近年来，人工智能发展速度之快、应用范围之广备受瞩目。今年的政府工作报告提出，深化大数据、人工智能等研发应用，开展“人工智能﹢”行动，打造具有国际竞争力的数字产业集群。从信息化到“互联网﹢”，再到数字化和“人工智能﹢”，医疗健康与数字技术的跨界融合将进入一个全新的发展阶段。　　

那么，“人工智能﹢医疗健康”究竟只是行业的一时热潮，还是能够引领行业高质量发展的关键？从当前数字技术飞速发展的态势来看，答案已然清晰——“人工智能﹢医疗健康”是推动卫生健康行业高质量发展的必由之路。　　

人工智能在医疗健康领域的应用已有显著成果。影像人工智能辅助诊断系统利用图像识别技术，已有产品成功获得三类医疗器械许可证。同时，机器学习和深度学习算法等人工智能技术已被应用于多肽合成、虚拟筛选、毒性预测、药物监测和释放等药物发现过程，并为更复杂的蛋白质折叠和蛋白质相互作用研究提供了支持。《自然》杂志2023年11月30日发表的研究显示，人工智能驱动平台——材料探索图形网络自行发现和合成新无机化合物的速度和精确性均远超人类。　　

内容生成式人工智能技术，特别是以大型语言模型（LLM）为代表的技术，已经成为全新的发展方向，并展现出巨大潜力。这些新兴人工智能技术的学习路径更加贴近人类，从通用学习到专业领域深入学习的路径，与人类的教育过程异曲同工。　　

以LLM为例，其通过不断“进食”海量信息完成模型的迭代升级，通用学习类似人类九年义务教育阶段，学习内容为基础知识；监督学习类似高中阶段，学习自然和社会科学相关内容；专业领域的针对性学习类似大学及研究生学习阶段。据了解，已有大型语言模型能够在法律、医学等领域表现出色，并且能够通过资格考试，显示出其巨大的应用潜力。　　

医学LLM的开发与应用是当前的研究热点之一。从数据模型的医学定制到医学数据集的“喂养”，科学家虽然已经做了大量工作，但是要完成从实验室到应用的“最后一公里”，仍需不懈努力。　　

当前，我国在人工智能数据集、模型效果评估等方面缺少统一权威的标准规范，存在重复建设、数据及应用复用难的现象，造成难以科学评价同类应用或产品实际效果的情况。作为新一代信息技术，人工智能目前的相关监管制度与法律尚不完善，监管审核机制不完善，人工智能技术应用产生医疗纠纷的责任界定困难。此外，数据安全风险也不容忽视。　　

我国在该领域需要重点关注以下方面：第一，受限于中文语料库内容不足和质量较差的问题，中文大型语言模型的“基础教育”水平有待提高；第二，医疗健康行业涉及国计民生，医疗健康数据的共享须在公民隐私保护和助力技术革新之间做好兼顾与平衡；第三，有别于交通、金融等领域，人工智能在医疗健康领域的应用还要重视伦理问题；第四，制定相关标准，为具体操作与应用提供依据。这些问题需要我们以更加审慎和负责任的态度去面对和解决。　　

总体来说，人工智能在医疗健康领域的应用前景非常广阔。它可以提高医疗诊断的准确性和效率，提升疾病预防和早期检测的能力，辅助制订个性化治疗、护理、用药计划，同时还可在提升管理效能等方面发挥积极作用，改善患者的就医感受。基于“高科技、高效能、高质量”的标准，人工智能的关键核心技术成果是发展新质生产力的重要引擎，是助力实现卫生健康行业高质量发展的原动力。