作者： 林志吟

　　以ChatGPT為代表的AIGC（生成式AI）風靡市場，掀起了生成式大語言模型的開發浪潮，這一波浪潮席卷至醫療行業，行業中的“百模大戰”正在迅速興起。

　　一直以來，醫療行業被視為人工智能應用的最佳場景之一。AI醫療的應用一方面可減輕醫生工作負擔，提升工作效率；另外一方面，也可以提升基層機構診療水平，改變醫療資源分布不平衡局面。

　　然而，上一輪的人工智能浪潮在醫院的落地速度并不快，更多的應用集中在影像領域，但也面臨商業轉換率低的挑戰，這一次AIGC滲透進醫院，局面能否有所改觀？

　　AIGC技術落地醫療行業

　　近日，在2023騰訊全球數字生態大會上，騰訊健康發布了醫療大模型，以及智能問答、家庭醫生助手、數智醫療影像平臺等多場景AI產品矩陣。

　　騰訊杰出科學家、騰訊天衍實驗室主任鄭冶楓介紹，醫療大模型的研發，是基于騰訊全鏈路自研混元大模型，這一基座模型擁有超千億參數規模和超2萬億tokens預訓練語料，具備強大的中文創作能力、復雜語境下的邏輯推理能力以及可靠的任務執行能力，在此之上，持續加入涵蓋285萬醫學實體、1250萬醫學關系，覆蓋98%醫學知識的醫學知識圖譜和醫學文獻，使大模型進一步掌握專業的醫學知識。

　　也是在近期，由金域醫學（603882.SH）承建的臨床檢驗與病理診斷人工智能平臺開放創新平臺正式上線，這是國內醫檢行業首個人工智能開放創新平臺。該平臺通過算力、算法、數據、模型共享，可向創業公司、醫療科研機構、個人開發者、行業專家等用戶提供服務，滿足開發者從數據訓練到人工智能應用部署的全流程開發需求，包含數據處理、開發訓練、模型管理、在線部署等。開發者可以在平臺上使用公開數據集進行模型訓練，也可獲得普惠價格的算力，支撐數據處理、各類模型的開發。

　　當前，隨著AIGC技術熱浪席卷，醫療行業不斷有新產品出現或者在醞釀。

　　8月17日，全病程管理平臺微脈發布國內首款健康管理領域大語言模型應用——CareGPT。據介紹，與通用型的大語言模型產品不同，這款基于國內開源大語言模型自主研發的健康管理應用產品，主要致力于在真實的醫療服務場景中發揮健康管理價值，實現預防、咨詢、預約、康復的全周期智能化健康管理能力。

　　8月24日，平安健康中報業績會上，平安健康董事長兼CEO方蔚豪對第一財經記者等媒體表示，公司去年開始在內部對利用生成式AI進行輔助治療開啟了研究和訓練，并且已經在兒科進行過實驗，效果令人滿意。今年上半年進一步將家庭醫生和?？漆t生各自的咨詢、診斷、診療、服務四大環節拆解到幾十上百個細分環節，針對每一個環節，由醫生、AI技術人員、算法專業人員等共同在模擬場景中對“平安GPT”進行訓練?！邦A計到年底AI在我們的人力替代率、成本替代率、時間替代率等方面會有比較大的進展?！?/p>

　　帶來哪些新突破

　　在上一輪的人工智能浪潮中，影像是最熱門的探索方向。

　　“我們面臨醫、教、研‘三座大山’，日常除了承擔醫學影像診斷工作外，還有教學、科研的任務，我們很希望AI可以賦能，來提升工作效率?！敝猩酱髮W附屬第一醫院婦產超聲科教授、主任醫師謝紅寧曾對第一財經記者表示。

　　據億歐智庫統計，2023年AI醫學影像市場規模為24億元。截至2023年7月5日，有70個人工智能醫學影像產品拿到國家藥監局批準的三類證，這些產品從診療流程上涵蓋了輔助診斷以及輔助治療兩大類。獲得三類證，意味著具備向患者收費的資格，從而打開商用之門。

　　但在業內看來，這樣的市場規模，還抵不上行業一年的研發投入。

　　根據億歐智庫2022年調研，45.9%的影像科醫生認為當前AI醫學影像產品中，實際可應用的產品少，并有43.1%的影像科醫生認為當前AI醫學影像產品不能很好地嵌入現有醫學影像診斷流程，由此，AI醫學影像產品在功能拓展和優化上仍有較大提升空間。

　　有業內人士對第一財經記者表示，在輔助診斷方面，AI影像的確發揮了一定的作用，但用于病情的綜合診斷以及預測方面仍存在欠缺，原因之一也跟采集的數據是單一維度而不是多模態數據等有關。

　　AIGC技術則具備問答能力、生成能力、歸納能力和對話能力，它的出現讓醫療行業的智能化發展再度充滿希望。

　　“原來的AI醫療產品，你訓練它干一件事情，它最后呈現的結果也只能干這件事情，無法跟醫生們進行深度探討，但大模型下，AI醫療不再是只給出簡單的結果，它也可以像專家一樣，跟醫生進行深度討論。”金域醫學副總裁兼信息管理中心總經理李映華對第一財經記者表示，目前很多醫院實際上已經在應用人工智能輔助，大模型的出現帶來人機自然語言的無障礙交互，可以調動多種能力解決多個場景的問題，預計未來一兩年，基于大模型的AI醫療應用會越來越多。未來不僅在醫院，AI家庭醫生也能幫你做初步診斷、推薦就診專科、分析檢測報告等，想象空間是無限的。

　　當前要開發出成熟的AIGC醫療產品，還有哪些障礙待解？

　　有業內人士表示，當前醫療人工智能的發展，仍面臨數據、算法、算力三大挑戰。人工智能開發需要大量高質量數據，而國內大部分醫療數據存儲于各級醫療機構，業務系統相對獨立，數據較難實現共享，存在明顯的“數據孤島”現象，可供訓練的真實場景數據集有限。即便得到了大量的醫療數據，如何對離散的海量醫學專業數據進行處理、統計和分析，通過模型進行有效的整合，成為另一個挑戰。醫療行業的嚴謹性對模型的精確度要求更高，從而對算法和算力提出了更高的要求。最后，開發出來的醫學人工智能成果存在規?；涞氐睦Ь?，數據與算法模型的產、供、銷缺乏產業鏈資源支撐，這些都成為制約人工智能在醫療行業落地的重要因素。

　　即使如此，大模型下，AI醫療的商業化前景依舊備受期待。

　　在李映華看來，大模型下，AI醫療可以真正實現推動醫療資源下沉，這也是AI醫療應用最有價值的一點。

　　“當前，無論是臨床醫生，還是病理醫生，都是稀缺且地區分布不均衡。要真正推動醫療資源下沉，實現90%的大病不出縣，AIGC醫療可以發揮極大的作用，可以幫助訓練出更多的醫生。同時，AIGC醫療可以覆蓋的醫療場景也更多。雖然訓練一個醫療大模型成本更高，但在應用上的邊際成本是越來越低，這也有助于產品進一步推廣開來。”李映華說。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：李桐