50多万“患者”供“练手”AI医生能看300多种病
记者采访清华大学智能产业研究院团队时，42岁的“郭先生”正在就诊。他自述患高血压4年，最近两天，咳嗽严重、喉咙痛、高烧不退。检查结果显示，“郭先生”白细胞含量偏低，双肺多处磨玻璃样浑浊和充盈。经AI医生诊断为肺炎，需使用抗病毒药物治疗。
和虚拟的“郭先生”一样，AI医院系统里的50多万个“患者”，都是由人工智能大模型结合权威医学知识库和少量公开病例等资源自动合成而来的。“他们”来自不同国家和地区，覆盖各个年龄段，患有不同疾病，可以回答医生的问诊并及时反馈诊疗效果。
同一个科室里有两个AI医生，擅长领域各不相同。“这样设计是因为不同国家和地区的疾病分布、诊断标准和治疗方案存在差异，需要医生针对性地给出诊断和治疗方法。”项目成员、学院助理研究员马为之说。
目前，AI医生可对300多种常见病和主要重大疾病开展高质量的诊断分析，满足绝大多数患者诊疗需求，最快明年上半年就能和公众面对面接诊了。马为之说，团队还有个终极目标，就是将前沿的大模型智能体技术赋能智慧医疗，辅助医生做出判断，提高诊疗效率，为人们提供便宜、便捷和优质的医疗服务。
实践
AI技术应用已有先例诊断抑郁症准确率达80%
“说说您最近心情怎么样？”“最近喜欢做哪些运动？”“有没有感到压力大？”……在北京安定医院门诊楼二层的“AI抑郁测评小屋”内，记者看到电脑屏幕前的虚拟数字人正在和患者进行沟通。
虚拟数字人还会列出一些图片，请患者描述相应内容。患者只需等待5分钟，就能得到一份详细的精神心理状态电子报告，其中包含抑郁症的诊断结果。
“在精神疾病诊断过程中，常规的方式是量表测评。但是，测评过程中，患者有可能提供非真实答案，从而影响诊断结果。因此，需要寻找一种更加客观的精神疾病诊断方法。”王鹏飞说，患者的微表情是一个理想的指标。智心智愈系统重点捕捉患者的微表情，并结合患者的目光和面部朝向、语气语调等信息综合判断，实现抑郁症的快速筛查及严重程度评估。通过深度学习不断建模并测试，这个系统诊断抑郁症患者的准确率已达到80%。
前景
人工智能成为“好伙伴”诊断决策权仍应是医生
随着技术的发展进步，人工智能在医疗领域的应用越来越广泛。
今年11月，国家卫生健康委等部门联合发布了《卫生健康行业人工智能应用场景参考指引》，涵盖了医疗服务管理、基层公卫服务、健康产业发展和医学教学科研4大类84种具体场景，力求全方位发挥人工智能的优势。
作为一线医疗工作者，王鹏飞举例说，由于精神疾病往往伴有病耻感，患者对于隐私的保护需求高。使用人工智能技术，如采集表情等进行诊断和治疗时，数据的处理、传输和保管的安全性非常重要，要加强隐私保护措施，确保数据严格保密，这是人工智能在医疗领域应用中必须重视的问题。
马郓认为，有关部门需要制定一系列监管标准避免技术滥用。同时，加强对算法准确性、公平性、透明度、可解释性、隐私保护等关键维度的评估与监管力度，确保人工智能的安全性和有效性，为医患双方提供更优质的应用体验和医疗服务。