医疗保健中的人工智能：趋势和转折点

人工智能将彻底改变医疗保健，并改变我们如何在美国和国外进行临床工作。每个国家都会以自己的方式实施这些系统，但是许多国家将使用AI来实现各种好处，例如解决临床工作短缺，改善诊断和处理人群中的慢性病。

因此，让我们谈谈其中一些结果。要认识到的第一件事是，当今AI的医疗保健实施证明了该技术并不是制作漂亮的图片或写人工诗歌。我们中的一些人倾向于将人文学科视为大语模型的第一个（或仅在近视）用例中。但是，就像人类的大学生一样，LLM可以用于寻求艺术或科学成果。他们可以是艺术家，也可以是医生。也就是说，其中许多最佳用例都需要大量整合。这不仅意味着设置硬件，培训或提示LLM型号，还将其连接到现有的基础架构和业务运营。说起来容易做起来难。

虚拟世界社会的Alvin Graylin和Genai顾问Karl Zhao最近坐下来谈论AI在医疗保健，美国和世界各地的现实。我认为这有助于寻求对这些医疗保健系统的分析以及如何发挥作用，并且了解国际贸易是细微的，并且我们有各种利益相关者从自己的观点上运作，在大多数人都同意的全球经济中，全球范围内都在全球范围内相互联系。

医疗保健中开源AI的兴起：本地解决方案正在塑造未来

人工智能正在彻底改变医疗保健，改变临床工作流程，并应对劳动力短缺，诊断准确性和慢性病管理等关键挑战。在美国，医疗保健领导了生产AI的采用，投资在2024年达到5亿美元，比第二名的法律服务高67％。这种增长强调了AI的潜力，但其现实世界实施不仅需要尖端的技术。它要求与现有系统无缝集成，专注于成本透明度以及针对隐私问题的解决方案。

开源优势：企业采用

AI采用中最重要的转变之一是朝着诸如DeepSeek R1和V3之类的开源模型的转变。这些模型为企业提供了具有成本效益，透明和可定制的解决方案，使其非常适合医疗保健应用。与专有系统不同，开源AI允许组织审核算法，确保合规性并适应没有供应商锁定的特定临床需求的模型。

NVIDIA最近的战略转变强调了这一趋势。该公司不仅专注于硬件，而是与专门从事特定于行业的AI解决方案建立在开源框架上的公司。例如，供电的工具已经显示出40％的诊断时间和稀有疾病鉴定提高了28％。这些进步凸显了开放模型以及领域专业知识的结合如何在精密医学方面带来切实的结果。

成本分解：特定域软件主导AI部署

AI实施的关键但经常被忽视的方面是成本分布。虽然诸如GPU和推理芯片之类的硬件引起了人们的关注，但软件服务几乎可以说明总部署成本的70％。这包括模型微调，与电子健康记录（EHR）的集成以及持续的维护。开源模型通过减少许可费并实现内部定制来帮助减轻这些费用。

本地和私人云：医疗保健AI的新领域

隐私和数据安全正在推动从超级评分云平台转移到本地和私人云部署。正如阿尔文·格雷林（Alvin Graylin）指出的那样“大多数组织非常犹豫地将其客户或患者数据放在云上。”在医疗保健中尤其如此，那里的监管合规性（例如，美国的HIPAA）和患者机密性至关重要。

例如，在中国，严格的数据本地化法律要求医院保持患者记录的本质，从而助长了对私人AI部署的需求。尽管美国更加灵活，但对云安全性的担忧和供应商的锁定正在推动医疗保健提供者脱离混合或完全本地解决方案。Karl Zhao强调了这一趋势，指出“在AI计划中，软件和部署的灵活性通常被低估了。”

未来：专业的AI生态系统

开源模型，成本透明度和本地解决方案的融合正在重塑医疗保健AI。诸如Stryker，Boston Scientific和Medtronic之类的公司已经看到了与AI创新相关的股票收益，而AWS和Google Cloud等云提供商则面临着本地化推理芯片（例如TPU）的竞争。

正如格雷林恰当地总结的那样，“ AI只是与现有系统集成所需的时间。”未来属于生态系统，开放模型，领域专业知识和安全基础设施相结合以产生现实世界的影响。对于医疗保健，这意味着更快的诊断，更好的患者结果以及更可持续的AI采用曲线，该曲线优先考虑隐私，成本效率和可扩展性。

底线：
医疗保健的AI革命与技术无关。这是关于如何该技术已实施。诸如DeepSeek之类的开源模型，再加上本地部署以及对成本结构的清晰了解，为企业AI的新时代铺平了道路，该时代可以使创新与实用性保持平衡。