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)備進行下一步建議時，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，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，醫(yī)療行業(yè)便是如此。據(jù)Global Market Insights 報告預(yù)計，“AI+醫(yī)療”市場規(guī)模年均復(fù)合增速將超過 29%，2032年將達到700億美元。IDC預(yù)計，到2025年，全球人工智能應(yīng)用市場總值將達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，千億藍海市場的樂觀預(yù)計背后，現(xiàn)實是包括醫(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。尤其對于專業(yè)性極強、容錯率極低的醫(yī)療領(lǐng)域，大模型距離真正打開局面還早。
千億藍海
在千億級醫(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、診療的時間，提升就醫(yī)體驗；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，以及醫(yī)生的工作體驗都得以改善?！盜EEE標(biāo)準(zhǔn)協(xié)會新標(biāo)準(zhǔn)立項委員會副主席兼IEEE數(shù)字金融與經(jīng)濟標(biāo)準(zhǔn)委員會主席林道莊曾對表示，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)療增強大模型，已在多個權(quán)威評測中超越了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，研究機構(gòu)與高校也都結(jié)合自身經(jīng)驗推出了醫(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)用于遠程醫(yī)療、醫(yī)療咨詢、健康管理和個性化治療方案定制等領(lǐng)域，并已在多個試點項目中得以應(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)生進行診斷和治療計劃的制定。
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，對于一些規(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踐指南、醫(yī)學(xué)文獻和專家知識，能快速完成在醫(yī)療健康領(lǐng)域各個場景的遷移和學(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)首個中醫(yī)標(biāo)準(zhǔn)化癥狀知識圖譜，以及OTC中藥、OTC西藥、中藥方劑、中醫(yī)食療和中醫(yī)運動處方五大細分知識庫。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估工作，其調(diào)研顯示通用大模型在醫(yī)學(xué)知識廣度方面具有一定優(yōu)勢，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)大模型展開效能評估，考察大模型在多學(xué)科知識問答、多形式語言理解、多場景文書生成、多環(huán)節(jié)輔助診療、多輪對話交互、多模態(tài)支持等六大方向的實際應(yīng)用效能。
以訊飛星火醫(yī)療大模型為例，其在個人畫像、健康干預(yù)方案、病歷文書生成及質(zhì)控、檢驗檢查報告解讀、體檢報告單解讀、藥盒解讀等細分任務(wù)中表現(xiàn)均處于領(lǐng)先，在健康常識、疾病百科、用藥知識、電子病歷結(jié)構(gòu)化、專業(yè)知識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，才能實現(xiàn)最后的價值。而沒有應(yīng)用，沒有場景，光有技術(shù)，這個技術(shù)也是沒有用的。”東軟集團董事長劉積仁在與的對話中曾形象比喻。
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)病時會出現(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進行，而對于醫(yī)生而言，解讀CT影像給出診斷意見需要消耗大量時間，而對于急性發(fā)作的患者來說等報告的時間過于漫長，患者有可能在短時間內(nèi)有生命危險。
這時候，如果將AI技術(shù)應(yīng)用到CT篩查中，就能夠快速對CT影像進行初步解讀、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平掃圖像的自動分析，輸出肺實質(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)生進行慢阻肺的早期篩查等臨床應(yīng)用，從而有效推進呼吸疾病“早篩早診早治療”的健康行動落實。相較于肺功能檢測，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)療機構(gòu)進行積極的嘗試。
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)患者付費轉(zhuǎn)化率已達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。
以華大基因為例，前不久其正式發(fā)布了面向臨床的基因檢測多模態(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的高質(zhì)量數(shù)據(jù)，構(gòu)建了百億級的高質(zhì)量token，結(jié)合解讀專家經(jīng)驗，實現(xiàn)了對全基因組數(shù)據(jù)的精準(zhǔn)解讀。
據(jù)了解，在真實臨床樣本的測試中，GeneT模型展現(xiàn)出了極高的準(zhǔn)確率，能夠從數(shù)百萬個變異位點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)練過程中會比較消耗資源，但投產(chǎn)之后的成本還是非常低的。”
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，目前平均的回報率大概在1.8%左右，還不如把錢存起來的利率高?！痹搶＜抑赋?。
以往藥物的研發(fā)主要依靠研發(fā)人員的經(jīng)驗及所學(xué)知識進行項目推進，但人的經(jīng)驗和學(xué)習(xí)能力是有限的，但對于AI大模型而言，可以在短時間內(nèi)，通過快速的專業(yè)知識的積累，就獲得具備“行業(yè)競爭力”的專家級的知識水平，同時還可以在短時間內(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，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)落地的難點所在?！备卟┽t(yī)療集團首席信息顧問陳金雄曾在2024 ITValue Summit 數(shù)字價值年會期間指出。
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、檢查方式的時候，大多數(shù)電子設(shè)備與傳統(tǒng)機械式檢查設(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)計科主任賴伏虎曾在2024 ITValue Summit 數(shù)字價值年會期間指出，醫(yī)護人員在大規(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)護最終仍要做人工測量，因為醫(yī)院有一條底線，追求絕對安全。這決定了醫(yī)院對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。如何確保患者的數(shù)據(jù)是“可用不可見”的，一方面，需要監(jiān)管部門對這部分?jǐn)?shù)據(jù)進行監(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不同病患，制定響應(yīng)的治療方案?！睆堘t(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，對于醫(yī)生而言，AI能為整個診療過程提供的價值是有限的。對此，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，但是因為整體醫(yī)療時間緊湊，導(dǎo)致醫(yī)生大多數(shù)時候沒有過多的時間與AI助手進行交互，最后還是只能依靠自身經(jīng)驗開據(jù)藥物，“我們普通門診一上午3個半小時時間內(nèi)，要看60多個病人，并沒有時間去跟AI助手探討藥物的使用問題，大多數(shù)時候還是根據(jù)我自身經(jīng)驗給患者開藥的?！睆堘t(yī)生指出。
除了嚴(yán)肅性和安全性的問題以外，對于醫(yī)療機構(gòu)來說，現(xiàn)階段的大模型產(chǎn)品還達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關(guān)鍵點，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)院不能因為引入大模型產(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，“這對于醫(yī)療機構(gòu)來說，是不能接受的。”
同樣，對于產(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。
劉積仁曾對表示，AI技術(shù)當(dāng)下遇見最大的一個問題就是商業(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，“因為本身醫(yī)院就有醫(yī)生進行片子的審查，多出的部分并沒有帶給他們實際的價值，而當(dāng)下AI的能力，對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值去買單?！眲⒎e仁表示。
東軟集團在醫(yī)療領(lǐng)域?qū)崿F(xiàn)大模型變現(xiàn)的經(jīng)驗是，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)下對這些產(chǎn)生的數(shù)據(jù)進行積累，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)快速升級的另一面，打造專業(yè)領(lǐng)域真正的應(yīng)用價值，行業(yè)大模型的歷練才剛剛開始。拐點未至，前路漫長。（本文首發(fā)于，作者 | 張申宇，編輯 | 蓋虹達）
