基于ChatGPT 的我國數字醫療發展前景、挑戰和策略分析

摘要：ChatGPT使用了先進的生成式AI模型，在教育、醫療和翻譯行業引領了新興的人工智能方向。從數字醫療的概念定義出發，探索ChatGPT在效能、智能性、普及和醫學教育方面的賦能作用和潛在應用前景，同時分析其在數據共享、數據隱私和安全以及產品引入的挑戰。最后，從建設數字醫療大數據共享體系、創造數字醫療生成式AI生態環境和健全以隱私和安全為中心的數據保護機制方面提出ChatGPT融入數字醫療的策略。

關鍵詞：ChatGPT；數字醫療；發展前景；策略選擇

中圖分類號：F124；R1-9 文獻標識碼：A DOI：10.3969/j.issn.1003-8256.2024.05.005

ChatGPT是OpenAI最新研發的人工智能生成內容模型，基本屬性為大型語言模型（LLM），基于Transformer的生成式預訓練，使其能夠理解上下文并輸出下一個最有可能的文本內容，并使用了大型文本語料庫和微調語料進行訓練［1］。在GPT-3.5模型基礎上，利用監督學習技術和人類反饋的強化學習模型（RLHF），對一般任務的指令進行微調，進一步提高生成內容的能力［2］。目前，ChatGPT 可以根據輸入生成文本，完成以往人工智能文本生成所不具備的多輪對話、代碼生成等強大的語言能力，能夠完成文本生成、代碼調試、文獻檢索、數據分析等自然語言處理任務。

數字醫療是現代醫療發展的重要方向，我國高度重視醫療服務數字化，如國務院印發的《“健康中國2030”規劃》《關于進一步完善醫療衛生服務體系的意見》《公立醫院高質量發展促進行動（2021—2025 年）》中強調數字醫療的信息技術支撐作用，推動建設醫療全過程的互聯網平臺，促進云計算、區塊鏈、人工智能等新興技術在醫療領域的使用，加大數字化建設投入水平，打造線上線下一體化服務的醫療服務模式。

人工智能作為新興技術發展的成果，在醫療領域得到廣泛使用，IBM公司推出的沃森醫生（Watson Health）用于提供癌癥治療解決方案，是人工智能+醫療的跨時代的嘗試。谷歌公司2022年發布的Med-PaLM，通過了美國醫師執照考試測試，回答醫學知識問題的準確率達到了92%，是人工智能與醫療深度融合的產品。我國公共醫療數字化建設也取得較好的成果，醫療機構的信息化和新型技術的使用，促進了人工智能在數字醫療中的應用，如電商醫藥平臺、在線問診平臺、智能醫學影像識別、醫療機器人等。

ChatGPT作為先進的智能對話機器人模型，其自然語言生成和多輪對話功能可以在我國數字醫療的多場景中得到應用，憑借其強大的信息檢索和智能生成文本能力，在醫學教育、臨床決策和健康管理等方面存在強大的技術優勢，有利于緩解我國醫學人才緊缺以及醫療資源下沉的困境。ChatGPT如何深化數字醫療體系建設，有哪些潛在應用場景？面臨哪些挑戰和風險，以及如何實現針對這些挑戰的策略選擇？ 這些都是ChatGPT在我國數字醫療中應用所面臨的問題。因此，在已有研究的基礎上，嘗試對這些問題進行梳理和回答，為生成式AI賦能數字醫療提供戰略的制定提供一定的參考。

1 相關研究概要

1.1 數字醫療的基本框架

數字醫療是將互聯網、移動互聯設備、5G通信等新一代信息技術運用于整個醫療過程的現代化醫療方案［3］，以共享大數據資源庫為基礎搭建醫療全鏈條網絡［4］，在醫療設備、醫藥研發和診療過程中進行科學合理的數字化建設，構建數字醫療框架如圖1。數字醫療使醫生對患者進行實時實況的醫療診斷，從而降低傳統醫療服務的信息不對稱，促進醫療資源向下流動，對提升人民群眾的幸福感有重要作用，是公共醫療的發展目標。

人工智能與數字醫療的深度融合是未來市場的發展方向，也是人工智能產品重點突破領域，如醫療機器人、醫學影響識別、可穿戴設備等都與人工智能息息相關［5］。其具備的深度合成和大數據分析特點，能夠建立更穩定數字醫療安全防護機制，提供更準確和實時的醫療服務，預測和遏制醫療危機事件，且在構建健康保障體系和藥物研發方面獨具優勢，有利于緩解醫療資源短缺導致的就醫難的現狀［6］。

1.2 ChatGPT 與醫療領域

當前國內外學者針對ChatGPT在臨床決策、醫學教育、醫學應考測試等方面進行了相關研究，從實證角度分析了其在醫療場景中應用的可行性，Liu 等［7］認為ChatGPT可以為醫生提供有價值的見解，優化醫學臨床警報系統，減少因醫生失誤而導致的病情風險。Zhu等［8］通過ChatGPT生成藥物研究的概述和評價，發現該模型生成內容總結性較強，但嚴謹性有待加強。KUNG等［9］對比ChatGPT與專家臨床醫生的知識儲備差異，結果表明其在醫療許可考試上的準確度能達到或接近及格水平，答案具備可信度和可解釋性。GILSON等［10］使用AMBOSS 和NBME 兩套醫學題庫評估ChatGPT 的性能，研究表明其準確度已經達到三年級醫學生的及格分數，具備成為交互式醫學教育工具的潛力。ANTAKI等［11］測試了ChatGPT在眼科知識評估項目考試中的表現，結果表明其在簡單難度和中等難度的考試中準確率分別為55.8%和42.7%。JEBLICK等［12］探究了ChatGPT在簡化醫生的醫學報告上的應用，從報告的正確性、危害性和完整性評估，發現簡化的醫學報告比較正確和完整，但可能存在錯誤陳述和遺漏重要信息。徐璐璐等［13］通過案例展示其在信息管理方面的應用前景，這對醫學知識產生、管理和交流來說是歷史性的變革。瞿星等［14］則探討了ChatGPT等人工智能加入醫學教育中的必要性，以及從醫學生自主學習、人文素養和臨床實踐等培養方向提出建議。但是ChatGPT在實際應用中的責任歸屬和風險挑戰也值得關注，周智博［15］認為ChatGPT模型的技術黑箱性難以解釋其工作原理，但服務的使用者和提供者要承擔相應的責任。陳永偉［16］指出ChatGPT產品在內容真實性、正確性和合理性方面可能面臨挑戰，并伴有歧視風險、個人隱私安全和道德倫理等問題。

綜上，人工智能和數字醫療結合是一種趨勢。大部分學者從多元醫療場景探索應用價值，測試ChatGPT的文本生成、信息檢索和深度合成能力，有利于數字醫療體系優化，同時部分學者也討論了生成式AI環境治理的問題和風險。本文借鑒以往學者研究，以數字醫療框架為邏輯起點，基于ChatGPT產品特性，深入研討賦能我國數字醫療的路徑，并分析其在運用中的挑戰與風險，最后提出數字醫療的發展策略。

2 ChatGPT 賦能數字醫療發展

通過對國內外學者的研究成果進行歸納總結，如KUNG等［9］、GILSON等［10］、ANTAKI等［11］和朱光輝等［17］的研究，結合國家網信辦發布《數字中國發展報告（2022年）》［18］，以及《AIGC 發展趨勢報告》［19］、《2023 年中國AIGC 行業發展研究報告》［20］和《AIGC 發展研究報告》［21］等行業報告，圍繞ChatGPT賦能數字醫療體系建設，分析其在提升數字醫療效能、智能性、普及性、人才培育四個方面的可能性和可行性，最后結合數字醫療的現狀和國內醫療的困境，從潛在應用和實施場景出發探索ChatGPT對于數字醫療體系的價值。

2.1 輔助判斷與數字醫療的效能

發揮數字醫療效能是我國推進數字醫療的重要任務，綜合反映了各醫療機構的工作效率、合作效率、患者就診效率和醫療標準化建設等信息。ChatGPT 基于Transformer架構開發，克服了以往自然語言處理模型的限制，能夠處理各種NLP 任務指令，在理解人類語言、生成類似的響應和對話功能上有關鍵的改進和創新。因此，ChatGPT可能突破大眾的疾病知識壁壘，簡化臨床就醫流程，促進醫療機構合作，加強疾病預測和提高就醫效率，極大地提高數字醫療的效能。

（1）簡化就醫導診流程。傳統醫療機構患者就醫時，由于醫患之間的信息壁壘造成了醫院分診工作的人力資源壓力，甚至出現患者盲目就診延誤治療最佳時期的情況。ChatGPT擁有強大的信息檢索和理解能力，能夠通過對數據庫中的病例檢索，匹配對比疾病相似度，與患者進行人性化的多輪對話，指導患者表達身體癥狀，并到相應科室及時掛號就診，提高醫療機構接診的速度。

（2）輔助醫生臨床決策。醫生在臨床診斷時需要考慮患者以往疾病史、過往經驗和最新循證，整合多維度的信息，對患者的癥狀進行細致分析，并給出準確的臨床判斷，這使得臨床醫生往往面臨著大量的接診需求和知識更新的雙重壓力。ChatGPT可以幫助醫生更新相關疾病的病例庫，檢索國內外最新研究成果，總結前沿的醫學理論和治療方案，有利于提供更精確、更快速的診療服務。此外，醫療機構借助人工智能強大的自主學習能力，在臨床治療中發揮ChatGPT在文本理解和自然語言處理方面的優勢，針對性地識別患者潛在疾病，向醫生提供臨床治療的參考建議。

2.2 智慧健康與數字醫療的智能化

數字醫療的智能化旨在運用數字技術，使醫療服務打破被動響應的傳統模式，更加適應新時代人們的健康需求。ChatGPT具有微調功能，可以執行零樣本學習，減少訓練大型數據集的需求，能夠滿足特定的任務需求，具備較好的可擴展性［22］。通過特定領域較小的應用數據集，制定基于ChatGPT的定制AI支持方案，使其能夠集成在數字醫療體系的各系統中，如提供醫療影像識別、醫療機器人和醫療器械等硬件支撐，以及科普網站、監測系統和云端平臺等軟件系統，多方位、全過程支持數字醫療的智能服務。

（1）利用ChatGPT推行健康科普。普及健康知識是健康中國建設的重要措施，提高民眾的健康素養有利于社會發展。當前我國居民健康素養水平相對較低，需要政策引導和基層機構協作的保健機制［23］。ChatGPT人性化的交互窗口以及強大的檢索功能能夠支持健康問題的解答，不同于搜索引擎上來自多種渠道的碎片化信息，ChatGPT能提供優質而通俗的健康科普知識，幫助用戶獲取和理解基本的健康知識，用以減少不良的生活習慣，全面推廣健康生活方式，進一步彌補健康科普基礎設施和健康科普人員相對欠缺的短板，精準地匹配民眾多元化健康問題，打破時間限制，提供24 小時醫療援助。

（2）提供個性化的健康醫療服務。隨著我國步入老齡化速度加快，人群的亞健康特征明顯，人民的健康意識普遍提高，ChatGPT將為健康產業發展提供新動力。以慢性病為主的健康管理服務專注于實現主動預防的健康管理，旨在突破被動應答式的健康困境［24］。具體來說，利用ChatGPT生成患者自身的健康檔案，將其接入智能心電檢測儀、智能血糖分析儀和遠程胎心監護等智能醫療設備，從而搭建基于ChatGPT強化學習模型的數據支持平臺，實現連續、動態和即時的云端交互，實時監測人體的健康狀態，根據實時數據更新對患者身體狀態畫像，及時進行健康預警，降低重大疾病和慢病后期加重癥狀的可能性，幫助患者維持健康的狀態。

2.3 遠程醫療與數字醫療的普及

數字醫療的普及有利于發揮我國醫療公平性和普惠性。人工智能助力遠程醫療建設，提升了醫療供給側的效率，增強了醫療資源的覆蓋面和獲取性［14］。ChatGPT融入遠程醫療，將進一步擺脫資源分布不均衡的困境，推動優質醫療資源下沉。具體而言，ChatGPT相較之前的文本生成模型，在上下文理解、消除偏見、數據挖掘方面有較大的突破，生成內容更準確、更客觀、更具有價值，能夠在遠程醫療中提出有針對性的解決方案。

（1）借助“互聯網+”加速醫療服務的普及。由于信息技術和通信技術普及，我國互聯網服務得到了極大的發展，特別在新醫改的推進中，在線醫療平臺通過互聯網平臺搭建醫患互動的媒介，與醫院合作，為廣大醫患用戶提供快捷的醫療服務，患者的醫療服務逐漸向線上轉移，對在線醫療健康服務的認可度不斷提升［25-26］。ChatGPT 可嵌入好大夫在線、平安好醫生和丁香醫生等在線醫療平臺，將為互聯網醫療提升服務水平提供新助力。用戶使用在線醫療平臺過程中，不僅可以按照科室和醫生預約掛號和在線問診，還支持選擇ChatGPT的問診窗口，與用戶進行個性化的交互，通過多輪對話表達問診述求，ChatGPT 將會進行詳細的醫學解答，并根據所在地區、疾病類型和問診偏好推薦醫生信息，提高在線醫療平臺的易用性和用戶體驗。

（2）提高鄉村醫療服務水平推進鄉村振興。鄉村醫療體系長期缺少優質醫療資源，基層醫療人才稀缺，健康知識普及度低，醫療保障制度不全，難以保障農民的日益增長的健康需求［27］。ChatGPT有助于健全完善鄉村醫療衛生體系，補全鄉村醫療人員專業水平參差不齊的短板，將醫療資源覆蓋到偏遠地區，為農民提供迅速、便利和低花費的醫療服務，同時能詳細解釋醫學專業術語，提供有限的醫療方案方向。ChatGPT模型具備極強的自然語言處理能力，能夠模仿人類的思考和語言習慣。在農村偏遠地區，人性化的交互模式能減少用戶使用智能產品的陌生感，降低獲取醫療知識的壁壘，使用戶能夠在較低時間和花銷下享受高質量的醫療資源，加快推動人工智能輔助醫療在鄉村醫療衛生機構中的配置應用。

2.4 醫學教育與數字醫療的人才培育

數字醫療旨在醫療數字化轉型，人才建設是數字醫療發展的關鍵因素。現代醫學發展借助大數據、云計算、物聯網和人工智能等新興技術，推動中國醫療產業新一輪科技革命和產業變革，構建以醫學工程、管理科學與信息技術為核心的交叉知識體系［28］。在現代醫學教學體系中引入ChatGPT，開發可協助醫學教育的教學平臺，靈活使用文本生成、知識查找、整合歸納和模擬對話場景等AI輔助功能，拓展醫科人才知識邊界，充分利用高價值的案例學習材料，加強案例知識的互動性。

（1）促進教學培養模式改革。數字醫療時代醫科人才的培養模式不僅包括基礎醫學和臨床醫學，更應該具備多學科融合的知識儲備，以適應醫療數字化發展。ChatGPT在智能文本生成上的優勢，可以通過提示詞、概念解釋和必要的醫囑，實現自動化撰寫出院報告、處方、病歷和轉診信等，極大減少了重復性工作所花費的時間。因此新時代的醫學教育培養體系應融入類ChatGPT的人工智能工具，掌握先進的醫療人工智能技術，推進現代醫學發展。

（2）打造自主創新學習方式。目前國內外相關研究通過評估ChatGPT在標準醫學考試上的表現，如美國醫師執照考試（USMLE）、眼科知識評估項目（OKAP）和AMBOSS等醫學題庫，表明其相關醫學知識水平已接近標準值，且ChatGPT 的回答具有較強的邏輯性和信服力，這說明ChatGPT可以在開放的實驗環境下為學生提供可靠及系統的知識，通過提出診斷和治療案例、實時解答問題和互動模擬考試等方式降低醫學生知識內化的難度，針對醫學知識薄弱點做重點突破，提供及時反饋和一對一指導，開創自主創新的學習方式。同時，ChatGPT能夠幫助學生獲取最新的前沿醫學知識，提供快速信息檢索、文獻綜述和語言翻譯等便利工具，提高學生的自主學習效率。

3 ChatGPT 時代數字醫療所面臨的挑戰和風險

數字時代，公共醫療數字化轉型是滿足龐大就醫需求的必然選擇，但醫療資源渠道來源復雜，具有多維性和隱私性，醫療數據不僅涉及到個人的隱私，還是構成國家安全衛生體系的重要內容。而ChatGPT作為最新的生成式AI，具備強大的智能文本生成功能，在實際場景應用中仍存在一定挑戰與風險，首先是醫療大數據共享的挑戰，其次是數據隱私保護和數據安全，最后是ChatGPT引發的歧視風險和商業化困境。

3.1 醫療大數據共享挑戰

醫療大數據共享是數字醫療提升效率的重要發展方向。ChatGPT本質為預訓練語言模型，其數據分析功能和智能對話特性依賴于龐大的訓練語料。ChatGPT引入我國數字醫療體系要求醫療機構信息互聯互通，達到全生命周期數據的實時傳遞與共享，目前我國數字醫療尚未達到數據系統融合的程度。

一方面，數據共享不利于差異化競爭戰略。傳統醫療機構由于等級、醫療設備和人力資源的區別，為滿足患者多樣化的就醫需求，不僅要提高自身的醫療技術水平，合理配置資源也極其重要。其中內部病例數據、處方信息和醫學影像數據等醫療資源是獨有的知識資產。而ChatGPT數據分析功能和智能對話特性依賴于龐大的訓練語料，這要求傳統醫療機構信息互聯互通，達到全生命周期和實時傳遞數據的共享目標，這與專屬知識的獨占性恰恰相反。因此，突破獨有數據權限的ChatGPT醫療共享仍是一項重要挑戰。

另一方面，ChatGPT 可能引發醫院的數據歸屬問題。醫療機構具備天然的知識壁壘，人們獲取醫療資源的成本通常較高，導致醫療資源流通障礙以及醫療知識的碎片化，且在醫院內部子系統的信息化建設中，軟件供應商和數據端口的差異性使得數據共享局限在小范圍的業務內容，加大了醫療數據共享的難度。互聯網醫療作為數字醫療發展的重要方向，為優質醫療資源提供數字化媒介，互聯網醫療平臺接入ChatGPT能夠加快醫療知識的傳播，但目前互聯網醫療尚未全面聯通醫療機構的數據渠道，僅提供在線問診、咨詢藥物使用和掛號預約等基礎服務，如何實現ChatGPT 與線下醫療機構或線上互聯網醫療數據共享仍面臨著技術層面的挑戰。

3.2 數據隱私和安全挑戰

構建數字醫療領域的對話模型，實現公共醫療數字化過程中的深度融合、數據分析和信息檢索，ChatGPT需要大規模收集、存儲和分析真實醫療數據。這些數據很可能涉及到個人隱私，形成潛藏的數據隱私泄露風險，且ChatGPT所使用的算法決策不透明且難以解釋，涉密數據如果不加以限制，可能危害數據安全和國家安全。如何權衡人工智能數據共享和隱私保護的關系，是數字醫療體系中生成式AI治理的首要問題。其具體原因如下：

首先，ChatGPT 可能過度收集個人信息。例如ChatGPT在意大利曾發生泄露用戶對話信息和支付信息的事件，個人信息采集應當按照合法的途徑、正當的目的和最小數據原則，充分的數據資源訓練使ChatGPT模型給出更精準的回答，其中可能涉及患者的隱私，使患者的個人信息暴露在數字醫療各環節中，增加了人們的隱私擔憂。

其次，數據使用權被占有或轉移加劇隱私風險。ChatGPT對海量醫療數據的整合能夠提高醫療資源流動性，然而，由于數據來源的多樣性，通過多種渠道采集、存儲、處理各類數據的過程中，會涉及到數據終端的轉移，從而引發數據權限的更替，形成數據的非法占有和轉移風險。

最后，涉密數據安全性難以保證。數據是數字醫療的戰略資源，維護涉密醫療數據是維護國家數據安全的重要內容，ChatGPT 在為用戶提供精準交互服務的同時，對涉密數據缺乏安全評估機制，會產生數據跨境流通、出境的安全風險，且ChatGPT與數字醫療體系的深度嵌入，對技術平臺的安全性具有極高的要求。因此，涉密數據的治理與應用是ChatGPT在數字醫療中應用所面臨的又一項重要難題。

3.3 ChatGPT 產品引入挑戰

我國數字醫療目前處于快速發展階段，對于生成式AI的算法公平和實現方案有更高的要求，ChatGPT相關產品引入面臨諸多挑戰。

一方面ChatGPT帶來的歧視風險，可能會引發社會排斥問題，主要表現為算法歧視性和人群使用障礙。首先是算法歧視性，ChatGPT由美國人工智能研究實驗室OpenAI發布，其語料及模型主要為英語體系下的內容及運算邏輯，對于我國用戶而言，不僅缺少相應語料，而且未考慮中國用戶的特征，這無形中放大了ChatGPT的算法歧視性。其次ChatGPT能夠根據個人的認知和偏好提供情景式的交互對話，但并不能保證對話內容被用戶完全理解。其原因在于，中青年人群通常學歷水平較高，能夠按照清晰的邏輯和簡潔的語句準確表達問題，而對于老年人或受教育水平較低的群體，在引導ChatGPT有效對話時會出現問題表述障礙和解釋不清的現象。

另一方面建立完善的商業模式的挑戰。ChatGPT在自然語言生成方面能夠根據個性化場景提供友好的交互對話，在數字醫療領域引進ChatGPT，不僅對數據獲取、處理、存儲和維護有極高的要求，也對相關數據管理人員的專業技能提出更高的要求。醫療機構需要高專業素質的人員收集醫療知識語料，以及評估ChatGPT回答內容的質量，從而提高提供信息的準確性和完整性。實現ChatGPT生成內容的價值轉換，需要完善的商業模式與之匹配，即如何與用戶對接實現知識的傳遞，知識的價值如何確定，如何對知識的質量進行評估，如何優化知識生成模型等均需要通過商業模式設計來實現。

4 基于ChatGPT 的數字醫療發展策略

公共醫療數字化是我國數字化戰略的重要一環。但當前我國數字醫療產業尚處于起步階段，相關的產業體系尚不成熟。ChatGPT等生成式AI技術為數字醫療創新發展提供了新的思路。合理利用相關技術提升數字醫療的發展水平，建立健全相關法律法規，探索數字醫療產業與類ChatGPT產品融合發展的策略具有重要的實踐意義。

4.1 建設數字醫療大數據共享體系

醫療大數據共享是我國數字醫療產業發展中必須克服的難題，推動醫療大數據開放共享，不僅促進公共醫療數字化轉型，還對數字醫療產業、醫學教育、科研機構和醫療價值共創有重大影響。

第一，完善數字醫療大數據共享規范，不僅要明確ChatGPT在整合醫療資源上的數據權限，還要規范數據共享的流程。數據共享規范是指在數據共享過程中應該遵守的一致化標準、存儲方法、溯源機制和行為規范等，具體分為事前、事中和事后共享行為的規范［29］。在數據共享過程中，醫療行政管理部門應充分考慮數據共享的責任主體和風險屬性，優化醫療機構數據共享審核流程，精簡數據流轉制度，加大醫院信息互通基礎設施資金投入；對數據共享流程做常態化監控，有效銜接數據共享的中期狀態，日常抽查和專項監管的雙效控制，防止數據共享過程的不合規行為；對數據共享項目進行全過程合法性評估，及時調整后續數據共享計劃，追究違法數據竊取行為的刑事責任。

第二，建立健全醫療機構數據共享協調機制，強調數字醫療數據的采集、存儲分析和支配等各相關方的權力和義務。打破數字醫療各環節的組織壁壘，加快推進數據共享過程精準對接，簡化數據采集、處理、存儲、上傳、利用等數據共享流程，有利于整合多方醫療資源，助力我國數字醫療的高效開放運作，為人民提供更高效、更便捷、更人性化的醫療信息。

第三，搭建基于ChatGPT的醫療數據資源平臺，提高數字醫29i/DNWwBVAI0aLZIg2UDCNPYEsmboyUZAShntQeHCk=療產學研合作水平，充分挖掘醫療大數據內在規律。醫療大數據資源是推動醫學教育數字化轉型的基石，是科研機構挖掘、分析和創造發明的助力，更是數字醫療產業高效運作的動力。將ChatGPT應用于資源平臺中，有利于建立實時動態、系統化和標準一致的資源目錄，針對性訓練數字醫療場景下的ChatGPT模型，提升在其輔助判斷、智慧健康、遠程醫療和復合型人才培養的嵌入水平。

4.2 優化數字醫療生成式AI 生態環境

目前，國內科技企業正在布局的生成式AI產品與ChatGPT相比，更加適應我國的用戶特征，有助于推動我國數字醫療產業的發展。如何發揮各數字醫療企業的優勢，創新發展數字醫療生態，為廣大用戶提供個性化的醫療服務，在醫療數據資源共享的前提下，形成創新協同生成式AI生態系統，對于公共醫療數字化目標的實現具有重要的意義。

第一，整合類ChatGPT 產品，實現不同渠道融合。目前很多科技企業布局生成式AI，如百度“文心一言”、阿里巴巴自研機器人“通義千問”、科大訊飛“訊飛星火認知大模型”、360集團的360GPT等。盡管相較于國外ChatGPT，我國生成式AI起步較晚，但更加符合我國語言、文化特征。在數字醫療領域，整合類ChatGPT產品，為患者醫療咨詢提供更多的渠道選擇。一方面，需加快生成式AI與數字醫療的深度融合，鼓勵科技企業構建生成式AI平臺，為數字醫療提供服務端口。另一方面，要充分利用多模態數據，深入挖掘醫療數據價值。在臨床診斷中的醫療數據覆蓋文本、語音、視頻、醫學影像等模態，生成式AI 產品連接系統外部接口，利用不同形態、不同內容、不同特征的數據提升數據價值，從而提高生成式AI產品提供服務的智能性、準確性。

第二，強化數字醫療商業模式創新。生成式AI能夠成為數字醫療的新工具，該技術有助于數字醫療產業價值的提升。然而，建立與之匹配的商業模式并實現商業價值的提升，需要明確服務對象特征及需求，從知識供給、知識需求、知識付費方式、知識服務評價等方面，建立商業模式的價值體系；從用戶、數字醫療機構、監管部門建立商業模式主體關系；從語料庫、大模型創新的角度，建立生成式AI的持續創新模式，以保證其功能的不斷完善；從數字醫療應用場景方面，建立涵蓋術后康復、疾病預防、知識問答、健康科普等多方面的交互平臺，實現與用戶實時對接。

4.3 健全以隱私和安全為中心的數據保護機制

為保護重要戰略信息資源，我國出臺了《網絡安全法》《數據安全法》《個人信息保護法》等法律法規，明確了數據安全治理的重要性，開發了基于隱私計算、區塊鏈、云環境的數據技術，以保證數據的完整性和不被篡改，防止在數據傳輸過程中的丟失和泄露，提高了數據的安全性。鑒于醫療大數據隱私安全保護的重要性，生成式AI研發與應用的過程中需建立完善的隱私數據保護機制。

第一，加強隱私數據保護技術的應用。一方面，以保障醫療數據的機密性、完整性、可用性為目標，醫療行政管理部門和互聯網相關部門應當從數據安全和個人隱私方面，采用數據加密、數據備份、數據脫敏等技術，加強數據收集、傳輸、存儲、使用、交換、銷毀等全生命周期的安全防護，降低生成式AI在數字醫療中的應用風險；另一方面，各相關方在上報數據時應明確上報范圍、上報規則和上報流程，明確數據權限，優化數據泄露時的責任追究制度，尤其生成式AI應用于數字醫療過程中的全面監督與管理。

第二，加強跨境數據風險防范。跨國數據的共享，在數字醫療領域可以豐富生成式AI 的語料庫和模型庫，提高其運算能力和服務水平。但是，也會帶來不良信息涌入和國家安全相關數據泄露的風險。因此，在數字醫療國際合作領域，要加強共享數據的審查、流通與處理，明確數據的類型、應用領域、使用方式、適用對象等，從而降低跨境數據的使用風險。

5 結語

以ChatGPT為代表的生成式人工智能為數字醫療的發展帶來了新的機遇。本文在已有研究的基礎上，歸納了數字醫療與人工智能結合的基本框架，然后，梳理ChatGPT的關鍵技術和功能，分析其在提高數字醫療的效能、推進數字醫療智能化、加大數字醫療的普及力度和數字醫療人才培育等四個方向的作用，并列舉了潛在的應用場景，指出了可能面臨的挑戰和風險，最后提出基于ChatGPT的數字醫療發展策略，為我國數字醫療產業的發展提供理論參考。

參考文獻：

［1］ 錢力，劉熠，張智雄，等.ChatGPT的技術基礎分析［J］.數據分析與知識發現，2023，7（3）：6-15.

［2］ 張華平，李林翰，李春錦.ChatGPT中文性能測評與風險應對［J］.數據分析與知識發現，2023，7（3）：16-25.

［3］ 邵旸，樊美琪，蔡濱，等.數字醫療背景下老年人就醫數字鴻溝現狀及治理路徑研究［J］.醫學與哲學，2022，43（24）：73-76.

［4］ 李旭東，李陽.國內外數字醫療產業模式實踐進展：對比分析的視角［J］.工業技術經濟，2020，39（7）：124-130.

［5］ 范舜，談在祥.人工智能背景下“新醫科”建設的挑戰與變革［J］.中國高校科技，2019（7）：56-59.

［6］ 張晉銘，徐艷玲.人工智能變革公共衛生治理體系的機遇、挑戰與策略分析［J］.理論月刊，2020（3）：56-63.

［7］ LIU S R，WRIGHT A P，PATTERSON B L，et al. Assessing the value of ChatGPT for clinical decision support optimization［EB/OL］.（2023-02-23）［2023-08-07］. https：//www. medrxiv. org / content /10.1101/2023.02.21.23286254v1.

［8］ ZHU Y，HAN D，CHEN S Q，et al. How can ChatGPT benefit pharmacy：a case report on review writing［EB /OL］.（2023-02-20）［2023-08-10］.https：//www.preprints.org/manuscript/202302. 0324/v1.

［9］ KUNG T H，CHEATHAM M，MEDENILLA A，et al.Performance of ChatGPT on USMLE：potential for AI-assisted medical education using large language models［J］.PLOS Digit Health，2023，2（2）：e0000198.

［10］ GILSON A，SAFRANEK C W，HUANG T，et al.How does ChatGPT perform on the United States medical licensing examination？ the implications of large language models for medical education and knowledge assessment［J］.JMIR Med Educ，2023，9：e45312.

［11］ ANTAKI F，TOUMA S，MILAD D，et al.Evaluating the performance of ChatGPT in ophthalmology：an analysis of its successes and shortcomings［J］.Ophthalmol Science，2023，3（4）：100324.

［12］ JEBLICK K，SCHACHTNER B，DEXL J，et al. ChatGPT makes medicine easy to swallow：an exploratory case study on simplified radiology reports［J］.European Radiology，34（5）：1-9.

［13］ 徐璐璐，洪贇，葉鷹.ChatGPT及GPT類技術的醫學信息學應用前景探討［J］.情報理論與實踐，2023，46（6）：38-42.

［14］ 瞿星，楊金銘，陳滔，等.ChatGPT 對醫學教育模式改變的思考［J］.四川大學學報（醫學版），2023，54（5）：937-940.

［15］ 周智博.ChatGPT模型引入我國數字政府建設：功能、風險及其規制［J］.山東大學學報（哲學社會科學版），2023（3）：144-154.

［16］ 陳永偉.超越ChatGPT：生成式AI的機遇、風險與挑戰［J］.山東大學學報（哲學社會科學版），2023（3）：127-143.

［17］ 朱光輝，王喜文.ChatGPT的運行模式、關鍵技術及未來圖景［J］.新疆師范大學學報（哲學社會科學版），2023，44（4）：113-122.

［18］ 國家互聯網信息辦公室. 數字中國發展報告［EB/OL］mtfSvyYd1114GBtUCwNqpkIz8eXEGUmMAxo2ceI0tww=.（2023-05-23）［2023-09-09］.http：//www.cac.gov.cn/2023-05/22/c_1686402318492248.htm.

［19］ 騰訊研究院.《AIGC 發展趨勢報告》［EB/OL］.（2023-01-31）［2023 - 09 - 09］. https：//mp. weixin. qq. com / s / 9AjTpyL4Hm Q6BDhWIDbD0A.

［20］ 艾媒咨詢.《2023 年中國AIGC 行業發展研究報告》［EB/OL］.（2023 - 04 -17）［2023 -09-09］. https：//www. iimedia. cn / c1087 /92725.html.

［21］清華大學《. AIGC發展研究報告》［EB/OL］（. 2023-06-16）［2023-09 - 09］. http：//www. china. com. cn / txt / 2023-06 / 16 / content_87720550.htm.

［22］ RAY P P. ChatGPT：a comprehensive review on background，applications，key challenges，bias，ethics，limitations and future scope［J］.Internet of Things and Cyber-Physical Systems，2023，3：121-154.

［23］ 高傳勝.健康中國背景下公共衛生與醫療服務協同發展和治理研究［J］.社會科學輯刊，2022（6）：136-146.

［24］ 陸泉，彭雪瑩，陳靜.健康中國戰略視角下重大慢性病預防知識服務體系構建［J］.情報科學，2023，41（6）：1-8，28.

［25］張瑞利，王剛“. 互聯網”醫療服務供給：模式比較及優化路徑［J］.衛生經濟研究，2022，39（03）：32-37.

［26］ 吳迪，計曉偉.互聯網醫療產業的運行邏輯與高質量發展［J］.改革，2021（6）：125-135.

［27］ 陳默.中國農村醫療服務困境及人工智能助力對策分析［J］.中國衛生事業管理，2021，38（7）：536-538.

［28］ 楊善林，范先群，丁帥，等.醫聯網與智慧醫療健康管理［J］.管理科學，2021，34（6）：71-75.

［29］ 郝世博，鄧雨亭.融合數據監管與數據溯源的科學數據共享管理研究［J］.情報理論與實踐，2018，41（3）：23-28.