通过分析大量的在线数据（例如搜索趋势、社交媒体、电商平台等）来识别快速增长的新兴趋势，帮助发现那些正处于上升期但尚未爆发的领域，从而抢占先机并获得竞争优势。

　　巨大的经济驱动力：预计AI的广泛采用每年可为美国医疗系统节省2000亿至3600亿美元。自动化重复性任务被视为解决人员短缺的关键，推动全球医疗自动化市场在2033年达到1195亿美元。

　　效率革命与投资热潮： AI正在帮助临床医生从繁重的文书工作中解脱出来，风险投资正大量涌入医疗AI领域。

　　解锁精准医疗：AI能够处理并利用目前97%未被利用的医疗数据，实现真正的精准医疗。通过整合来自“医疗物联网”（IoMT）的数据，AI可以创建患者的“数字孪生”，用于模拟治疗效果和优化用药。

　　加速药物开发：AI在药物发现中的作用日益重要。它能作为早期筛选器，预测药物潜力，甚至提出新的分子。

　　信任与准确性：在AI广泛应用之前，必须解决公众的信任问题和 “AI幻觉” 导致的准确性风险。医疗机构急需建立健全的 AI治理框架 来应对偏见、隐私和责任追究等挑战。

　　随着技术的发展，该行业的应用场景数量也在不断增长。AI现在几乎出现在医疗周期的每一个阶段。

　　AI在药物发现中扮演着越来越重要的角色。它帮助患者分诊并个性化治疗方案。它甚至在手术中也发挥作用。

　　在本文中，我将探讨这一切。但我也关注在AI真正普及医疗领域之前，仍需克服的信任和准确性障碍。

　　就像其他行业一样，AI的未来角色医疗领域的目的是简化现有流程。美国国家经济研究局的一篇论文估计，美国医疗系统中更广泛采用人工智能有望带来每年的节省2000亿美元到3600亿美元。

　　牛津大学的研究发现，没有单一医疗职业能完全自动化——即使在自动化潜力较高的地区，自动化的吸引力通常较低。人际接触仍然是初级保健中至关重要的组成部分。

　　相反，人工智能非常适合显著提升护理人员已完成工作的效率。高盛估计，美国医疗技术员和从业者完成的工作任务中有28%可以实现自动化。

　　重症监护、内科、神经科和肿瘤科的从业者平均每周花费18小时处理文书和行政工作。利用人工智能自动化部分或全部工作，将释放大量额外时间以照顾更多患者。

　　超过一半的医疗领导者表示，他们的组织已经在临床数据录入中实施了自动化，另有33%计划在未来三年内实施。

　　在已经以某种方式实施生成式人工智能的医疗机构中，超过一半（54%）已经实现了显著的投资回报。

　　随着行业急于向行业提供自动化解决方案，“医疗人工智能”如今被视为难以排名的关键词，需要268个高权威的引用域名和经过优化的内容。

　　今年三月，微软发布了Dragon Copilot，一款面向医疗专业人员的AI驱动语音听写工具。它将口头摘要转换为专科专属笔记，节省临床医生大量时间。

　　微软已经拥有一套庞大的医疗软件套件。因此，其AI笔记功能还带来了一个额外优势，就是可以整合进许多医疗机构现有的结构。

　　在所有行业，投资者在2023-24年度向生成式人工智能公司投入了560亿美元。事实上，去年人工智能初创公司占所有创业资金的约35%。

　　医疗行业也感受到了部分好处。2024年，行业的总风险投资增长了17%，这得益于对医疗人工智能的重大押注。

　　2025年1月，Qventus筹集了一笔1.05亿美元的D轮融资，用于开发医疗人员的“AI队友”。其技术旨在通过高效的自动化减轻员工工作负荷。

　　通过简化和自动化排班，Qventus表示可以利用超过50%的释放手术室（OR）时间段，这些时间段本可能被闲置。总的来说，它可以解锁多达9%的黄金时段运筹码容量。

　　今年三月，Navina为其面向初级保健医生的AI临床智能平台筹集了5500万美元的C轮融资。

　　Innovaccer完成了2.75亿美元的F轮融资。其AI能够清理患者数据以获取更丰富的洞察，同时通过自动化文档记录，节省临床医生“每天数小时”的工作时间。

　　今年五月，Rad AI将其C轮融资提升至6800万美元。通过自动化后续护理管理，其“连续性”人工智能将随访检查完成率从30%提升至75%以上。

　　虽然排班、笔记以及人工智能中不那么光鲜亮丽的部分可能对医疗公司的利润产生最直接的影响，但这项技术也有一些令人兴奋的行业特定应用，最终可能以更激进的方式改变行业格局。

　　精准医疗涉及根据患者的独特特征进行治疗。虽然治疗方案历来较为个性化，但人工智能让从业者能够更加细致地细化。

　　AI能比医生或护士更快更轻松地处理完整的病史。目前97%的医疗数据未被利用，但数字化转型正开始利用这座信息矿藏。

　　其中有一个潜在的障碍，就是所谓的“医疗互作性”。这指的是部门和组织之间访问和共享数据的能力。

　　这是充分利用人工智能力量的必要步骤，但也需要一定程度的重组，以及保障患者隐私的保障。

　　但理论上，人工智能可以快速生成极其详尽的患者档案。它甚至可以利用“医疗物联网”（IoMT），整合智能手表等连接设备的数据。

　　随着消费科技公司也开始拥抱人工智能，这些数据只会变得更加全面。苹果计划在2026年为其健康应用添加AI教练，显然认为其已经收集了足够的健康信息，能够提供有意义的医疗洞察。

　　利用所有这些数据，人工智能可以帮助创建患者的“数字孪生”。这是对实体消费者的虚拟再现。

　　数字孪生在运行模拟和计算最佳治疗路径方面非常有用。例如，他们可以帮助确定药物的最佳剂量和服用时间。

　　在约翰霍普金斯，患者心脏的数字孪生被用来预测心律失常并相应调整治疗。模拟电波通过数字孪生发送，使从业者能够观察电波是否与任何疤痕或损伤有异常交互作用。

　　这些进步带来了更好的医疗效果。但它们也能帮助加强患者与医疗提供者之间的信任。

　　德勤2025年美国医疗展望研究发现，43%PG电子的消费者现在正在使用联网监测设备。如果这些数据被纳入并帮助制定治疗方案，患者会觉得自己的声音被倾听了。

　　这对行业来说是一大挑战。另一项研究中，46%的患者表示“从未或极少”被要求自我评估其状况，一位参与者形容这“令人羞辱和去人性化”。

　　最明显的是，这消除了药物试验中遇到的不良反应风险。但这也大大加快了整个过程，从最初发现到全面批准的时间线年甚至更久。

　　此外，在传统试验中，药物可能因患者平均反应未达试验目标而失败。通过数字孪生，更容易区分某些药物效果特别显著的患者群体，提供了商业和医疗可行性的替代途径。

　　制药公司仍在人体开发后期进行测试，这种情况短期内不太可能改变。但赛诺菲利用数字孪生技术，实际上从1期临床试验“跳跃”到2b期临床试验，通过虚拟患者确定最佳剂量。

　　AI可以极大地提升药物发现的进程。机器学习模型在大量相关数据上训练后，能够更早预测哪些药物值得进入试验阶段。

　　去年，46种“AI发现”药物进入了第二期和第三期临床试验。总共有至少75种“AI发现分子”进入临床试验。

　　谷歌DeepMind和Isomorphic Labs合作开发了AlphaFold 3。借助庞大的蛋白质数据库，该人工智能模型能够准确预测这些物质组合在分子层面的相互作用。

　　图：AlphaFold 3正确预测了感冒病毒刺突蛋白与抗体和单糖相互作用的真实结构

　　Isomorphic Labs本身就是一家药物发现初创公司。他和谷歌随后与其他制药公司合作，将AlphaFold 3模型应用于药物开发。

　　与礼来和诺华的合作金额可能高达29亿美元，具体取决于未来里程碑的实现情况。

　　凭借自有的人工智能模型，英矽智能已将特发性肺纤维化的治疗方案在18个月内进入临床试验阶段。这个过程通常预计需要4年。

　　人工智能显然已经在幕后对医疗产生了切实影响。但面向患者的人工智能会成为常态吗？

　　在一项研究中，ChatGPT-4在根据病例报告诊断疾病时平均得分为90%。单独行动的医生得分为74%，而由人工智能协助的医生得分为76%。

　　令人惊讶的是，另一项最新研究甚至发现，患者在反应的共情程度上，对人工智能的评价远高于人类医生。ChatGPT被评为“有同理心”或“非常有同理心”的比例为45%，而医生中仅有4.6%。

　　这家初创公司表示，美国人口每年需要30亿次医生就诊，目前只有8.25亿次。报告称医生短缺是全球医疗系统面临的最大挑战。

　　2025年5月，公司筹集了6000万美元的B轮融资，用于开发ScopeAI以解决这一问题。

　　ScopeAI的就诊由受过培训的医疗助理监督，而非医生。AI会生成初步诊断和治疗方案。

　　Akido表示，其AI引导的医疗就诊使与患者面对面交流的时间增加了5倍。

　　另一家人工智能医生初创公司Doctronic，出现在我们增长最快的健康初创公司目录中。

　　谈到一线医疗自动化，机器人手术始终是讨论焦点。人工智能也在影响这里的格局。

　　“传统”的机器人手术概念更准确地称为机器人辅助手术，由受过培训的人类外科医生引导机械臂，以更精准地完成手术。但如果机器人设备配备了人工智能呢？

　　这确实是医学界正在讨论的问题。约翰斯·霍普金斯大学和斯坦福大学的一项研究通过数小时的技术外科医生视频训练机器人，之后它能够以同等的技能水平执行相同的手术。

　　机器人已经以各种形式每年被用于400万次手术。人类的角色可能会逐渐从控制转向监督。

　　然而，与人工智能初级保健医生的理念类似，人工智能机器人手术需要变得更值得信赖和更值得信赖，才能真正普及。

　　我们已经看到，当AI用于追求更个性化、以患者为驱动的精准医疗时，实际上可以成为信任的驱动力。但至少目前，美国公众并不信任人工智能在医疗环境中发挥核心作用。

　　根据德勤的一项研究，30%的消费者不信任生成式人工智能提供的信息。80%的人希望如果医生在医疗决策过程中使用AI时被告知。

　　德勤医疗展望报告明确指出了医疗行业面临的信任危机。对行业领导者来说，这比消费者的负担能力挑战更为重要。

　　因此，在AI能够广泛应用于任何面向患者的环境中之前，医疗机构需要确保拥有非常健全的人工智能治理框架。

　　人工智能治理框架为AI在组织内的开发和部署设定参数。这在医疗行业尤为重要，因为在AI误诊时，责任追究问题需要考虑。

　　显然，医疗环境中准确性的需求至关重要。虽然人工智能在某些研究中击败了医生，但像ChatGPT这样的模型目前仍容易产生看似合理但不准确的信息。

　　美国国立卫生研究院的一项研究发现，即使人工智能模型做出了正确的最终选择，它也常常错误地描述医学图像，并给出错误的诊断推理。当医生被允许咨询外部资源时，诊断的准确度也优于人工智能，尤其是在最难回答的问题上。

　　AI需要更可靠且准确，才能以这种方式在前线使用。也许更关键的是，消费者对技术准确性的信任必须建立，才能让这些应用场景成为可行。

　　人工智能目前已经可以做出一些临床决策。特别是，这项技术在诊断层级决策中发挥了重要作用。

　　加州大学的一项研究发现，ChatGPT在88%的分诊场景中成功识别出更紧急的病例。医生有86%的时间做出了正确的决定。

　　研究指出，在急诊科环境中以这种方式负责任地部署人工智能之前，还需要更多测试。但在整个医疗行业，任务优先级自动化的趋势明显。

　　36%的医疗领导者已经实施了临床工作流程优先级自动化。41%计划在未来三年内实现这一目标，使其成为计划医疗自动化中最大的单一领域。

　　AIDOC已在1000多家医疗中心推广了人工智能分诊软件，其中包括美国排名前10的7家医院。其软件每月分析300万名患者。

　　Spectral AI是致力于将AI应用于医学影像的组织之一。它专门扫描伤口。

　　其DeepView技术利用人眼看不到的扫描信息预测伤口愈合。医生随后可以利用这些信息来制定治疗方案。

　　与人工智能的所有领域一样，医疗领域的进步正在迅速发展。但安全措施必须跟上技术的发展，尤其是在医疗领域。

　　数亿条医疗记录被保存在美国各地的数据中心。在理想情况下，人工智能将在筛选这些信息并揭示提供最佳护理所需的洞见方面发挥重要作用。

　　但这些数据极其敏感，也极易受损。去年，Change Healthcare遭黑客攻击，泄露了1.9亿患者的数据。

　　因此，超过50%的医疗决策者将安全问题视为扩大人工智能应用的最大障碍，这并不令人意外。

　　此外，72%的医疗机构担心人工智能进步带来的安全威胁。尤其是，联网智能设备被认为是黑客容易接触的接入点。

　　人工智能将长期存在，随着技术的日益成熟，其应用场景只会不断增加。就直接应用而言，仍有大量行政自动化待完成，医疗行业也不例外。

　　至于人工智能的具体医疗应用，医疗行业已经可以在精准医疗、药物发现、分诊和医学影像等领域应用该技术。

　　也许最重要的是，医疗行业必须努力建立与患者的信任。随着人工智能在行业内的日益普及，这一领域变得更加重要且更具挑战性——但当负责任地使用时，这项技术有助于增强信任，而非破坏信任。