醫療行業中的大模型們，該做下一步打算了

專業、可定制、輕量化的專病/專科大模型或許成為當前醫療AI企業值得考慮的發展方向。

大模型在醫療行業的浪潮，似乎已從一年前的熱烈喧囂中逐漸歸于沉靜。

在醫療這片廣闊的領域中，隨著數據量的井噴式增長和需求的持續高漲，大模型的規模化應用似乎擁有了得天獨厚的條件。短短一年間，科技巨頭、醫療信息化企業和新興創業團隊紛紛涌入這片藍海，推出了數十款各具特色的垂直大模型。然而，令人遺憾的是，這些大模型中的絕大多數并未能廣泛觸及普通用戶，有的甚至在測試階段便悄然隱退。

在當下，大模型的推理成本不斷降低，其應用前景也愈發清晰。那么，醫療行業中的大模型究竟處于怎樣的落地狀態？它們又將如何演變，以適應并滿足未來醫療領域的種種需求和挑戰？

近期，億歐大健康&昂東數智正在進行關于大模型在醫療中應用與商業化落地現狀的研究，將全面審視醫療大模型的發展現狀，深入剖析其落地實踐與商業模式，旨在為整個產業的穩健前行提供有力的支撐和指引。

要解決實際場景的真問題

大模型在醫療行業中要實現廣泛應用時，其訓練數據集必須囊括海量的醫療科研文獻、電子病歷以及高精度的醫學圖像等多元化數據。參數量通常在百萬級到億級，龐大的參數規模能夠獲取更強的特征提取和學習能力。

大模型憑借以其強大的生成、推理和交互能力，能夠為醫療專業人員、患者及各方利益相關者帶來了諸多潛在的應用價值，主要體現在以下三個方面：

一是輔助醫生和護士更有效地處理大量的患者數據，包括病歷、實驗室結果和影像報告等，從而提高診斷的準確性和效率。具體包括臨床預警、CDSS、知識查詢、病歷生成、診后隨訪、疾病評估、麻醉評估、報告生成、科研探索等。例如騰訊健康混元通用大模型，針對醫療領域升級了多個AI產品，包括智能對話、病例結構化與檢索、影像報告和輔助診斷等。

二是預測疾病風險，為患者提供個性化的醫療服務，并在遠程醫療、患者自我管理和健康教育等方面發揮作用，提升醫療服務可及性。包括分級診療、預問診、智能預檢、報告解讀、指標解讀、檔案生成、用藥咨詢、健康咨詢等。如訊飛醫療基于星火認知大模型研發的診后康復管理平臺，專注于康復指導和診后管理，提供個性化康復計劃，服務延伸至患者日常生活。

三是在醫院管理中，通過與醫療專業人員的協同工作，提高醫療服務效率、質量和患者滿意度。包括病歷質控、處方審核、運營分析、DRG助手、不良事件等。如東軟針對醫療領域推出的添翼大模型，融合醫療行業解決方案、產品與服務，添翼的多模態數據融合能力可為醫院管理者提供對話式交互和數據洞察，簡化數據應用，實現精細化醫院管理。

此外，在藥物研發過程中，醫療大模型可預測藥物-蛋白質相互作用和藥物毒性等信息，從而評估新藥的功效和安全性，有助于縮減研發周期，加速新藥發現。如清華系初創團隊水木分子推出新一代對話式藥物研發助手Chat DD，涵蓋藥物立項、臨床前研究、臨床試驗各階段，有效提升藥物研發人員的工作效率。

可以說，大模型要真正體現其價值，關鍵在于能夠緊密貼合實際醫療場景，并解決實際場景中的具體問題。

而由于醫療領域的獨特性、專業性和復雜性，也要求大模型不僅要具備強大的學習能力，更要深入理解醫療的專業知識和場景需求。

據長期關注醫療行業的觀察人士分析，目前醫療行業中的大模型，多數基于通用大模型或特定專用大模型的架構進行構建，并借助如臨床指南、PubMed等公開數據源，以及常見的搜索數據生成訓練集，其中一些大模型也會增加一些醫學微調。

所以，在醫療行業，跳過領域（醫療）大模型，僅僅依賴通用大模型進行醫學相關的數據訓練，是否能完全解決復雜場景的問題？醫療大模型是否可以直接套用通用大模型的模式，這一疑問可能還需要時間和未來大模型產品的實際表現來解答。

多家企業競相布局專病/專科大模型

隨著AI技術的發展，大模型目前已經可以分析多模態信息，如文本、圖像、基因組數據等，多模態數據的整合可以增加訓練數據的豐富性，基于多模態數據庫開發的各種垂直專病/專科大模型或將成為未來醫療大模型的重要發展方向。

專科/專病大模型是基于大模型框架，針對特定的疾病或專科領域進行深度定制，模型通過收集并整合患者病歷數據、科研數據等多元化信息，進行精細化的模型訓練，能夠提供更準確、更高效的醫療與科研支持。

上海市第六人民醫院信息處處長俞磊曾表示，通過醫院高質量的醫療數據對大模型進行訓練和微調，形成專病/專科大模型，這將有助于提升醫療服務質量，優化醫療流程，并加強科研創新。

俞磊還總結了醫院選擇大模型需要符合的幾個特性，即高度專業化、可定制優化、可私有化部署、與業務系統深度融合。此外，成本也是影響醫院選擇大模型部署的重要因素。

由此看來，那些基于能夠處理多模態信息的大模型打造的專業化、易于實施的“小模型”更有可能在醫院環境中得到實際應用。這些“小模型”專注于解決特定問題，運行時環境相對封閉，對計算資源的需求也更為低廉，因此更具備在醫院環境中落地的潛力。

目前，已有多家企業推出了專病/專科大模型及其相關產品。

在今年的CMEF（中國國際醫療器械博覽會）上，聯影智能發布名為“uAI影智大模型”的垂直醫療領域大模型基座，其顯著特點在于能夠全面支持文本、影像以及混合模態產品的開發，目前已開發百余款AI應用和模型。

與此同時，神州醫療依托多模態大數據，自主研發文本、影像、病理、精準4大模態基座模型支持的醫療領域多模態大模型。據了解，神州醫療已與南方醫科大學南方醫院共建國內首個大模型輔助的全院多模態數據治理系統，支持重慶大學附屬腫瘤醫院建設大模型支撐的智能腫瘤學知識庫。

此外，清華計算機系創業團隊打造的健康管理服務平臺“醫者AI”，通過訓練專病、專家等數據，打造肺結節、糖尿病、皮膚病、血液病、三高等各類專項大模型，為大眾提供個性化的健康管理服務。

嘗試推測此類專病/專科大模型在醫療領域的演化路徑，可以將其形象地描繪為一顆逐漸成長的大樹，一個個專病/專科大模型就像是大樹上逐漸成熟的果實，它們各具特色，蘊含了針對特定醫療問題的深厚知識，最終將形成一個枝繁葉茂的完整醫療診療生態。

在這樣的生態中，每一個大模型都將發揮其獨特的價值，為醫生提供更為精準、高效的診斷與治療支持，為患者帶來更為個性化、精細化的醫療服務。這些大模型并不是獨立運行，在業務驅動之下，一個多樣化的、成體系醫療智能生態系統，或許正是大模型在醫療領域中應用的未來。

商業落地是否遙不可及

如上文所述，尋找高頻的落地場景并非難事，然而，要發掘那些既高頻又具備潛在付費能力的場景，并實現投入與產出的均衡，這無疑是當前所有AI企業面臨的最大考驗。

若以醫院為付費主體，可以參考過往AI產品在醫院中的落地歷程。以影像類AI產品為例，輔助診斷類產品對臨床證據的依賴性強，監管嚴格。這些產品一般要與醫院進行合作，經過不斷打磨與調整，以及與器審中心在審評審批階段的數年磨合，方能獲得三類證書。然而，這僅僅是走向商業化的第一步。

據醫療行業資深人士分析，若企業選擇三級醫院作為目標市場，影像AI企業在此路徑上需先獲得證書，再爭取各省市的物價審批，并尋求患者自費購買的可能性。經過1至2年的運行后，這些產品才有可能被納入醫保支付體系。粗略計算，企業從取證到實現盈利，往往需要經歷一個4至5年的漫長周期。

而大模型產品的商業化落地之路，無疑將面對更高的成本投入和更為嚴苛的審批條件，這使得其實現商業化的道路更加崎嶇。

不僅如此，目前大模型產品還面臨著準確性的挑戰。為確保模型的準確性，不僅要確保電子健康記錄、醫學文獻數據庫和臨床試驗數據等關鍵數據來源的可靠性和合規性，還需投入大量精力去剔除其中的錯誤和冗余信息，從而確保數據的一致性和準確性。

除了高質量數據供給難題，大模型還面臨著AI固有的“黑箱”問題，以及倫理風險和安全隱憂等挑戰。這些問題使得大模型在醫療領域的應用更加復雜和敏感，進一步增加了其落地過程的難度。

如果將支付方轉變為器械、保險類等公司，通過與此類企業合作探索大模型的智能化應用，可以將其拓展到更多領域，如醫療器械的智能化升級和醫療智能理賠等，這種合作為大模型產品提供更多元化的應用場景和商業模式，有助于推動其商業化進程。

去年9月，騰訊健康就與邁瑞醫療達成戰略合作，雙方將共同探索醫療大模型的智能化應用，把AI+大模型拓展到應用醫學領域，如重癥、急診、麻醉科等科室。

此外，科研場景似乎是目前大模型最有可能實現規模化落地的領域。

如深睿醫療推出的基于AI大模型的智能多模態科研平臺，提出醫療圖像通用分割模型，能夠處理多模態醫療數據，實現器官、病灶的快速分割，可應用于腫瘤、心血管、神經系統、呼吸系統、消化系統、肌骨等多病種的智能精準化研究。

醫渡科技、神州醫療等企業發布的大模型訓推一體機， “開箱即用”的產品特性可以在企業內進行本地化部署，在配合醫院進行相關課題或項目的研究時，大模型訓推一體機能夠幫助醫生以低成本方式，快速執行一些研究，提升醫學科研效率。

當前，大模型是否應該開源，也是業界熱議的話題。若有醫院或企業選擇將專科/專病等大模型進行開源，必將為具備研發實力的其他醫療機構鋪設一條自主研發大模型產品的道路。醫院能夠利用自身的數據資源進行模型訓練，這幾乎意味著每個醫院都將擁有學科專家的智慧支持。

因此，對于企業而言，審時度勢、靈活應變至關重要。在不同的階段和商業場景下，選擇最適合的進化路線至關重要。值得一提的是，大模型在應用過程中尚存一些使用門檻，這恰恰為相關服務的落地提供了契機，蘊含著潛在的產業機會。

結語

盡管大模型在醫療行業的運用與發展之路尚存技術、安全和倫理等多重挑戰，但其為臨床醫療、慢性病管理、藥物研發、醫學教育和行政管理等領域帶來的巨大潛力不容忽視。

將大模型深度融入醫療實踐的真實場景之中，是確保其效能最大化的關鍵。從開發、訓練、測試到實際應用，每一個環節都必須與醫療實踐的需求緊密相連，確保模型能在實際環境中發揮最佳效用。

在這樣的背景下，專業、可定制、輕量化的專病/專科大模型或許成為當前醫療AI企業值得考慮的發展方向。通過針對特定醫療場景構建模型，能夠更精確地滿足醫療實踐的需求。同時，這種輕量化的模型設計也能有效降低企業的投入成本，增強商業模式的可持續性。

“AI時代，萬物皆可重塑。”企業正站在這一時代的門檻上，面對無限可能，積極探尋并把握產業中的每一個機遇，才能在未來立于不敗之地。