德勤的一项新报告发现，71%的医疗行业领导者预计2025年盈利能力将有所提升。这一预测的背后是AI技术在该行业的显著变革。
调查显示，59%的高管对2025年前的行业前景持积极态度，而69%的高管预计运营收入将增加。然而，仍有一些挑战需要克服。
在美国，医疗费用是一个热门话题，行业领导者预计这将在新的一年里成为一个主要议题。超过一半的受访者认为，改善消费者体验、参与度和信任“非常重要”。
在这方面，医疗行业需要直接应对人们对AI的担忧。德勤的另一项研究发现，2024年所有年龄段的消费者对AI生成的健康信息的不信任度都有所上升，41%的医生对这项技术对患者隐私的影响表示担忧。
即便如此，毫无疑问，AI有潜力在患者体验和公司利润方面带来重大改进。从精准医疗到药物发现，以下是行业如何演变的一些方式。
AI作为驱动医疗利润的高效工具
就像其他行业一样，AI在医疗领域的未来角色是简化现有流程。国家经济研究局的一份报告估计，更广泛地采用AI可以为美国医疗系统每年节省2000亿至3600亿美元。
过去五年，“医疗AI”搜索量增加了662%。
牛津大学的研究发现，没有任何一项医疗职业可以完全自动化——即使是在高自动化潜力的领域，自动化的需求往往较低。人类接触仍然是初级护理的关键组成部分。
相反，AI有望显著提高护理人员已经从事的工作效率。高盛估计，美国医疗技术人员和从业者执行的工作任务中有28%可以实现自动化。
92%的医疗行业领导者认为，自动化重复任务对于解决员工短缺问题至关重要。
因此，全球医疗自动化市场预计到2033年将达到1195亿美元。
过去五年，“医疗自动化”搜索量增加了60%。
重症监护、内科、神经科和肿瘤科的从业人员每周平均花费18小时处理文书和行政任务。使用AI自动化这些工作的一部分或全部，将腾出大量额外时间来接待更多患者。
超过一半的医疗行业领导者表示，他们的组织已经在临床数据录入中实施了自动化，另有33%的领导者计划在未来三年内这样做。
由于向行业提供自动化解决方案的竞争激烈，“医疗AI”现在被认为是一个难以排名的关键词，需要276个高权威引用域名和优化内容。
AI解锁精准医疗
虽然AI的不太引人注目的方面可能对医疗公司的利润产生最直接的影响，但也有一些令人兴奋的行业特定应用，最终可能会以更加激进的方式改变行业格局。
特别是，AI已经开始在精准医疗领域取得进展。
过去五年，“精准医疗”搜索量增加了48%。
精准医疗涉及基于患者的独特特征进行治疗。虽然治疗计划一直都有一定程度的个性化，但AI使从业者能够更加细致地进行个性化治疗。
AI可以比医生或护士更快、更轻松地处理整个医疗历史。目前，97%的医疗数据未被利用，但数字化转型开始挖掘这一信息宝库。
一个潜在的障碍是所谓的“医疗互操作性”。这指的是在部门和组织之间访问和共享数据的能力。
这是充分利用AI力量的必要步骤，但需要一定程度的重组，以及关于患者隐私的保护措施。
理论上，AI可以快速生成极其详细的患者档案。它甚至可以从“医疗物联网”（IoMT）中提取数据，包括来自智能手表等连接设备的数据。
过去五年，“IoMT”搜索量增加了144%。
数字孪生
利用所有这些数据，AI可以帮助创建患者的“数字孪生”。这是一个虚拟的物理消费者的复制品。
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，它们可以帮助确定理想的药物剂量和给药时间。
“医疗数字孪生”搜索量虽然仍然较低，但呈上升趋势。
在约翰霍普金斯大学，患者心脏的数字孪生正在用于预测心律失常并相应调整治疗方案。通过向数字孪生发送模拟的电信号，从业者可以看到这些信号是否异常地与任何疤痕或损伤相互作用——然后可以在现实中移除这些疤痕或损伤。
这些进步可以产生更好的医疗结果。但它们还可以帮助加强患者与医疗服务提供者之间的信任。
德勤的研究发现，43%的消费者现在使用连接监测设备。如果这些数据被采纳并用于帮助制定治疗计划，患者会感到自己被倾听。
这对行业来说是一个重大挑战。在一项研究中，46%的患者报告“从未或很少”被要求自我评估其病情，一位参与者将其描述为“贬低和非人性化”的。
AI改变药物试验
数字孪生还可以在另一个医学背景下彻底改变药物试验过程。借助AI帮助创建大量的数字患者复制品，有充分的理由在这些虚拟对象上运行新药物的模拟。
最明显的是，这消除了物理药物试验中遇到的不良反应风险。但它还通过数量级加快了这一过程，目前从最初发现到全面批准通常需要10年或更长时间。
一项研究将平均药物批准管道定为约15年。
此外，在经典试验中，一种药物可能会因为平均患者反应未能达到试验目标而失败。通过使用数字孪生，更容易隔离那些药物特别有效的患者群体，从而为商业和医学可行性提供替代途径。
制药公司在开发后期阶段仍在对人类进行测试，这一点短期内不太可能改变。但赛诺菲正在使用数字孪生有效地从一期研究跳到二期b研究，虚拟患者用于确定最佳剂量。
AI药物发现
即使在进入试验阶段之前，AI在药物开发中也扮演着重要角色。
过去五年，“AI药物发现”搜索量增加了691%。
AI可以大幅增强药物发现过程。经过大量相关数据训练的机器学习模型可以在更早的时间点预测哪些药物值得进入试验阶段。
除了作为一个早期过滤器外，越来越先进的AI还可以提出全新的药物建议。
去年，46种“AI发现”的药物进入了二期和三期临床试验。
谷歌DeepMind和Isomorphic Labs合作推出了AlphaFold 3。利用庞大的蛋白质数据库，AI模型可以准确预测这些物质组合在分子水平上的相互作用。
AlphaFold 3正确预测了普通感冒病毒刺突蛋白与抗体和简单糖类相互作用的真实结构。
Isomorphic Labs本身是一家药物发现初创公司。他们和谷歌随后与其他制药公司合作，使AlphaFold 3模型在药物开发中可用。
与Eli Lilly和Novartis的交易价值可能高达29亿美元，具体取决于未来里程碑的达成情况。
面向患者的AI
AI显然已经在幕后对医疗产生了实际影响。但面向患者的AI是否会成为常态？
已经有一系列“AI医生”在线存在。
过去五年，“AI医生”搜索量增加了733%。
在一项研究中，ChatGPT-4在尝试从病例报告中诊断疾病时得分平均为90%。单独行动的医生得分为74%，而由AI辅助的医生得分为76%。
令人惊讶的是，另一项最近的研究发现，患者在评价AI响应的“同理心”方面远高于人类医生。ChatGPT被评为“同理心”或“非常同理心”的比例为45%，而医生仅为4.6%。
尽管如此，似乎不太可能在不久的将来在临床机构环境中使用AI。
信任的需求
我们已经看到，当AI用于追求更个性化、以患者为中心的精准医疗时，它可以成为信任的驱动力。但至少目前，美国公众不信任AI在医疗环境中的核心角色。
根据德勤的一项研究，30%的消费者不信任生成式AI提供的信息。80%的人希望在医生使用AI进行医疗决策时得到通知。
最新的德勤报告明确指出，医疗行业面临的信任危机比消费者负担能力挑战更为优先。
在AI可以在任何面向患者的环境中广泛使用之前，医疗保健机构需要确保拥有非常强大的AI治理框架。
过去五年，“AI治理框架”搜索量增加了99倍以上。
AI治理框架为AI在组织内的开发和部署设定了参数。在医疗专业中，这尤为重要，因为在发生AI误诊时需要考虑责任问题。
世界卫生组织正式呼吁谨慎部署AI技术。它列出了包括以下在内的关切：
- 训练数据中可能存在偏见
- 使用私人患者数据训练大型语言模型的风险
- 具有说服力但医学上不准确的AI响应的危险
准确性的需求
显然，医疗环境中的准确性至关重要。尽管AI在某些研究中击败了医生，但像ChatGPT这样的模型目前仍然容易出现“幻觉”，即生成看似合理但不准确的信息。
过去两年，“AI幻觉”搜索量增加了1900%。
人类医生可能会误诊。但这些幻觉引入了一类全新的潜在错误到诊断过程中。
国家卫生研究院的一项研究发现，即使AI模型做出了正确的最终选择，它也会经常错误地描述医学图像并给出有缺陷的诊断理由。当允许查阅外部资源时，医生的诊断比AI更准确，尤其是在难度最高的问题上。
在以这种方式在前线使用AI之前，AI需要更加可靠地准确。或许更重要的是，在这些用例可行之前，需要建立消费者对技术准确性的信任。
“低级别”临床决策
AI在其当前形式下已经可以做出一些临床决策。特别是在诊断之外的决策中，技术证明是有用的。
加州大学的一项研究发现，ChatGPT在88%的分诊场景中成功识别了更紧急的情况。医生做出了正确的决定的比例为86%。
该研究指出，在AI可以负责任地在这种情况下部署之前，还需要进行更多测试。但在整个医疗行业中，任务优先级自动化的趋势是明确的。
36%的医疗行业领导者已经实施了临床工作流程优先级自动化的自动化。41%的领导者计划在未来三年内这样做，使其成为计划中最大的单一医疗自动化领域。
AIDOC已在1000多家医疗中心推出AI分诊软件，包括排名前十的7家美国医院。其软件每月分析300万名患者。
AIDOC的AI分诊已在全球范围内使用。
在分诊设置之外，AI已被广泛用于帮助分析医学影像。
FDA批准的950种AI医疗设备中，有超过700种与放射学相关。
过去五年，“AI放射学”搜索量增加了367%。
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技术预测伤口如何愈合，使用人眼无法看到的扫描信息。医生可以使用这些信息来指导治疗计划。
Spectral已获得超过700万美元的美国政府资金。
医疗行业领导者必须投资AI以推动增长
我相信医疗行业领导者对2025年的行业前景持乐观态度是正确的。但要实现这些有利的结果，他们必须进行投资。
AI将长期存在，随着技术变得更加先进，其用例只会增加。就即时应用而言，还有大量的行政自动化工作需要完成。
至于AI在医疗方面的具体应用，医疗行业已经在一些领域可以利用这项技术，特别是在精准医疗、药物发现、分诊和医学影像方面。
最重要的是，医疗行业必须努力与患者建立信任。该领域内AI使用的不断增加使得这一点更加重要，同时也更具挑战性——但当负责任地使用时，这项技术可以帮助加强信任而不是削弱它。
(全文结束)
