生成式AI如何改善健康：Google Health的9个例子

Google Health: 9 examples of how generative AI improves health

人工智能正在从根本上革新医疗技术行业。在2025年的维也纳Calm/Storm Days活动中，谷歌云数字原生代经理Laura Heidrich介绍了Google Health研究部门的七个关键发展成果。其中一些已经可用，而另一些仍在开发中。这些趋势将改善未来的医疗保健，并产生更大的影响。

1. 生成式AI诊断

Heidrich问观众：“谁愿意接受由AI生成的诊断或治疗？” 主要由投资者和初创企业创始人组成的观众几乎没有人举手。

她接着问道：“如果准确率达到80-85%呢？” 只有少数人举手。Heidrich认为这很有趣，因为医生通常能达到这种准确率，而AI可以达到高达97%的准确率。

AI不仅会从财务角度改变游戏规则，还会通过提高生产力使医务人员有更多时间与患者合作。

2. 医疗协作优化

AI通过视频会议中的实时翻译和文档上的协作工作，使医疗领域的协作更轻松高效。这将显著改善医疗服务提供者之间的沟通。

3. 加快软件开发

鉴于护理人员短缺，AI帮助开发人员更快、更高效地编写医疗应用程序，从而加快重要医疗解决方案的上市时间。

4. 行政任务自动化

在医疗保健领域，AI可以帮助创建患者的出院文件。医生只需快速审查这些文件并点击确认即可。这一原本冗长耗时的过程得以简化，从而腾出更多时间为患者提供护理。

5. 个性化健康建议

Heidrich认为，在追踪领域，AI提供了一种变革性的医疗市场解决方案。通过分析健身追踪器数据，可以创建个性化的健康建议。大量数据使得能够为个人提供精确的建议。例如：“今天早上进行30分钟的瑜伽练习。”

6. 医学知识系统

特殊的AI模型如MedLM（一种高级语言模型）在美国医学考试中达到了近90%的准确率。这些基于知识的系统将继续发展，在某些情况下甚至超过人类约80至85%的诊断准确率。

7. 改善患者沟通

据Heidrich介绍，患者认为AI支持的聊天机器人比人类互动更具同理心和准确性。这里使用了多模态系统，可以处理文本和语音等不同的输入模式，并生成文本或图像等不同输出。

8. 诊断中的图像分析

在病理学、放射学和眼科等领域，AI旨在支持组织和器官的分析。其优势在于手术期间节省时间，支持诊断并做出更好的决策。为了确保医生保持警觉而不盲目信任AI结果，有时故意输入错误数据。

9. 蛋白质结构预测

最后一个例子是来自Google DeepMind的AlphaFold。该技术旨在彻底革新并显著加速蛋白质结构的预测。这可能加深对生物过程的理解，并推动新疗法的开发，特别是针对罕见疾病。

(全文结束)