人工智能加速渗透医疗领域，从辅助问诊到药物研发，从智慧医院到手术治疗，AI正在重塑医疗健康的未来。技术飞跃的背后，也带来了棘手的挑战。
6月5日，优刻得受邀参与上海证券报《海谈科技》直播节目，与行业大咖一起，聚焦“AI医疗创新与发展”展开热烈讨论，节目全网观看量超300万。
优刻得解决方案架构师季冬思，从云计算底层设施和AI医疗落地应用角度出发，借助具体案例，深入剖析了AI医疗的应用场景及发展中面临的难点。
季冬思指出，AI在医疗领域的技术应用虽然发展迅速，但要真正实现产业化落地，仍有不少问题亟需解决。首先，医疗数据质量与标准化是核心难点。很多临床数据缺乏统一标准，需要人工标注，效率低下，影响了AI模型训练的准确性和泛化能力。
其次，医疗数据共享机制不足。医疗数据本身具有高度敏感性，不同医院、机构、地区间数据壁垒明显，难以实现高效流通，这在很大程度上制约了AI模型在更大规模场景中的应用。要打通“产业-医疗”链条，需要建立更加开放和可信的数据联盟，推动跨机构间的数据交换合作。
第三，成本与商业化应用的挑战。AI医疗建设的投入大、回报周期长，前期在算力、数据清洗等方面的投入成本较高。因此，找到具备可持续盈利的落地场景，将是推动AI医疗模式规模化复制的关键。
医疗数据因其独特的隐私性和敏感性，在大规模产业落地时，数据安全与风险管控成为核心的挑战。目前来看，可以借助区块链技术实现数据可控共享，做到数据可溯源、权限可分配，有效保护患者隐私。
此外，AI医疗中责任与收益的权责划分问题，也是产业化应用的关键。AI系统辅助诊疗决策后，如果出现失误，是系统开发商还是医生承担责任？这就需要制度层面明确AI在临床中的角色与边界。季冬思表示，目前看到，区块链与云计算技术结合，在实践中已初步形成可行的商业模式，是未来值得关注的方向。
优刻得以基础设施支撑，为AI医疗的场景落地提供了解决方案。曾主导过基于大模型技术的医药知识库建设，重点提升了医学术语的翻译能力与专业表述准确性。
优刻得依托模型微调服务，为医药客户量身打造了AI智能翻译平台，显著降低了对人工翻译的依赖，实现了翻译效率与质量的双重飞跃。短短2个半月，成功交付了一个翻译效率倍增、成本节省高达70%的私有化大模型翻译平台。该大模型平台不仅提升了医药文献的翻译精度，还依托医药研发与生产数据的持续反哺，实现了大模型的自我学习与进化，有力支撑了客户在药物研发与国际化拓展方面的战略需求。
在“健康中国”政策引导下，优刻得将继续以坚实的算力设施和AI技术服务赋能AI医疗发展，聚焦医疗产业化落地，助力构建安全、高效、可信的智能医疗生态，为健康领域可持续发展贡献力量。
