平安健康资深副总裁兼首席技术官贺立权
9 月 11 日-14 日，由钛媒体与 ITValue 共同主办的 2024 ITValue Summit 数字价值年会在三亚举行。此次峰会主题为 「Ready For AI」，交流经验教训，交叉行业思考，推动创新交易，以创新场景为基础，共同探索 AI 驱动下数字经济时代的全新机遇，共同打造一场数字经济时代的 AI 创新探索盛宴。
大会上，平安健康资深副总裁兼首席技术官以 「医 「芯」 守护，智享健康」 为主题进行了分享。自 2014 年平安健康成立至今，始终对新技术保持敏感，持续建设、探索和提升医疗 AI 技术及应用，技术赋能业务发展也经历了三个阶段。
贺立权介绍称，1.0 阶段是规则引擎来做奠基，彼时利用 CDSS 系统解决方案，实现了诊疗标准化，2.0 阶段是借助深度推理实现飞跃，基于推理和神经网络技术，进一步提升了疾病诊疗覆盖率，3.0 阶段基于大模型技术打造的多模态医疗大模型 「平安医博通」 全面赋能业务场景。
在医疗 AI 技术的赋能下，公司战略业务付费用户数超 1770 万，家医会员权益用户数超 1400 万，年人均使用频次超 4 次，主动服务覆盖率达 100%。
而从平安健康整体发展而言，从成立到上市再到实现盈利，公司在医疗健康领域创业 10 年，也在 AI 路上走了 10 年。
目前，平安健康左手是巨量有医疗健康服务需求的金融和企业客户，右手通过标准化流程和质控体系整合管理大量服务商，中间通过家庭医生和养老管家串联，最终在平安集团 「综合金融+医疗养老」 战略引导下，目标是打造中国版管理式医疗模式样本。
在这一模式之下，平安健康要为庞大客群提供优质的 「三到」 服务，即到线服务、到店服务、到家/企业服务，单纯依靠人力难以实现，平台大力投入数字化技术研发和应用，以期通过医疗 AI 辅助，实现战略愿景。
以下为平安健康CTO贺立权演讲内容，经钛媒体整理：
大家下午好，我所从事的是严格监管的医疗健康行业，平安健康作为真正在医疗健康领域内创业 10 年的公司，在 AI 这条路上也走了 10 年，过程有痛苦，也有快乐。
我今天的分享希望回答三个直击灵魂的问题——为什么要做？应该怎么做？做成以后效果怎么样？
平安健康躬身入局，打造中国版管理式医疗
平安健康是平安集团旗下 30 多家子公司中的一家，专注于医疗健康。公司成立于 2014 年，第一阶段花 4 年时间完成了港股上市，期间，我们招募了自有医生。当时线上问诊的医生大多数是兼职，回复不及时、不标准的情况很多，我们要解决这个问题。
2018 年至 2022 年，我们内部也在反思和计算，专注于 C 端的业务模式带来了很多客户，但是可能花费二、三十年的时间，商业价值也难以兑现。在这 4 年的时间，我们完成了战略转型，转向 B 端。
过去两年时间是我们企业经营的第三个阶段，今年年中，公司盈利上岸。
我们的战略不断深化，具体来看，平安集团在最初入局医疗领域时布局了 10 多家公司，最终要实现 「综合金融+医疗养老」 的医疗养老生态圈。
平安健康的左手是巨量有医疗健康服务需求的金融和企业客户，右手通过标准化流程和质控体系整合管理大量服务商，中间通过家庭医生和养老管家串联，最终在集团战略引导下，打造中国版管理式医疗模式，为庞大客群提供优质的 「三到」 服务，即到线服务、到店服务、到家/企业服务。
完成业务搭建和资源串联之后，我们在深入思考如何实现的问题。
严肃医疗场景下的AI探索三阶段
平安集团有非常庞大的用户群，包括 2.3 亿+个人用户、5.6 万+企业客户，平安健康也有 1770 万+战略付费客户，同时在过去 10 年还积累整合了数十万家服务机构资源，包括医院、体检机构、诊所、药店、细胞存储等等。怎么做到这如此大规模的客户都享受到优质的 「三到」 服务，单纯依靠人力难以实现，所以投入 AI 技术，通过医疗 AI 辅助，实现战略愿景。
通过 AI 赋能，平安健康解决了医疗质量、医疗安全与医疗效率的三角困境。
在医疗健康领域，质量和安全永远是第一位，我们对涉及质量和安全问题的态度是 「一票否决」，之后才讲效率。在这样的基调之上，我们用整整 10 年时间走完了三个阶段。
1.0 阶段是规则引擎来做奠基，彼时利用 CDSS 系统解决方案，平安健康整理了平台上 80% 的疾病数据，以及国家甚至国际临床指南、经典案例，再将这两部分数据灌入系统，形成了大约 3000 多条种常见病知识库、1100 多条中西医专家诊疗路径、超过 30000 个临床决策树，实现了诊疗标准化，覆盖度超过 80%、好评率超过 98%、跑通率超过 94%。
但是受制于技术能力，二叉树规则引擎之下，新的问题产生，如果有未录入的新疾病或诊断问题进入，会无法解决。整个平台的技术发展也进入了第二阶段。
2.0 阶段是借助深度推理实现飞跃，基于推理和神经网络技术，我们通过灌注积累的问诊语料，形成了 5 大医疗知识库。当时，平台会给医生派发任务，即每天需要从当日问诊量中挑选 50 条或 100 条问诊语料做标注，再交由 AI 去深度学习，我们的神经网络也就此形成。通过这个阶段，我们的覆盖度提升至 85% 以上，精度超过 90%，覆盖量达到 14 亿+。
其中最重要的是，我们将平台积累的所有咨询、问诊的脱敏数据跑了一遍，发现有些真实问题没法解决，比如有女性用户提问 「吃了西瓜会不会影响怀孕？」 神经网络对这个问题束手无策。平台技术开始进入第三阶段。
3.0 阶段基于大模型技术的多模态医疗大模型全面革新了业务。基于此前形成的 5 大医疗库，在平安集团赋能之下做了多模态医疗大模型 「平安医博通」，又在这一大模型上做了 「外挂」，将业务流程细化切分，做对应的小模型，最终形成了 12 个业务模型群，赋能真实的业务场景。在安全伦理方面，进一步深化出 10 道安全防线，确保模型安全合规。
5 大医疗库在国内来说比较领先，覆盖了 3.7 万种疾病、42 万条疾病术语、22 万+种药品、50 万医院资源、14 亿+次的问诊数据，等等。
这个库的一个重要意义在于，我们看到的是数据库，但这背后链接的是服务。比如在心理咨询项目中，咨询过程如果出现相关的心理方面问题，我们会建议与专业心理咨询师进一步线上沟通，甚至告诉用户线下几公里范围内就有执业信息咨询师。这就是我们的服务库和多模态大模型的联动。
医疗AI大模型「平安医博通」赋能提效全流程服务
在平安医博通多模态医疗大模型中，我们的第一层是切分业务流程，包括咨询、诊断、诊疗、服务，在这之下还有 L2、L3、L4 层，每一层都有一个外挂小模型，包括咨询、解读、诊断、情绪监控等等。
在平安集团乃至整个保险行业，涉及保费核算体检报告都十分重要。我们以体检报告解读来举例，在平安集团相关的 3000 多家体检机构中，平安健康覆盖了 98% 以上，面对千万份的体检报告，我们能做到准确识别国家卫健委标准生产的 936 项体检指标数据，通过识别和组合，得出相关疾病趋势，还能进一步生成超过 2000 多套健康管理方案。
第二个例子是平安健康平台的自动健康档案。作为平台，我们希望用户能够留存，我们有体检报告，另外还要依靠建立健康档案。用户可以将其他平台或机构的咨询问诊记录和医疗文书拍照上传，大模型来识别整理，我们对医疗文书的识别率在 90% 以上，剩下的 10% 交由平台后方的专业团队做校对。最终我们能够实现三分钟内给出准确、完整的解读结果，为用户提供个性化个人趋势分析。以此为基础依据，为用户匹配医疗健康方案或者保险方案。
针对非常庞大的慢性病患者，也更方便通过生活方式的干预，结合医疗手段来实现疾病闭环管理。尤其在血糖异常领域，可以添加 AI 定时打卡提醒，由 AI 来评估饮食结构和具体的摄入量。平安健康与国家慢病中心合作，已经管理了大约 150 万糖尿病患者。
质控方面，我们平台上 14+亿次问诊，通过 AI 完成了全面的在线问诊质控，重症锁屏识别标签超过 5 万条，AI 自动生成的电子病历，经人工检验，甲级率达到 99.8%，而国家的要求是 90% 以上，用药处方质控方面合规准确率达到 100%。AI 发挥了重要作用，切实保障医疗服务质量。
效率提升方面，AI 介入后，业务切片化，基本能够做到 90% 多的精度，节约很多医生的时间，可以让他们专注于做诊断，同时实时提供医学知识辅助，以平安家医为例，目前已实现助力家医服务效能提升约 30%。
我们有这样的机会，是因为我们有非常丰富的场景，同时也正好具备能力来实现，并且目前来看，我们的医博通大模型效果也不错。但是，距离达到真正的临床级别，还是有很长的路要走。
结合我自己做医疗 AI 多年的经历，第一，我想在此发出倡议，悲观的人可能正确，但是乐观的人永远前行，我建议各个行业的从业者都躬身入局去试一试，不要在岸上看，因为 AI 技术背后的一些风险就作罢，要找具体的场景去尝试；第二，我们技术出身的人也要改变观点，要考虑技术能否生产价值，这是活下去的前提；第三，大模型一定有前景，行业的大模型一定会最先跑出来并跑通商业模式，找一些不容易被替代、相对复杂的场景，就会非常有机会。
谢谢大家。
（本文首发于钛媒体 App）
