这届年轻医疗人员到底有多热爱人工智能？已成为择业考量因素

人工智能是这一年最大的热门话题。回溯过去的这一年，人工智能领域新潮不断：OpenAI于2022年11月推出的ChatGPT，上线2个月月活跃用户就宣告破亿，成为历史上用户增长最快的消费级应用之一；Google、微软、Meta、亚马逊等互联网企业纷纷入局，拓展其AI业务；生成式AI被应用于多种创作场景，AI绘画工具MidJourney备受争议，连Adobe也在其软件中加入AI功能……

人工智能对人到底是替代还是补充？各行业的见解各有不同：营销行业需要AI提供解决方案，在LinkedIn的“未来工作”报告中，90％的参与者表示，他们有可能开始或继续使用AI开展营销活动；AI设计工具层出不穷，风险与挑战并存时，设计从业者开始将运用AI转化为职业技能……目前，各行业的共识是：AI更多的是一种补充，和生产力的提升。

医疗行业也是其中之一。中研普华产业研究院发布的《2023-2028年中国AI诊断行业市场深度调研及投资策略预测报告》显示，目前AI医疗在辅助侧及数据侧应用广泛，主要集中在CDSS（临床决策支持系统）、智慧病案和医学数据智能平台等方面。AI可以参与到医疗行业的多个核心环节，包括临床诊断、精准医疗和药物研发等多方面。生物制药上市公司Benevolent AI利用AI平台从生物医学数据源中提取数据，寻找疾病、基因和药物之间的关联信息。2020年初，新冠疫情爆发，Benevolent AI的研究团队通过使用知识图谱搜索与病毒感染和炎症反应的相关机制，将一款用于类风湿性关节炎的药物OLUMIANT确定为理想候选药物，而整个过程只用了48小时。

自医疗行业开始数字化布局以来，行业对AI医疗的投入在持续增加，医疗服务效率和精确度的提升，已初见成效。

人工智能加速渗透

有业内人士表示，当前人工智能要更好地在医疗行业落地，仍面临数据、算法、算力三大挑战。人工智能开发需要大量高质量数据，而国内大部分医疗数据存储于各级医疗机构，业务系统相对独立，数据较难实现共享，存在明显的“数据孤岛”现象。具体到实际情况中，不同医疗机构收集、标记、注释、处理医疗数据的方法并不统一，X射线影像、CT影像等医学影像的质量则因为设备水平参差不齐存在较大差异，患者病历也未得到统一的输出，缺少有效的医疗数据信息。这些都使得能够用于训练AI模型的高质量数据资源稀缺。

因此，此前一些AI模型的实际应用效果并不理想。今年，Google Health研发的AI模型就在试验中遇到数据精确度的难题。Google开发了利用AI 帮助检测糖尿病视网膜病变的自动视网膜疾病评估项目（Automatic retinal disease assessment，简称 ARDA），从相机拍摄的眼底照片中提取生物标志物，帮助检测糖尿病病变迹象。但在泰国医院的实际应用中，反馈并不完全理想。由于护士每小时需要操作该系统扫描数十名患者，并且经常在照明条件不佳的情况下拍摄照片，因此超过五分之一的图像被AI模型拒绝，无法生成精确结果。

并且，医疗行业的专业性更高，医疗场景对问题的容错率较低，这对大语言模型有更高的要求，需要更专业的语料来生成更专业、更精准的结果，从而对算法和算力提出了更高的要求。从目前与AI结合最紧密的医学影像来看，今年4月初，Meta AI 发布了第一个用于图像分割的大规模基础模型Segment Anything Model (SAM)，用以完成各种自然图像分割任务，但医学图像分割由于多样的成像模式、精细的解剖结构、不明确且复杂的边界以及广泛的物体尺度等而具有极大的挑战性，其在大型医学影像数据集上的表现依然有待验证。

除此之外，AI大模型在医疗行业的落地还面临着医疗数据私密性高、政策条件不一定配套、医疗机构本地环境部署要求不同、商业化路径尚未成熟等等更加复杂的挑战。

为更好推动人工智能在医疗行业落地，医疗行业协同合作的案例也在增加。在医疗机构内部，就有上海市第一妇婴保健院携手国内60家医院，成立“5G AI”胎儿医学&产前诊断专科协作网络，将胎儿疾病的咨询和宫内治疗服务扩展到AI可以参与的“云端”。在医疗机构与健康科技公司之间，更是合作不断。今年，飞利浦与国内头部三甲医院共同开发的深度学习算法，在国际磁共振血管成像学会和医学图像计算与介入协会（MICCAI）举办的AI 医学影像重量级赛事——颅内动脉分割竞赛CAS23上拔得头筹。脑卒中目前是全球重要的致死疾病之一，但由于脑动脉结构复杂、个体差异较大，放射医生难以手动分割。TOF-MRA是目前应用较为广泛的无创成像技术，与人工智能方法结合，能在临床中有效辅助医生进行脑血管重建。飞利浦合作团队引入了SwinUNETR结构，在100例训练数据和有限的GPU显存的情况下，成功实现了在3.0T TOF-MRA上出色的颅内动脉分割效果，为自动脑动脉分割算法的发展提供了有力的参考。

可以说，医疗机构、科技公司、生物制药公司等“医疗&AI”行业的不同节点，都在加速深度合作，以应对更广泛、更复杂的实际应用场景。

医疗从业者为何偏爱AI？

年轻医疗专业人员期待通过智能、互联的科技提高患者关护水平。这也说明，在人才竞争越来越激烈的环境下，数字化创新可以有力地帮助医疗健康领导者们吸引及留用年轻人才。

为何这一届的医疗从业人员偏爱人工智能？

有业内人士认为，随着中国人口老龄化和人们对医疗服务的需求不断增加，医疗资源的供给相对不足，医护人员更加短缺。而人工智能技术可以帮助年轻医生快速学习并掌握更多的医学知识和技能，帮助他们快速成长。通过智能化的学习方式，年轻医生可以更高效地掌握医学知识和经验，提高自己的诊疗水平。与此同时，人工智能技术可以帮助年轻医生进行更准确的诊断。通过学习大量的医学数据和病例，人工智能可以提供诊断建议和预测，从而减轻医生的工作负担，提高诊断效率和准确性。

医疗行业也同样需要更多年轻的专业人才。今年4月，猎聘大数据研究院的《ChatGPT相关领域就业洞察报告》显示，一般为企业成功找到一个人工智能候选人要花2-6个月时间。而在医疗行业，这类AI高端人才则更为抢手。与AI相结合的医药岗位，存在着对应的专业要求，比如计算生物学、生物信息学、计算化学等。这些专业成立时间较晚，十几年前才在美国等国家逐渐开始设立，最早几批毕业的学生，也刚刚毕业进入社会不久。也因此，医疗行业对掌握人工智能的从业者的需求呈现年轻化趋势。

华安证券在今年发布的研报中亦认为，通过整合现有的医疗资源和技术，人工智能将提高诊断准确率、降低误诊率、优化治疗方案、提升患者满意度等方面发挥关键作用。这将不仅有助于提高整体医疗水平，还将为医疗机构带来可观的经济效益。以新疆医科大学附属肿瘤医院为例，该院共建设6台全流程AI智能导诊机器人，在 2021年1月至2023年4月期间累计完成交互139万余次，门诊充值金额490万余元，应用效果明显。

在医疗资源紧张的当下，人工智能同样为优化应急卫生体系提供帮手。应用AI技术辅助评估病情和优化临床工作进展将会是一个关键的突破口。一项横跨八年、纳入四十万名急诊患者的大型横断面研究结果显示，神经网络模型识别重症患者（24小时以内死亡或进入重症监护病房）的预测准确性（Area Under Curve，简称AUC）高达0.851，远大于采用急诊严重程度指数（Emergency Severity Index，简称ESI）来完成病情评估和分诊时的0.672。医护通过参考AI识别出的危重患者可以更为合理地安排就诊次序，减轻从业者的负担。

人工智能正在帮助改善这代年轻医疗从业者的体验，减少繁重的机械工作量，从AI的数据库、知识库之中学习，迅速成长起来，并提高诊疗的效率。

一份来自飞利浦的2023年《未来健康指数报告》，也展现了这届医疗从业者对AI的偏好：39%的受访者表示，在择业时会重点考量医院是否处于人工智能领域的发展前沿。超四分之一(27%)的年轻医疗专业人员认为，远程医疗的应用会提高他们的工作满意度。这些调研结果表明，年轻的医疗专业人员期待进入一个更具创新力和智能化的医疗行业，并在实际的AI应用中得到满意的从业体验。

这是飞利浦连续第8年发布该系列的报告，报告调研了全球14个国家和地区的近3000名医疗健康行业的管理者及年轻一代医疗专业人员，展现了行业管理者及从业者如何借力数字化技术共促行业发展，印证了人们期待借助数字化手段、串联起关护全景的医疗行业趋势。

报告显示，中国的医疗健康行业管理者和年轻医疗专业人员普遍认为，科技与技术创新在提升患者关护水平、赋能医疗服务提质增效方面发挥着至关重要的作用。线上与线下结合的新型医疗模式已经成为年轻从业者的关键择业考量。超过半数的受访者（54%）表示，医院在互联关护方面的布局是他们关注的重点，这一比例显著高于全球平均水平（44%）。

目前，2023年《未来健康指数报告》已正式上线，敬请扫描下方二维码，获取报告全文。