探究生成式AI在医疗保健中的革新应用，本文详细剖析了60多种利用生成式人工智能改善医疗技术、增强患者体验的应用场景。从预计复合年增长率达85%的市场增速到GitHub Copilot X如何节省程序员时间，文章为领导者呈现了生成式AI优化业务运营的巨大潜力和迅速实施的必要行动。
生成式AI在医疗行业大有机会
在推出后的两个月内，ChatGPT已经注册了1亿用户，创下了增长最快的用户基数的纪录。这种强大的采用凸显了许多行业的人们在生成式AI中看到的潜力。对于医疗企业来说，该新技术可以使流程更高效，帮助公司个性化客户互动，通过非常规的创造力解锁创新，并更好地访问企业数据和知识，以新的方式创造价值。
主要的挑战是知道如何和从哪里起步。由于生成式人工智能具有如此广泛的潜在应用，并且由于医疗技术是一个高度监管的行业，直接关乎到生命健康，一些公司可能会采取观望的方法。我们认为，这种不作为可能会使公司处于长期劣势。预计生成式人工智能在医疗保健领域的增长速度将比任何其他行业都快，到2027年，复合年增长率为85%，总市场规模将达到220亿美元。（见附录1。）
因此，医疗企业应该开始在其业务的各个领域实施该技术。我们在整个医疗价值链中确定了60多个生成式人工智能的场景用例，并根据其影响和实施速度对它们进行排名，以确定最大的近期机会。所有这些都具有强大的潜力，可以帮助医疗企业更智能、更快地工作，并最终雄心勃勃地为企业创造价值。
预计生成人工智能在医疗保健领域的增长速度将超过任何其他行业，到2027年，复合年增长率为85%。
生成式AI如何创造医疗价值
传统的人工智能通过筛选历史数据来识别模式和见解。生成式人工智能远远不止于此。它仍然需要基于大数据模型，但它使用这些信息来生成新内容，如文本、媒体（视频、图像、语音）、计算机辅助设计和软件代码。对于医疗企业来说，生成式人工智能的主要优势如下：
- 通过减少手工工作或加快流程来提高效率
- 前所未有的客户互动个性化
- 提高创造力，开发新颖的设计和产品
- 更全面地利用企业数据和知识
GitHub Copilot X是一个在数十亿行代码上训练的生成模型，可以将自然语言输入转换为代码建议，为程序员节省大量时间。
在短期内，企业可以采用商用生成式AI产品（如GitHub Copilot X或Jasper），或微调定制现有的生成式人工智能模型。从长远来看，企业可以通过开发更先进的场景用例来释放更大的价值，这些场景用例需要对价值链的内部流程进行更全面的更改，并最终开发基于生成人工智能技术的新型产品和服务。
医疗价值链上的AI应用场景
BCG开发了整个价值链中60多个用例的存储库，作为探索的起点。（见附录2）至关重要的是，还根据它们对医疗企业的影响和实施速度对这些公司进行了排名，使企业能够专注于那些能够快速获胜，从而建立组织能力和信心。附录3显示了基于此优先级的15个具有特别高价值的场景用例。
产研和软件开发
生成式AI模型可以支持软件开发，在这个领域，医疗企业经常与高成本（在某些产品细分市场中，占产品开发总成本的50%以上）和人才不足作斗争。生成式人工智能解决方案可以解决这两个挑战。例如，GitHub Copilot X是一个在数十亿行代码上训练的生成模型，可以将自然语言输入转换为代码建议，为程序员节省大量时间。代码开发辅助建议，任务可以快55%完成。此外，生成式人工智能解决方案可以创建测试用例、文档代码和自动代码审查（由Mintlify和Amazon CodeWhisperer等公司提供）。
除了软件，生成式人工智能还可以应用非常规的创造力来帮助公司发现新产品设计（使用PTC、nTop或Autodesk等公司提供的生成设计工具）。通过简化将内部文件转换为监管提交（通常长达数百页）或临床试验报告的耗时过程，可以带来进一步的价值。几家初创公司正在研究监管解决方案，尽管目前还没有一家在商业上可用。
业务运营
生成式人工智能更值得注意的一个方面是，即使训练数据不足，它也可以启用人工智能应用。例如，在一个没有重要数据的新业务流程中，该工具可以通过创建可用于训练机器学习模型的合成数据来从有限的信息中推断出来。在医疗技术运营中，这种方法可以通过更快地识别有缺陷的产品来提高生产过程的质量，而不是等待在现实世界中发生错误。使用合成数据训练的质量系统可以从第一天起就使用计算机视觉或其他传感器检测产品缺陷，并自动从生产线上清除故障产品（例如，通过机器人垃圾箱）。
生成式人工智能可以通过简化对从现有合同或提案到供应商或行业的公共信息（例如财务数据、新闻和趋势）的广泛供应商数据的访问来进一步增强采购流程。通过高级自然语言理解，算法可以汇总信息并识别潜在风险，从而使采购团队能够做出明智的决定。
营销和销售
在过去的几年里，医疗产品销售团队在亲自拜访客户方面面临越来越严格的限制。因此许多人投资了数字化销售能力。生成式人工智能可以推动这些努力，使大规模个性化和定制营销信息能够更有效地与不同的客户群体产生共鸣，从而提高转化率。
具体来说，生成式人工智能可以整合来自各种来源的信息，包括内部（使用客户关系管理系统的客户拜访报告）和外部（媒体报道，公司网站），以生成特定于客户的洞察。它可以指导销售代表为给定客户采取下一个最佳行动，并准备定制内容来支持该行动。在销售互动期间和之后，生成式人工智能解决方案可以自动记录访问，捕获和分析客户信息，以生成支持下一次互动的见解。主要CRM方案商已开始提供此类功能的测试版本，包括Salesforce的Einstein GPT、HubSpot的Chatspot.ai和微软的Viva Sales Copilot。
售后与支持
在医疗企业中，客户支持是一项高度手动和耗时的任务。生成人工智能可以大大减少订单管理和其他行政请求等领域所需的人工工作。因为它可以与客户互动，并拥有所有必要的信息，因此它可以在没有员工参与的情况下提供更好的客户服务，提供有关产品可用性、交货时间和其他信息的实时详细信息。
考虑到对单个产品或服务的具体支持，微调的语音或聊天机器人可以合并过去的服务知识库和产品手册等信息，以向客户提供故障排除建议，从知识库中确定正确的支持文档或工具，并将更复杂的请求升级到人工客服——与当前产品相比，所有这些都具有更高的复杂性和服务水平。该领域的潜在供应商包括Forethought和Zendesk。
除此之外，未来的解决方案可以使用生成式人工智能来分析客户和产品使用数据，以评估客户是否正在利用所有功能，或在给定过程中持续遇到问题点。生成式人工智能还可以使用高级语言理解力与客户进行对话，以提高客户成功率。这些解决方案还可以与销售功能集成，以识别交叉销售和追加销售机会。
公司职能和协作
独立于医疗价值链中的具体步骤，生成式人工智能可以使生产力和协作工具更有效率。这既适用于开箱即用的应用（如Microsoft 365 Copilot或Google Workspace）和定制应用——例如使用生成式人工智能模型来回答公司特定的内部问题。例如，摩根士丹利正在测试一个由OpenAI驱动的聊天机器人，该聊天机器人接受过大量内部和外部经纪人报告的培训，以支持其财务顾问。
生成式人工智能还有望通过将自然语言转换为机器请求来简化自定义报告和分析的创建。这将使数据更容易访问，并近乎实时地为商业领袖提供可行动的洞见。
在人力资源领域，生成式人工智能可以帮助企业确定合适的工作候选人，并起草个性化的信息来提高参与度（使用 hireEZ 等工具）。最初的澄清问题甚至预筛选可以自主处理，系统筛选候选人，并提出一部分入围者供招聘经理面试。
生成式AI作为医疗产品或服务的一部分
除了场景用例沿价值链的好处外，生成式人工智能还可以从根本上塑造医疗服务的提供方式。例如，它可以：
- 提高图像质量（如病理幻灯片）并提高诊断的准确性（通过Paige和Pictor Labs的产品）。
- 自动进行患者与临床医生的互动，为医生或通过特定设备（Corti和Microsoft + Nuance）的链接一般治疗患者腾出时间。
- 端到端医疗作业流程提供指导，例如支持医生在手术期间的移动（Activ Surgical和Kaliber Labs）。
- 识别大脑健康异常，并制定个性化的治疗计划和干预措施（DiagnaMed）。
更全面地将生成式AI纳入产品和服务将需要解决围绕监管流程的问题，特别是在欧洲和亚洲，在提供关于在医疗技术设备中使用人工智能的监管清晰度方面落后于美国。尽管如此，企业可以展望未来，思考他们的产品如何改变，并使用生成式AI以新的方式与患者互动。对于医疗企业来说尤其如此。
开始采用生成式AI的三大步骤
鉴于生成式AI的潜在影响，医疗企业需要采取行动。与其他新兴技术相比，效率和有效性的提高可以很快实现。因此建议采取三个步骤。
1.沿着价值链识别、试点和扩展优先场景用例
首先，企业需要确定其产品和服务具有最大潜力的生成式人工智能的具体用例。这需要量化其影响和实施速度，考虑模型和数据的可用性、容错性、数据安全、可负担性和市场需求等因素。
根据我们与几家医疗企业和职能专家的讨论，我们认为以下场景用例在价值链中具有巨大的短期潜力：
- 客户服务：支持想要下订单或有其他管理需求的客户，使用高级语言理解来增强或自动化对话以解决他们的问题（主要通过自助服务模式）。
- 客户销售：分析过去的客户互动和外部数据，为个人客户确定个性化的下一个最佳行动。自动准备相应的材料，如电子邮件或销售简报。
- 软件开发：加快软件开发，从代码创建到测试，以解决医疗技术软件开发能力的瓶颈，并帮助更快地将差异化产品推向市场。
- 知识管理：更有效和高效地提供对企业知识的访问，通过将生成人工智能功能集成到日常应用程序（包括Microsoft Office应用程序）中来增强员工的日常工作经验。
- 业务运营：通过在模型培训中使用合成数据来增加制造和质量方面的自动化机会，这有可能加速部署并提高准确性。
2.将生成式AI纳入整体企业战略，以发展持久竞争优势
加速软件开发和改进客户支持机器人的生成式人工智能用例在当下很新颖。但随着越来越多的公司采用，它们将成为大举措。公司需要一个清晰的视角，通过将生成式人工智能集成到医疗产品和服务或价值链活动中，在哪里可以获得最大的竞争优势。作为第一步，组织可以审查生成式人工智能对其现有产品和服务组合的影响（可以改进），并审查其客户/患者流（可以添加新产品）。请注意，价值链活动和运营模式可能会发生巨大变化，公司应该清楚它们最大的价值潜力在哪里。
3.制定有效的政策和人员赋能
一旦用例证明了其影响，就必须在整个组织中扩大其规模，以获取其在政策和人才方面的全部价值。
- 政策：建立负责任的人工智能机制来管理风险。尽管具有巨大的潜力，但生成人工智能也存在潜在的风险，例如使数据中的偏见永久化、违反知识产权保护、产生不正确的输出或创建新的网络漏洞。监管机构可能会对使用生成人工智能采取明确的立场，但公司也可以采取内部措施。例如，公司需要强大的治理来驾驭道德、法律和技术考虑因素——通常被称为负责任的人工智能——以及支持组织决策的框架和一套监测和管理生成性人工智能风险的工具。
- 员工：授权组织和个人共同从生成人工智能中受益。为了支持新的工作方式，许多组织可能需要调整其组织结构和运营模式，澄清责任和决策权，并重新设计岗位职责。公司还需要更新人才和技能战略，以确保员工熟悉如何操作支持人工智能的生成应用（如快速写作），并生成部署高级用例的能力（如增加机器学习专业知识）。
生成式人工智能为医疗技术公司提供了明确的机会，以优化内部流程，并随后通过新产品和服务颠覆市场。因此，医疗技术领导者必须通过识别和试点高价值用例来抓住主动权；考虑技术的战略影响；并准备人员和政策以实现变革。
0 thoughts on “创新洞察｜AI革命医疗：揭秘生成式人工智能在医疗领域的60场景应用”
这篇文章详细阐述了生成式AI在医疗健康行业的应用场景，有助于医疗企业更好地了解和掌握该新技术。
短期内，企业可以采用商用生成式AI产品，长期来看，可以通过开发更先进的场景用例实现更大的价值。
医疗企业应该关注这个领域的增长趋势，积极探索和试验生成式AI的应用场景。
医疗行业需要更高效的流程和个性化的客户互动，生成式人工智能可以很好地解决这些问题。
生成式人工智能在医疗保健领域的复合年增长率可以达到85%，是一个非常有潜力的领域
生成式人工智能不仅可以支持软件开发，还可以通过非常规的创造力帮助公司发现新的产品设计。
生成式人工智能可以帮助医疗企业更全面地利用企业数据和知识，以新的方式创造价值。
生成式人工智能能够提高医疗企业的工作效率，创造个性化的客户互动，提高企业的竞争力
医疗企业应该认真考虑采用生成式AI技术，以适应这个快速增长的市场。
生成式人工智能可以帮助医疗企业更好地解锁创新，实现卓越的表现和高价值创造。
生成式AI可以提高医疗企业的创造力，开发新颖的设计和产品，帮助公司更好地访问企业数据和知识。