生成式AI 正在加速医疗健康领域的探索。
今年4月，飞利浦宣布与亚马逊云科技达成合作，将飞利浦 HealthSuite 影像 PACS（影像归档和通信系统）引入云端。
通过使用Amazon Bedrock 快速开发生成式人工智能应用程序来加速基于云计算的生成式人工智能应用的开发，以提供临床决策支持，帮助实现更准确的诊断，并使管理任务自动化。
对此，亚马逊云科技大中华区战略业务发展部总经理顾凡，在亚马逊云科技医疗与生命科学行业峰会上接受采访时表示，生成式 AI 在医疗和生命科学行业的场景中仍处于探讨阶段，不能高估它，也不能低估它。
据艾媒咨询发布的《2023年中国 AIGC 行业发展研究报告》显示，随着 AIGC 技术的日益成熟，市场规模将快速增长，预计到 2028 年达到 2767.4 亿元。
顾凡说，以 AIGC 为代表的生成式 AI 要有应用场景才能有生命力，比如临床诊断、就医导诊和患者个性化生命周期管理等等，这些场景有些已经开始进行试点，但大多还处于探讨阶段。
在顾凡看来，探讨阶段的核心是要提升用户体验或者让企业本身降本增效，如此一来才能达到生成式 AI 的最终目的——普惠。
对此，亚马逊云科技围绕数据、算力和构建行业用户体验的创新解决方案三大需求发力，通过持续构建行业专属解决方案，赋能生物制药、基因测序和医疗保健等细分领域的数字化创新，推进创新成果从实验室到真实世界的落地。
当生成式 AI 得以普惠的时代到来，人们将不再探讨 AIGC 这个工具本身，而是将注意聚集到：这个场景有意思，是不是可以用 AIGC 这个工具来做得更好？
从 OpenAI 的 ChatGPT 到百度文心一言，摆在当前生成式 AI 面前始终有个难以避免的问题——信息真伪辨别，这导致生成式AI在医疗健康领域的运用难上加难。人类医生都存在误诊的可能，生成式 AI 会对病人造成误诊吗？
对此，亚马逊云科技大中华区医疗及生命科学行业总监黄庆春告诉记者，现阶段对 AI 技术的运用，更多是辅助阶段。
举例而言，在新药研发方面，企业可以运用大模型去阅读海量文献和过去的实验数据，从而给未来要进行的实验提供指导性建议，最后是否采纳，仍然由相关科学家来决定。
同样地在医疗方面，医院可以训练大模型阅读大量电子病历或其他数据，从而判断该病人的疾病发展周期，提供可备选的治疗方案，但最后是否采用何种诊断方式，还是需要主治大夫来一锤定音。
顾凡也表示，AI 是否会替代人类的话题也普遍存在于其他行业。比如在客服中心，有一部分问答确实能够通过训练 AIGC 来达到较高的精准度，但是，一定还存在一部分情况，会让客户在拨打客服电话时，希望得到人工处理。
免责声明：
文章系本网编辑转载，会尽可能注明出处，但不排除无法注明来源的情况，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本网联系.
[声明]本站文章版权归原作者所有，内容为作者个人观点，不代表本网站的观点和对其真实性负责，本站拥有对此声明的最终解释权.
