0 前言
随着科技的不断进步，生成式人工智能不断创造着一个又一个“科学神话”和热点话题。大型语言模型（large language model，LLM）不仅能够生成自然语言，还能生成真实生动的视频
［1］。2024年2月16日，Open AI公司发布了文生视频大模型Sora，Sora可以根据用户输入的提示词直接输出包含多个角色、多种场景和运镜的高清视频，并且视频时长可达60秒。作为一种新兴的内容生产方式，Sora模型在医疗领域中拥有十分广阔的应用前景，其强大的视频生成能力有望在医学教育、公众健康意识、患者健康咨询和医学研究等领域实现创新应用，从而帮助医生高效地管理患者，优化医疗保健服务
［2］。
然而，作为一项颇有前景的技术，Sora模型也带来了诸如误导性信息风险、患者隐私泄露、社会医疗不公等伦理问题。这引发了人们对于Sora模型在医疗卫生领域应用的思考。因此，本文针对Sora应用于医疗卫生领域的伦理问题，遵循Sora模型在医疗领域的“应用场景—伦理风险—治理路径—前景展望”的逻辑，探讨Sora模型在医疗卫生领域的创新应用与伦理挑战，旨在探索和解决Sora模型在医学领域应用的创新前景、伦理风险和治理路径，为人类提供更好的医疗健康服务。
1 文生视频大模型Sora赋能医疗卫生的创新应用场景
在医疗卫生领域，不论是患者、医学生还是医疗卫生从业者可以输入文本，通过Sora生成医疗健康相关的视频，以此获得更加便捷、高效和精准的医疗服务。Sora模型有望推动医学教育和培训、公众健康意识与自我防护、患者健康咨询与管理以及医学文献理解与研究等方面开拓全新的应用场景，以此助力相关领域快速发展。
1.1 医学教育与培训
教育领域的内容主要由静态资源构成，随着实践的深入，这样的资源难以有效满足学生多样化的学习需求。而文生视频技术可以帮助教育工作者将文本教学内容或课程大纲转化为动态的视频内容，这种教学方式，使得教育内容变得更加丰富多彩，有利于调动学生学习的兴趣和积极性
［3］。
Sora模型有望开创医疗教育领域的新时代。对医学教育者而言，Sora模型可以生成基础医学知识、典型患者案例和复杂手术技巧等全方位的医学教育和培训视频。教师可以通过逼真、生动的视频形式将复杂问题简单化、抽象问题具体化，使学生从更加直观的角度学习知识，提升学生对知识的理解和记忆能力。这有助于吸引学生的兴趣并巩固学生所学知识，促进学生与教育者之间的沟通与讨论
［4］。此外，Sora模型还可以通过“数字孪生”技术创建真实的病例视频和医患问答内容，为学生提供逼真的问诊模拟训练，提高医学教育和培训的效率
［5］。对医学生而言，Sora模型能帮助他们更高效地处理和消化知识，并在学习过程中迅速解决疑惑。学生可以利用文生视频大模型即时生成、个性定制问题的特性，在课堂学习中自主搜索问题，以在复杂医学概念的理解上获得课本以外的动态化技术支持
［6］。这种全新的交互方式形成了学生、教师、机器之间的多向互动，这有助于促进学生自主学习和深度思考，提升他们的学习效果和理解复杂医学知识的能力，从而打造全新的医学教育生态
［7］。
1.2 公众健康意识与自我防护
在突发公共卫生事件方面，Sora模型能够起到快速宣传和教育公众正确识别突发公共卫生事件真伪的作用。例如加拿大渥太华大学教授李海蒂
［8］在文章
YouTube as a source of information on COVID-19： a pandemic of misinformation？中指出：“全球数百万观众都在YouTube上观看了关于COVID-19的视频。然而在这些视频中，超过四分之一的视频包含了误导性信息，这些包含误导性信息的视频会导致观众的错误认知。”医院和医疗卫生机构可以通过Sora模型生成关于突发公共卫生事件正确信息的视频，及时为公众普及正确的突发公共卫生知识。
在公共卫生知识方面，Sora模型能够普及正确的医疗卫生常识，引导公众形成正确的卫生观念，以此增强公众的健康意识和自我防护能力。医院和医疗卫生机构可以利用Sora模型，生成内容丰富、种类繁多、通俗易懂的医疗卫生短视频，以公众喜闻乐见的方式传播医疗卫生知识。
1.3 患者健康咨询与慢性病管理
随着中国老龄化进程的加速，患者健康咨询与慢性病（糖尿病、心脏病、癌症等）管理给社会化医疗带来巨大成本。将Sora模型应用于患者健康咨询与慢性病管理，有助于提高医疗效率、降低医疗成本、优化患者治疗体验。
一方面，Sora模型可以提高患者健康咨询服务效率。医院可以利用Sora模型生成一些健康科普视频，例如：心率、血压等常识以及常见疾病的病症特点。患者可以通过这些视频分析自身健康状态，并据此判断是否需要去医院就医。以此不仅可以减少患者线下健康咨询的成本，也能减轻医生和医护人员不必要的工作量，让真正需要就医的患者得到及时救治，促进医疗资源合理分配。
另一方面，Sora模型可以提高慢性病管理效率。慢性病具有治疗周期长、注意事项多、日常治疗和养护频繁的特点。针对这些特点，医生可以利用Sora模型生成关于常见慢性病的健康建议和用药指导视频（如糖尿病、高血压等慢性病的用药和饮食注意事项），以便患者在回家后也能够利用这些视频进行自我管理，从而极大提高慢性病治疗的效率，提升患者的自我关怀体验。
1.4 文献理解与医学研究
医学类文献具有极高的阅读门槛，充斥着大量专业概念及学术表达，对于非专业科研人员而言，难以接受与理解前沿的医学知识。因此，读者可以借助Sora模型理解复杂的医学文献，使文献以视频化的方式呈现。通过输入相关医学文献信息，Sora模型可以从中提取医学专业名词，通过搜索和分析医学专业概念，生成关于该文献的视频，帮助读者对文献的理解从单纯的文字转向更加生动的动态内容。
在对医学文献进行动态化分析的基础上，Sora模型还可以进一步推动医学研究的进步。以药物研发为例，Sora模型能够在海量的基因组学数据、代谢组学数据和脂质组学数据等数据源中提取候选的药物靶点，将筛选出的已知化合物用于其所生成的视频中。研究人员通过研究生成视频中药物的生物活性、药物与生物体的相互作用以及药物在生物体内的代谢过程，筛选出具有潜在药物活性的分子。Sora模型有望于进一步缩短药物研发周期，提高医学研究效率。
2 文生视频大模型Sora在医疗卫生领域应用的伦理风险
作为一种新技术，Sora模型在医疗卫生领域具有巨大的潜力，能够推动医疗卫生科研及实践的发展，为医生和患者提供更优质、便捷的服务。然而，这种新型技术也引发了一系列伦理问题。
2.1 误导性信息风险问题
创作者责任缺失将对模型最终生成的内容造成负面影响。目前美国Open AI公司之所以没有完全对公众公开Sora模型的使用权限，其中有一部分原因正是担心文生视频技术被用于不正当途径。
尽管强大的智能技术让Sora在理解人类语言和文字方面实现了质的飞跃，并提供了理解、重建和模拟真实世界的可能性。但当前Sora模型受限于技术，其可供性是有限的。建立在医疗卫生知识与大模型基础上的Sora生成的是刻板的、模式化的虚拟世界或数字世界，其视频也只是现实世界的摹本或副本，与丰富而深刻的真实世界差之千里。Sora难以准确模拟复杂场景的物理原理，无法完成对事件因果关系的呈现和解释，这就混淆了空间细节，不能精确描述随着时间推移发生的事件
［9］。在医疗卫生领域，医疗卫生知识是复杂多样的，患者的身体状况与病灶症状也是多样的。如果Sora模型不能摆脱当前机械刻板的视频生成模式，就可能会生成错误的医学知识视频，从而导致错误医学知识的传播。
此外，Sora模型也面临着来自数据质量的挑战。数据的质量是影响模型生成效果的重要因素，信息源的良莠不齐就会导致信息表达混乱、文字提示理解不完整等问题。Sora模型背后的主导者以“喂养”方式向其投送异质性信息数据，可能产生训练缺陷，导致其产出虚假、错误或恶意信息
［10］，Sora模型本身也不具有足够的判断和区分能力，在其虚假视频制作和传播的成本变得更低的加持下，虚假信息在“有图有真相”的理念下更加肆无忌惮地扩大传播，使区分真实与虚构、验证信息真实性变得更加困难。
2.2 患者隐私安全问题
如何保障患者隐私安全，一直是人工智能在医疗卫生领域所面临的一个重大问题。Sora模型生成视频所利用的大量数据可能涉及私密的个人信息，如患者的人脸影像、就医记录、购药记录等，这些个人隐私数据存在着被窃取和被滥用的风险。
一方面，Sora可能造成患者隐私泄露问题。当使用Sora模型生成关于患者病症特征或预期治疗效果的视频时，不可避免地需要关于患者疾病的详细描述或诊断数据，这就会导致患者的隐私数据泄露的风险。另一方面，Sora可能造成患者隐私滥用问题。由于文生视频的核心能力之一是生成高度逼真的虚拟形象，当这种能力被滥用时，就可能出现“深度伪造”问题。不法分子可以利用窃取到的患者照片或视频片段，生成足以乱真的假视频用于诽谤、勒索、名誉损害等违法活动，严重侵犯个人肖像权和人格尊严。这些用于社交攻击、敲诈勒索等犯罪活动的视频，不仅会大大增加群众受骗的概率，而且会加大执法部门追踪溯源的难度
［11］。
2.3 模型透明度问题
Sora模型在生成视频时需要使用大量的数据作为训练集，通过其独特的AI算法进行运算。然而，由于文生视频大模型本身数据来源的不确定性、AI运算机制复杂性，以及媒体机构、技术公司的排他性商业政策，其算法犹如一个未知的“黑箱”，将Sora模型应用于医疗卫生领域可能会引发人们对其透明度的担忧。文生视频大模型用户在不清楚算法的目标和意图，也无从获悉算法设计者、实际控制者以及机器生成内容的责任归属等信息时，就无法对生成的视频内容进行评判和监督。因此，这就使得算法的透明度更加难以实现
［12］。在医疗卫生领域，患者对于医院和医生所使用文生视频技术的透明度问题会产生伦理担忧。Sora模型的不透明将使得决策过程难以被了解、审查或者验证，这就会降低文生视频大模型的可解释性，严重影响医生对文生视频大模型所生成视频的信任度，从而影响患者接受医生基于Sora模型所作出的治疗建议。
2.4 社会医疗公平问题
作为一种先进的智能技术工具，Sora模型的应用与普及受到多种社会因素的影响，会导致不同地区在使用频率及效果方面存在明显差异，引发社会公平的伦理问题。
由于目前Sora模型的应用、研发和操作的成本较高，当前Sora模型在医疗卫生领域的应用主要集中在经济发达和科技迅速发展的地区。这使得一些经济较为落后的地区和基层医疗卫生机构难以享受到文生视频技术带来的便捷医疗服务。同样的，Sora模型的开发、训练、维护与更新需要大量的专业技术人员，培养兼具人工智能技术和医疗卫生知识的复合型人才通常成本较高，这对于经济欠发达地区可能是一种挑战。这将会导致Sora模型无法应用于所有需要医疗的人群，出现不同地区智能医疗的发展不平衡现象，引发一系列社会医疗公平问题。
3 文生视频大模型Sora应用医疗卫生领域的伦理风险治理
针对Sora模型应用于医疗卫生领域所面临的误导性信息风险、患者隐私安全、模型透明度与社会医疗公平问题，医生、模型开发商及相关政府部门需要采取尊重患者自主权与医疗知情同意、增强模型训练与视频生成的准确性、提高模型透明度等措施来增强Sora模型的风险治理能力。
3.1 增强模型训练与视频生成的准确性
要将Sora模型应用于医疗卫生领域，就必须丰富其医学数据库，以确保模型所生成视频的准确和可靠。模型开发者可以通过数据预处理和多模态学习等方法，增强模型的训练与生成能力。
参考垂类大模型的调优策略，Sora模型可以进一步优化其生成能力。垂类大模型指的是针对特定领域或任务进行深度学习训练的超大规模模型，具有更强的领域专业性和任务针对性。Sora模型可以使用带标签预训练方法对预训练语料库中的文本进行标注，训练出一个强大的预训练模型。针对特定任务，Sora模型可以通过网格搜索（Grid Search）、随机搜索（Random Search）和贝叶斯优化（Bayesian Optimization）等方法进行调优，以提高模型的精度和效率，从而增强Sora模型生成视频的准确性。要将Sora模型应用于医疗卫生领域，就必须对Sora模型进行医学领域的专项调优。例如：利用Sora模型生成关于心率，脉搏等医学常识视频时，可以使用网格搜索的方法找到精确度最高的参数，从而保证Sora生成视频的准确性。通过这种方式调优的Sora模型，将能够生成更精确的医学相关视频，更好地应用于医学教学、药物研究、辅助诊断等场景。
通过整合不同类型的数据（如文本、图像、声音和基因序列），利用多模态学习技术提高Sora模型所生成视频的准确性。建议医务人员与模型开发者通过深入合作的模式，将医学图谱、疾病分类标准、治疗指南等多模态的医学领域知识整合到Sora模型中，以提高其在医学领域的视频生成能力。在医疗诊断结束后，Sora模型能够基于患者的诊断结果和历史病历（如药物过敏史和重大疾病史）为医生提供个性化治疗建议，生成更加科学、更易于理解的视频治疗方案。这种视频治疗方案更易于患者理解，能够有效提高治疗效果和患者满意度。
3.2 提高模型透明度与可解释性
Sora模型复杂的决策机制和运算机制，会被医疗人员和患者视为“黑箱”。因此，Sora模型必须使用强解释性的模型或新技术来提高现有模型的解释性，增强医疗人员和患者对其基本原理和决策过程的透明度。
一方面，Sora模型应对模型生成过程中所使用的数据增添可解释性。Sora模型可以采用数据可视化技术，将晦涩难懂的模型数据转化为直观的、易于理解的图片说明。这种方式有助于医疗人员和患者更好地理解Sora模型如何运用收集到的数据进行决策，以及这些数据背后的含义和趋势，从而增强Sora模型的透明度以及医生和患者对模型的信任度。
另一方面，Sora模型需要为所生成的视频内容添加内容解释。在训练模型时，Sora模型可以在训练模型的同时训练一个语言解释器（VQA explanation）。该解释器会要求Sora模型在输出结果时，还要输出一个对应的解释。例如，Sora模型在辅助医学研究时，不仅需要生成药物与生物体之间相互作用的视频，还需在视频中解释生成逻辑，使研究人员能及时核对视频内容的准确性。在构建决策模型时，Sora模型应尽可能简化决策逻辑，使用易于理解的决策规则和自然语言处理技术，将复杂的决策结果转化为自然语言描述，使患者、医生和公众更容易理解。在决策过程中，Sora模型应将决策的依据、方法和结果都清晰地呈现出来，以便患者、医生和公众了解，从而推动决策过程的公开透明化。
3.3 加强视频中患者隐私数据的保护
生成式人工智能技术在收集大型数据和共享机密患者数据时，可能会出现隐私问题。2023年2月18日，国家卫生健康委、科技部等4部门联合印发了《涉及人的生命科学和医学研究伦理审查办法》，强调必须设立伦理监察委员会对隐私数据侵权行为进行审查。
一方面，模型开发者需要为Sora模型添加数据加密的功能。将Sora模型应用于生成患者病症视频或预期治疗视频时，不可避免地要输入关于患者个人信息、个人体征以及病症状况等信息。因此，在Sora模型生成视频的过程中，应使用强加密算法，对视频中的患者数据进行匿名化或伪匿名化处理，将视频中的个人身份信息从数据中移除或替换为无法直接关联个人身份的标识符。同时，通过使用身份验证系统和权限管理系统，模型可以建立严格的数据访问机制，确保只有授权用户能够访问视频后台的患者数据。这样可以降低数据泄露的风险，即便数据被非法窃取，也难以被轻易破解。
另一方面，政府应健全相关法律和管理机构对Sora模型进行监管。2023年8月15日，国家网信办、科技部、公安部等七部门联合印发《生成式人工智能服务管理暂行办法》。该《办法》对个人信息保护提出了宏观要求，但针对文生视频所产生的患者隐私保护问题，政府应当制订具体的监管办法，健全配套的行政处罚体系，增强对侵犯患者隐私行为的威慑力。同时，考虑到将Sora模型应用于医疗卫生领域的要求，政府可以增设跨学科的专家委员会，以便监管时能准确收集信息并进行分析与研判。以上措施应力求保障数据质量，满足数据真实性、准确性、客观性及多样性要求，避免产生错误引导。
3.4 尊重患者医疗自主权和知情同意
通过Sora模型所生成的关于患者病症及治疗方案的视频，医生可以与患者进行充分沟通，确保患者对自身情况以及预期治疗有足够的了解。这种医疗模式，可以让患者更直观、更生动地了解有关自身疾病的信息，充分尊重患者的自主权和医疗知情同意。
在传统医疗模式下，医生通常采用口头解释的方法向患者阐释治疗方案。然而，对于大部分患者而言，专业的医学术语和诊断结果是晦涩难懂的。为了帮助患者了解自己的病情和治疗方案，Sora模型可以通过数据分析和可视化等方式，生成关于患者的病情诊断情况、拟采取的医疗措施、诊疗方案存在的医疗风险、可替代的医疗方案等视频。患者通过这些视频可以更直观易懂地了解相关信息。在此基础之上，医生可以与患者共同分析病情，向患者提供书面的知情同意书，明确说明治疗方案、医疗风险和预期效果。双方可以在充分沟通的基础上，明确症状并敲定相应的治疗方案，以达到充分尊重患者自主权和医疗知情同意的目的。
4 结语
Sora模型在医疗卫生领域地应用日益广泛，对于创新医学教育模式、提升公众健康意识、帮助患者健康咨询和辅助医学研究等医学实践活动带来了前所未有的创新机遇。然而，Sora模型所带来的误导性信息风险、隐私数据泄露、透明度不足和社会医疗不公等伦理问题不容忽视。面向Sora赋能医疗卫生的未来发展命题，除了需要在技术层面突破Sora在视频时长、准确度等方面的技术桎梏，更为重要的是坚持以人为本的发展理念，不断建立健全技术应用与人文关怀有机统一的伦理机制，以期在不断涌现的技术浪潮中，真正做到伦理与技术的和谐共生。
教育部高校优秀中青年思政课教师择优资助项目“人工智能赋能高校思政教育的新趋势及‘智能思政’构建研究”(20JDSZK125)
山西省哲学社会科学专项课题“‘双一流’建设背景下医学类高校马克思主义理论科学高质量发展研究”(2024MZ2001)
京公网安备11010202008535号
PDF
(487KB)
