在一次線上圖文問診中，由于患者首次上傳圖片模糊，中國醫(yī)科大學(xué)附屬第一醫(yī)院皮膚科郭昊醫(yī)生初步判斷為患者病癥為色素痣，當(dāng)他準(zhǔn)備進(jìn)行下一步建議時(shí)，智能醫(yī)助彈窗提醒“考慮診斷扁平疣可能性是90%，色素痣可能性是60%”，郭昊猶豫片刻后讓患者提供了幾張更清晰、多角度的照片，最終確診為扁平疣。

諸如此類的AI技術(shù)輔助診斷場景正越來越普遍，醫(yī)療行業(yè)也已成為當(dāng)下行業(yè)大模型集中落地和未來最有潛力的領(lǐng)域之一。

AI大模型由于其自然語言理解和邏輯推演的優(yōu)勢(shì)，在交互場景豐富和數(shù)據(jù)量龐大的領(lǐng)域有著天然優(yōu)勢(shì)，醫(yī)療行業(yè)便是如此。據(jù)Global Market Insights 報(bào)告預(yù)計(jì)，“AI+醫(yī)療”市場規(guī)模年均復(fù)合增速將超過 29%，2032年將達(dá)到700億美元。IDC預(yù)計(jì)，到2025年，全球人工智能應(yīng)用市場總值將達(dá)1270億美元，其中醫(yī)療行業(yè)將占總規(guī)模的五分之一。

然而，千億藍(lán)海市場的樂觀預(yù)計(jì)背后，現(xiàn)實(shí)是包括醫(yī)療行業(yè)在內(nèi)，大模型的商業(yè)落地都還沒有走出一條成熟路徑。尤其對(duì)于專業(yè)性極強(qiáng)、容錯(cuò)率極低的醫(yī)療領(lǐng)域，大模型距離真正打開局面還早。

千億藍(lán)海

在千億級(jí)醫(yī)療領(lǐng)域AI技術(shù)應(yīng)用前景誘惑下，國內(nèi)醫(yī)療大模型層出不窮。從應(yīng)用來看，除了常見的診療全流程、深度學(xué)習(xí)加持多年的醫(yī)學(xué)影像，還有中醫(yī)康復(fù)這類冷門但有潛力的場景。

在能力上，AI大模型在醫(yī)療行業(yè)的作用主要體現(xiàn)在三方面：一，提升醫(yī)療工作者的工作效率，以及改善醫(yī)療資源不平衡的問題；二，降低患者在醫(yī)院候診、診療的時(shí)間，提升就醫(yī)體驗(yàn)；三，提升研發(fā)新藥的效率、降低研發(fā)成本。

“原本每天能審閱50張CT片子，未來每天能審閱500張/天，那么醫(yī)療效果的提升，將讓患者的就醫(yī)體驗(yàn)，以及醫(yī)生的工作體驗(yàn)都得以改善?！盜EEE標(biāo)準(zhǔn)協(xié)會(huì)新標(biāo)準(zhǔn)立項(xiàng)委員會(huì)副主席兼IEEE數(shù)字金融與經(jīng)濟(jì)標(biāo)準(zhǔn)委員會(huì)主席林道莊曾對(duì)表示，現(xiàn)階段，中國醫(yī)療資源比較緊缺，許多人排了很久的隊(duì)才能看上病，而醫(yī)生也很忙，通過大模型的輔助，能幫助醫(yī)生快速的識(shí)別諸如X光片、CT等病歷，從而大幅提升醫(yī)生工作效率，也能降低患者等待的時(shí)間。

從資本的角度出發(fā)，雖然目前醫(yī)療行業(yè)大模型仍處于發(fā)展的初期階段，但資本市場對(duì)于大模型在醫(yī)療行業(yè)的商業(yè)化還是持有較樂觀的態(tài)度。今年以來，醫(yī)療相關(guān)的大模型獲得融資的案例并不少，國內(nèi)唯一一家專注醫(yī)療的頭部大模型公司百川智能，獲得了50億A輪融資，正在以200億元開展B輪融資。其自研的通用醫(yī)療增強(qiáng)大模型，已在多個(gè)權(quán)威評(píng)測(cè)中超越了GPT-4；生物醫(yī)藥大模型公司“水木分子”完成近億元融資，成立僅一年，由清華大學(xué)智能產(chǎn)業(yè)院AIR于2023孵化，主要從事生物醫(yī)藥行業(yè)基礎(chǔ)大模型研究，并開發(fā)了對(duì)話式藥物研發(fā)助手工具ChatDD。

從參與主體來看，互聯(lián)網(wǎng)廠商和科技公司為主，比如百度“靈醫(yī)Bot大模型”、云知聲“山海認(rèn)知大模型”、左手醫(yī)生“MedGPT/左醫(yī)GPT大模型”、醫(yī)渡科技“醫(yī)渡大模型”、京東健康“京醫(yī)千詢大模型”、騰訊“騰訊健康A(chǔ)I醫(yī)療大模型”、華大基因“基因檢測(cè)多模態(tài)大模型GeneT”、訊飛醫(yī)療“訊飛星火醫(yī)療大模型”等。

除了廠商以外，研究機(jī)構(gòu)與高校也都結(jié)合自身經(jīng)驗(yàn)推出了醫(yī)療大模型的產(chǎn)品。比如，浙江大學(xué)啟真醫(yī)療大模型，致力于通過AI技術(shù)提升醫(yī)療服務(wù)水平，據(jù)了解該模型可應(yīng)用于遠(yuǎn)程醫(yī)療、醫(yī)療咨詢、健康管理和個(gè)性化治療方案定制等領(lǐng)域，并已在多個(gè)試點(diǎn)項(xiàng)目中得以應(yīng)用；四川大學(xué)華西醫(yī)院信息中心則是推出了具備鑒別診斷和病歷生成自動(dòng)生成能力的惠每醫(yī)療大模型，該模型適用于臨床決策支持系統(tǒng)，幫助醫(yī)生進(jìn)行診斷和治療計(jì)劃的制定。

相較于通用大模型，醫(yī)療大模型作為行業(yè)大模型，需要具備足夠的專業(yè)知識(shí)，對(duì)于一些規(guī)劃未來在臨床應(yīng)用的大模型，更要具備充足的、高質(zhì)量的相關(guān)臨床數(shù)據(jù)作為語料，加以訓(xùn)練才能具備專業(yè)的能力。國內(nèi)外主流大模型廠商都在積極尋求醫(yī)院資源進(jìn)行戰(zhàn)略合作，共同探索可行路徑。

例如，京東推出的“京醫(yī)千詢”，整合了大量的臨床實(shí)踐指南、醫(yī)學(xué)文獻(xiàn)和專家知識(shí)，能快速完成在醫(yī)療健康領(lǐng)域各個(gè)場景的遷移和學(xué)習(xí)，并在2023年12月，京東健康就與溫州醫(yī)科大學(xué)附屬第一醫(yī)院達(dá)成了戰(zhàn)略合作，共建“未來醫(yī)院智慧服務(wù)”,打造了全國領(lǐng)先的新一代智慧醫(yī)院的智慧服務(wù)系統(tǒng)。

中科聞歌布局中醫(yī)賽道，在今年9月發(fā)布了“大醫(yī)金匱”中醫(yī)大模型，依托中科聞歌全自主產(chǎn)權(quán)的雅意大模型，選擇了1500余本中醫(yī)典籍及海量臨床醫(yī)案數(shù)據(jù)進(jìn)行訓(xùn)練，解決了中醫(yī)癥狀標(biāo)準(zhǔn)化、四診特征數(shù)據(jù)對(duì)齊、中醫(yī)臨床辨證推理以及診斷與治療方案可控生成等技術(shù)難題，構(gòu)建了國內(nèi)首個(gè)中醫(yī)標(biāo)準(zhǔn)化癥狀知識(shí)圖譜，以及OTC中藥、OTC西藥、中藥方劑、中醫(yī)食療和中醫(yī)運(yùn)動(dòng)處方五大細(xì)分知識(shí)庫。大醫(yī)金匱在中醫(yī)執(zhí)業(yè)醫(yī)師和執(zhí)業(yè)藥師模擬考試中準(zhǔn)確率也達(dá)到85%以上。

中國信通院在10月開展了醫(yī)療健康大模型效能評(píng)估工作，其調(diào)研顯示通用大模型在醫(yī)學(xué)知識(shí)廣度方面具有一定優(yōu)勢(shì)，醫(yī)療健康行業(yè)大模型在特定醫(yī)療任務(wù)上表現(xiàn)優(yōu)異。

據(jù)悉，此次評(píng)估選取了GPT4、GPT-4o等國外通用大模型，文心一言、通義千問、混元和智譜清言ChatGLM等國內(nèi)通用大模型，靈醫(yī)Bot、夸克健康助手、訊飛星火醫(yī)療大模型和華佗GPT II等醫(yī)療健康行業(yè)大模型展開效能評(píng)估，考察大模型在多學(xué)科知識(shí)問答、多形式語言理解、多場景文書生成、多環(huán)節(jié)輔助診療、多輪對(duì)話交互、多模態(tài)支持等六大方向的實(shí)際應(yīng)用效能。

以訊飛星火醫(yī)療大模型為例，其在個(gè)人畫像、健康干預(yù)方案、病歷文書生成及質(zhì)控、檢驗(yàn)檢查報(bào)告解讀、體檢報(bào)告單解讀、藥盒解讀等細(xì)分任務(wù)中表現(xiàn)均處于領(lǐng)先，在健康常識(shí)、疾病百科、用藥知識(shí)、電子病歷結(jié)構(gòu)化、專業(yè)知識(shí)生活化等方向上均展現(xiàn)高度專業(yè)性。

分診助手、輔助決策、病歷生成、AI制藥.....已涌現(xiàn)諸多場景

“諸如大模型的這類數(shù)字技術(shù)就像是‘錘子’，而應(yīng)用像是‘釘子’，場景像是‘墻’，只有找到合適的場景，再用錘子將釘子‘釘’上去，才能實(shí)現(xiàn)最后的價(jià)值。而沒有應(yīng)用，沒有場景，光有技術(shù)，這個(gè)技術(shù)也是沒有用的。”東軟集團(tuán)董事長劉積仁在與的對(duì)話中曾形象比喻。

以慢性阻塞性肺疾病（簡稱慢阻肺）為例，這是一種常見的、可預(yù)防和治療的慢性氣道疾病，其特征是持續(xù)存在的氣流受限和相應(yīng)的呼吸系統(tǒng)癥狀。在中國約有1億慢阻肺患者,每年導(dǎo)致約100萬人死亡,已成為中國致死率第三高的疾病。

慢阻肺發(fā)病時(shí)會(huì)出現(xiàn)胸悶、呼吸困難等癥狀，與很多其他疾病具有相似的病癥，篩查要通過胸部CT進(jìn)行，而對(duì)于醫(yī)生而言，解讀CT影像給出診斷意見需要消耗大量時(shí)間，而對(duì)于急性發(fā)作的患者來說等報(bào)告的時(shí)間過于漫長，患者有可能在短時(shí)間內(nèi)有生命危險(xiǎn)。

這時(shí)候，如果將AI技術(shù)應(yīng)用到CT篩查中，就能夠快速對(duì)CT影像進(jìn)行初步解讀、篩查出可能是慢阻肺造成的患者不適，醫(yī)生能盡快干預(yù)治療，從而讓患者在發(fā)病初期就能得到適當(dāng)?shù)闹委?，降低慢阻肺的死亡率?/p>

東軟醫(yī)療基于此，與廣州醫(yī)科大學(xué)附屬第一醫(yī)院廣州呼吸健康研究院合推出肺部CT影像處理軟件NeuLungCARE-QA，填補(bǔ)國內(nèi)通過胸部CT平掃圖像篩查慢阻肺的技術(shù)空白。

據(jù)了解，NeuLungCARE-QA是一款針對(duì)慢阻肺篩查的智能輔助分析軟件，軟件可以通過肺部CT平掃圖像的自動(dòng)分析，輸出肺實(shí)質(zhì)分析定量（Quantification定量）與支氣管（Air氣道）的相關(guān)參數(shù)，輔助醫(yī)生進(jìn)行慢阻肺的早期篩查等臨床應(yīng)用，從而有效推進(jìn)呼吸疾病“早篩早診早治療”的健康行動(dòng)落實(shí)。相較于肺功能檢測(cè)，CT平掃覆蓋面廣，且已在基層醫(yī)院和體檢中心普及。因此，在肺癌CT篩查人群中，借助NLC軟件即可進(jìn)一步挖掘受檢者的胸部CT平掃信息，幫助盡早發(fā)現(xiàn)潛在的慢阻肺患者，將防治前移至無癥狀期，使患者獲益更多。

包含慢阻肺篩查在內(nèi)，疾病篩查領(lǐng)域已經(jīng)有不少醫(yī)療機(jī)構(gòu)進(jìn)行積極的嘗試。

文章開頭列舉的皮膚疾病診斷案例來自京東健康，數(shù)據(jù)顯示，京東健康皮膚醫(yī)院基于大模型的AI輔診準(zhǔn)確率超過95%，皮膚醫(yī)院開發(fā)的專病隨訪服務(wù)患者付費(fèi)轉(zhuǎn)化率已達(dá)20%。

在輔助診斷之外，借由AI的能力，也能在疾病病發(fā)之前就及早干預(yù)，從而起到預(yù)防的作用。

以華大基因?yàn)槔?，前不久其正式發(fā)布了面向臨床的基因檢測(cè)多模態(tài)大模型GeneT。據(jù)華大基因IT副總監(jiān)梁倫綱介紹，基因檢測(cè)多模態(tài)大模型GeneT是華大基因在AI大模型領(lǐng)域的重大突破。該模型利用超過百萬級(jí)的高質(zhì)量數(shù)據(jù)，構(gòu)建了百億級(jí)的高質(zhì)量token，結(jié)合解讀專家經(jīng)驗(yàn)，實(shí)現(xiàn)了對(duì)全基因組數(shù)據(jù)的精準(zhǔn)解讀。

據(jù)了解，在真實(shí)臨床樣本的測(cè)試中，GeneT模型展現(xiàn)出了極高的準(zhǔn)確率，能夠從數(shù)百萬個(gè)變異位點(diǎn)中快速篩選出與臨床表型相關(guān)的致病突變，為臨床診斷和治療提供有力支持。

基于基因檢測(cè)的特殊性（屬于垂直行業(yè)領(lǐng)域），有些場景下并不需要超大參數(shù)規(guī)模的模型產(chǎn)品，一些小模型的產(chǎn)品就能夠滿足生產(chǎn)過程中的需求，“現(xiàn)在，華大基因就采用了一些十幾B參數(shù)的小模型，”梁倫綱指出，“雖然在訓(xùn)練過程中會(huì)比較消耗資源，但投產(chǎn)之后的成本還是非常低的?！?/p>

京東健康大模型專家也曾向表示，從目前應(yīng)用來看，應(yīng)用成熟度較高的是中體量的模型產(chǎn)品，以京東健康為例，京東健康目前主推的“京醫(yī)千詢”系列模型產(chǎn)品中，應(yīng)用成熟度較高的是14B和22B的模型產(chǎn)品，主要應(yīng)該用在非醫(yī)療決策方面。

AI大模型在藥物研發(fā)方面也有著不小的應(yīng)用空間。在外灘大會(huì)上，一位藥物研發(fā)行業(yè)專家公開表示，藥物研發(fā)目前面臨著研發(fā)投入越來越高、回報(bào)率越來越低的情況，“藥物研發(fā)也很看重ROI，目前平均的回報(bào)率大概在1.8%左右，還不如把錢存起來的利率高?！痹搶＜抑赋觥?/p>

以往藥物的研發(fā)主要依靠研發(fā)人員的經(jīng)驗(yàn)及所學(xué)知識(shí)進(jìn)行項(xiàng)目推進(jìn)，但人的經(jīng)驗(yàn)和學(xué)習(xí)能力是有限的，但對(duì)于AI大模型而言，可以在短時(shí)間內(nèi)，通過快速的專業(yè)知識(shí)的積累，就獲得具備“行業(yè)競爭力”的專家級(jí)的知識(shí)水平，同時(shí)還可以在短時(shí)間內(nèi)推演出藥物的基因排序和組合，從而讓藥物的研發(fā)進(jìn)一步降本增效。

總體來說，雖然大模型在醫(yī)療行業(yè)中已出現(xiàn)諸多的應(yīng)用場景，但是從目前的應(yīng)用現(xiàn)狀上看，大模型產(chǎn)品能為醫(yī)生提供的幫助還是非常有限，其應(yīng)用場景主要還是集中在一些非醫(yī)療決策的方面，更專業(yè)的能力有賴于模型產(chǎn)品獲取的數(shù)據(jù)量進(jìn)一步提升，以及模型能力的優(yōu)化。

多模態(tài)融合也是醫(yī)療行業(yè)應(yīng)用大模型未來發(fā)展的重要趨勢(shì)，醫(yī)療大模型在文本信息之外，更要融合圖像、語音、生理信號(hào)燈多種數(shù)據(jù)源，從而更全面的獲得患者信息，以便于做出更準(zhǔn)確的診斷。

嚴(yán)肅性、安全性、成本....落地仍面臨諸多挑戰(zhàn)

AI技術(shù)已經(jīng)開始在醫(yī)療行業(yè)“大展身手”，但離“獨(dú)當(dāng)一面”還早。

比如，AI技術(shù)在醫(yī)療行業(yè)中的應(yīng)用最終是要落到患者身上，在輔診方面，大模型應(yīng)用的門檻是：需要AI產(chǎn)品像主治醫(yī)生一樣，結(jié)合不同病人的實(shí)際情況，準(zhǔn)確的開出相應(yīng)的治療方案。而從目前的應(yīng)用來看，AI技術(shù)只能起到部分輔助、協(xié)作的作用，最終還需要醫(yī)生憑借經(jīng)驗(yàn)制定醫(yī)囑。

不僅如此，醫(yī)療行業(yè)本身就具有嚴(yán)肅性和安全性的特性，即便有很好的場景，應(yīng)用過程中還是需要特別注意專業(yè)嚴(yán)謹(jǐn)性。

“醫(yī)療行業(yè)的特點(diǎn)是診療嚴(yán)肅性和過程不可逆性，這也是AI技術(shù)落地的難點(diǎn)所在?！备卟┽t(yī)療集團(tuán)首席信息顧問陳金雄曾在2024 ITValue Summit 數(shù)字價(jià)值年會(huì)期間指出。

比如，雖然醫(yī)院電子化、信息化已經(jīng)有一定的基礎(chǔ)，但在選擇設(shè)備、檢查方式的時(shí)候，大多數(shù)電子設(shè)備與傳統(tǒng)機(jī)械式檢查設(shè)備相比，精準(zhǔn)度仍然有待提升。深圳市第八人民醫(yī)院信息統(tǒng)計(jì)科主任賴伏虎曾在2024 ITValue Summit 數(shù)字價(jià)值年會(huì)期間指出，醫(yī)護(hù)人員在大規(guī)模使用無線生理信息采集儀器去病房采集指標(biāo)，結(jié)果可直接傳輸至電子病歷，但醫(yī)護(hù)最終仍要做人工測(cè)量，因?yàn)獒t(yī)院有一條底線，追求絕對(duì)安全。這決定了醫(yī)院對(duì)AI軟件和設(shè)備的需求很大，挑戰(zhàn)也很大。

醫(yī)療數(shù)據(jù)的安全性也非常關(guān)鍵。如何確?；颊叩臄?shù)據(jù)是“可用不可見”的，一方面，需要監(jiān)管部門對(duì)這部分?jǐn)?shù)據(jù)進(jìn)行監(jiān)管；另一方面，需要打通醫(yī)院之間的數(shù)據(jù)壁壘。

數(shù)據(jù)也是困擾著醫(yī)生應(yīng)用AI技術(shù)的一大掣肘。上海某三甲醫(yī)院主治醫(yī)師張醫(yī)生（化名）表示，目前AI工具還都不太成熟，處于數(shù)據(jù)安全和隱私保護(hù)等因素的考慮，目前醫(yī)生只能看到患者做了什么檢查，但是看不到具體的檢查結(jié)果，“對(duì)于我們醫(yī)生來說，我們希望可以在確保數(shù)據(jù)安全的前提下，能夠看到患者既往的病史、用藥等情況，這也有助于我們針對(duì)不同病患，制定響應(yīng)的治療方案。”張醫(yī)生如是說。

另一方面，如果AI技術(shù)并不能給醫(yī)生帶來效率的提升的話，對(duì)于醫(yī)生而言，AI能為整個(gè)診療過程提供的價(jià)值是有限的。對(duì)此，張醫(yī)生表示，目前通過AI工具是具備給醫(yī)生提供處方開方建議的能力，但是因?yàn)檎w醫(yī)療時(shí)間緊湊，導(dǎo)致醫(yī)生大多數(shù)時(shí)候沒有過多的時(shí)間與AI助手進(jìn)行交互，最后還是只能依靠自身經(jīng)驗(yàn)開據(jù)藥物，“我們普通門診一上午3個(gè)半小時(shí)時(shí)間內(nèi)，要看60多個(gè)病人，并沒有時(shí)間去跟AI助手探討藥物的使用問題，大多數(shù)時(shí)候還是根據(jù)我自身經(jīng)驗(yàn)給患者開藥的?！睆堘t(yī)生指出。

除了嚴(yán)肅性和安全性的問題以外，對(duì)于醫(yī)療機(jī)構(gòu)來說，現(xiàn)階段的大模型產(chǎn)品還達(dá)不到足夠的降本增效預(yù)期，成本（或者說ROI）也是阻礙大模型落地的一個(gè)關(guān)鍵點(diǎn)，當(dāng)前各廠商大模型與醫(yī)院合作也是從戰(zhàn)略考慮。京東健康大模型的一位專家曾告訴，“醫(yī)院不能因?yàn)橐氪竽Ｐ彤a(chǎn)品，而導(dǎo)致整體的醫(yī)療成本和科研成本上升，”該名專家告訴，“這對(duì)于醫(yī)療機(jī)構(gòu)來說，是不能接受的?！?/p>

同樣，對(duì)于產(chǎn)業(yè)鏈另一頭的服務(wù)商而言，商業(yè)變現(xiàn)也影響著服務(wù)商。

劉積仁曾對(duì)表示，AI技術(shù)當(dāng)下遇見最大的一個(gè)問題就是商業(yè)變現(xiàn)，以輔助看片的場景為例，將AI的能力植入到醫(yī)學(xué)診斷軟件之中，對(duì)于醫(yī)院來說，如果植入AI能力的軟件要比沒有AI能力的軟件更貴的話，可能很多醫(yī)院都不愿意為“多出的部分”買單，“因?yàn)楸旧磲t(yī)院就有醫(yī)生進(jìn)行片子的審查，多出的部分并沒有帶給他們實(shí)際的價(jià)值，而當(dāng)下AI的能力，對(duì)于效率的提升又是有限的，所以很多醫(yī)院都不愿意為了這部分的軟件價(jià)值去買單?！眲⒎e仁表示。

東軟集團(tuán)在醫(yī)療領(lǐng)域?qū)崿F(xiàn)大模型變現(xiàn)的經(jīng)驗(yàn)是，通過自身原本的基礎(chǔ)醫(yī)療設(shè)備，將AI的能力植入到設(shè)備中，以整體解決方案的形式對(duì)外輸出能力，隨著醫(yī)院的應(yīng)用，再將脫敏后的數(shù)據(jù)，在可信的狀態(tài)下對(duì)這些產(chǎn)生的數(shù)據(jù)進(jìn)行積累，有了數(shù)據(jù)基礎(chǔ)后，再反哺于模型的訓(xùn)練之中，最后再通過訓(xùn)練好的垂直領(lǐng)域?qū)Ｓ心Ｐ妥儸F(xiàn)。

在大模型和AI技術(shù)快速升級(jí)的另一面，打造專業(yè)領(lǐng)域真正的應(yīng)用價(jià)值，行業(yè)大模型的歷練才剛剛開始。拐點(diǎn)未至，前路漫長。（本文首發(fā)于，作者 | 張申宇，編輯 | 蓋虹達(dá)）