12月12日，第八屆GAIR全球人工智能與機器人大會在深圳正式啟幕。

本次大會為期兩天，由GAIR研究院與雷峰網(wǎng)聯(lián)合主辦，高文院士任指導(dǎo)委員會主席，楊強院士與朱曉蕊教授任大會主席。

作為觀測AI技術(shù)演進與生態(tài)變遷的重要窗口，GAIR大會自2016年創(chuàng)辦以來以來，始終與全球AI發(fā)展的脈搏同頻共振，見證了技術(shù)浪潮從實驗室涌向產(chǎn)業(yè)深海。2025年，是大模型從“技術(shù)破壁”邁向“價值深耕”的關(guān)鍵節(jié)點，值此之際GAIR如期而至，攜手智者觸摸AI最前沿脈動，洞見產(chǎn)業(yè)深層邏輯。

大會上，首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院胎兒心臟病母胎醫(yī)學(xué)中心主任何怡華教授親臨現(xiàn)場，為參會者帶來了一場精彩紛呈的演講分享。

何怡華教授開篇定調(diào)，她認為人工智能在心血管疾病領(lǐng)域的應(yīng)用具有很大潛力。隨后她以心臟超聲為例，講述了人工智能解決方案帶來的諸多挑戰(zhàn)，并相應(yīng)闡述了心血管疾病領(lǐng)域內(nèi)世界研究的狀態(tài)、行業(yè)痛點和瓶頸問題，以及安貞團隊的探索研究和轉(zhuǎn)化應(yīng)用。

何怡華教授表示，首都醫(yī)科大學(xué)安貞醫(yī)院研發(fā)了針對心血管體系應(yīng)用的大模型，并希望在現(xiàn)有大模型的基礎(chǔ)上構(gòu)建應(yīng)用體系與智能體，從而真正實現(xiàn)所需的預(yù)警、篩查、診斷、手術(shù)導(dǎo)航以及個性化干預(yù)。從產(chǎn)業(yè)角度出發(fā)，何怡華教授認為人工智能在醫(yī)療領(lǐng)域的應(yīng)用，要做到在醫(yī)療診療場景真正價值落地，而非停留在技術(shù)解決層面。

關(guān)于人工智能如何真正賦能醫(yī)療診療場景，何怡華教授提出了一些思考：

1、AI醫(yī)療的核心目的是為了強基層，提升基層診療能力。要從頂層設(shè)計出發(fā)，思考AI在整個醫(yī)療體系中如何落地到診療場景。

2、要實現(xiàn)AI在醫(yī)療體系中的有效賦能，不單是解決技術(shù)問題。首先要培訓(xùn)，其次要做人工智能的賦能，并且后續(xù)要做到醫(yī)療團隊以及醫(yī)療出口的支撐。這樣的體系建設(shè)，才能讓人工智能實現(xiàn)醫(yī)療診療場景的落地。

3、醫(yī)療的細分非常復(fù)雜，每一種疾病的治療都自成體系。所以未來大模型和小模型的協(xié)同效應(yīng)體現(xiàn)到醫(yī)療中，會是更垂域的小模型縱向解決了預(yù)警、診斷、治療等一系列問題后，再通過上游模型的融合來解決更大的問題。

4、可穿戴設(shè)備的主動篩查、精準診斷，個性化干預(yù)、手術(shù)規(guī)劃以及整個醫(yī)院的系統(tǒng)管理，這些環(huán)節(jié)都是AI參與心血管疾病防治的關(guān)鍵點。

5、把很多專家手里的數(shù)據(jù)整合起來去訓(xùn)練模型，得到的未必是高質(zhì)量模型。因為要訓(xùn)練高質(zhì)量的AI醫(yī)療模型所使用的數(shù)據(jù)集必須同時符合以下條件：案例數(shù)量足夠多、治療成功率足夠高、有出院記錄可做結(jié)局驗證。

6、DeepSeek等大模型的出現(xiàn)與普及，使得更多醫(yī)生對AI的接受程度逐漸提高。但長期來看，未來我們依然會面對很大的政策挑戰(zhàn)以及收費挑戰(zhàn)。

以下是何怡華教授演講的精彩內(nèi)容，雷峰網(wǎng)作了不改變原意的整理與編輯：

AI如何賦能心血管疾病防治？

大家好，接下來我要聊的是一個很垂域甚至是微觀的話題，我是做心血管領(lǐng)域的，同時，我的學(xué)科特色又是做心血管非常前端的胎兒心臟的缺陷預(yù)防。人工智能這個領(lǐng)域的應(yīng)用，實際上具有很大潛力。

首先，我們要看看心血管領(lǐng)域面臨的巨大挑戰(zhàn)。我看到現(xiàn)場有很多來自人工智能行業(yè)的年輕朋友，可能覺得死亡還非常的遙遠。但實際上在中國，心血管疾病一直是中國城鄉(xiāng)人口死亡原因的第一位。

同時，我們國家的戰(zhàn)略《健康中國2030行動計劃》希望把標準化CVD死亡率從210多降到180多。但根據(jù)我們最新的統(tǒng)計數(shù)據(jù)來看，離目標值還相差很遠，并且不降反升。所以這樣一個高死亡率的疾病，是需要我們極度關(guān)注的。

今年，我們和幾位專家共同梳理了中國心血管領(lǐng)域的現(xiàn)狀，以及人工智能應(yīng)用方面的機遇和挑戰(zhàn)。

首先，在醫(yī)療可及性上，由于中國的地域廣闊發(fā)展不均衡，我們面臨著很大的挑戰(zhàn)。尤其是高質(zhì)量醫(yī)療水平的均衡性和可及性，在中國一些欠發(fā)達地區(qū)是明顯不足的。另外，還有一個數(shù)據(jù)大家可能也會比較震驚。一般我們認為，心血管疾病的死亡往往都是在住院治療過程或急救過程當(dāng)中發(fā)生的。但根據(jù)最新的統(tǒng)計數(shù)據(jù)我們可以看到，82%發(fā)生在院外。

那么為什么這么多心血管疾病的死亡在院外呢？

首先，現(xiàn)在低風(fēng)險人群的死亡率高于高風(fēng)險。比如說，你已經(jīng)知道了你是低血壓、低血脂、或明確的心律失常，這個時候你可能會進行一些藥物干預(yù)。而一些低風(fēng)險人群，往往沒有任何的干預(yù)措施和主動的健康防護，心血管疾病從發(fā)病到死亡時間的窗口是有限的，如果不能及時進行就診，帶來的風(fēng)險還是比較大的。

總結(jié)一下，心血管在整個防治過程中的關(guān)鍵障礙。第一是醫(yī)療資源的不均衡，尤其是心血管的治療，學(xué)習(xí)曲線比較長專業(yè)性很強。第二是院外心血管死亡。第三就是兒童和青少年不健康的生活方式，現(xiàn)在有越來越多肥胖的孩子。第四是對預(yù)防策略治療的依從性差，即主動健康意識比較差，現(xiàn)在全國的醫(yī)療行業(yè)都在建議主動健康管理。

現(xiàn)在幾乎北京的每家醫(yī)院都在建分院，近幾年在不斷擴張中，但只要建一個新院，就像我們的安貞醫(yī)院——北京最大的一家單體醫(yī)院，建成兩個月之后就會人頭攢動，這種疾病治不完。所以整體策略應(yīng)該往前走，那就包括主動健康、早篩早診、家庭體系的預(yù)防。

在這些方面，人工智能都有很大的機會空間。

首先，從可穿戴到主動篩查、精準診斷、個性化干預(yù)、手術(shù)規(guī)劃以及整個醫(yī)院的系統(tǒng)管理、慢病管理，這些環(huán)節(jié)都是人工智能參與心血管防治過程的關(guān)鍵點。

可穿戴方面，既往更多是心電的可穿戴，它涵蓋的疾病種類在整個心臟的大疾病性當(dāng)中還是有限的，所以我們一些專家正在嘗試，是否可以把一些結(jié)構(gòu)性的心臟異常，進行影像和心電的關(guān)聯(lián)，甚至是與心音建立模型關(guān)聯(lián)，賦予可穿戴的更多可能性。

通過可穿戴設(shè)備，不但能夠識別心率異常，而且還能識別整個血流沖擊波的異常，甚至是用簡單的可穿戴超聲檢來測血流動力學(xué)的異常，實現(xiàn)主動健康。

心臟超聲，作為一種幾乎涵蓋所有心血管疾病的一線無創(chuàng)檢查方法，它不像CT、核磁，它的標準化和個性化很強，這對人工智能解決方案帶來了很大的挑戰(zhàn)。從數(shù)據(jù)的規(guī)范，到數(shù)據(jù)之間的立體關(guān)系，以及它與疾病發(fā)展之間語義關(guān)系的轉(zhuǎn)寫，包括影像的自動識別。

到今年，已經(jīng)有很多專家嘗試在解決心臟超聲的結(jié)構(gòu)、功能以及疾病評估了。目前最新的一些文章中，更多還是基于對影像的自動識別以及對心臟功能的自動測量，限于它是非公開數(shù)據(jù)，所以對疾病種類的判斷是比較少的，但已經(jīng)邁過了很大的一步。

其次，是關(guān)于圖像的自動識別到文本決策、診斷的自動生成的研究。這是我們2019年開始做的一項工作，因為安貞醫(yī)院最大的優(yōu)勢是數(shù)據(jù)量大，并且我們十多年前就開始建數(shù)據(jù)庫了。這個數(shù)據(jù)庫并非簡單的臨床應(yīng)用數(shù)據(jù)庫，而是全參數(shù)的數(shù)據(jù)庫。

在2019年，我們發(fā)布了一個篩查數(shù)據(jù)模型。基于足夠大的數(shù)據(jù)量，我們的效果還是很好的，篩查準確率達到了85%，相較于歐美的人工胎兒心臟病篩查準確率43%，還是有很大的提升。也就是說，在媽媽肚子里就能夠把100多種心臟病準確診斷、篩查出來。

最后，除了可穿戴、預(yù)警、篩查以及診斷等方面，我們還在心血管疾病領(lǐng)域科研方面的研究，做了比較深入的探索。比如微觀層面跨尺度的數(shù)據(jù)融合，為科學(xué)研究提供幫助，類似于對疾病的機制探索，構(gòu)建了跨尺度的數(shù)字孿生模型算法。

在這方面，我們前期主要是通過對病理引產(chǎn)的胎兒進行大血管鑄型，然后進行CT掃描構(gòu)建虛擬超聲，為未來心臟胚胎發(fā)育的可預(yù)測、可計算以及診斷導(dǎo)航做了一些前期工作。

AI醫(yī)療的更大目的是：提升基層診療能力

剛剛談了整個大背景下我們所做的探索和工作。首先我認為，在醫(yī)療人工智能領(lǐng)域，除了產(chǎn)業(yè)維度的思考，更應(yīng)該放在整個醫(yī)療體系去思考如何落地醫(yī)療場景。因為所有的醫(yī)療人工智能，其中很大一部分工作主要是為了強基層，提升基層的診療能力。

要做到強基層，首先要培訓(xùn)，其次要做人工智能的賦能，并且后續(xù)要做到醫(yī)療團隊以及醫(yī)療出口的支撐。這樣的體系建設(shè)，才能讓人工智能實現(xiàn)醫(yī)療診療場景的落地，而不單是技術(shù)的解決。

關(guān)于技術(shù)解決，今年我給自己設(shè)置的目標就是，所有的產(chǎn)品要轉(zhuǎn)化落地。但是在這一年的過程中，我意識到了很多問題，需要不斷的和社區(qū)保健員、婦幼保健院、衛(wèi)健委以及與所有的婦幼體系溝通。在溝通的過程中我們發(fā)現(xiàn)，這其中不僅是技術(shù)問題，更是整個醫(yī)療體系的問題，其中還涉及到政策的問題。但不管怎么說我們在不斷嘗試，離最終的規(guī)?；瘧?yīng)用還是逐漸接近的。

后面我會談到，我們研發(fā)了一個大模型，在整個心血管體系的人工智能技術(shù)層面，我們的方向是基于現(xiàn)有的語言大模型輸入更多的模態(tài)，在這個大模型的基礎(chǔ)上有很多的應(yīng)用界面、應(yīng)用體系或智能體，來實現(xiàn)實現(xiàn)我們所需要的預(yù)警、篩查、診斷、手術(shù)導(dǎo)航以及個性化干預(yù)。

其實醫(yī)療很復(fù)雜，每一個心血管又有很多細分領(lǐng)域。實際上我們的安貞醫(yī)院就是一個大的心外科和心內(nèi)科。光是心內(nèi)科就有十幾個，心外科也有十幾個。為什么會這樣劃分呢？因為每一個疾病從發(fā)病機制到解決方案都是自成體系的。

因此，未來的大模型和小模型的協(xié)同體現(xiàn)在醫(yī)療方面，肯定是更垂域的小模型縱向解決了預(yù)警、診斷、治療等一系列的小問題，再通過上游模型的融合來解決面上的問題。

再舉一個關(guān)于胎兒出生缺陷防治的例子。在早期，胎兒在媽媽肚子里還沒有出生之前的心血管疾病，這類疾病叫先天性心臟病，它和冠心病的發(fā)病機制完全是不一樣的。先天性心臟病更多時候是由于環(huán)境暴露、遺傳等各種原因引起的，所以它的管理方式也不一樣。

細分到婦幼體系的建設(shè)以及人工智能的賦能點，我們來梳理一下，這個疾病要怎么進行醫(yī)療模式的管理？

先天性心臟病一體化管理是我最先在國內(nèi)提出的，十年后它被國家衛(wèi)健委作為公共衛(wèi)生政策在全國推廣，開始建立胎兒心臟病一體化管理區(qū)域醫(yī)療中心。

要提出這樣的管理體系，首先要建立一個合理的醫(yī)療防治模式。原先的管理更多是在產(chǎn)前階段，篩出來之后把它引掉。而現(xiàn)在的管理是從二級預(yù)防（即產(chǎn)前）進行明確診斷，包括母體對胎兒影響的相互關(guān)系，推送到孕前對母體的高風(fēng)險防控，一直到出生之后建立合理時間窗的新生兒干預(yù)和救治。

在這個體系之下，最關(guān)鍵的問題是如何在產(chǎn)前把它診斷出來？這個時候，超聲是一個最主要的診斷方法，或者說是唯一的一個診斷方法。那么我們就要提升整個基層對胎兒心臟病的診斷能力、人工智能的視覺影像識別、自動化的導(dǎo)航、多模態(tài)的融合，并且進行病因推送。比如跨尺度數(shù)字孿生機制的研發(fā)、蛋白質(zhì)的預(yù)測等等，這些都需要我們進行新技術(shù)融合。

在圍生期的管理中，因為胎兒是不具有呼吸的，一出生之后他就呼吸了，整個血流動力學(xué)就發(fā)生了變化。那么我們可以通過計算圍生期的心臟變化，通過數(shù)據(jù)挖掘建立孿生數(shù)字，計算出生即刻他必須改變的通道，在不同疾病當(dāng)中會發(fā)生什么樣的風(fēng)險。這一點非常重要，因為涉及到是否需要外科就位吸氧或做手術(shù)，器官與胚胎發(fā)育的計算，以及基于新生兒的救治，這都需要進行整體個性化的手術(shù)干預(yù)。

梳理完之后，我們可以利用具備的數(shù)據(jù)，開發(fā)相應(yīng)的小模型、大模型。而沒有具備的，要進行高質(zhì)量的數(shù)據(jù)建立。實際上我認為，找很多專家把他們手里的數(shù)據(jù)整合起來然后去訓(xùn)練模型，這個模型的質(zhì)量不會很高。

因為醫(yī)療層面所謂的高質(zhì)量數(shù)據(jù)集，一定是要求這個醫(yī)院在該領(lǐng)域治療這種疾病的數(shù)量是非常多的，其次，治療的成功率是高的。以及相應(yīng)所有的病歷都是有出院記錄的，要有結(jié)局驗證。如果死亡率是10%或20%，拿這些數(shù)據(jù)來訓(xùn)練模型來論證方法的可行性，那肯定是達不到要求的。 

要建立高質(zhì)量數(shù)據(jù)集，無論是單中心還是多中心，首先得在頭部醫(yī)院進行。其次是全參數(shù)，要建設(shè)有頂層設(shè)計的高質(zhì)量數(shù)據(jù)集。

在這方面，我們安貞醫(yī)院已經(jīng)建設(shè)了是國際上最大的胎兒橫斷面高質(zhì)量數(shù)據(jù)集，擁有超過10萬例數(shù)據(jù)記錄。同時我們建立了產(chǎn)前、產(chǎn)后的配對數(shù)據(jù)，可以通過動態(tài)發(fā)展挖掘病因的可能，包括心臟以外的器官，也是相互影響的。

目前我們還擁有很多從胎兒發(fā)育到成人階段的數(shù)據(jù)，以及很多后天獲得的數(shù)據(jù)，其中包含影像20萬例，文本300萬例。同時，我們基于發(fā)現(xiàn)的新基因以及一些目標建立了實驗室數(shù)據(jù)，比如母體蛋白組學(xué)對篩查先天性心臟病可行性建立的隊列等，后續(xù)我們還會進行前瞻性補充。

心血管防治AI產(chǎn)品旨在早篩、預(yù)警和決策

最后呢，簡單介紹一下我們已經(jīng)研發(fā)出來的人工智能產(chǎn)品。

基于已經(jīng)具備的數(shù)據(jù)，以及整個心血管防治的系統(tǒng)問題和關(guān)鍵節(jié)點問題，我們開發(fā)了一些產(chǎn)品，希望能夠賦能心血管的防治，包括早期篩查、預(yù)警以及決策維度。

在早期研發(fā)的語言大模型中我們采用了百萬級的數(shù)據(jù)，已經(jīng)入選了國家醫(yī)療人工智能基地，并且今年9月份在衛(wèi)健委的牽頭下，已經(jīng)正式發(fā)布全生命周期的大模型了。我們建立的“安貞心宇”心血管大模型效果也非常好，平均診斷率可達90%。由于醫(yī)療數(shù)據(jù)都是非公開的，尤其涉及到心血管特別專業(yè)的。因此在大量數(shù)據(jù)的訓(xùn)練下，我們的“安貞心宇”大模型對于每一個疾病的診斷效果都優(yōu)于現(xiàn)在性能較好的公開模型，尤其是兒童和成人的大血管疾病。

同時，由于當(dāng)下少子化、過度引產(chǎn)等原因，我們又開發(fā)了一個能夠在診室應(yīng)用的決策系統(tǒng)。包括超聲報告智能體、產(chǎn)前胎兒心臟超聲影像自動識別和測量，以及智能影像診斷和咨詢報告。在這個過程中我們運用影像小模型和心臟AI語言大模型，實現(xiàn)了從影像到文本的自動生成。

我們希望作為一個廣覆蓋的渠道，將上述智能體整合到超聲機器當(dāng)中形成一個定制化的機器。因此，我們與深圳邁瑞醫(yī)療聯(lián)合開發(fā)了心臟全生命周期的診斷一體機。在北京，這兩個大模型已經(jīng)在市健康云部署全面上架，實現(xiàn)與共享助手和醫(yī)生工作站集成。

最后，在醫(yī)療領(lǐng)域隨著DeepSeek等大模型的出現(xiàn)與普及，使得更多醫(yī)生對AI的接受程度逐漸提高，但其中仍然存在很大的政策挑戰(zhàn)以及收費挑戰(zhàn)，而這些都是我們未來要面對的。

謝謝大家！

以下是雷峰網(wǎng)(公眾號：雷峰網(wǎng))與何怡華教授采訪對談的精彩內(nèi)容，雷峰網(wǎng)作了不改變原意的整理與編輯：

雷峰網(wǎng)：“安貞心宇”醫(yī)療AI大模型在研發(fā)過程中遇到了哪些挑戰(zhàn)？

何怡華：挑戰(zhàn)主要集中在三個方面，數(shù)據(jù)收集、知識壁壘導(dǎo)致的信息不對稱，以及心血管疾病本身的復(fù)雜性。

首先是數(shù)據(jù)收集，17年AlphaGo的橫空出世，啟發(fā)了我關(guān)于AI醫(yī)療的思考并立刻開始著手做。要訓(xùn)練模型就需要收集大量相關(guān)數(shù)據(jù)來建立數(shù)據(jù)庫，但是在醫(yī)院這種高密度快節(jié)奏的工作環(huán)境中，要從龐大的數(shù)據(jù)庫中往下導(dǎo)數(shù)據(jù)，再經(jīng)過收集、拷貝、入庫、整理、出庫，以及高精度的數(shù)據(jù)標注。

這其中的每一個環(huán)節(jié)都需要耗費巨大的人力成本和時間成本，而上述所有環(huán)節(jié)都需要經(jīng)年累月的堅持去做。光是做1個標準的數(shù)據(jù)收集就包含300多項參數(shù)量，所以建立這個數(shù)據(jù)庫的困難復(fù)雜程度是可想而知。

其次是知識壁壘帶來的信息不對稱，要想把學(xué)科的交叉應(yīng)用做好，醫(yī)療團隊和算法技術(shù)團隊雙方都始終需要樹立主動學(xué)習(xí)的理念，互通對方領(lǐng)域的新鮮知識。比如算法技術(shù)團隊需要知道醫(yī)療領(lǐng)域里一些最新的技術(shù)進展，才能在數(shù)據(jù)生成的過程中準確判斷哪些是需要的，哪些是不需要的。

之前的合作單位，有些甚至幾個月都做不出我們想要的數(shù)據(jù)標注結(jié)果。后來在2023年，我們通過北京市科委的“創(chuàng)新協(xié)同“項目，獲得了跟科大訊飛的合作機會。當(dāng)時科大訊飛醫(yī)療語言大模型的通科知識就已經(jīng)超越了90%的通科醫(yī)生，在這個基礎(chǔ)上我們用胎兒心臟的專科語料去訓(xùn)練垂域的醫(yī)療AI大模型，最終花了三年時間做出了“安貞心宇”醫(yī)療AI大模型。

最后是心血管疾病本身的復(fù)雜性。因為心臟是一個立體動態(tài)的器官，它作為身體的“血泵”不僅時刻處于跳動狀態(tài)中并且伴有血流流經(jīng)。同時，心臟本身就是一個非常復(fù)雜的系統(tǒng)包含了很多部件，且每個部件疾病的發(fā)病原因、表現(xiàn)形式和結(jié)局都自成體系，以至于應(yīng)用在心血管疾病領(lǐng)域的AI醫(yī)療模型需要大小模型協(xié)同，同時也導(dǎo)致我們在建模過程中需要不斷增加參數(shù)收集維度，相應(yīng)也提高了數(shù)據(jù)標注和數(shù)據(jù)清洗的難度。

雷峰網(wǎng)：“安貞心宇”AI醫(yī)療大模型的具體落地效果如何？

何怡華：目前，“安貞心宇”大模型的平均診斷準確率已經(jīng)可以達到90%，在復(fù)雜胎兒心臟病和兒童心臟病中的效能最高。除了北京市的整個醫(yī)療系統(tǒng)外，之后的小模型也已經(jīng)在八個省二十多家醫(yī)院應(yīng)用了，小模型已經(jīng)拿到了二類醫(yī)療器械經(jīng)營許可證。

如果站在更高的維度來看，其實現(xiàn)在我們做的AI醫(yī)療與上一輪AI浪潮中的“醫(yī)聯(lián)體”是不太一樣的?，F(xiàn)在的AI醫(yī)療更加傾向于在醫(yī)療診治場景中，實現(xiàn)AI的可交互性和泛化性，是能夠切實給基層醫(yī)療帶來助益的，無論是電子病例報告生成，還是診斷推理，以及患者后續(xù)的醫(yī)療管理，它整體是非常系統(tǒng)化的。

但不能忽視，雖然國家層面在積極推進AI醫(yī)療的普及，AI醫(yī)療技術(shù)要真正的下沉鋪設(shè)到基層，還有有著技術(shù)、資金、政策等現(xiàn)實方面的問題要解決。比如基層算力不足的情況下，要向下鋪設(shè)AI醫(yī)療，是由區(qū)域醫(yī)療來解決還是當(dāng)?shù)卣孕薪鉀Q？

雷峰網(wǎng)：未來AI醫(yī)療大模型的主導(dǎo)權(quán)在誰？醫(yī)療機構(gòu)還是第三方商業(yè)機構(gòu)？

何怡華：這個問題需要結(jié)合具體使用場景來看待，目前來說AI醫(yī)療大模型最終還是由醫(yī)生來使用，在這個過程中不可能完全沒有醫(yī)生的人工參與。如果沒有醫(yī)生的參與完全由第三方商業(yè)機構(gòu)來主導(dǎo)，那么后續(xù)的整個醫(yī)療管理又是一個很大的問題。

像我們跟科大訊飛的合作中，雙方共享知識產(chǎn)權(quán)庫關(guān)系上是平等的。所以未來在AI大模型的發(fā)展中，醫(yī)療機構(gòu)和第三方商業(yè)機構(gòu)還是要各司其職，將精力放在各自擅長的領(lǐng)域。更新迭代大模型產(chǎn)品離不開醫(yī)療機構(gòu)的參與，但具體的商業(yè)運營醫(yī)療機構(gòu)也不會插手?？偠灾瑹o論將來由誰牽頭，大模型最終還是要在醫(yī)療路徑中去解決問題。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。