提出人：农工党广东省委员会
内容：
习近平总书记指出“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁’效应。”而AI大模型正是引领人工智能新时代的核心力量。医疗健康是AI大模型最重要的应用领域之一，广东省积极布局“大数据+大健康”黄金赛道，大力发展医疗大模型，如基层医疗大模型Jiyi Chat、腾讯医疗大模型、华为云盘古药物分子大模型等，在辅助诊疗、临床决策、智能问诊、智慧管理、生命科学、药械研发、个人健康管理等领域已取得显著成效。但受限于技术成熟度、训练和配置成本、数据安全保障等因素，医疗大模型的发展仍面临技术风险、商业落地、数据安全、政府监管等挑战：
一、可用但不够好用
大模型通常采用深度神经网络，模型如何从输入查询和数据结构生成答案（“黑箱”问题）尚不明确，难以追踪单一数据在模型中的处理依据或处理过程。而且受数据质量影响，医疗大模型面临着知识不足、准确度受限、连贯性交叉口、模型幻觉等技术挑战和局限，当前多数医疗大模型仍处于可用、但不够“好用”的阶段。
二、数据缺乏采管标准
一方面，医疗健康数据从信息采集到管理均缺乏统一标准，对后续数据清理和处理带来了极大挑战。另一方面，医疗大模型的训练数据对数据安全和用户隐私保护要求更高，因此大部分只支持在医疗机构内部私有化部署训练，一定程度上限制了商业化落地。
三、商业化落地遇阻
一是大模型具有高昂的开发和运营成本，加上大部分医院缺乏部署环境，进一步增加了落地成本。二是开发者和用户对大模型的认知度不够，企业对可能催生的用户需求也不明确，具体应用场景和实现路径仍待进一步挖掘。三是当前无论是公共算力还是医疗机构自建算力，均无法完全满足大模型的需求，且预计未来算力紧张情况仍将延续，掣肘大模型落地应用。
四、监管任重道远
一是大模型的开发、实施和使用过程涉及基座模型提供者、应用程序开发者、销售商、医护服务提供者、患者等多方角色，一旦出现问题，难以认定确切原因或参与者责任。二是大模型输入和输出范围更加广泛，内容更不可控，当其用作构建医疗设备的基座模型或医疗设备组件时，无法监测和控制其来源，面临合规挑战。三是大模型具有实时适应特性，大模型可以根据用户输入和不断变化的环境实时调整其响应，这种动态行为要求持续的监督监测和评估机制。
为此建议：
一、协同优化医疗大模型生态环境
卫健部门牵头，协同科技、发改、政数等部门，共同发力。一是鼓励建设医疗大模型开源社区、公共算力平台，推广模型训练、微调和优化工具，推动公共服务平台市场化、专业化运营。二是协同各类主体构建高质量的医疗领域公共训练数据集，提高训练数据质量，为训练更准确、可解释的医疗大模型奠定基础。三是研究制定数据集规范格式和使用标准，组织医疗数据治理能力强的企业和医疗机构开展数据标准化治理。四是鼓励腾讯医疗、华为云等医疗大模型领域的龙头企业强化产业生态布局，提供第三方开发能力和解决方案，带动中小企业协同发展。
二、构建医疗大模型及数据专业度、安全性保障机制
一是适时推动建立医疗大模型应用情况透明度报告制度，提高内容可解释性。二是完善数据分类分级确权授权使用的标准体系，试点实施“监管沙盒”机制，有序推进医疗健康数据的交易和流通。三是探索建立医疗大模型评估监管标准，研究制定技术标准，确保大模型在实际应用场景中稳定可靠运行。
三、强化医疗大模型应用牵引和场景驱动
加快制订出台医疗大模型扶持政策和落地指引，加大专项资金及政策扶持力度，鼓励相关企业及个人在粤开展大模型的研发和产业化;支持广州、深圳以大健康领域为重点，率先建设人工智能大模型应用示范区，推动一批试点政策落地见效。实施产业跨界融合示范工程，由主管部门引导建立人工智能企业与头部药企、医疗机构的沟通衔接机制，重点支持医疗大模型在药械研发、互联网医疗、智能辅助问诊等领域的应用研发和标杆场景打造。加快普及医疗云基础设施，鼓励各级医院嵌入大模型技术的医疗软件，推动大模型赋能医共体建设，提升普惠医疗水平。推进医疗大模型算力设施建设，探索配置建设可信计算环境，制定“算力券”等扶持政策，引导算力企业加大对人工智能医疗的支持。
四、建立健全医疗大模型全方位监管机制
一是建立医疗大模型问责制度，明确研发、部署、使用方的权利和义务，以及代码、微调技术及其生成内容的版权归属。二是采取分类管理、风险分级策略，推动卫健部门牵头制定医疗大模型的行业准入标准，规范产品分类界定和备案管理机制，根据医疗大模型的预期用途和风险等级进行监管。三是研究制定医疗数据收集和使用的合规要求，推动医疗数据泛知情同意，按照尽职免责原则实现数据出院。
