中大新聞網訊（通訊員彭福祥 章智琦）在日均門診量超1.5萬人次的中山大學附屬第一醫院（以下簡稱中山一院），一場醫療領域的AI革命正悄然上演。這場改革發軔于2021年，經過了4年的系統化布局。你也許不知道這家醫院有醫療大數據與人工智能研究中心，但從手機掛號開始，你就已經搭上了AI列車。影像檢查的報告生成、驗血結果的精準分析、醫生對肺結節的診斷、用藥方案的優化……都在AI的智能推動之下進行。而在這些可感可觸的細節之外，醫院的管理邏輯、醫生的培養理念等，也在主動擁抱AI帶來的變化。如今，中山一院還在織就一張“DNA”（醫生Doctor、護士Nurse和人工智能AI）網絡，用技術賦能優質醫療資源擴容下沉。
中山一院有哪些成熟的AI應用案例？下一步，還將在哪些領域下“先手棋”？在科技潮頭沖浪的醫生們如何看待AI對自身職業的影響？如何看待AI與醫療的關系？醫院的多位專家給出了他們的答案。
賦能醫生
大幅提升醫療效率與質量
在中山一院，醫學影像科每天要用磁共振檢查約600個身體部位，用CT檢查約3000個部位；醫學檢驗科每天要完成成千上萬份標本檢測；超聲醫學科每天上午就要完成四五十份超聲檢查報告……面對高負荷的工作任務和容錯率幾乎為零的高標準要求，人工智能技術成為了提升效率、減輕醫護人員工作壓力、保障醫療質量的關鍵作用力。而隨著算力技術的不斷優化，AI也在為精準醫學發展貢獻“加速度”。
把醫生從成千上萬的樣本中“解放”出來
依托快速發展的圖像學習技術，以及醫學影像易獲取、數據標準化的特點，醫學影像科、醫學檢驗科等與圖像學習關系密切的學科躬身入局，成為這場技術革命的先鋒，率先展開了“AI+醫療”的想象畫卷。
醫學影像科初建平教授表示，科室在六年前就開始使用人工智能輔助診斷肺結節。AI是診斷加速器。在掃描環節，AI可以將部分采樣的圖像重建為完整圖像，減少檢查時間，降低電離輻射量，提高圖像信噪比；在閱片環節，AI能夠輔助診斷能迅速檢出病變，對肺結節大小、成分定量分析，判斷肺結節的良惡性，提高診斷效率，減少錯漏診。對于一些臨床經驗尚不豐富的醫生，AI也可以對他們的診斷進行提示和修訂。
據初建平介紹，除了肺結節篩查，在心腦血管斑塊、骨折篩查等領域，AI的技術運用已經非常成熟，大大提高掃描和診斷的效率，時間大約能夠縮減到原來的一半。在她看來，AI正在使醫學影像科的部分工作從重復閱片，轉變到對AI結果的判定和復核。在判斷結節的良惡性方面，一旦出現AI診斷與醫生診斷不同的情況，就會有經驗更豐富的醫生或是醫院多學科診療團隊加入，共同評估。
在中山一院的醫學檢驗科，醫務人員每天要處理約3000份血常規報告，科室通過引入AI閱片機，減少了大量重復勞動的時間。
醫學檢驗科工作人員在使用AI閱片系統。
科室副主任陳培松教授表示，依托AI技術，在血常規標本復檢中，從上機到報告發出的時間不超過15分鐘。相比傳統手工復檢，大大減少了人工篩選樣本、手動推染片以及顯微鏡下閱片的時間。
智能語音報告系統節省人力50%
在超聲檢查中，報告書寫是一個重要環節。長期以來，該環節都是醫生用口述方式將檢查中發現的陽性指征或是結果報給助理，再由助理或醫生本人打字輸入到報告界面內。一旦助理出現注意力下降、未理解口述內容等問題，都有可能出現信息記錄錯誤，而且花費大量的時間。為此，超聲醫學科工作人員幾乎花一半的時間進行報告書寫錄入工作。
中山一院超聲醫學科自2017年開始接觸和了解超聲語音識別錄入技術，并在后期進行了大量的數據錄入工作，將醫院現有的超聲報告結構化模版全部轉化成了智能語音識別詞匯庫。2021年開始對語音模型進行充分訓練。2022年，該系統正式在超聲醫學科應用。
據超聲醫學科主任謝曉燕教授介紹，如今，醫生們可以一邊進行超聲檢查，一邊使用智能語音完成超聲報告書寫，科室已經完全不需要報告錄入員這一工作職位，節省了一半的人力成本，醫生可以有更多的時間關注病人的檢查和診斷。“語音識別系統可以實現智能過濾。像是詢問患者是否吃過早餐、指導患者動作這一類的語音就不會被錄入報告。一旦講到專業詞匯，就會被系統采納，準確率非常高。”謝曉燕說。
AI讓精準醫學時代更快來臨
在臨床實踐中，一個常見現象是：患者A和患者B雖患有相同疾病，但同一種藥物同一個劑量下對A有效，對B卻無效，或者可能引發嚴重不良反應。這種差異源于個體在遺傳基因、環境及生活方式等方面的不同，導致治療效果和反應存在顯著差異。為解決這一問題，“精準醫學”應運而生。該方法通過整合基因組學、蛋白質組學、代謝組學以及環境和生活方式等大數據信息，為患者量身定制最有效的治療方案。
藥學部副主任陳攀教授表示，精準醫學在器官移植領域具有重要的應用價值。器官移植術后，患者的免疫系統會將移植器官識別為異物并發動攻擊，因此需要使用免疫抑制劑來抗排斥治療。然而，僅依賴藥物說明書難以實現精準用藥：劑量過高可能引發感染等不良反應，劑量不足則可能導致移植失敗或治療效果不佳。
為解決這一問題，藥學部和器官移植科利用AI技術為患者制定免疫抑制劑的精準用藥方案。在用藥前，系統會整合患者的藥物代謝相關基因型、生化指標等數據，通過前期構建的精準用藥模型自動生成最佳劑量推薦。用藥后，醫生會檢測患者血液中的藥物濃度，并結合治療效果，將數據反饋至系統模型中，再次生成劑量調整建議。基于這些動態數據和模型，免疫抑制劑的初始治療濃度達標率從經驗性給藥的30%提升到60%以上，輔助實現器官移植術后患者免疫抑制劑的精準用藥。
賦能患者
讓優質醫療資源變得更加可及
當前，醫療工作者數量嚴重短缺。數據顯示，全球還需要640萬名醫生、3000萬名護士和助產士以及290萬名藥學專業人員。而面向患者的AI服務，能為患者提供個性化醫療建議、提升患者就醫體驗、智能健康監測與管理等功能，讓優質醫療資源變得更加可及。
打造“智慧醫院”
地中海貧血是一種臨床上常見的隱形單基因遺傳病。一旦夫妻雙方均攜帶致病基因，就有1/4概率生下重型地貧患者，這一類患者只能通過輸血或是造血干細胞移植的方式維持生存。如果能在婚前就清楚了解是不是地貧的基因攜帶者，做好地貧篩查和產前診斷，完全可以避免生育重度地貧兒。
為此，中山一院醫學檢驗科利用大數據設計了一個地貧智能預測系統。被評估者只需要根據頁面提醒，輸入幾個血常規檢測指標，模型就可以評估患地貧的風險。并且，模型還會指引被評估者是否需要進行下一步的基因檢測。據陳培松教授介紹，該模型用于α地中海貧血篩查的準確率大約在90%左右。
除了針對特定病種的患者服務，醫院還在互聯網醫院設置了智能導診窗口，患者輸入癥狀、年齡、性別等基本信息，AI就能給出掛號科室指引。減少患者因不清楚科室主治范圍而掛錯號的風險，提升患者就醫體驗。
看病需要花費大量的時間和精力。尤其是在大型醫院，就診人數多，樓宇、科室分布復雜，就醫流程繁瑣，更容易讓時間緊張或行動不方便的患者感到壓力。據醫院信息數據中心主任余俊蓉介紹，醫院目前正計劃實施AI陪診系統。由AI幫助患者制定詳細的就診、檢查計劃，實現就診全流程的智慧化、個性化服務。
打通基層醫療服務的“最后一公里”
在利用AI增強醫療資源的公平性和可及性方面，中山一院也展開了行動。產科副主任醫師陳海天曾在2022年啟動了一項課題，爭取到了900臺遠程胎心監測設備和900臺遠程血糖、血壓監測儀，免費提供給肇慶封開、河源紫金、陽江陽春三個縣級基層醫療機構，幫助當地孕婦進行更加科學的孕期保健。孕婦可以使用設備和對應的手機軟件監測并上傳數據，由AI及醫生對數據進行判讀，如有異常及時干預。
2024年，中山一院院長肖海鵬提出構建新型健康網絡的“FAH—DNA模式”（FAH即中山一院英文縮寫），依托醫生（Doctor）、護士（Nurse）和人工智能（AI）三個載體，通過區域醫療中心、社會康養合作機構、家庭照護服務及互聯網醫院等路徑，將優質醫療服務送達社區和家庭。未來，醫院將更多嘗試借助AI力量，打通基層醫療服務的“最后一公里”。
管理大型醫院如同治理一座繁忙而復雜的微型城市。中山一院在人事、藥品及醫療設備選購等醫院管理方面也引入了AI技術進行精細化管理。陳攀舉例，在三級公立醫院績效考核中，抗菌藥物使用強度、國家組織藥品集中采購中標藥品使用比例、門診患者基本藥物處方占比、住院患者基本藥物使用率等均屬于合理用藥方面的考核指標。如果某些臨床科室上述指標出現異常超標，AI系統會自動給相關科室負責發送提醒。
AI時代，頂尖醫院需要什么樣的人才?
“培養醫生從臨床提出需求的能力”
隨著醫療科技的快速發展，醫務人員也面臨多重的挑戰。如今，醫院藥房通過自動化技術實現智能發藥已成為常態，藥學服務模式也從傳統的“以藥品為中心”逐漸轉向“以患者為中心”。為適應這一轉變，藥師的角色不再局限于藥房窗口，而是更多地走向臨床一線，直接參與患者的治療過程。2024年1月，國家衛健委發布《駐科藥師工作模式試點方案》，明確了駐科藥師的職責，包括審核醫囑、參與查房與會診、實施藥學監護與藥物重整、提供用藥咨詢與教育，以及指導患者出院帶藥等。作為全國試點醫院之一，中山一院的藥學部臨床藥師已覆蓋多個臨床科室，構建了全程一體化的藥學服務體系。
據陳攀介紹，中山一院的駐科藥師在查房時，通過搭載“移動查房系統”的平板電腦，能夠實時調取患者的基礎信息、生化檢測指標等數據，并利用視頻、圖片、語音、文本等多模態方式記錄和反饋用藥建議。此外，AI技術還能自動生成藥學監護評級建議，幫助藥師快速識別需要重點關注的患者，從而提升藥學服務的精準性和效率。這一創新模式不僅優化了醫療資源配置，也為患者提供了更高質量的個體化藥學服務。
中山一院的駐科藥師在查房時，使用搭載“移動查房系統”的平板電腦。
“在AI時代，我們需要培養醫生從臨床提出需求的能力。”副院長張弩說。
據余俊蓉介紹，對于新入職的醫生，中山一院仍堅持讓他們在剛開始接觸臨床的初期，對AI輔助工具適當疏離，不能產生依賴，扎實打好基本功才能提出更具針對性和原創性的問題。與此同時，醫院通過與國際一流高校、醫療機構的教研合作，豐富年輕醫生對AI的多維度理解。而醫院引入的信息技術方面人才，也需要先在臨床流轉半年以上。只有做到足夠熟悉臨床，才能服務于臨床。
在采訪中，專家們也提出了一些AI尚未解決的問題，比如：陳培松表示，AI在解決跨學科問題時還存在短板，比如使用何種抗生素藥物，需要藥學部、醫學檢驗科、臨床醫生等多方共同決策；初建平表示，目前用于精準醫療的多模態AI模型發展尚不成熟，還需要進行專病大數據訓練，她還希望，AI能夠參與到患者全生命周期的管理；余俊蓉表示，當前全國通用的醫療大模型數量還比較少，各家醫療機構、高校研究及應用的AI模型的通用適配性并不高，這主要是因為醫療領域特殊性、病種本身復雜性，加上不同醫院的專業技術特色、治療流程、用藥習慣也相差較大等因素，這些問題需要多方聯手，共同解決。據悉，中山一院正在通過引入復合型人才、加強醫工融合人才培養、與先進制造業企業進行產學研合作等方式，加速AI與醫療的融合。
在人工智能時代，醫生會被完全取代嗎？受訪專家一致給出了否定答案。“即使醫生和AI給患者開出同一張處方，在患者身上產生的效果也可能是不一樣的。醫患之間面對面的信任感、醫生暖心的鼓勵和暗示，都會對患者的治療產生巨大作用。”張弩副院長表示，正如中山醫醫訓所講，醫生要“醫病 醫身 醫心”。借助人工智能，可以把更多時間留給醫患間的溝通交流，讓技術更好地實現人文的溫度。技術最終的價值一定體現在生命至上、以人為本。從這一點來看，醫療需要AI，在AI加持下，醫療將迅速邁入精準醫療時代。而會用AI看病的醫生，也給AI的應用賦予了人文的溫度。這或許印證了特魯多墓志銘的現代演繹：有時去治愈，常常用AI輔助，總是以人文關懷。
