平行医生与平行医院：ChatGPT与通用人工智能技术对未来医疗的冲击与展望

王飞跃

基于人工智能大模型和生成交互式智能技术（如ChatGPT等）的成功和迅速传播，又一次在全球范围激发了大众对于生成式人工智能和通用人工智能技术无限的想象[1]。

正如黑格尔所言，“历史总是惊人地重演”，人们似乎已忘却7年前对于人工智能程序AlphaGo大胜人类围棋高手后的惊呼和期盼[2]，对于ChatGPT的反应，依然遵循“我们从历史中学到的教训，就是没有从历史中学到教训。”

    当前人工智能技术的进展，对于医学医疗的影响到底如何？

6年前，因为对人工智能核心技术深度学习的贡献而获图灵奖的Hinton教授曾经预言[3]：“应停止培养放射科医生，在5年之内，深度学习将会比放射科医生做得更好”。而事实是：尽管深度学习相关研究已在近期取得了巨大进展，但“停止培养放射科医生”非但未能成为选项，还迫使我们必须加快加强培养更多更好的新型放射科医生。

然而，我们不能掉以轻心，ChatGPT技术表明，当基础模型(foundation models)广泛应用时，将迫使各行各业发生巨大变革，特别是医学健康事业，我们必须准备好应对快速“相变”式的冲击。

如何应对？对此已有较多专业性的讨论[4-13]。

然而，笔者认为，面对现代医学的复杂性和智能技术的强力冲击，第一要务则是“变革思维”。若借用开创国家大规模资助科学研究的先驱Vannevar Bush科学散文[14]中的精神，即是“我们不再应对！我们自由畅想！”

为此，本文基于著名科学哲学家波普尔关于现实组成的三个世界之本体论观点，讨论诸如ChatGPT之类技术对平行医生和平行医院的强力推动作用，探索智慧医学的“三个三”理念，即

（1）三类医生：数字人医生、机器人医生、生物人医生；

（2）三种模式：“上午(AM)”自主模式(autonomous modes)、“下午(PM)”平行模式(parallel modes)、“晚间(EM)”专家模式(expert modes)或应急模式(emergency modes)；

（3）三大技术：医学基础模型、医疗场景工程、医用操作系统，以期从根本上减轻医护人员的负担，特别是心理负担，深度发掘医患之间的人本共情，在强化传统医学医疗社会伦理和设施的同时，推动“患者拥有个性化和私人专属的数字医院”成为一项可行的普适技术。

1、平行化医学：三个世界，三类医生

正如文献[15-17]所述，“借鉴波普尔的关于现实的三个世界之科学哲学观点，我们可细化人类对现实的认知。”在此基础上，应重新认识医用机器和医疗软件在医学中的作用，进而重塑医学科学过程，使之与时代的智能科技相适应。

当务之急，应确立“三个世界，三类医生”的医学新框架，明确独立的数字人医生概念，协调其与机器人医生(如更先进的达芬奇式手术机器人)和生物人医生之间的关系，使ChatGPT开启的人工智能大模型技术以“小问题，大模型”方式在医学领域快速实施落地，从基于第一物理世界的医学之“专业分工”，基于第二心理世界的医学之“人机分工”，尽快迭代为基于第三人工世界的医学之“虚实分工”，如图1所示。

换言之，由于ChatGPT的成立，“小问题、大模型”的新医学范式成为可能。为了避免由于大模型的算力和软件的复杂性使人类医生无法主导甚至更加“劳累”，我们必须要求未来的医学软件系统以“数字人”的形式重新设计并组织流程，特别是人机交互流程。

唯有如此，才可能迫使计算机、机器人及其软件以“生物人为本”，增加机器和软件的复杂性，减少人类的认知载荷与体力要求：人类医生只要以其日常熟知的与“人”相处的方式就可以与日益智能的医学系统交互，并有效地实现自己的目标，而不需要知道越来越多的功能选择，越来越复杂的操作要求。即智能医学系统必须对人类的要求越来越简单，对系统的要求越来越复杂。

按目前的技术发展趋势，将来每一个医学“小问题、大模型”就是一类数字人医生。如图2所示，其数量应占医生数量的绝大多数，比如80%以上，而机器人医生和生物人医生应为少数，比如分别在15%和5%以下。因为未来社会一定是一个以服务器为技术基础设施的算力世界，无论用还是不用，这些服务器都在耗能。

因此，必须使之成为大量数字人“居住并工作的世界”，加以充分利用，只有这样才能保障我们社会的可持续发展。而机器人与生物人在本质上耗能，加上考虑人性的要求，因此它们不应该成为中低层生产和服务的主体。

这一新的认知将对未来的医学教育和医疗管理带来巨大冲击：我们将不可避免地像培养人类医生一样“培养”数字人医生，像管理人类医生一样“管理”数字人医生。换言之，我们必须变革目前的医学教育体系，使之数字化，使医用“AlphaGo”和“ChatGPT”之类的人工智能系统成为这些体系的标准组成，使人类的学习和数字人的学习交互进行、相辅相成，真正实现人在回路的强化学习模式。

而且，就像人类医学生必须考试成功才能从业一样，数字人医生也必须通过各种各样的医学场景工程的考核才可以被认证后使用，并可以再学习再使用，如同人类的继续教育或终身教育一样。虽然对于医院中数字人医生的使用管理，也有与医学教育同样的情景与问题[18]。

由此，医学本身必须成为虚实互动的平行医学[19-22]，ChatGPT已揭示了这是不可阻挡的技术发展趋势。如目前国际已兴起的“工业5.0”理念所表明的，医学也将从基于“工业4.0”的深度医疗理念[23]进入集人机物一体的“Cyber-Physical-Social Systems (CPSS)”医学5.0(Medicine 5.0)时代[24-26]。

2、人本化医疗：三种模式，以人为本

数字人医生的引入，可使医患之间的深度共情问题成为一个更加科学化的研究问题，未来的医学将进入一种新的范式。如有关数字人的个性设计和心理分析研究所表明的[27-28]，数字人、机器人和生物人医生之间将形成一种平行互动的医疗流程，以提高医疗机构的整体水平和效率。

最重要的，数字人医生的引入，使平行医生的构建与应用成为可能。平行医生利用数字人、机器人和生物人医生之间的平行互动是未来医疗健康的一大趋势。机器人和数字人医生可以通过远程诊疗和医学图像识别等技术为患者提供更好的服务，而AI基础模型平台则可以帮助医生更好地处理和分析患者数据和信息，提高医疗保健机构的效率和准确性[29-31]。

如图3所示，利用数字人、机器人和生物人医生之间的平行互动和流程设计，未来智慧医疗将进入一种新的范式：

（1）“上午(AM)”模式，即医疗自主模式(autonomous modes for medical operations)。此时，人类医生的主要责任是监控与巡视，用于培训和预防万一。主要操作由机器人医生在数字人医生的辅助下完成，这种医疗模式应占全部医疗操作与流程的80%以上。如果这种模式无法完成任务，将进入下一模式。

（2）“下午(PM)”模式，即医疗平行模式(parallel modes for medical operations)。此时，人类医生的主要责任是远程或云端遥控与指导，用于“上午”模式无法完成其任务的情景。主要操作由机器人医生在人类医生的指导和数字人医生的协助下完成，这种医疗模式应占全部医疗运作与流程的15%以下。如果这一模式成功完成任务，将返回“上午”模式，否则进入下一模式。

（3）“晚间(EM)”模式，即医疗专家/应急模式(expert/emergency modes for medical operations)。此时，为了确保特殊任务或应对紧急情况，必须启用人类医学专家资源，并确保他们能像“快递”一般进入现场，完成任务，并撤离现场，然后回到“下午”模式进行观察，保证操作成功。这种“晚间”模式，应占全部医疗操作与流程的5%以下。

我们称这三种医疗模式为智慧医疗新范式“MAPeM”，其目标就是在大幅度减少人类医生体力与精神负担的前提下，进一步加强人类的医疗主导权，深化医患共情，大幅提高医疗效果，并使大规模个性化、人性化医疗可经济化运作。

笔者认为，智能技术和智慧医疗必须以人为本，复杂先进的医疗系统不应让医生和患者的决策越来越复杂，而是越来越简洁；智能先进的医疗技术不是要求医生和患者的智力水平越来越高，而是越来越自然和一般。

3、智能化医院：三大技术，子虚乌有

实施三类医生及其三种模式必须有相应的支撑体系，这就是通过物理上的实体医院与云端里的数字医院之间的虚实互动平行执行所构成的平行医院[22,32-33]，如图4所示。在这里，数字医院并非一般意义上的医院数字化，而是以数字技术重构并由平行医生操作的独立医院，其与传统实体医院紧密相联，但不对其依附，主要由数字人和机器人医生管理和维护。

借用智能军事的术语，通过智能技术的应用，我们可以使平行医院达到“子虚之医，乌有之患，招之即来，挥之即去”的境地[34]：利用虚实资源和计算医学实验，在与疾病的斗争中，让医者“招之即来”，让病痛“挥之即去”，这是西方军事马赛克和认知战的核心和精髓。为此，需要利用人工智能构建面向医学医疗的三项新技术。

医学基础模型：基础模型是目前最先进的人工智能模型之一，包括ChatGPT在内的各种生成式大模型[13]。基础模型通常使用Transformer[35]为主要网络结构，具有非常高的语言模型表现力和智能度，不仅可以生成高质量的自然语言文本，还具备强大的问答、阅读理解等功能。医学基础模型可以通过处理医疗文本数据以支持医疗决策，例如应用于医疗问答系统，通过数据挖掘，分析患者病历中的症状、药品和疾病等信息，为患者提供诊断建议。当前，基础模型是机器学习的一种“子集”，但随着技术发展，其亦将逐渐向通用人工智能方向发展。通过平行学习[36,37]、深度学习和模型推理等技术的完善，基础模型可以应用于跨越多种医疗领域的任务，同时也为通用人工智能领域带来更多医疗创新思路。

医疗场景工程：人工智能研发者已初步开发了最为流行的生成式基础模型，包括语言、视觉和业务等模型，如GPT、GPT-2、GPT-3、BERT、Turing NLG、VMoE、DALL·E、DreamFusion等。这促进了医疗基础模型的设计、调试和验证，需要在特定场景下进行任务细化。平行医生与平行医院所提出的医疗基础模型将在医疗场景工程中完成模型的校准和认证(C&C)、验证和确认(V&V)[38]。

医疗场景工程通过提示工程(prompt engineering)技术，在医生介入较少的情况下自动推导出完成任务所需的医疗诊断提示，生成可解决特定疾病的基础模型和治疗方案。医疗场景工程的关键是如何使用少量人工标注的样本进行探索和学习，并通过对医学任务的样本数据进行学习和挖掘，为疾病诊疗提供指导，提高医疗机构的效率和准确性，同时降低医护人员的负担。医疗场景工程是智能技术和智能化医疗的新突破口，其结构化和有序化组织对于基础模型的发展至关重要，将进一步发展催生一系列变革性的医疗技术。

医用操作系统：智能化医院是运用各种信息技术和智能设备提高医疗服务效率和质量，满足不同患者医疗需求的医院。构建智能化医院必需的关键技术支持包括医学基础模型和医疗场景工程，而医用操作系统则是实现智能化医院的重要关键技术之一。

医用操作系统专为智能化医疗场景设计和开发，其特点是专业、规范、可靠和安全。与传统计算机操作系统不同，医用操作系统的设计和开发需考虑医疗信息的特殊性和隐私保护的要求，因此，区块链[39]、智能合约[40]和联邦智能[41]等也显得更为重要。

医用操作系统广泛应用于各种医疗设备的控制、监测和管理中，如手术机器人、数字化医疗影像设备和生命支持设备等，通过联网和数据分析等技术手段，实现智能化设备的远程控制和监测，提升医疗设备的使用效率和管理效果，提高医疗服务的精准度和安全性。医用操作系统也能够通过智能化辅助诊断和决策支持功能，为医疗行业提供更为精准、快速、高效的诊疗服务。

未来，医学基础模型、医疗场景工程和医用操作系统等技术将为医疗保健行业带来更多的机遇和挑战，需要更多的创新者和技术引领者来推动医疗保健行业发展，提升医生和患者的体验感和满意度，解决各种技术和安全问题，以推动医疗保健行业的可持续和健康发展。

4、新医学之真道(TRUE DAO)：从DeSci到DeMed

平行医学和平行医院还需要我们变革医疗“硬件”理念，必须大力发展可移动和社区化的医疗装备，甚至无人医疗装备，试验“患者不动，医者动”和“医院分布于千家万户”的“快递”式医疗和健康服务体系。更为重要的是，必须从科学和技术上最大可能地保证患者的隐私权和正当权益。

为此，必须加快研究针对医学医疗的区块链技术、智能合约方法和DAO (decentralized autonomous organizations and operations)系统，大力推动其广泛应用，使医疗健康服务过程的记录不可篡改，数据可溯源，隐私和权益不可侵犯，从而走上“真道”（TRUE DAO）：“T”可信(trustable)、“R”可靠(reliable)、“U”可用(useful)、“E”益效(effective/efficient)；“D”分布开放(distributed/decentralized)、“A”自动自主(automated/autonomous)、“O”组织有序(organized/ordered)。

基于区块链、智能合约和DAO，世界范围内一大批以青年学者为主力的科研人员正热火朝天地开启一场分布开放式科学运动(DeSci)，且医学、医疗、医药、生物学等均是这场运动的重要组成部分，得到了社会各界的关注和支持，如图5所示。

由DeSci已引发DeEco（分布开放经济）和DeSoc（分布开放生态和社会系统），研究趋势表明，开展相关的分布开放医学医药(DeMed)和分布开放医疗医院(DeHospitals)研发将日益重要和迫切。

     5、展望

未来，平行医生和平行医院将使医疗进入数字化和智能化的新阶段。通过医学基础模型、医疗场景工程和医用操作系统等技术，生物人医生将管理、指导和协助数字人医生和机器人医生，并利用智能系统作出医疗决策，以提高医疗保健水平，在更好服务于患者的同时降低医疗工作者的负担。

医疗模式从此将进入MAPeM新范式，人类医生不会“失业”，但会利用数字人医生和机器人医生降低社会医疗经济和生态成本。平行医生和平行医院面临的挑战，是如何让生物人医生具有优质诊断效果的同时减轻其认知负担，以及让数字人医生和机器人医生具有与生物人医生相当的智慧和能力。

解决上述问题需要平行医学、数字人个体和医疗场景工程等有机结合，这将为诊断和治疗流程的重构演化提供支持。例如，平行医院和平行医生将面向医学基础模型、DAO[43]、DeSci[44]、DeSoc和DeHospitals等，与传统医疗体系结构实现一体化，成为培养生物人医生的“数字大学”和“数字研究所”。

医疗的知识产品是“平行医生”和“平行医院”，数字人医生和机器人医生将不断更新迭代，建立智慧生态，实现医学知识自动化，建设包含认知医疗、平行医疗、加密医疗、联邦医疗、社会医疗、生态医疗的“6I”医疗体系，使医生工作者及其组织和团体进入“6S”境界[45]：

在物理世界安全(Safety)，赛博空间安全(Security)，生态体系可持续(Sustainability)，个体隐私和权益得到保护(Sensitivity)，有良好的服务(Service)和符合人类价值观的智慧(Smartness)。

参考文献

[1] Wang FY, Miao Q, Li X, et al. What does ChatGPT say: The DAO from algorithmic intelligence to linguistic intelligence[J]. IEEE/CAA J Autom Sinica, 2023, 10: 575-579.

[2] Wang FY, Zhang JJ, Zheng X, et al. Where does AlphaGo go: From Church-Turing thesis to AlphaGo thesis and beyond[J]. IEEE/CAA J Autom Sinica, 2016, 3: 113-120.

[3] Hinton G. Comments on radiology and deep learning[R]. Toronto:Machine Learning and Market for Intelligence Conference, 2016.

[4] 卢经纬，郭超，戴星原，等. 问答ChatGPT之后: 超大预训练模型的机遇和挑战[J]. 自动化学报, 2023, 49: 705-717.

[5] Haver HL, Ambinder EB, Bahl M, et al. Appropriateness of breast cancer prevention and screening recommendations provided by ChatGPT[J]. Radiology, 2023. doi: 10.1148/radiol.230424.

[6] Šlapeta J. Are ChatGPT and other pretrained language models good parasitologists[J]. Trends Parasitol, 2023, 39: 314-316.

[7] Biswas S. ChatGPT and the future of medical writing[J]. Radiology, 2023, 307: e223312.

[8] Patel SB, Lam K. ChatGPT: The future of discharge summaries[J]. Lancet Digit Health, 2023, 5: e107-e108.

[9] Liebrenz M, Schleifer R, Buadze A, et al. Generating scholarly content with ChatGPT: Ethical challenges for medical publishing[J]. Lancet Digit Health, 2023, 5: e105-e106.

[10] Grünebaum A, Chervenak J, Pollet SL, et al. The exciting potential for ChatGPT in obstetrics and gynecology[J]. Am J Obstet Gynecol, 2023. doi: 10.1016/j.ajog.2023.03.009.

[11] Cheng K, Sun Z, He Y, et al. The potential impact of ChatGPT/GPT-4 on surgery: Will it topple the profession of surgeons[J]. Int J Surg, 2023. doi: 10.1097/JS9.0000000000000388.

[12] Ali SR, Dobbs TD, Hutchings HA, et al. Using ChatGPT to write patient clinic letters[J]. Lancet Digit Health, 2023, 5: e179-e181.

[13] Wang FY, Li J, Qin R, et al. ChatGPT for computational social systems: From conversational applications to human-oriented operating systems[J]. IEEE Trans Comput Soc Syst, 2023, 10: 414-425.

[14] Bush V. As we may think[J]. The Atlantic Monthly, 1945, 176: 101-108.

[15] 王飞跃. 平行哲学与智能技术：平行产业与智慧社会的对偶方程与测试基础[J]. 智能科学与技术学报, 2021, 3: 245-255.

[16] 王飞跃. 平行哲学与智能科学:从莱布尼茨的Monad到区块链之DAO[J]. 模式识别与人工智能, 2023, 33: 1055-1065.

[17] 王飞跃. 平行哲学：智能产业与智慧经济的本源及其目标[J]. 中国科学院院刊, 2021, 36: 308-318.

[18] 王飞跃. 平行管理: 复杂性管理智能的生态科技与智慧管理之DAO[J]. 自动化学报, 2022, 48 2655-2669.

[19] 王飞跃. 平行科学：可持续智能产业和智慧社会的基础与保障[R]. 青岛：QAII报告, 2014.

[20] Wang FY. Parallel healthcare: Robotic medical and health process automation for secured and smart social healthcares[J]. IEEE Trans Comput Soc Syst, 2020, 7: 581-586.

[21] Wang S, Wang J, Wang X, et al. Blockchain-powered parallel healthcare systems based on the ACP approach[J]. IEEE Trans Comput Soc Syst, 2018, 5: 942-950.

[22] 王飞跃. 数字医生与平行医疗：从医疗知识自动化到系统化智能医学[J]. 协和医学杂志, 2021, 12: 829-833.

[23] Topol E. Deep medicine: How artificial intelligence can make healthcare human again[M]. New York: Basic Books, 2019.

[24] 杨静，王晓，王雨桐，等. 平行智能与CPSS: 三十年发展的回顾与展望[J]. 自动化学报, 2023, 49: 614-634.

[25] Wang FY. The emergence of intelligent enterprises: From CPS to CPSS[J]. IEEE Intell Syst, 2010, 25: 85-88.

[26] Wang FY, Yang J, Wang X, et al. Chat with ChatGPT on industry 5.0: Learning and decision-making for intelligent industries[J]. IEEE/CAA J Autom Sinica, 2023, 10: 831-834.

[27] Wang T, Ye P, Lv H, et al. Modeling digital personality: A fuzzy-logic-based Myers–Briggs type indicator for fine-grained analytics of digital human[J]. IEEE Trans Comput Soc Syst, 2023,10: 1-12.

[28] Ye P, Wang FY. Parallel population and parallel human—A cyber-physical social approach[J]. IEEE Intell Syst, 2022, 37: 19-27.

[29] 周燕燕，邓杨，包骥，等. 可信病理人工智能：从理论到实践[J]. 协和医学杂志, 2022, 13: 525-529.

[30] 王国昌，朱朝晖. 分子影像指导下的一体化精准诊疗[J]. 协和医学杂志, 2022, 13: 165-168.

[31] 李锡荣. 多模态深度学习及其在眼科人工智能的应用展望[J]. 协和医学杂志, 2021, 12: 602-607.

[32] 王飞跃. 平行医学：从医学的温度到智慧的医学[J]. 智能科学与技术学报, 2021, 3: 1-9.

[33] 王拥军，王飞跃，王戈，等. 平行医院: 从医院信息管理系统到智慧医院操作系统[J]. 自动化学报, 2021, 47: 2585-2599.

[34] 王飞跃. 平行军事与平行战争：智能时代智能军事的起源与目标[R]. 北京：第十届中国指挥控制大会, 2023.

[35] 田永林，王雨桐，王建功，等. 视觉Transformer研究的关键问题: 现状及展望[J]. 自动化学报, 2022, 48: 957-979.

[36] Li L, Lin Y, Zheng N, et al. Parallel learning: A perspective and a framework[J]. IEEE/CAA J Autom Sinica, 2017, 4: 389-395.

[37] Miao Q, Lv Y, Huang M, et al. Parallel learning: Overview and perspective for computational learning across Syn2Real and Sim2Real[J]. IEEE/CAA J Autom Sinica, 2023, 10: 603-631.

[38] Li X, Ye P, Li J, et al. From features engineering to scenarios engineering for trustworthy AI: I&I, C&C, and V&V[J]. IEEE Intell Syst, 2022, 37: 18-26.

[39] Wang G, Li J, Wang X, et al. Blockchain-based crypto management for reliable real-time decision-making[J]. IEEE Trans Comput Soc Syst, 2022,9: 1-10.

[40] Wang S, Ouyang L, Yuan Y, et al. Blockchain-enabled smart contracts: Architecture, applications, and future trends[J]. IEEE Trans Syst Man Cybern: Syst, 2019, 49: 2266-2277.

[41] Wang FY, Qin R, Chen Y, et al. Federated ecology: Steps toward confederated intelligence[J]. IEEE Trans Comput Soc Syst, 2021, 8: 271-278.

[42] Dunbar S, Basile S. The decentralized science ecosystem: Building a better research economy[R]. Messari:UltraRare Bio, 2023.

[43] Wang FY. The DAO to MetaControl for MetaSystems in metaverses: The system of parallel control systems for knowledge automation and control intelligence in CPSS[J]. IEEE/CAA J Autom Sinica, 2022, 9: 1899-1908.

[44] Wang FY, Ding W, Wang X, et al. The DAO to DeSci: AI for free, fair, and responsibility sensitive sciences[J]. IEEE Intell Syst, 2022, 37: 16-22.

[45] Wang X, Yang J, Han J, et al. Metaverses and DeMetaverses: From digital twins in CPS to parallel intelligence in CPSS[J]. IEEE Intell Syst, 2022, 37: 97-102.