股票能加杠杆吗 专访罗兰贝格合伙人厉盛：AI在临床门诊诊断、影像诊断等方面应用较成熟，但在手术中后段应用还不广泛

白色是最安全也是最经典的搭配色之一。白色内搭能够提亮整体造型，使粉色马甲更加清新脱俗，无论是白色T恤、衬衫还是针织衫，都能轻松驾驭。

　　7月16日至18日，博鳌亚洲论坛全球健康论坛第三届大会在京举行。

　　大会以“健康无处不在——可持续发展的2030时代”为主题，设置了“健康融入所有政策”“实现全民健康”和“创新促进健康”三大板块议题。

　　今年的《政府工作报告》提出，要深化大数据、人工智能等研发应用，开展“人工智能+”行动。

　　医疗大健康行业因具备数据丰富、对AI技术接受度高等特点，成为人工智能技术落地的关键领域。

　　在“发展新质生产力：人工智能赋能大健康”分论坛上，与会嘉宾围绕人工智能与大健康的融合发展展开探讨。罗兰贝格合伙人、生物医药与健康服务行业负责人厉盛表示，中国的AI应用在专利、融资节奏、企业数量以及企业所涵盖的阶段等方面，都已经比较广泛。AI如何更好地与医疗流程和医疗体系衔接，解决较为迫切的医疗问题，还有很大的进步空间。

　　分论坛期间，厉盛接受了《》（以下简称NBD）记者的专访。

　　圆桌论坛现场 每经记者 张蕊 摄

　　AI在临床门诊诊断支持等方面应用较成熟

　　NBD：目前在医疗健康领域中，人工智能在哪些细分领域应用更为成熟？

　　厉盛：AI在零售、金融、教育等领域其实已经应用比较广泛了，但在医疗领域的应用相对不是特别领先。由于医疗行业的特殊性，AI的使用比较谨慎，但也在逐步推进。

　　目前，应用比较成熟的主要有三方面：一是临床门诊诊断支持，主要是指临床决策支持系统（CDSS）；二是影像诊断方面，以影像数据为基础的临床判断，通常称为AI助手；三是临床试验方面，在药物研发的早期阶段，AI技术能帮助研发人员更好地识别靶点，整合临床试验各个阶段的流程或数据，推动研发进程。这些应用在频率、参与企业和市场融资规模方面都表现出较高的活跃度。

　　如果从诊前诊中诊后或者术前术中术后来讲，“中”和“后”段的应用目前还不是特别成熟和广泛，仍在探索阶段。手术本身的复杂性、诊疗路径尤其是疗法的多样性，以及病人全生命周期的复杂性和长期性，都使得数据的存储、使用和管理存在挑战，业内也在进一步探索。

　　人工智能对医疗服务效率提升有很大帮助

　　NBD：您如何看待人工智能、大数据等技术在提升医疗服务效率、促进健康公平方面的潜力？

　　厉盛：这方面我们要看不同的医疗服务场景，不能一以概之。首先，临床环境就包括门诊、病房、ICU手术室等；其次，院外服务包括药房、O2O（在线医疗服务）、疾控和公共卫生场景；再次，生物样本库也属于生命科学和医疗健康这个大的范畴。

　　从效率上来讲，数据的集成和路径的优化，肯定能够帮助我们集成更多的数据，形成更好的决策和判断。比如在临床环境中，临床医生每天面对大量病例，他们的学习曲线和决策曲线在一定程度上会受到影响，这时人工智能就能有效地帮助医生。另外，自动化药房通过数智化手段可以提升配药效率，减少人工差错。在这些场景中，人工智能对医疗服务效率的提升是有很大帮助的，也很有前景。

　　在促进健康公平方面，我认为在基层会体现得更加明显。中国一直在推动分级诊疗，希望基层医疗机构能够承担更多的医疗职责。通过AI的学习，把很多成熟的模型或规范落实到基层医生那里，这将有助于他们迅速提升专业能力，更有效地与患者进行交互。

　　人工智能等数字技术的发展不会显著拉大数字鸿沟

　　NBD：一方面，人工智能等数字技术在促进健康公平方面有很大潜力；另一方面，数字鸿沟又有可能加剧全球健康不平等。您认为应如何缩小这一差距，确保所有人都能享受到数字健康带来的便利？

　　厉盛：就中国而言，我们的医疗保障系统是普惠型的，基层医保的覆盖面比较广。另外，中国公立医院数量占比很大，在公平性上与其他国家相比已经走在前列。

　　数字技术方面，目前我们看到的主要是在科研领域的尝试，未来在应用方面具体的受益者是谁，我们怎样把获得的收益更好地分享给大家……其实都在作一些思考。

　　我认为互联网、数据本身其实是有助于打破鸿沟的，在欠发达地区，一旦具备技术硬件和基础设施，就能更好地获取数据，帮助当地居民看到更广阔的世界。

　　我们应该将数字健康视为全民福祉的一部分，而不仅属于发达国家或发达地区。虽然发达国家或者发达地区在数据迭代和数据应用模型生成方面拥有更多资源股票能加杠杆吗，但其溢出效应也会非常显著，所以我个人认为，人工智能等数字技术的发展不会显著拉大发达地区和欠发达地区之间的鸿沟和差距。