国家卫生健康委办公厅、国家中医药局综合司、国家疾控局综合司联合印发《卫生健康行业人工智能应用场景参考指引》

 人工智能已经成为当前在普遍应用的技术，不仅仅是AIGC内容生成，更多是已经融入到系统应用和人机交互应用中，为推进开展“人工智能+”行动的决策部署，2024年11月初，国家卫生健康委、国家中医药局、国家疾控局研究制定了《卫生健康行业人工智能应用场景参考指引》，积极推进卫生健康行业“人工智能+”应用创新发展。指引将应用划分为4大领域、13个类目，84项典型应用场景。

 1、在哪些卫生健康领域应用AI

（1）“人工智能 +” 医疗服务管理：医疗服务：包括医学影像智能辅助诊断、数据质控、临床专病及基层全科医生辅助决策、智能辅助治疗与规划、放射治疗靶区勾画、门诊分诊、就医咨询、预问诊、陪诊、随访、满意度调查、患者院后管理、病历辅助生成等，旨在提升医疗服务各环节的效率与质量。医药服务：通过处方前置审核、临床用药、患者用药指导等智能辅助，保障合理用药，提升用药安全与效果。医保服务：医保智能审核、核算及商业健康险智能设计，可提高医保审核效率、优化核保准确性、创新商业健康险产品。中医药管理服务：中医临床智能辅助诊疗、经络检测、中药审方、临床病案质控、名中医学术传承、科研辅助等，有助于提高中医诊疗水平与科研能力。医院管理：涉及智能医疗文书质控、医疗质量与人员管理、手术室等多方面管理，可优化医院运营与管理流程。

（2）“人工智能 +” 基层公卫服务：健康管理服务：如智能健康管理、中医健康管理、慢性病管理等，为不同人群提供健康管理与干预服务。公共卫生服务：包括传染病监测、卫生应急管理、群体数据分析等，助力公共卫生事件防控与管理。养老托育服务：涵盖老年人健康管理、托育咨询与培训等，提升养老托育服务质量与效率。

（3）“人工智能 +” 健康产业发展：医用机器人：手术、康复、针灸推拿、医疗咨询、配送、消毒、紧急医学救援机器人等，在医疗各环节发挥重要作用。药物研发：智能药物研发、临床试验辅助、药品临床综合评价辅助，可加速药物研发进程与质量。中医药产业：中药材智能生态种植、仿生鉴定识别、中药智能生产设备，推动中医药产业发展。

（4）“人工智能 +” 医学教学科研：医学教学：医学教学智能辅助、仿真实验、教育患者虚拟人、教学资源与科普智能生成等，提升医学教学质量与效果。医学科研：智能患者招募、研究型病房、科研辅助、文献挖掘分析、医学科研数据分析等，助力医学科研工作。

 2、目前在国内有哪些AI应用于卫生健康领域

(1)医学影像AI：润达医疗在医学影像AI方面表现卓越，其先进的软件系统已在多个医院上线应用，积极参与国家政策的制定，推动技术提升与市场扩展。

(2)智能眼科设备：鹰瞳科技（02251）专注于智能眼科设备，拥有多项专利技术。

(3)AI健康管理系统：中康控股致力于AI健康管理系统的研发，凭借其数据处理能力，赢得了多家医院合作，正在借助新政策加速产品的市场布局。

(4)疾病预测与管理：医渡科技（02158）专注于AI在疾病预测与管理中的应用，其AI平台备受市场关注。随着政策环境的改善，企业有望快速扩展其技术应用范围。

(5)临床试验患者招募与数据质控：医渡科技利用大数据+大模型技术打造智能筛选系统，为肿瘤类项目节省88.5%人工筛查成本，非肿瘤类项目节省69.8%人工筛查成本。

(6)儿童就医效能提升：APUS医疗大模型在河南省儿童医院提供精准的健康咨询服务、个性化治疗推荐、智能分诊、诊中提醒等服务。

(7)智能超声时代：医准智能推出YiZhun Ultrasound GPT，赋能超声影像智能化升级，提升诊断和治疗效率，助力多病种研究，助力超声设备智能化升级。

(8)门诊病历生成：云知声基于“山海”大模型打造的门诊病历生成系统，能够智能筛选出与病情无关的对话，自动抓取并结构化处理关键问诊信息，大幅提升了病历书写的效率。

 3、人工智能应用在卫生健康领域实际应用中会面临哪些挑战？

(1)技术难题：包括算法优化、数据安全与隐私保护、模型的可解释性与透明度等问题。算法需要在不同疾病和患者间具有准确性和泛化能力，同时要确保数据的安全性和隐私性，防止数据泄露和滥用。AI的可解释性与透明度也需提升，以便医生和患者能够理解和信任其决策过程。

(2)人才瓶颈：跨领域、跨门类的复合型人才培养难度大。医疗AI领域需要既懂医疗又懂AI的人才，目前这类人才相对匮乏。

(3)法律和伦理挑战：医疗人工智能的应用可能引发新的伦理挑战和法律风险，包括患者人格尊严和自主权的保护，以及个人隐私权的潜在侵犯风险。

(4)数据质量和可用性：AI模型的性能很大程度上取决于数据的质量和可用性。医疗数据可能存在不足、偏差或质量不高的问题，影响AI模型的训练和准确性。

(5)模型准确性和泛化能力：AI模型需要在不同的医疗环境和患者群体中具有较高的准确性和泛化能力，这对于AI技术来说是一个挑战。

(6)用户接受度和适应性：医疗专业人员和患者对AI技术的接受度和适应性不同，可能存在对技术的不信任或抵触情绪。

(7)成本和投资回报：AI技术的研发和部署需要大量的资金投入，而短期内可能难以看到明显的投资回报。

(8)监管和合规性：医疗行业受到严格的监管，AI技术需要满足各种法规和标准，这可能会限制AI技术的快速发展和应用。

(9)技术整合和兼容性：医疗领域中存在多种不同的设备和系统，AI技术需要能够与现有的医疗设备和工作流程兼容和整合。

(10)持续的技术支持和维护：AI系统需要持续的技术支持和维护，以确保系统的稳定性和准确性，这可能会带来额外的运营成本和复杂性。

 4、如何确保AI应用符合中国的医疗法规和标准

(1)制定和遵循相关法规：根据《卫生健康行业人工智能应用场景参考指引》，相关部门应制定和执行具体的管理办法和技术指南，确保AI应用在法律框架内运行。

(2)强化算法监管：建立算法审查制度和定期算法审计，确保AI系统的安全性、透明性和伦理性。

(3)明确法律责任：明确AI开发者、使用者（如医生）及患者的权利义务关系，并建立责任分配机制。

(4)数据安全与隐私保护：遵循《个人信息保护法》和《数据安全法》，确保医疗数据处理活动在安全的环境下进行，防止数据泄露和滥用。

(5)伦理与合规：确保AI医疗操作获得患者知情同意，并尊重患者的自主权。同时，建立伦理审查机制，评估AI项目可能带来的伦理问题，如算法偏见和决策透明度。

(6)跨部门协作：政府部门应与高校、科研机构和技术企业合作，共同推进AI技术在医疗领域的应用。

(7)技术验证与优化：建立技术评估和验证中心，对AI模型进行全面测试，确保其准确性和稳定性。

(8)行业监管加速完善：随着医疗AI三类证的密集落地，行业监管正在加速完善，确保AI医疗产品符合国家药监局的审批要求。

(9)持续的法规教育和培训：对医疗专业人员进行AI法规和伦理的持续教育和培训，提高他们对合规使用AI技术的认识。

(10)公众参与和监督：鼓励公众参与监督，提高透明度，确保AI应用的公开和公正。