從一個鮮為人知的概念，到圈內(nèi)津津樂道的名詞，大模型對醫(yī)療行業(yè)的滲透，只用了一年時間。

《2023醫(yī)療健康A(chǔ)I大模型行業(yè)研究報告》數(shù)據(jù)顯示，截至2023年10月，國內(nèi)累計公開的大模型數(shù)量達(dá)到238個，其中，醫(yī)療大模型近50個，涉及患者問診、醫(yī)生助手、藥物研發(fā)、健康科普等多個領(lǐng)域。

相比于傳統(tǒng)的醫(yī)療AI（人工智能），大模型更像是一個真實的人腦，能夠理解人類語言，完成邏輯推演，生成最終結(jié)果。對于充斥著大量對話場景和信息數(shù)據(jù)的醫(yī)療行業(yè)來說，大模型具有天然的應(yīng)用優(yōu)勢。但另一方面，醫(yī)療的嚴(yán)肅屬性，數(shù)據(jù)的互不連通，近乎為零的容錯率，都讓醫(yī)療大模型的商業(yè)化舉步維艱。

截至目前，國內(nèi)醫(yī)療大模型的玩家，多數(shù)為互聯(lián)網(wǎng)醫(yī)療企業(yè)和醫(yī)療信息化公司，能拿上桌面的產(chǎn)品也基本是過去業(yè)務(wù)思路的延續(xù)。

“我不認(rèn)為醫(yī)療大模型目前是一個風(fēng)口，大模型只是一種能力，技術(shù)的進(jìn)展想要真正改變一個行業(yè)，還是很漫長的，尤其是醫(yī)療。”啟明創(chuàng)投副總裁孫墨陶告訴《健聞咨詢》，在對AI祛魅后，投資圈對醫(yī)療大模型目前還是顯得更加“實際”，就他而言，在國內(nèi)能看到一家能有明確商業(yè)化路徑的公司才能在這個領(lǐng)域真正扣下投資的“板機(jī)”。

當(dāng)生成式AI的風(fēng)口撞上已經(jīng)祛魅、處于觀望中的投資人，中國醫(yī)療大模型的故事會怎樣展開？

配方：大廠自研，小廠“投料”

2023年6月30日，成都高新海爾森醫(yī)院，一場特殊的線下義診正在進(jìn)行當(dāng)中。

患者進(jìn)入診室后，會先和醫(yī)助溝通病情，由醫(yī)助通過線上文字輸入的方式，將患者主訴傳達(dá)給醫(yī)生，再帶回醫(yī)生的問題。溝通多輪后，醫(yī)生會為患者開出檢查單或診斷?；颊咄瓿伤铏z查后，醫(yī)生憑借檢查結(jié)果給出最終的臨床診斷及治療方案。

之所以會設(shè)計這樣的流程，是因為有兩撥醫(yī)生正在幕后較勁，一撥來自四川大學(xué)華西醫(yī)院，總共有10位臨床醫(yī)生，遍及8個科室。另一撥則來自醫(yī)聯(lián)，是個醫(yī)療大模型，叫做MedGPT。這場義診還有一個別的名字：630一致性評估實驗。

最后的評估結(jié)果為，兩者一致性達(dá)到96%。

MedGPT發(fā)布于2023年5月，是國內(nèi)首款醫(yī)療大語言模型，由醫(yī)療互聯(lián)網(wǎng)企業(yè)醫(yī)聯(lián)自主研發(fā)。就在MedGPT發(fā)布后的兩個月內(nèi)，智云健康、潤達(dá)醫(yī)療（基于華為云）、東軟等醫(yī)療公司以及深圳市大數(shù)據(jù)研究院、上海人工智能實驗室等研究機(jī)構(gòu)都先后發(fā)布了各自的醫(yī)療大模型。

在這一時期，國內(nèi)的醫(yī)療大模型都是在通用開源模型的底座上加工而成，比如MedGPT就是在ChatGPT的基礎(chǔ)上，通過繼續(xù)預(yù)訓(xùn)練、醫(yī)學(xué)知識微調(diào)、人工強(qiáng)化學(xué)習(xí)等步驟而搭建的，因為省去了從頭搭建通用大模型的時間和成本，這一方法也被絕大多數(shù)國內(nèi)企業(yè)效仿。

直到2023年9月，騰訊和百度先后發(fā)布了基于自研通用大模型打造的醫(yī)療大模型產(chǎn)品之后，這個行業(yè)才真正進(jìn)入了“沸點”。

原因是，雖然很多通用大模型會開放參數(shù)，但不會公開“配方”，即每個領(lǐng)域的數(shù)據(jù)配比。當(dāng)企業(yè)想要在某個開源模型的底座上開發(fā)醫(yī)療大模型時，如果只單一灌輸醫(yī)學(xué)知識，模型本身的醫(yī)療能力或許會提升，但會破壞底座結(jié)構(gòu)，影響最終效果，這也是早期很多醫(yī)療大模型容易出現(xiàn)“幻覺”的原因。

“如果你的醫(yī)療底座中沒有添加足夠多的高質(zhì)量知識，那么即便后面的對齊做得再好，在生成內(nèi)容上還是有短板的?！弊笫轴t(yī)生創(chuàng)始人張超告訴《健聞咨詢》，借助開源模型做繼續(xù)預(yù)訓(xùn)練，投料比例是一大難點。在實際操作中，他們會先通過多個實驗來計算開源模型的數(shù)據(jù)分布，之后再把自身積累的醫(yī)學(xué)知識按比例添加進(jìn)去，“這樣才能夠保證在醫(yī)療能力提升的情況下，通用能力不下降?！?/p>

而對于騰訊和百度這些大廠來說，它們顯然更具備做好醫(yī)療大模型的先天條件。

首先，這些大廠都有自研的通用大模型，可以在其基礎(chǔ)上，按照精準(zhǔn)的數(shù)據(jù)配比進(jìn)行醫(yī)學(xué)訓(xùn)練，成本投入更小。其次，無論是騰訊還是百度，都有醫(yī)學(xué)知識圖譜的深厚積累，也能觸達(dá)到大量的線下醫(yī)療場景，可以在后期微調(diào)階段發(fā)揮優(yōu)勢，把產(chǎn)品做得更為精細(xì)。

以百度靈醫(yī)大模型為例，百度方面曾公開表示，在文心大模型預(yù)訓(xùn)練的過程中，用一些閑置資源就可以把靈醫(yī)大模型跑出來，測試結(jié)果是接近三甲醫(yī)院的主治醫(yī)生。

殺手級場景

幾天前的一場公開論壇上，“紅衣主教”周鴻祎分享過一個觀點。

他認(rèn)為，做醫(yī)療大模型，必須把這個行業(yè)打開來看，從中找到50-100個細(xì)致場景，“場景選擇特別重要，To C領(lǐng)域，在做殺手級應(yīng)用之前，應(yīng)該先找到殺手級場景，從場景出發(fā)來創(chuàng)造應(yīng)用級產(chǎn)品，大模型基本都是藏在后面解決問題的?！?/p>

醫(yī)療行業(yè)有哪些殺手級場景？

我們不妨先來看看門診——當(dāng)患者和醫(yī)生共處一個診室時，常見的景象往往是這樣，患者焦慮地主訴病情，醫(yī)生則只管埋頭記錄，平均5分鐘的就診時間里，雙方的對視時間不到10秒，他們的首要任務(wù)是合力完成一份格式化的電子病歷。

在這個場景下，生成式電子病歷正好能匹配醫(yī)患需求。

但在過去的傳統(tǒng)AI時代，想要做出一款成熟的生成式電子病歷產(chǎn)品，技術(shù)難度和工程成本都極為巨大。2019年，左手醫(yī)生曾推出過一款類似的產(chǎn)品，叫做“診室聽譯機(jī)器人”。公司創(chuàng)始人張超告訴《健聞咨詢》，當(dāng)時他們采用的是底層技術(shù)是基于知識圖譜和傳統(tǒng)NLP技術(shù)來做語音理解和文本生成，花費了大量時間和人力，面對復(fù)雜的醫(yī)患溝通，最終的信息召回率只有6成左右，也就是說，醫(yī)患對話中的10個有效信息，AI只能抓取到6個，“醫(yī)生只能湊合著用”。

大模型的出現(xiàn)，徹底激活了這個場景?；趯θ祟愓Z言的理解、推理和歸納能力，大模型加持后的AI可以“聽懂”醫(yī)患間的對話，并通過訓(xùn)練從中萃取出有價值的信息，自動生成一個符合醫(yī)院系統(tǒng)的結(jié)構(gòu)化病歷。

“我們現(xiàn)在也在研發(fā)大模型，在原來的產(chǎn)品基礎(chǔ)上加上大模型的能力，把它做得更好。”張超告訴表示，新產(chǎn)品已經(jīng)在全國10多家醫(yī)院落地應(yīng)用，根據(jù)臨床反饋，新產(chǎn)品的信息召回率可以可以做到90%，并且還在通過強(qiáng)化學(xué)習(xí)，不斷提高，“在寫病歷這件事上，大模型未來一定是會替代知識圖譜的?！?/p>

更多To C的殺手級場景藏在院外。

比如說曾經(jīng)一度非?；馃岬腁I預(yù)問診。簡單來說，就是在患者到院之前，醫(yī)院通過一些AI小程序向患者發(fā)起問診，目的是盡可能多地收集患者信息，提高就診時的效率。

但這項功能并不太受到患者端的歡迎。原因是，由AI發(fā)起的問診，大多是基于固定的流程和語序，無法應(yīng)對患者的個性化需求。就像做性格測試，題目就這些，當(dāng)患者在這題上打勾時，打勾所對應(yīng)的下一個問題就會被AI拋出，直到測試結(jié)束。