題圖｜視覺中國
醫療大模型的降溫，來得比預料中更快。
2023年初，ChatGPT的釋出，為已經略顯乏味的人工智慧（AI）技術，開啟了新的想象空間。這種比早期人工智慧模型整合了更多模態和維度數據的大模型，不再只是被動執行指令，更可以創造性地交付出色的工作成果。這無疑更接近人們對數位醫生的設想。試想，如果AI就能書寫高品質的病歷，或者給出準確的檢查、檢驗結果，那麽人類醫生會有更多時間去關心作為獨特個體的每位患者。於是，醫療專用大模型如雨後春筍般地冒出來。1年之內，由各大科技巨頭、醫療資訊化公司，甚至創業團隊釋出的醫療大模型，竟有近百款之多。
不過，這些醫療大模型中的絕大多數，都還沒有把入口開放給普通的終端使用者，內部測試持續了很長時間。一些本就不知名的醫療大模型，在測試期間便直接沒了下文。一夜之間爆火的醫療大模型，似乎在一夜之間就迅速冷卻。2024年了，還有人關心醫療大模型嗎？
我們需不需要醫療大模型？
答案是肯定的。
這個問題，在醫療AI興起之初，就被反復討論過。醫療和臨床，一直是AI皇冠上的明珠。在一些可以基於醫學影像做疾病基本研判的診療中，醫療AI已經套用開了。比如在肺部CT報告的制作中，很多醫生慢慢習慣於借助AI來判讀小結節的良惡性，而這種判斷的準確性，通常會大於純粹的人眼觀察。
從模型理論來看，醫療大模型是升級後的醫療AI，而人類的醫療正需要這種升級。且不說仍未被滿足的臨床需求還非常巨大，任何改變醫療和臨床的創造，都在改變歷史。就已有的醫療認知而言，疾病機理、醫療知識庫何其復雜，醫療知識和工具的叠代速度何其快，醫生和患者往往都需要一個幫手，來處理許多基礎性的工作。
在2023年世界人工智慧大會上，中國信通院雲大所副所長閔棟表示，醫療大模型可以用在輔助決策、治療方案生成、質控、患者服務、醫院管理、教科研、中醫、藥物研發、公共衛生等9個場景中。
一段時間以來，醫療大模型在輔助決策、治療方案生成等套用上的準確性，一再得到科學研究的證實。2023年6月，四川大學華西醫院資訊中心劉加林教授團隊在Journal of Medical Internet Research上發表了研究文章，證明ChatGPT在臨床多個環節為醫務人員提供了有效的診療決策支持。比如，在診斷方面，ChatGPT在常見病的正確診斷率高達93.3%，而在臨床決策方面，ChatGPT的總體準確率達到了71.7%。
那麽，為什麽「百模大戰」熱鬧一場，大多數的醫療模型都沒有落地？
根本原因在於，現階段，醫療大模型和現實診療行為之間的匹配性很弱。患者或醫生即便用上了醫療大模型，除了增加一些有用的知識，也只能圖一樂，生病還得去醫院，病歷還得親自寫。
盡管最終呈現出很多樣的形態，當前的醫療大模型大都是在通用大模型，或者少量專用大模型的架構基礎上構建，用基於臨床指南、PubMed、常見搜尋等公開數據生成的數據集進行訓練，有的還會增加一些醫學微調。當然，在技術層面，這個過程會很復雜。
不過，究其本質，醫療大模型的構建就是將醫學論文、臨床指南、專家共識等拆解成類似「問題：哪家醫院能治胃返流？回答：建議你用奧美拉唑，同時加用嗎丁啉或莫沙必利或援生力維，另外還可以加用達喜。」的對話，然後投餵給選定的大模型，通常會用到數萬條這樣的對話，經過一系列復雜的計算和驗證，大模型就具備像專業醫生一樣作答的能力。這個過程其實很接近人類的學習活動。
這樣的醫療大模型，本質只是更智慧的專業搜尋引擎，使用者透過醫療大模型所獲得的，是大機率正確的答案，卻不一定是適合自己的治療方案。現實的就醫行為，是更復雜的過程，無論是臨床診斷還是治療方案，是醫生在參考患者主訴、客觀檢查檢驗結果的基礎上，結合自己過往診療經驗所下的結論。實際上，在很多復雜病例的治療決策中，臨床醫生的經驗判斷，往往是最重要的決策因素，而這是大模型是醫療資料庫中學習不到的數據集。
從這個意義上講，醫療大模型能否落地的關鍵點，不在於模型本身，而在於數據集。往更深處講，純粹的科技、商業或者互聯網企業，其實是不具備開發醫療大模型的基礎條件的。
醫療大模型也要基於醫療服務流程
關於醫療大模型的討論，最終還是要回歸臨床。不同於科技和互聯網企業對醫療大模型快速跟進，醫療服務企業大多基於內生需求去升級技術配套，布局醫療大模型要略慢半拍。但他們中的一部份，已經開始體驗AI帶來的效率提升。
3月20日，平安健康釋出了2023年財報。2023年，平安健康旗下兩大業務模組醫療服務和健康服務，毛利率分別上升4.9%和5.0%，對應期間，公司的銷售費用、管理費用分別下降25.4%和15.3%。平安健康認為，出現這樣的變化，除了最佳化資源配置外，公司透過資訊化、數位化、AI賦能等技術手段提高經營效率，在費用控制上取得了良好進展。
同時，基於AI技術的賦能，平安健康累計問診和咨詢服務近4.8億人，30秒內接診率達到92.9%。其核心樞紐家庭醫生更進一步前置並最佳化主動、全流程的服務能力，打造出王牌醫健服務品牌「平安家醫」，目前家醫會員覆蓋近1300萬人，家醫年均使用頻次是3.7次，較去年同期提升了0.8次，主動服務覆蓋率達到74%，滿意度98%。
財報顯示，2023年，平安健康為超過4000萬付費人群提供醫療、健康、體檢、養老等相關服務，涉及大量產品和權益的組合和拆分。 比如，作為近年戰略調整的一部份，平安健康將平安體系的綜合金融客戶池作為重要的使用者來源，這就需要結合不同使用者的畫像和服務需求，進行醫療健康養老服務及產品的多元化設計、組合。在這個過程中，無論是產品設計、需求匹配，還是服務落地，都用到了人工智慧的賦能。
平安健康的前身，是國內領先的互聯網醫療平台。作為一家嘗試用互聯網技術來實作醫療資源更高效配置的創新企業，平安健康一直高度重視醫療科技的能力建設與積累，在很早之前就布局了醫療AI技術。目前，透過對海量醫學專業知識庫、醫學問診資料庫和電子病歷資料庫的深度學習，平安健康的醫療AI能力已經覆蓋1500萬問題、3.6萬種疾病庫，實作了全服務環節AI賦能，在分診、初診、病例預填、隨訪等診療環節中發揮重要作用。
比如，在診療的核心環節，依托AskBob人工智慧演算法，平安健康開發了包含智慧重癥監控、AI智慧輔助問診、合理用藥監測、智慧醫療安全監控等模組的AI輔助診療系統，讓AI包攬了大部份的重復性工作，比如基礎問診、病例整理等，同時，AI會根據對使用者咨詢內容的辨識做出初步判斷，進行智慧分診和導診，將使用者與需求科室、擅長醫生精準匹配。以此，不僅為醫生開展醫療服務提供更多的知識和效率賦能，還有效提升了診前收集患者資訊的效率，進一步縮短接診時效，並大幅改善使用者的體驗。
再如，據平安健康財報披露，2023年，公司B端累計服務企業數量增加54.2%，是全年使用者數量增速第二快的業務模組。在B端業務中，平安健康以「體檢+」產品為切入口，為企業提供客製化的健康管理解決方案。為此，平安健康成立了「數智體檢研究院」，在提供「1+N+X」專業客製化體檢服務解決方案的同時，實作體檢報告智慧解讀功能，並結合醫療知識圖譜形成完整體檢報告解讀，為使用者提供檢後一站式視覺化健康管理服務。
平安健康CEO李鬥強調，「醫療是一個非常嚴肅的事情」，「AI對我們來講是一個輔助醫生診療的定位」。
可以看出，與特定的醫療健康服務流程深度融合，是醫療AI實作永續商業化的邏輯基礎。而作為更先進技術的醫療大模型，也應該以醫療健康服務為起點，讓場景去找技術。據了解，包括平安健康在內的多家醫療健康服務企業，都在加快布局醫療大模型。
回到最初的問題，醫療大模型這個命題的關鍵，並不在於大模型，而是醫療本身。科技讓生活更美好，自然也會讓醫療更便捷、精準。
本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯系 [email protected]
