医疗保健领域的 AI：趋势和转折点

快速阅读: 《福布斯》消息，AI正深刻变革医疗保健，通过开源模型、本地化部署和成本透明度提升诊断效率和患者护理质量，同时保障隐私和数据安全。

医疗保健的未来

阿尔文·W·格雷林使用GPT-4

人工智能即将彻底改变医疗保健，并在美国乃至全球范围内转变我们的临床工作方式。每个国家将以自己的方式实施这些系统，但许多国家将利用人工智能实现各种好处，比如解决临床工作人手不足、提高诊断准确性以及应对人口中的慢性疾病。让我们来谈谈其中的一些成果。

首先要认识到的是，当今医疗保健领域的人工智能应用证明了这项技术不仅仅是制作漂亮的图片或写人工诗歌。我们中的一些人倾向于认为人文科学是大型语言模型的主要（或仅有的，如果视野狭隘的话）用例。但就像人类本科生一样，LLMs可以被用于追求艺术或科学成果。它们既可以是艺术家，也可以是医生。也就是说，许多顶级用例需要显著的整合。这意味着不仅要设置硬件，训练或提示LLM模型，还要将其连接到现有的基础设施和业务运营中。但这并不容易实现。

虚拟世界协会的阿尔文·格雷林和GenAI顾问卡尔·赵最近坐下来讨论了美国本土和国际上的医疗保健领域的人工智能现实。我认为这对分析这些医疗保健系统及其未来发展很有帮助，理解国际贸易是复杂的，我们在全球经济中拥有各种利益相关者，他们从各自的角度出发，在一个大多数人同意是全球互联的经济中运作。

医疗保健领域的开源人工智能崛起：本地解决方案正在塑造未来

人工智能正在彻底改变医疗保健，转变临床工作流程，并解决劳动力短缺、诊断准确性和慢性病管理等关键挑战。在美国，医疗保健在生成型人工智能采用方面处于领先地位，2024年的投资达到5亿美元——高出67%。这种增长突显了人工智能的潜力，但其实际应用需要的不仅仅是先进技术；它要求与现有系统注重无缝整合，关注成本透明度，并提供针对隐私问题的解决方案。

医疗保健领域的开源人工智能崛起：本地解决方案正在塑造未来

开源的优势：企业的采用

人工智能采用中最显著的变化之一是转向开源模型，如深度求索R1和V3。这些模型为企业提供了具有成本效益、透明且可定制的解决方案，使其非常适合医疗保健应用。与专有系统不同，开源人工智能允许组织审查算法，确保合规性，并根据具体临床需求调整模型，而无需供应商绑定。

更多内容：

微软警告2.4亿Windows用户——停止使用您的PC

《纽约时报》迷你填字游戏周六答案（4月5日）

微软确认为Windows用户删除密码——您现在应该做什么

英伟达最近的战略转变强调了这一趋势。该公司不再仅仅专注于硬件，而是与专注于基于开源框架构建行业特定人工智能解决方案的公司合作。例如，由深度求索驱动的工具已经展示了诊断时间减少40%，罕见疾病识别率提高28%。这些进步表明，结合开源模型和领域专业知识可以在精准医疗中带来切实的成果。

成本分解：特定领域的软件占据主导地位

人工智能实施中一个关键但经常被忽视的方面是成本分配。虽然像GPU和推理芯片这样的硬件吸引了人们的注意，但软件服务占比接近70%。这包括模型微调、与电子健康档案（EHRs）集成以及持续维护。开源模型通过降低许可费用和支持内部定制化来减轻这些开支。

本地部署和私有云计算：医疗人工智能的新前沿

隐私和数据安全正在推动一场重大转变，远离超大规模云计算平台，转向本地部署和私有云计算部署。正如阿尔文·格雷林所指出的，“大多数机构都非常不愿意将其客户或患者数据放在云端。”这一点在医疗保健领域尤为重要，因为监管合规（例如美国的HIPAA）和患者保密极为重要。比如在中国，严格的本地化法规要求医院将患者记录保存在本地，这推动了对私有人工智能部署的需求。虽然美国更具灵活性，但对云安全和供应商绑定的担忧正在促使医疗保健提供商转向混合或完全本地化的解决方案。卡尔·赵强调了这一趋势，指出“软件及部署灵活性往往被低估。”

未来：专业的AI生态系统

开源模型、成本透明度和本地解决方案的融合正在重塑医疗人工智能。像史赛克、波士顿科学和美敦力这样的公司在人工智能创新中看到了股价上涨，而像AWS和谷歌云这样的云服务提供商正面临来自本地化推理芯片（如TPU）的竞争。正如格雷林恰当地总结的那样，“人工智能不是即插即用的——它需要时间才能与现有系统整合。”未来属于开放模型、领域专业知识和安全基础设施相结合的生态系统，以实现实际影响。对于医疗保健而言，这意味着更快的诊断、更好的患者结果和一条更可持续的人工智能采用曲线——一条注重隐私、成本效率和可扩展性的曲线。

底线：

医疗保健领域的人工智能革命不仅仅关乎技术；它关乎如何实施这项技术。像深度求索这样的开源模型，加上本地部署和对成本构成的清晰理解，正在为一个新的企业人工智能时代开辟新路径——一个兼顾创新与实用性的时代。

(以上内容均由Ai生成)