一个月前，不少人被这条新闻刷屏了——

国外一名4岁男孩怪病缠身，求医3年无果，17名医生都未能找出病因。

他的母亲不抱太大希望地求助ChatGPT，却被ChatGPT成功诊治出了病因——脊髓栓系综合征。

在国内外，这条新闻都引起了巨大反响——大模型，或许真的能帮我们看病？

其实，国外的头部科技公司们早已将触手伸向医疗行业，谷歌Med-PaLM 2等医疗LLM如雨后春笋般相继诞生。

回看国内，腾讯、百度、商汤等大厂也在医疗行业的大模型研发上动作频频。

在这个极速升温的赛道上，愈来愈多的人不禁提出疑问：在医疗领域，什么是真正好用、能落地的大模型应用场景？

10月16日，商汤发布升级版医疗健康大语言模型「大医」，为这一热门考题，交出了一份全新答卷。

大医基于千亿参数规模、拥有万亿token预训练语料的「商量」大模型，并由超200亿token的高质量医学知识数据进一步训练而成，其中包含海量医学教材、医学指南、临床路径、药品库、疾病库、体检报告等资料，及4000万真实病历、医患问答等数据。

值得一提的是，商汤还根据医疗健康产业链上下游机构的实际需求，给大医打造了内嵌13个预设场景的「场景集市」。

目前，商汤已经和郑州大学第一附属医院、上海交通大学医学院附属瑞金医院、上海交通大学医学院附属新华医院等机构展开了合作，并已面向医疗健康产业链上下游机构客户开放服务。

接下来，商汤科技还将探索与营养保健、健康管理等领域企业、机构的合作，为企业服务数智化转型提供强大驱动力，让技术与产业链紧密结合，为产业链高质量发展赋能。

真实评测，主打一个专业

大语言模型「当医生」，靠谱吗？

话不多说，咱们这就来实测一波。

智能自诊

最近，想必大家都听过不少ChatGPT「救命」的事迹，那么大医的表现又如何呢？

首先在场景预设提示词中，已经提前告诉它：「你是个耐心、高效且严谨的医疗AI，能够解答用户提出的医学问题。要通过追问，不要一次性给出所有诊断。」

大医记住这个设定后，就可以准备好「出诊」了。

就像看真实的医生一样，我们可以向它描述自己的病情：「我身上有一块咖啡色的印记，摸上去不太光滑，可能是什么疾病呢？」

大医回答，这种情况包括但不限于色素沉着、痣、皮肤癌等，然后要求患者进一步描述印记的大小、形状、边缘是否清晰、是否有痛感或瘙痒感。

根据描述，大医给出回答——这个印记可能是良性的皮肤色素沉着，但也不排除皮肤癌的可能性，并建议尽快就医。

上面这个人设，是一个循循善诱的医生。我们也可以修改提示词，给大医换一个「话不多」的人设，让它一次就给出所有情况。

这次，大医就会一下子把所有可能性说完了。

用药咨询

同时，大医也可以回答关于用药咨询的问题。

比如，服用布洛芬需要注意哪些？

可以看到，大医快速列出了详细的注意事项，还附上了更为细致的药品使用说明。

接下来，还可以进一步提问：「家里老人有高血压，每天都要吃降压药，请问他发烧可以吃布洛芬吗？」

对于每个问题，大医除了会给出非常直观的回复外，还会调用药品知识库插件，附上对应回答的权威依据。

智慧病历

许多患者就医过程漫长，多次复诊，病历十分复杂。

针对这种情况，大医可以快速地给出一份阶段性总结。

针对输出的内容，还可以根据需要来设定输出参考模板。

然后，一份阶段性小结就出炉啦。

智慧随访

在诊疗过程中，对患者的随访也是很重要的。

大医的智慧随访功能，能够支持自主编辑随访提问表单，以便收集需要的信息。

当对问题中的专业术语不理解时，可以随时向大医发问，大医都能耐心解答。比如在测试时，可以直接问它「什么是渗漏」。

随访结束后，大医立即给出了一份完整的信息总结。

量身定制，「可塑性」超强

从上面众多演示例子中，我们可以看到，商汤大医展现出强大的落地「可塑性」。

基于海量的医疗数据和复杂的训练调优，大医能够像一位真正的医生，耐心、专业地回答我们的问题。

在真实的医疗实践中，对LLM记忆能力、高精度专业知识、主观呈现偏好有着超高的要求。

而这次最难为可贵的是，为了满足这样的场景需求，研发团队推出了提示工程自定义、知识库插件、长程记忆存取、医学计算器等个性化功能。

自定义提示工程

提示工程，简而言之，就是让大模型能够更好地理解、回答问题。

对于通用模型来说，OpenAI最先开放了GPT-4自定义指令（Custom Instructions）功能。

甚至，Sam Altman本人直呼这个功能，我太爱了！

而这个功能最大的优势是，可以利用提示，定制模型的专属回应。

就拿ChatGPT来说，通过提供自己的职业、写作风格、兴趣、语气等信息，它就会根据这些信息生成更相关、更合适、更有趣的回答。

那么，再回到大医本身，通过自定义提示工程，用户就可以打造一个专属的医疗「场景助手」。

作为国内率先推出提示工程自定义功能的医疗健康大模型，大医支持在界面上调整提示工程，可以引导模型根据实际场景需要，智能调整回复内容。

例如前文提到的智能自诊场景下，可以设定回复内容的语言风格、医学解释详略程度、格式要求等等。智慧病历场景下，可以根据阶段性小结、出院小结等不同种类的临床模板总结患者就医经过，并支持修改临床模板样式。

同样，智慧随访场景也支持问题表单的自定义。

另外，最重要的一点是，医疗健康领域场景众多，比如图像诊断、临床决策、健康管理等等。

如果可以自定义提示工程，就能够激发大医潜力，高效适配更多细分场景，进而满足个性化需求。

这样，无需为单独应用场景开发模型，每一位医生通过保存自己拟定的提示词，就可以打造专属自己场景的「AI助手」。

这么做的好处是，让模型回答更贴近用户需求，获得精准回复，而且不用每次新建对话时重复设置偏好和信息提示词。

长程记忆存取

另一方面，真实医疗场景中，长病程的患者也占据不小的比例。

那么，当这部分患者再次复诊时，需要结合病史信息完成推理决策，由此对医疗LLM的记忆力提出了挑战。

在记忆能力上，一方面大医本身能够处理长医疗文本信息。

另一方面，它还支持接入外部记忆模块插件，作为补充存储空间，供交互时进行读写。

由此，大医具备更强的长病程管理能力，能够更好地贴合临床需求。

知识库插件

对于那些拥有高质量数据的机构，又该如何将自己的数据用起来？

为此，商汤提供了搭建专属知识库服务，可通过插件形式搭载到大医上。

目前，大医已经在「用药咨询」、「体检咨询」、「健康问答」三个场景中提供了插件功能，让每个功能回答有据可循。

这样，用户就能借助模型强大的检索和总结能力，打造紧密贴合自己需求的医疗大模型。

比如，可将准确的体检知识、健康管理科普、饮食运动处方、用药注意事项等知识构建为知识库，通过检索并理解相应知识，让大医给出准确的回答。

医学计算器

最后，根据实际需要，在大医可调用不同医学计算器插件，可以显著提升大模型的计算能力，在疾病预测、风险提醒等实际应用场景中发挥更大价值。

高效部署，降低门槛

真正优秀的医疗健康大模型应当是适配多样化细分场景，满足个性化、差异化的需求。

首先，公有云版本可以让大部分用户体验到开箱即用的服务。

其次，为了便于各家机构在不同的应用场景下进行部署，商汤还研发了多个参数量从千亿到百亿级别不等的模型版本。

针对那些有私有化部署需求，但不具备规模化算力储备的客户，商汤创新性地提出了模型压缩技术，可大幅降低模型的硬件需求，有效降低部署门槛。

凭借出色的性能，大医已在多家医疗机构实现落地。

其中，商汤与郑州大学第一附属医院国家远程医疗中心合作，基于大医研发了行业前沿的「用药咨询大语言模型」。

商汤与郑州大学第一附属医院国家远程医疗中心合作，基于大医研发了行业前沿的用药咨询大语言模型

同时，商汤还与上海交通大学医学院附属瑞金医院合作，通过学习胃肠道专家的经验构建决策知识，并用真实病历进行训练模型。

大医可以根据输入的胃肠道肿瘤患者病历，提供准确的全身药物治疗（化疗、靶向、免疫治疗）与局部治疗（外科手术、放疗等）方案推荐。未来还将实现更多高性能专科辅助诊疗决策。

通过与上海交通大学医学院附属新华医院开展合作，计划利用大医赋能随访等患者服务场景，优化患者随访体验。

大医可高效嵌入医院信息化系统，能够实现与医院工作流的紧耦合，形成有效的业务系统，充分发挥大医对医院诊疗、管理、科研等工作模块的强大赋能作用。可以看到，大医的推出，对于医疗健康行业来说，具有里程碑的意义。

百模大战中，国内外许多公司都推出了自家的医疗大模型，比如谷歌著名的大模型Med-PaLM 2等等。

但若要深究，医疗大模型能否真正做到灵活可塑，大医的出现为行业提供了新标杆。

最重要的是，针对细分的医疗场景，大医不仅有内嵌的13个预设场景，甚至还可以打造专属场景助手。

另外，大医也是「产业级」大模型，能够助力医疗健康产业链上下游机构，根据实际需求打造专属的大模型。

同时，与众多合作伙伴一起，推动行业全方位数智化转型。

当前，医疗健康行业正处于转型的关键时期，大医恰好能够为医疗场景的智能升级提供了新的契机。

在规模化数据积累、模型迭代的基础上，未来，大医或将为医疗行业带来更多的创新与可能。

商量模型地址：https://chat.sensetime.com/wb/login

文章来自于微信公众号 “新智元”