智启新质生产力：生成式人工智能在医疗医药领域的潜在应用报告
智启新质生产力： 生成式人工智能在医疗医药领域的潜在应用 2024年4月 2智启新质生产力：生成式人工智能在医疗医药领域的潜在应用 序言 随着人工智能变革的加速发展，以大模型为代表的生成式人工智能（以下简称生成式AI）崭露头角，创新的浪潮将影响千行百业。在国家提出加快发展新质生产力的今天，生成式AI作为新兴突破性技术得到了越来越多的关注。在医疗医药领域，生成式AI有望在传统人工智能（以下简称传统AI）的基础上，以更革新的技术、场景化应用的形式，助力行业更高质量发展，并进一步助推健康中国战略的实现。 本文从医疗医药领域的应用层面，深入思考生成式AI在多种行业场景中的赋能价值，并探索其落地的可行性，展望这一新兴数字化技术赋能医疗医药行业的广阔前景。 “新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态。 科技创新能够催生新产业、新模式、新动能，是发展新质生产力的核心要素。必须加强科技创新特别是原创性、颠覆性科技创新，加快实现高水平科技自立自强，打好关键核心技术攻坚战，使原创性、颠覆性科技创新成果竞相涌现，培育发展新质生产力的新动能。要及时将科技创新成果应用到具体产业和产业链上，改造提升传统产业，培育壮大新兴产业，布局建设未来产业，完善现代化产业体系。” ——2024年1月31日，习近平总书记在中共中央 政治局第十一次集体学习时强调 “大力推进现代化产业体系建设，加快发展新质生产力。深入推进数字经济创新发展。制定支持数字经济高质量发展政策，积极推进数字产业化、产业数字化，促进数字技术和实体经济深度融合。 深化大数据、人工智能等研发应用，开展‘人工智能 ＋’行动，打造具有国际竞争力的数字产业集群。” ——2024年3月5日，《2024年国务院政府工作报告》 目录 1变革力：从传统AI到生成式AI，是进化还是新生 第5-9页 2融合力：生成式AI如何深入影响患者旅程 3场景力：生成式AI在医疗医药领域的潜在应用 4善谋者行远，实干者乃成：生成式AI的场景化落地 5以“数”为基，循规前行：政策下的挑战与应对 第10-13页 第14-21页 第22-29页 第30-34页 5智启新质生产力：生成式人工智能在医疗医药领域的潜在应用 变革力： 从传统AI到生成式AI，是进化还是新生? 01 生成式AI的崛起，对传统AI构成了颠覆性的挑战，为人类带来了前所未有的创造力和想象力。当我们从各维度对比两种技术时，可以直观看到，从传统AI到生成式AI的发展是一个既有进化又有新生的过程。二者之间既有区别，又有结合。 1.1 区别一：传统AI是“严谨的学者”，而生成式AI更像“创造性的艺术家” 传统AI和生成式AI的区别在于工作目标，以及对待知识的态度和方法。传统AI更注重对已有知识的运用和推理，它的目标是回答特定问题或解决特定任务，其工作方式更像是知识的传递。而生成式AI则更注重生成和创造，它的目标是生成全新的、真实的、有用的数据和内容，其工作方式更像是知识的归纳和演绎。这种区别使得它们在各自领域中发挥着重要作用，并为未来的发展提供无限的可能性。 传统AI和生成式AI的拟人化比较 传统AI：严谨的学者 生成式AI：创造性的艺术家 目标 模拟人类专家的决策过程，为特定的问题提供精确的答案 生成全新的、真实的、有用的数据，例如文本、图像、音频和视频等 注重点 推理、分析和解释 创造和生成 拟人化设定 传统AI是一位严谨的学者，善于整理和总结已有的知识，能为我们提供精确、确凿的答案。这位严谨的学者一丝不苟，对细节进行深入的研究和分析。 生成式AI则是一位富有创造力的艺术家。它运用先进的技术，结合大量的学习和信息，不断尝试和优化，最终创造出全新的内容。 1.2 区别二：二者所生成内容质量的影响因素有所不同 更优的数据规模与质量 抓手以保证高质量输入 输入 传统AI 更高的硬件水平以保证高质量输出 抓手 输出 人工智能是提升人类生产效率的帮手，而如何提升人工智能的产出质量，是人类在人工智能训练与使用过程中的重要功课。传统AI在数据规模、硬件成本、部署复杂性、数据依赖等方面 存在痛点，其内容生成质量高度依赖 硬件性能和数据能力。 输入 抓手开发与优化输入指令，引导AI多种类型输出 资料来源：安永内部分析 生成式AI输出 相比之下，生成式AI是根据使用者提供的清晰指令而生成相应的内容，因此，所输入提问的质量（是否准确、聚焦、结构化）是影响内容生成质量的重要因素。 看变革力 6智启新质生产力：生成式人工智能在医疗医药领域的潜在应用 1.3 趋势一：生成式AI发展的“变”与“革” 由结构化处理向专业化、交互化生成跃进 从传统AI到生成式AI的变革过程，包含了“变”与“革”不同性质、不同程度的发展。“变”代表着生成式AI基于以往科技基础上的延展或进步，而“革”代表着生成式AI显著区别于以往技术的跃进。生成式AI在跃进过程中，呈现了整体由结构化处理，向专业化支持，再到交互式生成的几大能力递进。其相比于传统AI技术所体现的变革力量，正在内容生成、智能交互、数据分析预测、决策支持等方面反映。其中，内容与决策方面的变革程度最为显著。 多模态合成 专业化辅助 结构化处理 多模态梳理 自然语言理解与对话 用户情感识别与分析 知识图谱构建 决策优化 语言理解与对话 用户情感识别与分析 知识图谱构建 决策执行 数据标签化 自动化 数据标签化数据驱动决策 决策优化 数据驱动决策预测模型建立 风险评估管理 竞争分析 文本合成 决策执行自动化 数据关系挖掘 预测模型建立 数据清洗 文本梳理 数据清洗 竞争分析 数据关系挖掘风险评估管理 传统式AI生成式AI 内容梳理生成智能交互 数据预测分析 决策支持 交互化生成 由传统式AI到生成式AI的技术变革程度 变革程度越高 图1传统式AI向生成式AI的能力变革图谱 由传统式AI向生成式AI能力演化过程能力演化越明显 资料来源：安永内部分析 7智启新质生产力：生成式人工智能在医疗医药领域的潜在应用 1.4 趋势二：“智器”与“智脑”协调并举，共织共赢 传统AI体现出智慧工具的属性（“智器”），它们专注于特定的任务，具备强大的数据处理和分析能力，让许多业务流程得以自动化，提高了工作效率。 生成式AI则在智慧大脑（“智脑”）方面展现出巨大的潜力，其创造性、通用性、 灵活性使得生成式AI在内容创作、虚拟角色生成等方面具有广泛的应用前景。 “智器” （传统AI） “智脑” （生成式AI） 规则性 创造性 数据规模 灵活性 结构化 通用性 技术性 解释性 智业 协调推进千行百业的智慧化发展 资料来源：安永内部分析 当“智器”与“智脑”结合时，AI的实力将得到极大的提升。传统AI的数据处理和分析能力为生成式AI提供了坚实的基础，使得其生成的内容更加精准和有意义。 而生成式AI的灵活性和创新性，又为传统AI带来了新的可能性和发展空间。这种 组合式发力、协调并举的方式，使得AI技术在各个领域都能够发挥出更大价值。 无论是医疗医药还是其他行业，生成式AI都能为人类提供更好的服务，带来更丰富的体验。 8智启新质生产力：生成式人工智能在医疗医药领域的潜在应用 99智R启新e质p生o产力rt：生t成it式l人e工s智g能在o医e疗s医药h领e域r的e潜在应用 融合力： 生成式AI如何深入影响患者旅程? 02 10智启新质生产力：生成式人工智能在医疗医药领域的潜在应用 userid:532115,docid:159140,date:2024-04-16,sgpjbg.com 随着算法、算力和数据能力的提升，生成式AI正在深刻地改变医疗领域。 回到服务人类社会本身，生成式AI能够结合行业特征，深度融入并影响行业。 我们以个体患者的就诊旅程为例，可以更加直观、清晰地感受到生成式AI在不同流程触点呈现的潜在价值与机 疾病了解 疾病诊疗 愈后健康 症状感知 疾病认知 疾病诊断 治疗方案 首次购药 复诊/复购 知识传播 患者随访 愈后健康管理 患者行为 会。生成式AI不仅能够深入融合病患旅程，同时也赋予患者更加智能、高效和个性化的医疗服务体验。 阶段 模拟病患旅程地图 患者目标 ►了解疾病知识►根据病症对病情形成基本判断 ►准确率高►优效诊断►高质问诊体验 ►精准、有效的治疗方案►性价比高 ►对症购药►付款方便易操作 ►患者可自行复购 （非处方类） ►便捷复诊 ►知识丰富 ►方便检索与学习►讨论与分享 ►智慧化的资料维护及跟进 ►健康管理建议►健康情况记录或体检►患者教育 主要触点 ►三甲医院官方公众号、医生大V及专业科普►知识型新媒体平台►家人/朋友 ►医院►医生►客服 ►医院►医生 ►医院药房►电商平台 ►电商平台►药店 ►社交媒体平台►家人/朋友 ►互联网医院►社交媒体平台►电话随访 ►线上线下患教活动►体检中心或健康护理机构►知识型新媒体平台 生成式 AI机会 互动 疾病 药方 药方 分析 治疗 开具 开具 记录 决策 决策 决策 医学 历史 历史 历史 影像 病例 案例 案例 读片 库 库 库 辅助 病案 智慧 智慧 诊断 录入 交互 交互 预测 分析 问答 问答 智慧交互 数据录入与分析 个性化随访方案 自动提醒和通知 个性化管理计划 内容生成 患教 内容生成 知识管理 数据监测分析 举例，非穷尽 个性化推广&医学内容生成 知识管理 智慧交互问答 首要渠道 其它重要渠道 图2模拟患者旅程地图 看融合力 线上 线下 020 渠道 线上电商 互联网 电商 电商 线上 线上 线上 媒体平台 医院 平台 平台 媒体 媒体 媒体 线下 医院家人/ 医院 医院 零售医院 零售 医院 家人/ 医院 零售 线下 生活 朋友 药店 药店 朋友 药店 生活 资料来源：安永内部分析 以慢阻肺病人的模拟旅程为案例，从疾病了解、疾病治疗及愈后健康管理这三个不同旅程阶段的患者行为出发， 我们可以预见生成式AI赋能患者从诊疗到愈后管理的完整链路。 11智启新质生产力：生成式人工智能在医疗医药领域的潜在应用 阶段一：症状感知与认知 在症状感知与认知阶段，患者早期症状轻微，难以判断自身患病程度，从而忽略慢阻肺的可能性。而一旦患者开始关注症状，就需要了解更多关于慢阻肺的信息。 面对患者的疾病了解阶段的需求，生成式AI可以通过知识内容呈现或智慧交互问答等形式，为患者提供个性化的疾病教育内容。 例如，根据患者的年龄、性别、生活习惯和家族史等因素，推荐相关疾病知识信息，包括病因、症状、治疗方法等。 此外，通过智能语音助手或虚拟助手，患者可以随时随地获得疾病相关的信息和对疑问的解答，以提高自身对疾病的认知。 阶段二：疾病诊疗 在疾病诊疗阶段，医学影像读片并结合人工智能分析是目前生成式AI发展较快、较为成熟的领域。 生成式AI可以使用深度学习技术对医学图像（包括B超、CT、MRI图像）进行分析，其识别准确率不断提升，结合人工智能分析系统提供生命体征分析结果，可助力医生更快、更准确地诊断疾病。 一旦确诊为慢阻肺，医生可以根据生成式AI分析下的患者病情严重程度，结合历史病例库的推荐结果进行分级，制定合适的疗法品类（例如：选择采用单一治疗或联合治疗）。 12智启新质生产力：生成式人工智能在医疗医药领域的潜在应用 1 3 阶段三：复诊与复购 患者旅程中可能涉及复诊与复购环节。慢阻肺患者在初次治疗后，仍可能有未痊愈的情况发生，如呼吸困难的症状未完全缓解，或急性加重发作等。 在复诊时，生成式AI的智能提醒功能可以提醒患者按时复诊和复购药品，避免错过重要的治疗时机。 同时，智能药房管理技术可以根据患者的处方信息自动分配药物，从而使患者能够快速准确地获取所需药品。 阶段四：愈后健康管理 在愈后阶段，生成式AI有望实现更高质量的患者随
