医疗大模型的降温，来得比预料中更快。

2023年初，ChatGPT的发布，为已经略显乏味的人工智能（AI）技术，打开了新的想象空间。这种比早期人工智能模型整合了更多模态和维度数据的大模型，不再只是被动执行指令，更可以创造性地交付出色的工作成果。这无疑更接近人们对数字医生的设想。试想，如果AI就能书写高质量的病历，或者给出准确的检查、检验结果，那么人类医生会有更多时间去关心作为独特个体的每位患者。于是，医疗专用大模型如雨后春笋般地冒出来。1年之内，由各大科技巨头、医疗信息化公司，甚至创业团队发布的医疗大模型，竟有近百款之多。

不过，这些医疗大模型中的绝大多数，都还没有把入口开放给普通的终端用户，内部测试持续了很长时间。一些本就不知名的医疗大模型，在测试期间便直接没了下文。一夜之间爆火的医疗大模型，似乎在一夜之间就迅速冷却。2024年了，还有人关心医疗大模型吗？

我们需不需要医疗大模型？

答案是肯定的。

这个问题，在医疗AI兴起之初，就被反复讨论过。医疗和临床，一直是AI皇冠上的明珠。在一些可以基于医学影像做疾病基本研判的诊疗中，医疗AI已经应用开了。比如在肺部CT报告的制作中，很多医生慢慢习惯于借助AI来判读小结节的良恶性，而这种判断的准确性，通常会大于纯粹的人眼观察。

从模型理论来看，医疗大模型是升级后的医疗AI，而人类的医疗正需要这种升级。且不说仍未被满足的临床需求还非常巨大，任何改变医疗和临床的创造，都在改变历史。就已有的医疗认知而言，疾病机理、医疗知识库何其复杂，医疗知识和工具的迭代速度何其快，医生和患者往往都需要一个帮手，来处理许多基础性的工作。

在2023年世界人工智能大会上，中国信通院云大所副所长闵栋表示，医疗大模型可以用在辅助决策、治疗方案生成、质控、患者服务、医院管理、教科研、中医、药物研发、公共卫生等9个场景中。

一段时间以来，医疗大模型在辅助决策、治疗方案生成等应用上的准确性，一再得到科学研究的证实。2023年6月，四川大学华西医院信息中心刘加林教授团队在Journal of Medical Internet Research上发表了研究文章，证明ChatGPT在临床多个环节为医务人员提供了有效的诊疗决策支持。比如，在诊断方面，ChatGPT在常见病的正确诊断率高达93.3%，而在临床决策方面，ChatGPT的总体准确率达到了71.7%。

那么，为什么“百模大战”热闹一场，大多数的医疗模型都没有落地？

根本原因在于，现阶段，医疗大模型和现实诊疗行为之间的匹配性很弱。患者或医生即便用上了医疗大模型，除了增加一些有用的知识，也只能图一乐，生病还得去医院，病历还得亲自写。

尽管最终呈现出很多样的形态，当前的医疗大模型大都是在通用大模型，或者少量专用大模型的架构基础上构建，用基于临床指南、PubMed、常见搜索等公开数据生成的数据集进行训练，有的还会增加一些医学微调。当然，在技术层面，这个过程会很复杂。

不过，究其本质，医疗大模型的构建就是将医学论文、临床指南、专家共识等拆解成类似“问题：哪家医院能治胃返流？回答：建议你用奥美拉唑，同时加用吗丁啉或莫沙必利或援生力维，另外还可以加用达喜。”的对话，然后投喂给选定的大模型，通常会用到数万条这样的对话，经过一系列复杂的计算和验证，大模型就具备像专业医生一样作答的能力。这个过程其实很接近人类的学习活动。

这样的医疗大模型，本质只是更智能的专业搜索引擎，用户通过医疗大模型所获得的，是大概率正确的答案，却不一定是适合自己的治疗方案。现实的就医行为，是更复杂的过程，无论是临床诊断还是治疗方案，是医生在参考患者主诉、客观检查检验结果的基础上，结合自己过往诊疗经验所下的结论。实际上，在很多复杂病例的治疗决策中，临床医生的经验判断，往往是最重要的决策因素，而这是大模型是医疗数据库中学习不到的数据集。

从这个意义上讲，医疗大模型能否落地的关键点，不在于模型本身，而在于数据集。往更深处讲，纯粹的科技、商业或者互联网企业，其实是不具备开发医疗大模型的基础条件的。

医疗大模型也要基于医疗服务流程

关于医疗大模型的讨论，最终还是要回归临床。不同于科技和互联网企业对医疗大模型快速跟进，医疗服务企业大多基于内生需求去升级技术配套，布局医疗大模型要略慢半拍。但他们中的一部分，已经开始体验AI带来的效率提升。

3月20日，平安健康发布了2023年财报。2023年，平安健康旗下两大业务模块医疗服务和健康服务，毛利率分别上升4.9%和5.0%，对应期间，公司的销售费用、管理费用分别下降25.4%和15.3%。平安健康认为，出现这样的变化，除了优化资源配置外，公司通过信息化、数字化、AI赋能等技术手段提高经营效率，在费用控制上取得了良好进展。

同时，基于AI技术的赋能，平安健康累计问诊和咨询服务近4.8亿人，30秒内接诊率达到92.9%。其核心枢纽家庭医生更进一步前置并优化主动、全流程的服务能力，打造出王牌医健服务品牌“平安家医”，目前家医会员覆盖近1300万人，家医年均使用频次是3.7次，较去年同期提升了0.8次，主动服务覆盖率达到74%，满意度98%。

财报显示，2023年，平安健康为超过4000万付费人群提供医疗、健康、体检、养老等相关服务，涉及大量产品和权益的组合和拆分。比如，作为近年战略调整的一部分，平安健康将平安体系的综合金融客户池作为重要的用户来源，这就需要结合不同用户的画像和服务需求，进行医疗健康养老服务及产品的多元化设计、组合。在这个过程中，无论是产品设计、需求匹配，还是服务落地，都用到了人工智能的赋能。

平安健康的前身，是国内领先的互联网医疗平台。作为一家尝试用互联网技术来实现医疗资源更高效配置的创新企业，平安健康一直高度重视医疗科技的能力建设与积累，在很早之前就布局了医疗AI技术。目前，通过对海量医学专业知识库、医学问诊数据库和电子病历资料库的深度学习，平安健康的医疗AI能力已经覆盖1500万问题、3.6万种疾病库，实现了全服务环节AI赋能，在分诊、初诊、病例预填、随访等诊疗环节中发挥重要作用。

比如，在诊疗的核心环节，依托AskBob人工智能算法，平安健康开发了包含智能重症监控、AI智能辅助问诊、合理用药监测、智能医疗安全监控等模块的AI辅助诊疗系统，让AI包揽了大部分的重复性工作，比如基础问诊、病例整理等，同时，AI会根据对用户咨询内容的识别做出初步判断，进行智能分诊和导诊，将用户与需求科室、擅长医生精准匹配。以此，不仅为医生开展医疗服务提供更多的知识和效率赋能，还有效提升了诊前收集患者信息的效率，进一步缩短接诊时效，并大幅改善用户的体验。

再如，据平安健康财报披露，2023年，公司B端累计服务企业数量增加54.2%，是全年用户数量增速第二快的业务模块。在B端业务中，平安健康以“体检+”产品为切入口，为企业提供定制化的健康管理解决方案。为此，平安健康成立了“数智体检研究院”，在提供“1+N+X”专业定制化体检服务解决方案的同时，实现体检报告智能解读功能，并结合医疗知识图谱形成完整体检报告解读，为用户提供检后一站式可视化健康管理服务。

平安健康CEO李斗强调，“医疗是一个非常严肃的事情”，“AI对我们来讲是一个辅助医生诊疗的定位”。

可以看出，与特定的医疗健康服务流程深度融合，是医疗AI实现可持续商业化的逻辑基础。而作为更先进技术的医疗大模型，也应该以医疗健康服务为起点，让场景去找技术。据了解，包括平安健康在内的多家医疗健康服务企业，都在加快布局医疗大模型。

回到最初的问题，医疗大模型这个命题的关键，并不在于大模型，而是医疗本身。科技让生活更美好，自然也会让医疗更便捷、精准。

文章来自 “ 虎嗅网 ”，作者 王不二©