医疗服务立项带火AI医疗概念股 我们离人机交互的医疗场景还有一段距离

近日，国家医保局印发《放射检查类医疗服务价格项目立项指南（试行）》，统一整合规范现行放射检查项目。其中提到，为支持人工智能辅助诊断进入临床应用，又防止额外增加患者负担，立项指南在放射检查类主项目下统一安排“人工智能辅助诊断”的扩展项，也就是说医院利用人工智能进行辅助诊断的，执行与主项目相同的价格水平，但不与主项目重复收费。

这是人工智能辅助诊断首次被列入价格构成。受上述消息影响，11月25日，理邦仪器（300206.SZ）、贝瑞基因（000710.SZ）、塞力医疗（603716.SH）等相关概念股涨停。

不过，距离人机交互的医疗场景实现仍有一定距离。国家医保局在11月23日的新闻发布会上表示，经调研，各方普遍认为，人工智能技术在一定程度上能够帮助医生提高诊断效率，但现阶段还无法完全“平替”。

AI辅助诊断被列入国家医保局立项指南

11月23日，国家医保局在相关新闻发布会上表示，目前已编制发布17批立项指南，以此来统一指导各地规范价格项目。为了支持相对成熟的人工智能（AI）辅助技术进入临床应用，同时防止额外增加患者负担，国家医保局分析人工智能潜在的应用场景，在放射检查、超声检查、康复类项目中设立“人工智能辅助”扩展项。

据证券时报·数据宝统计，目前共有超30家上市公司涉及AI医疗业务。此前，迈瑞医疗（300760.SZ，股价261.36元，市值3168.84亿元）在互动平台透露，公司几年以前就开始与腾讯进行联合研发应用于阅片机的AI算法，这款产品成为国内体外诊断行业首个进入三类创新医疗器械特别审查程序的AI类产品。

受上述消息影响，11月25日，AI医疗概念大幅走高。

安必平（688393.SH，股价20.09元，市值18.8亿元）相关人士对《每日经济新闻》记者表示，公司开发的宫颈细胞学人工智能辅助诊断产品正在进行三类证注册申报。从实现功能的角度看，目前人工智能对病理切片的分析功能主要可分为三类，一是对组织、细胞的检测分割；二是图像相关特征的提取；三是病理图像的分类和分级，病理医师根据计算机辅助算法的分析结果可以对疾病做出进一步诊断。

“人工智能工作流程大体可分为：数据预处理-图像分割、特征提取、选择、分类、识别、结果输出。”上述人士表示，从人工智能实现的载体上看，大多数产品形式为数字病理图像处理软件，装载于病理科的电脑终端，连接医院信息系统进行使用，另有小部分产品将AI分析算法直接集成于显微镜中，可在病理医师阅片时完成实时分析计算，显示于目镜视野中。

在其看来，病理人工智能有望解决病理医生紧缺问题，还能大量减少病理医生的工作量。在传统病理读片情况下，病变所占面积常常小于1%，病理医生需要将精力花在成百上千万像素点的阴性范围内。如果病理人工智能投入临床使用，预计能够减少病理医生65%～75%的“筛阴”读片工作，而临床医生只要将注意力集中在可疑位点即可。

理邦仪器相关人士也在25日回复媒体表示在AI医疗领域，公司在超声业务上会应用到AI模块。

“AI+医疗”的落地场景越来越多

随着技术的不断进步，AI工具在医疗领域的应用前景广阔，其中超声、CT、磁共振等影像检查是AI医疗落地最常见的领域，国产医疗设备厂商基本都在近年的新品种中增加了AI功能。

以产科超声为例，当超声医生手持的超声探头在孕妇的肚皮上扫描时，AI超声会快速识别用于观测胎儿发育状况的多个标准切面，并自动获取最佳标准切面快速测量胎儿头围、腹围、股骨长、肱骨长等指标，目前的AI超声在一定程度和范围内已经可以胜任产前筛查，四川大学华西第二医院超声科主任罗红教授表示，在实时动态的检查过程中，只要医生找到对应的位置，AI就可以自动识别出标准切面，确实节约了不少时间。

此外，AI在超声领域的应用场景还包括质量控制和医生教学。以前年轻医生的成长主要靠有经验的医生带教，时间久、主观性也强，现在AI在一定程度上解决了这个难题。很多低年资医生都很难做好的筛查项目，正在被AI“拿下”。

河南省人民医院超声科副主任王睿丽向《每日经济新闻》记者介绍，每名孕妇的超声检查需要至少保存22个切面、24幅图片，但临床获取的图片基本是这一数量的两倍甚至更多，因此质控小组平均需要在每个病例上花费十几分钟的时间挑选图片，AI可以将这一时间缩短到一分钟以内，甚至几秒钟就可以完成。

随着ChatGPT等大模型在去年落地，AI在医疗领域的应用更是被按下加速键，进一步延伸到更高级的诊疗领域，比如在手术临床上发挥更大的应用价值。在2024年服贸会上，全球首款搭载人工智能深度学习技术的骨科手术机器人ROPA就引来四海客商的关注。

中国科学院香港创新院AI中心主任刘宏斌教授对《每日经济新闻》记者表示，在手术垂类大模型方面，可以说中国团队与国际的头部阵营在并跑。而且中国有数据优势，如果能够把数据优势发挥出来，后劲很足。

今年3月中国科学院香港创新院AI中心发布的AI多模态大模型CARES Copilot1.0，可以在手术阶段自动识别病灶和解剖结构。11月23日，该大模型迭代到2.0版本，主要聚焦术中的人机交互。

刘宏斌介绍，以前做手术规划要翻书，决定术式后还有一系列注意事项，如肿瘤的位置、怎样开缺口，现在大模型能帮助完成这部分工作，1.0版本时临床医生用得最多的功能是手术规划。另外，神经外科手术时间很长，医生在术中遇到一些问题需要解答也是翻书，现在可以语音互动，大模型来给出答案。

此外，2.0版本还嵌入了手术导航等模块，给医生一些实时的提醒，比如应该看哪个部位、重点关注核磁影像上的哪个区域、在术中指导如何输血等。

“我们希望能用大模型指导医生，正在做大模型的能力与机器人的应用结合。”刘宏斌表示，神经外科医生看着内窥镜的图像做手术，如果内窥镜视野调整由机器人来完成，医生就可以腾出一只手。另外，年轻医生可能遇到的术中困难是定位、术中迷路，大模型学会理解手术步骤，可以对一些重要的解剖结构定位、分区，点亮危险区域，提供手术步骤指导。

未来方向是人机交互的医疗场景

尽管越来越多AI辅助技术进入临床应用，但距离人机交互的医疗场景实现还有较长距离。

在国内某三甲医院超声科主任看来，AI在产前筛查中已经可以达到快速识别切面的需求了，在实时检查过程中可以把标准切面快速显示出来。但前面的一个关键步骤是扫到切面，业内说法是“打图”，则考验的是医生手法和经验。还有一个问题，AI需要训练，没有见过的东西识别不了，所以不能完全依赖AI。

刘宏斌也在与临床医生的交流中发现了这个临床痛点。他对记者表示，超声噪声大，接触部位和力度都影响质量，如果能以医疗垂域大模型赋能，来结合机械臂扫图，未来医生所使用的超声检查可以像手机拍照一般简单。

他还举例，传统手术室中医生想有一个好助手，但这样的好助手很难找，可行的方式是机器人经过跟医生的交互学习后，熟悉其操作方式和习惯用语，担任助手的角色。现在，他们已经在与临床医生一起开发这个功能，这也对连续学习能力提出要求。

对于AI医疗的未来方向，刘宏斌说，可以预见，AI技术可以参与更多严肃医疗，但这种突破是需要临床医生、学术研究者和产业界的紧密合作，三方协作才能实现真正有意义的创新。

封面图片来源：视觉中国-VCG211374266925