2024年尚未結束，湧入醫療領域的大模型已逾百個。
眾多企業涉獵的區域十分廣泛，常見的診療全流程、深度學習加持多年的醫學影像、冷門但有潛力的中醫康復……他們似乎要把科技醫療板塊全部重做一遍。
不過，井噴式發展下的生成式AI並不一定能讓使用者悉數買單。尤其是在當下的經濟周期波動期，一項套用要想順利落地並且實作商業化，必須精準把控使用者的真實需求。
那麽，什麽樣的醫療大模型套用能夠脫穎而出？答案或能給到「智慧體」。
智慧體的價值在哪裏？
所謂智慧體，是指能夠感知環境、進行決策並采取行動的系統。它們可以是軟體程式、機器人或其他自動化裝置，具備一定的自主性和智慧性，可以透過與環境的互動，不斷學習和適應，從而實作特定的目標。
在ChatGPT風靡之前，各類處理文本的機器人已經廣泛套用於客服、行銷等通用場景。這些機器人的能力與智慧體有相似之處，但缺乏生成式AI支持，只能在檢索到關鍵詞後前往資料庫中呼叫相應的文本，沒辦法對使用者的提問進行分析，亦無法給出多樣化的解答。
置於醫療這樣一個專業領域，此類套用的能力更顯得捉襟見肘。前幾年的特殊環境下，很多企業追趕遠端醫療的熱潮，曾投入大量成本精力建立「智慧醫生」「行銷助手」等套用用於診前服務、藥械推廣……他們在推廣階段大肆都買流量，一度賺得盆滿缽滿，但伴隨人們生活回歸正軌，缺乏個人化解決方案的行銷套路已不再奏效，很多聊天助手也因不夠智慧逐漸失去了存取的使用者。
即便如此，數年的實踐還是驗證了診前環節（問診、導診）與線上藥械行銷背後的龐大需求。那麽，如果能夠借助新的技術對醫療企業的行銷思維和行銷方式進行一次徹底變革，企業或有可能找到一個新的路徑重新書寫互聯網醫療與數位化藥械行銷。
這正是智慧體的價值所在。
借助於生成式AI，智慧體能在同樣的場景下交出截然不同的答卷。它能夠「理解」問題，給出準確的、精準的解答，也能同使用者互動，像「真實的人」的那樣進行多輪對話，層層遞進逐一滿足使用者的多元化需求。
此外，智慧體還能一定程度解決人力問題，環節人力常見的通宵排班、高培養成本、高離職難，並能精準分析存取數據，幫助管理者實作動態決策。
憑借這些優勢，智慧體已經在互聯網醫療、數位行銷醫院管理登場快速落地。畢竟，有成熟套用在前，它無須再同深度學習一樣需要去創造需求、去培養市場，只需深入這個市場，以舊換新。
2024年釋出的各類智慧體（非完全統計）
大模型繞不開的診前環節
對於眾多著力於智慧體的互聯網企業而言，診前場景是一個不得不選的場景。
一方面，診前環節大都存在高頻溝通、快速響應等特征，醫患需求高度匹配智慧體優勢，能夠充分發揮生成式AI的能力。
另一方面，往後的診中、診後涉及臨床數據，大部份醫院要求在地化部署，但大多數沒有驅動大模型執行的基礎設施。而診前的導診、問診、分診等場景對於健康數據的安全要求較低，企業的部署難度隨之降低，可能變現的使用者群體也更為廣泛。
此外，互聯網醫療興起之時，企業已為診前環節植入了大量AI，擁有充足的營運經驗。憑借這些優勢，訊飛醫療、騰訊健康、百度靈醫智惠均在此完成布局。
訊飛醫療的星火大模型直面的是醫患溝通這一痛點。在星火大模型的支持下，AI能夠模擬醫生與患者進行自由對話，根據患者的病情描述，智慧推薦就診科室和合適的醫生。同時，該大模型還能基於患者的病情描述、病史等資訊，自動生成電子病歷，提高病歷記錄的效率和準確性。
騰訊健康與訊飛醫療的邏輯相似，但它更為精細地捕捉到了「預問診」這一需求。基於過往智慧導診的經驗，騰訊健康用大模型做了一個AI預問診系統，患者預約掛號後便可同系統進行詳細的預問診回答，提前提供主訴、既往病史、用藥禁忌等資訊。正式就診時，醫生對於患者的病情已有一定了解，便能提出更多針對性的問題，診斷的精準度也隨之提升。
百度靈醫智惠走得稍微快一些，在診前環節拿出了智慧分導診、智慧加號、智慧候診三個套用。首先，智慧分導診面向的是患者常見的分導診需求。大模型支持下，AI可模擬診前咨詢流程，引導患者對病癥進行準確描述，借助推理能力進行歸納匯總，為患者精準匹配與病情相適應的臨床科室和專家。透過這種方式，醫院能夠將有效的醫療資源最大化利用，讓每一個醫生都發揮出他們應有的價值。
其次，智慧加號的價值在於補足醫院過去服務體系中的「真空地帶」。智慧加號的價值在於能將過去患者單方面的申請轉變為醫患雙方的「協定」。具體而言，患者首先線上上與AI模型進行互動，同時上傳檢查結果，模型隨後會提取病史摘要和關鍵陽性資訊，幫助醫生在短時間內判斷患者是否需要接受專家診療，從而實作精準加號。在武漢協和醫院的實際呼叫結果顯示，這一方式，明顯減少了醫生翻閱資料及同患者溝通的時間，還能幫助醫生更準確地確定病因，有效提升診療品質。
最後，智慧候診意在最佳化醫生的問診效率，提升患者就醫體驗。AI支持下，醫生在診室中接待患者時，只需幾秒鐘瀏覽這份整理好的病歷，迅速了解患者的大致情況。最終，醫生不僅省下了問診與病歷書寫時間，還使得醫患交流更加精準和高效，醫生的診療決策更為準確。
當然，也有不少企業將智慧體的價值放在了隨訪、藥品說明書等環節，構建患者社群，最終尋求藥企付費。歸根結底，過去互聯網醫療實作的種種創新，現在智慧體帶來了跨時代的升級。
用智慧體制造一個「鉆孔」
由於診前場景落地快、需求強烈、套用易於搭建等諸多特征存在，這裏自然成為智慧體紮堆的紅海。因此，也有不少企業選擇跳開競爭押註未來，圍繞B端的藥企或醫院展開布局。
過去數年的藥企數位化轉型及智慧醫院建設，使得醫療行業的B端使用者具備了相當成熟的智慧化能力，但也隱藏著一些新的問題。
譬如，一些案例有醫藥企業在推行數位化轉型時，投入大量資金引入多種數位系統，但由於缺乏合理的系統整合，導致各部門系統互不相容。
還有企業希望透過數位化工具來提高溝通效率，充分挖掘客情。而在實際之中，業務人員缺少必要的培訓和溝通，面對過於復雜的表單抵觸情緒嚴重，常常漏填或者亂填，導致數位化系統在實施過程中碰到極大的阻力。
因此，要在這一基礎上推動智慧體落地，一是要保證AI盡可能無縫接入原有系統，二是要保證系統本身的易用性，易於實作與使用者的溝通。
最為重要的是，智慧體的能力需要與過去的智慧醫院系統作出區分，充分發揮生成式AI的優勢。
畢竟，現在的管理者已經擁有了大量分析工具，他們需要的不再是鉆頭，而是鉆孔。
舉個例子，熙軟科技最近的醫院營運智慧體已在多家醫院完成商業化落地，其創始人、董事長陳沖在采訪中表示：「醫院作為一個專業性強、管理模式復雜的社會組織，國家對其業務有著明確的政策要求，醫院內部也有著完善的管理制度與營運流程規範，其內容龐大和流程復雜常常導致醫務工作者在查詢檔和處理流程上花費諸多的時間與精力。」
為了幫助提升醫院整體執行效率，推動醫院管理制度的全面準確落地，熙軟科技打造的小熙AI營運助理將醫院營運相關政策與制度融入知識庫，借助領域大模型技術、Agent技術、傳統機器學習技術和底層多形態知識庫，實作智慧知識問答、智慧數據分析、智慧操作體驗「三大套用」。
對於醫務工作者而言，他們在申請出差時只要簡單提問，就能清晰了解差旅報銷標準；想要查詢科室的營運數據，只需向小熙AI營運助理發問，便會直接獲取想要的數據。同時，「小熙」還可以對數據進行全面的分析和解讀；無論是預算、報銷還是合約等審批，醫務工作者都可以在和小熙的對話中一鍵進入，輕松操作，無需再去登入不同界面和不同作業系統……
再談智慧化需求更大的醫院管理者。非生成式AI支撐的營運系統雖然也能實作對營運數據進行歸納總結，但其缺陷顯而易見：一是平台展示的數據維度有限，且難以及時擴充；二是缺乏有效的互動性，管理者只能使用平台預先設計好的演算法進行特定維度數據的分析，無法提出個人化的數據處理需求。
相比之下，醫院營運管理智慧體能夠幫助管理者即時獲取所需的各種深度數據分析與服務，並根據管理者的習慣，自動推播其期望掌握的數據。即便初次推播的內容未能完全滿足管理者的管理需求，系統也支持透過多模態互動方式，進一步客製並推播符合期望的資訊。
總的來說，醫院營運管理智慧體已逐漸成為提升醫療機構效率效益的重要技術實作路徑，並為醫院營運管理效率帶來極大提升。
智慧體之間，不止考驗模型能力
盡管智慧體的技術突破使其有能力快速占據過往已成規模的市場，具備「殺手級套用」的潛質，但在實際執行中，其現有的缺陷仍然顯而易見的。
當大模型能力不達標時，很多智慧體並不能在導診、輔助時給出絕對正確的答案，風險隱藏其中。
此外，對於現有的企業而言，搭建一個智慧體很簡單，而要使得自己的智慧體從眾多同類套用之中脫穎而出，仍然需要企業投以大量優質數據，不斷訓練、餵養、積累模型，才能逐漸形成優秀的業務能力。
對於大多數創業公司而言這都是一個考驗，這意味著企業不僅要維持研發，還需在大模型落地環節加大投入。畢竟愈多的落地案例，才能反哺模型，進一步強化它的泛化能力。
因此，從商業化到盈利，智慧體仍有相當長的路要走。尤其是在百模大戰進入白熱化的今天，智慧體的營運商們或許需要重新審視一下自己的現金流，保證其能堅持到最終的勝利。
