术的NLP（自然语言处理）技术诞生已久，二来标志该技术实现跨越式发展的里程碑也并非ChatGPT，而是Transformer和GPT等相关技术。

为何人们却唯独对这项技术展现出如此多的热爱，并让沉寂已久的AI圈再度沸腾？归因或许并不单一，但不可否认的一点是ChatGPT可以做到人类所无法做到的事。即以人类的思维逻辑和表达模式进行连续实时对话的同时，快速完成准确率极高的自动写作、决策支持、智能诊断、智能搜索、智能推荐、分析预测等任务，并通过持续的深度学习与数据训练，进一步优化其能力，更快地找到一条通向真相的路。

可以说，ChatGPT所带来的是一次对人类生产力的全面提升。但更值得关注的是，这项技术中所蕴藏的，作为这场技术革命底层支撑的AI交互能力。

事实上这项技术所能完成的任务基于过去的人工智能技术也可以实现，不过ChatGPT却以交互的模式实现让这项技术成为人类生活的一部分（当然这存在极大的技术难度），一举敲碎了技术与人类之间不信任的围墙，并教会了人类如何与机器进行交互，完成身份升级。这也解释了为何ChatGPT能够火速出圈，并在上线仅3个月后便推出订阅计划，开启变现之路。

医疗AI苦于商业化难题久矣，对于也曾经历如此波峰的医疗AI而言，ChatGPT的成功无疑是一个机会。

从技术层面来说，ChatGPT是一个基于OpenAl GPT-3语言模型（Generative Pretrained Transformer-3，第三代生成式预训练模型）的聊天系统，它可以理解、回应和生成文本。人机与认知实验室作者将ChatGPT性能的卓越概括为使用的机器学习模型表达能力强、训练所使用的数据量巨大、训练方法的先进性三点。

这三点看来容易，但要真正实现并非易事。

对于要开发这项技术的初创企业而言，要做一个同等的模型必将燃烧大笔经费。在国盛证券所发布的报告《ChatGPT需要多少算力》中估算，初始投入成本约为8亿美元，每日电费在5万美元左右。除此之外，GPT-3训练一次的成本约为140万美元，对于一些更大的LLM模型（大规模语言模型），训练成本大约在200万美元至1200万美元之间。

即使是基于开源框架，光是构建和训练一个同样规模的大模型都要花费巨资，这不是普通企业可以承担的，国内企业有集中力量办大事的优势，也还需要政策的支持，通过共建实验室等手段推进相关技术研发进程。

2月13日北京市经济和信息化局正式发布的《2022年北京人工智能产业发展白皮书》（下称“白皮书”）便鼓励了这一技术发展方向。《白皮书》称，北京将引导企业、高校、科研院所、新型研发机构、开源社区等，围绕人工智能关键核心技术创新协同攻关。全面夯实人工智能产业发展底座，支持头部企业打造对标ChatGPT的大模型，着力构建开源框架和通用大模型的应用生态。加强人工智能算力基础设施布局，加速人工智能基础数据供给。

北京市对于这一新技术的鼓励态度明朗，未来随着各个地区人工智能政策相继出台，企业、高校、科研院所、新型研发机构、开源社区等展开合作，AI企业相关技术研发迭代周期不仅会缩短，而且算法模型也将持续得到优化，数据量及数据准确度都将再上一个台阶。届时，无论对于医疗领域，还是其他领域，AI技术都将产生更多价值，而人工智能赛道则会涌现更多的发展机会与空间。

ChatGPT是Transformer、RLHF和GPT等相关技术发展的集大成者。它可以被理解为NLP领域的结晶，也可以被理解为通过深度学习，进而理解文本，同时生成类似于人类所创造文本的人工智能模型。

正是因此，谈到这项技术在医疗领域的应用时，人们的第一反应通常是互联网医院或是医学科普场景。如果你试着问ChatGPT，或许它也会给出类似的答案。

与ChatGPT的对话1

如此一来，最终ChatGPT为医疗场景所带来价值并不明显。

而且要知道ChatGPT也会一本正经的胡说八道。因为这项技术的本质，还是通过概率最大化不断生成数据，而不是完全通过逻辑推理对问题进行解答的算法模型。对于这项技术的恶意攻击，或许都将使得其生成结果走向错误的方向。同时，若是基于一致的逻辑，目前搜索引擎出现的问题，也仍将存在。今年ChatGPT针对算法错误修复的版本更新，便明确了这一问题的存在。如果直接丢进把这项技术互联网医院进行应用，后果可想而知。

要考虑GPT技术在医疗场景的应用，还需要跳脱出固有思维。

事实上，GPT是一项极具韧性的技术，它本身可以做非常多的应用。只要稍经改动便可以迁移到其他领域，同时产生良好结果。尽管，当前ChatGPT主要应用在文本对话领域，但未来融合语音、文本、图像信号的多模态交互技术依然可能成为未来行业研究的热点方向。全球最快的图像生成应用Stable Diffusion便是一个成功的应用案例。Stable Diffusion可以透过文字描述生成图片，实现1秒出图。

回到医学影像AI，若是能够应用类GPT技术（包括CLIP等）通过建立起文本与图像之间的联系，反过来将图像上的关键信息转化为准确的文字信息，也是对医生检测效率和检测能力的提升。

据了解，国内医学影像AI领域企业九峰医疗早已进行相关人工智能应用及探索。从2021年11月开始，九峰医疗在江西省11个地市上百个县城的乡镇卫生院部署了上千家AI工作站。

该系统的AI培训模块为基层放射科医生提供教学数据（影像片、标注、影像学征象、诊断建议）。医生可以查阅题库中的DR影像，或者将平日工作中的影像片上传到系统，以模拟真实的场景中勾画病灶和书写影像报告，实现实时查看AI结果，再由AI给出一致性得分。如果医生不认可AI的结论，可以通过系统提出诊断疑问，再由系统进行答疑解惑。在该系统基础上，医生通过三阶段学习提高自己的专业技能水平，这无疑为医生实际工作中的实践应用带来了增益效果。

该项目通过人工智能技术帮助基层影像医生有效提升了影像技术服务和诊断水平，在历时90天的人工智能医学影像培训中，共计929家乡镇卫生院参与。培训人员学习完成率（包括模型前的摸底考试和培训后的结业考试）达87%。通过分析数据可知，摸底考试中参与培训用户整体及格率为65%，结业考试中整体及格率提升至90%，培训人员影像诊断水平相比未参与培训前有很大提升。

由此可见，这种人机交互的AI培训方式在赋能基层医生方面的效果非常明显。九峰医疗虽然没有使用GPT这样的大模型，但其专注于医疗垂直领域的小模型，其AI产品中自动勾画病灶、自动书写影像报告的技术以及基于用户反馈来优化算法的机制和ChatGPT背后的Transformer、RLHF等技术是一致的，这可能是垂直领域里的企业应用类GPT技术的一种主要方式。

ChatGPT创下了一个历史。该产品上线短短5天，用户数量就突破了百万。但过去，医疗AI却苦于医生及患者对于人工智能技术的信任程度有限，落地所面临的阻力明显。

ChatGPT就像一道火光闪过，让人们重新审视AI技术，并学会如何与之进行对话。也为医疗AI提供了方向指引，帮助其培养起用户习惯。将目光落回医疗AI，借由ChatGPT的成功，可以明确的是AI技术投入医疗场景应用的第一步，是让这项技术与医生成为朋友。

九峰医疗CTO李舰认为，在医疗领域，ChatGPT能够被想象到的应用场景是与患者互动，实现问诊。这也是之前IBM Waston机器人的致力方向。但医学问诊和通用问答的差异还是很大，除了专业的领域知识以外，对于患者信息的要求也非常高，仅有问答和文本输入远远不够，通常还需要精确的病史、影像检查、生化检验等多模态的数据。九峰医疗在基层的应用场景中也研发了相关的问诊产品，但并不认为临床辅助问诊是类GPT技术的最佳实践领域。根据之前智能培训项目的经验，通过专业的互动来帮助基层医生提升能力、通过更好的反馈机制来帮助算法提升性能，是九峰医疗在ChatGPT爆火后得到的启示，也是未来要加大投入的方向。

九峰医疗算法总监孙宗极博士表示：“后续九峰医疗可能在人工智能产品中增加更多交互，以此与医生及患者建立信任关系，而非仅是粗暴地读片出结果。这其实也解决了过去医学影像AI一大应用痛点，即医生关注多维信息，需要更多的数据放到模型中去。九峰医疗之前就打造了多模态数据模型，但如今我们希望它所能提供的不仅仅是一个答案，还可以通过与医生之间的交互，接收到医生的反馈信息，进一步完善诊断结果。”

其实ChatGPT为人工智能企业所提供的并非仅是一项技术，还是一种思路和方向。在这种方向的指引下，人工智能企业一定会走得更远。对于用户而言，则是提升对AI技术的理解与接受程度。尽管人工智能技术能够在一定程度上以人类的思维逻辑和表达习惯与人类进行交互，但其中仍然存在提升空间。毕竟当前全球范围内，尚无真正意义上通过图灵测试的人工智能技术。要优化产品，需要用户熟悉如何与AI进行对话，同时理解其在表达上的错误。当AI无法完全理解人类语言表达逻辑时，就需要人类调整表达模式，以让AI能够更好地理解，最后产生结果。

ChatGPT的一个深远的价值在于可以训练普通人问问题的能力，让人类能够更好地理解AI。而未来的人工智能，一定是一个双向奔赴的过程。

不同于其他应用场景，医疗场景相对严肃，且并非一个可以无限自由发挥的场景。或许目前在医疗领域打造一个大语言模型，或彻底颠覆所有产品形态并不现实。但现在大语言模型展现出了足够的能力，它能够轻易地拓展到各个领域进行应用。同时，它也可以作为一个很好的理解自然语言的前置入口。未来，医疗领域诞生小规模，且可控的模型仍值得期待。

回顾人工智能的进化史，总离不开一些有纪念意义的大事件。ChatGPT无疑已经奏响了人工智能进化的前奏曲。

在过去8年，九峰医疗凭借人工智能技术取得的成绩也是相当出彩。不仅完成了江西省千家基层乡镇卫生院培训平台搭建，亦在全国十二个省市进行商业化实践。商业化实践过程中，企业斩获了国内首张肺结核人工智能三类证，更是获得了远程医学影像中心牌照在江西省的某应用项目中，九峰医疗通过人工智能抽查了19家乡镇卫生院历史报告，经过第三方医院的复核确认，九峰AI比传统医生多发现240例疑似活动性肺结核患者，帮助乡镇卫生院检出率提升2倍。

相信未来这项技术定将在AI这片领域上持续运用，并催生更多有价值的解决方案。

如何定义ChatGPT的成功？它如此回答：

与ChatGPT的对话2

参考文章：

1.ChatGPT专题|为什么ChatGPT这么强？—— 一文读懂ChatGPT原理！

2.ChatGPT背后的经济账

如果您想对接动脉网所报道的企业，请扫描小程序码进入VB100人脉圈查看。