医疗保健中的人工智能：趋势和转折点

让我们来谈谈一些成果。首先要认识到的是，当今医疗保健中对人工智能的应用证明，这项技术不仅仅是制作漂亮的图片或创作人工智能诗歌。我们中的一些人倾向于认为人文科学是大型语言模型的首要（或者说是唯一的，如果目光短浅的话）用例。但就像人类大学生一样，大型语言模型可以用于追求艺术或科学成果。它们可以是艺术家，也可以是医生。也就是说，许多最重要的用例需要大量的集成。这意味着不仅要设置硬件，训练或提示大型语言模型，还要将它们连接到现有的基础设施和业务运营中。说起来容易做起来难。

艾尔文·格雷林（Alvin Graylin，《我们的下一个现实》（一本关于人工智能对社会广泛影响的新书）的作者）和卡尔·赵（Karl Zhao，一位一直在部署企业人工智能解决方案的人工智能专家）最近与我坐下来讨论了人工智能在美国和世界各地医疗保健中的现实情况。“我认为这有助于分析这些医疗系统以及未来的发展，同时也要理解国际贸易是细致入微的，我们有各种利益相关者从各自的角度出发，在一个大多数人认为全球互联的全球经济中运作。

医疗保健中开源人工智能的兴起：内部部署解决方案正在塑造未来

人工智能正在彻底改变医疗保健，改变临床工作流程，并应对劳动力短缺、诊断准确性和慢性病管理等关键挑战。在美国，医疗保健引领着生成式人工智能的采用，2024年的投资达到5亿美元——比排名第二的法律服务行业高出67%。这一增长突显了人工智能的潜力，但其在现实世界的实施不仅仅需要尖端技术；它需要与现有系统无缝集成，关注成本透明度，以及针对隐私问题的量身定制的解决方案。

开源优势：企业采用

人工智能采用中最显著的变化之一是转向 DeepSeek R1 和 V3 等开源模型。这些模型为企业提供了经济高效、透明且可定制的解决方案，使其成为医疗保健应用的理想选择。与专有系统不同，开源人工智能允许组织审核算法，确保合规性，并根据具体的临床需求调整模型，而无需厂商锁定。

英伟达最近的战略转变突显了这一趋势。该公司不再仅仅关注硬件，而是与专门从事基于开源框架的行业特定人工智能解决方案的公司合作。例如，DeepSeek 支持的工具已经证明诊断时间减少了 40%，罕见病识别率提高了 28%。这些进步突显了开放模型与领域专业知识相结合如何在精准医疗中带来切实的成果。

成本细分：特定领域软件主导人工智能部署

人工智能实施的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备受关注，但软件服务占总部署成本的近 70%。这包括模型微调、与电子健康记录 (EHR) 集成以及持续维护。开源模型通过减少许可费用和实现内部定制来帮助降低这些费用。

内部部署和私有云：医疗保健人工智能的新领域

隐私和数据安全正在推动人们从超大规模云平台转向 内部部署和私有云部署 的重大转变。正如艾尔文·格雷林所指出的那样，“大多数组织都非常犹豫将客户或患者数据放在云端。” 这在医疗保健领域尤其如此，在医疗保健领域，法规遵从性（例如，美国境内的 HIPAA）和患者保密性至关重要。

例如，在中国，严格的数据本地化法律要求医院将患者记录保存在内部，从而推动了对私有 AI 部署的需求。虽然美国更灵活，但对云安全和厂商锁定的担忧正在促使医疗保健提供商转向混合或完全内部部署的解决方案。卡尔·赵强调了这一趋势，并指出“在人工智能规划中，软件和部署灵活性往往被低估了。”

未来：专业的人工智能生态系统

开源模型、成本透明度和内部部署解决方案的融合正在重塑医疗保健人工智能。Stryker、波士顿科学公司和美敦力等公司已经看到了与人工智能创新相关的股票增长，而 AWS 和谷歌云等云提供商则面临着来自本地推理芯片（例如 TPU）的竞争。

正如格雷林恰当地总结的那样，“人工智能不仅仅是即插即用——它需要时间才能与现有系统集成。” 未来属于开放模型、领域专业知识和安全基础设施相结合以产生现实世界影响的生态系统。对于医疗保健而言，这意味着更快的诊断、更好的患者预后以及更可持续的人工智能采用曲线——一个优先考虑隐私、成本效率和可扩展性的曲线。

结论： 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 DeepSeek 这样的开源模型，加上内部部署和对成本结构的清晰理解，正在为企业人工智能的新时代铺平道路——一个在创新与实用性之间取得平衡的时代。

以上是医疗保健中的人工智能：趋势和转折点的详细内容。更多信息请关注PHP中文网其他相关文章！