AI大模型或将面临技术成熟度，医学数据质量与安全，和医疗服务公平性方面的风险。
当前，在“AI大模型”与医疗健康的结合下，疾病诊疗、新药开发、临床研究等领域随之产生一系列变革。
“AI大模型在医疗健康的七大领域已有部分探索性应用，这七大领域包括：医疗服务、运营管理、患者服务以及科教研、药品供应、传统医学与公共卫生。”中国信通院云大所副所长闵栋在日前举办的2023世界人工智能大会上表示，但目前上述应用大多处于按科室或单病种的个案研究状态，尚未进行大范围推广，并且，不同领域AI大模型的应用机会、产生影响程度和成熟速度上的差异仍然较大。
闵栋举例，比如，医疗服务上，AI大模型可根据医疗信息生成诊断决策（这需要AI大模型针对聊天、网页、开源文献等大量自然语言处理数据训练，并自动补偿桌重点和关键信息，不断进化）；再如，运营管理上，AI大模型可以产生结构化的医疗纹文书并实现内容质控（对ChatGPT下达指令，即可以生产排版的出院小结），以及可产生管理用表单并辅助决策；此外，患者管理上，AI大模型可以用通俗的语言为患者用药进行答疑和导诊。
除此之外，之前很长一段时期内，AI大模型也通过靶点发现、复杂分子结构和序列的筛选、药物安全性评估等来加速药物研发进程；而在公共卫生方明，AI大模型也被爱丁堡大学亚瑟人口健康科学学院一项分析用来对“新冠疫苗阻断疫情人群传播的有效性”进行模拟分析。
事实上，由于患者需求使然，AI大模型率先落地的场景仍然是“医院”，但仍有其局限性，“AI大模型可以覆盖患者预问诊、分诊、导诊，以及导航推送、科普教育等功能，“不过我们仍然要考虑，是否针对AI大模型有一个评价、监管的工具，大量的个人诊疗隐私如何做到合理、安全使用。”复旦大学附属中山医院党委书记顾建英表示。
而AI大模型在科教研层面产生了诸多业内争议。闵栋称，在临床科研过程中，尽管AI大模型能在选题立项上生成综述和参考文献，在研究方案设计时生成新视角和新思路，并且自动生成同行评议结果，“但AI大模型对科研的风险在于，一方面可能会被认为伪造了参考文献，另一方面，由此产出的科研贡献难以甄别，也无法对生成的内容负责。”
但其仍然面临不少风险与挑战。业内人士表示，医疗健康领域存在特殊性，对医疗数据质量与安全，患者隐私保护要求很高，为此，AI大模型或将面临技术成熟度风险，医学数据质量与安全风险，和医疗服务公平性风险。
详细来说，技术成熟度的风险在于AI大模型的算法可能会局限并导致内容失真，算力不足导致效率过低；医学数据质量与安全风险在于模型训练的数据质量不高，存在隐私风险；医疗服务公平性风险在于模型生成的内容存在虚假、错误，以及算法偏见导致的不公平。
为此，闵栋建议，可以从三个方面给予解决方案。第一，推动算法平台建设及算力设施部署，来形成适配医疗健康AI大模型的算力资源服务模式。第二，是构建规范化、标注化的训练用专病数据库，来保障AI大模型的可靠、真实性及安全。第三，是推动人工智能医疗应用合规，包括支持建设一批相关检测机制、合规审核、应用规范等。
“下一步，应该要研制出符合医疗健康行业应用特色的AI大模型标准框架。我们的初步设计是：基础设施层，包括数据准备、模型开发、开发平台；模型层，包括语言大模型、图像大模型、音频大模型等；应用层，包括生成文本、生成图像、生成音频等。” 闵栋补充。
