醫療保健中的人工智能：趨勢和轉折點

讓我們來談談一些成果。首先要認識到的是，當今醫療保健中對人工智能的應用證明，這項技術不僅僅是製作漂亮的圖片或創作人工智能詩歌。我們中的一些人傾向於認為人文科學是大型語言模型的首要（或者說是唯一的，如果目光短淺的話）用例。但就像人類大學生一樣，大型語言模型可以用於追求藝術或科學成果。它們可以是藝術家，也可以是醫生。也就是說，許多最重要的用例需要大量的集成。這意味著不僅要設置硬件，訓練或提示大型語言模型，還要將它們連接到現有的基礎設施和業務運營中。說起來容易做起來難。

艾爾文·格雷林（Alvin Graylin，《我們的下一個現實》（一本關於人工智能對社會廣泛影響的新書）的作者）和卡爾·趙（Karl Zhao，一位一直在部署企業人工智能解決方案的人工智能專家）最近與我坐下來討論了人工智能在美國和世界各地醫療保健中的現實情況。 “我認為這有助於分析這些醫療系統以及未來的發展，同時也要理解國際貿易是細緻入微的，我們有各種利益相關者從各自的角度出發，在一個大多數人認為全球互聯的全球經濟中運作。

醫療保健中開源人工智能的興起：內部部署解決方案正在塑造未來

人工智能正在徹底改變醫療保健，改變臨床工作流程，並應對勞動力短缺、診斷準確性和慢性病管理等關鍵挑戰。在美國，醫療保健引領著生成式人工智能的採用，2024年的投資達到5億美元——比排名第二的法律服務行業高出67%。這一增長突顯了人工智能的潛力，但其在現實世界的實施不僅僅需要尖端技術；它需要與現有系統無縫集成，關注成本透明度，以及針對隱私問題的量身定制的解決方案。

開源優勢：企業採用

人工智能採用中最顯著的變化之一是轉向DeepSeek R1 和V3 等開源模型。這些模型為企業提供了經濟高效、透明且可定制的解決方案，使其成為醫療保健應用的理想選擇。與專有系統不同，開源人工智能允許組織審核算法，確保合規性，並根據具體的臨床需求調整模型，而無需廠商鎖定。

英偉達最近的戰略轉變突顯了這一趨勢。該公司不再僅僅關注硬件，而是與專門從事基於開源框架的行業特定人工智能解決方案的公司合作。例如，DeepSeek 支持的工具已經證明診斷時間減少了40%，罕見病識別率提高了28%。這些進步突顯了開放模型與領域專業知識相結合如何在精準醫療中帶來切實的成果。

成本細分：特定領域軟件主導人工智能部署

人工智能實施的一個關鍵但經常被忽視的方面是成本分配。雖然像GPU 和推理芯片這樣的硬件備受關注，但軟件服務佔總部署成本的近70% 。這包括模型微調、與電子健康記錄(EHR) 集成以及持續維護。開源模型通過減少許可費用和實現內部定制來幫助降低這些費用。

內部部署和私有云：醫療保健人工智能的新領域

隱私和數據安全正在推動人們從超大規模雲平台轉向內部部署和私有云部署的重大轉變。正如艾爾文·格雷林所指出的那樣， “大多數組織都非常猶豫將客戶或患者數據放在雲端。”這在醫療保健領域尤其如此，在醫療保健領域，法規遵從性（例如，美國境內的HIPAA）和患者保密性至關重要。

例如，在中國，嚴格的數據本地化法律要求醫院將患者記錄保存在內部，從而推動了對私有AI 部署的需求。雖然美國更靈活，但對雲安全和廠商鎖定的擔憂正在促使醫療保健提供商轉向混合或完全內部部署的解決方案。卡爾·趙強調了這一趨勢，並指出“在人工智能規劃中，軟件和部署靈活性往往被低估了。”

未來：專業的人工智能生態系統

開源模型、成本透明度和內部部署解決方案的融合正在重塑醫療保健人工智能。 Stryker、波士頓科學公司和美敦力等公司已經看到了與人工智能創新相關的股票增長，而AWS 和谷歌云等雲提供商則面臨著來自本地推理芯片（例如TPU）的競爭。

正如格雷林恰當地總結的那樣， “人工智能不僅僅是即插即用——它需要時間才能與現有系統集成。”未來屬於開放模型、領域專業知識和安全基礎設施相結合以產生現實世界影響的生態系統。對於醫療保健而言，這意味著更快的診斷、更好的患者預後以及更可持續的人工智能採用曲線——一個優先考慮隱私、成本效率和可擴展性的曲線。

結論：醫療保健領域的人工智能革命不僅僅關乎技術；它關乎如何實施這項技術。像DeepSeek 這樣的開源模型，加上內部部署和對成本結構的清晰理解，正在為企業人工智能的新時代鋪平道路——一個在創新與實用性之間取得平衡的時代。

以上是醫療保健中的人工智能：趨勢和轉折點的詳細內容。更多資訊請關注PHP中文網其他相關文章！