該讓醫(yī)療垂類大模型，走出“試題”了

“現(xiàn)階段，許多醫(yī)療垂類大模型就是偽命題，推理能力不行?！?/strong>一位觀望大模型已久的醫(yī)療從業(yè)者玄彬（化名）發(fā)出了極為尖銳的批評。

在他看來，目前人工智能是靠scaling law涌現(xiàn)的，模型性能隨著模型規(guī)模、數(shù)據(jù)規(guī)模和算力規(guī)模等因素的增大而提升。只要還是Transformer，就不可能有垂類的機會。

過去兩年，為了追上生成式AI的熱潮，不少企業(yè)將開源大模型稍加“改造”后就冠以自有產(chǎn)品名，套牌、過度宣傳屢見不鮮，鋪天蓋地的榜單，各種評測熙熙攘攘。“大模型用不用不重要，先要擁有大模型?！彼汲毕?，歷經(jīng)井噴式的發(fā)展，也造就了醫(yī)療大模型圈里魚龍混雜、良莠不齊。

當通用大模型掀起了低價肉搏戰(zhàn)，從5元到1元，不斷擊穿大模型低價，巨頭們降價正酣。

醫(yī)療大模型雖在病歷書寫、診斷等細分領(lǐng)域展示出巨大潛力，但商業(yè)化路徑仍不清晰，行業(yè)仍在苦苦尋覓殺手級場景。

與此同時，技術(shù)不斷迭代，隨著OpenAI和 Mistral AI的助力，專家混合（MoE）一時間炙手可熱。這種混合模型，由多個子模型（即專家）組成，每個子模型都是一個局部模型，專門處理輸入空間的一個子集。簡而言之，它使用一個門控網(wǎng)絡來決定每個數(shù)據(jù)應該被哪個模型去訓練，從而減輕不同類型樣本之間的干擾。

天才黑客喬治?霍茲曾爆料，GPT-4其實是一個混合模型，采用了由8個專家模型組成的集成系統(tǒng)，每個專家模型都有2200億個參數(shù)。

2023年底，微軟首席科學家埃里克?霍爾維茨曾發(fā)布一項調(diào)研報告《The Power of Prompting》，他們研究發(fā)現(xiàn)，在相同的基準上，利用提示詞工程就能讓GPT-4的性能明顯優(yōu)于專門針對醫(yī)療應用進行微調(diào)的領(lǐng)先模型。

“Medprompt研究表明，更深入地探索將通用模型轉(zhuǎn)化為專業(yè)模型的提示可能性，并將這些模型的優(yōu)勢擴展到新領(lǐng)域和新應用，是非常有價值的?！卑＠锟恕せ魻柧S茨欣喜寫道。

以上種種，使得醫(yī)療垂類大模型的質(zhì)疑聲越來越響：醫(yī)療大模型是偽命題嗎？我們可以期待怎樣的醫(yī)療大模型？

衡量標準：忍受VS享受，要求VS需要

在和緩醫(yī)療CEO李宇看來，判斷大模型的應用是否成立，主要在于兩個點：一是對于用戶來說，大模型是忍受，還是享受；二是對于使用者而言，是要求還是需要。

“現(xiàn)在整個醫(yī)療行業(yè)都在尋找殺手級應用，找場景，其實很重要一點就在于找到強要求、強監(jiān)管下的應用?！彼U述道，郵件和Office這種才叫殺手應用，發(fā)生在每天應用的工具中，具備非常高的便捷性。

縱覽目前的醫(yī)療大模型，多聚焦患者問診、醫(yī)生助手、藥物研發(fā)、健康科普等領(lǐng)域。李宇最看好的則是病歷質(zhì)控系統(tǒng)以及DRG/DIP下，監(jiān)管醫(yī)院的臨床診療行為和收費合理性的醫(yī)?？刭M應用。

“對于醫(yī)院至關(guān)緊要的，才會有大規(guī)模商業(yè)機會?！崩钣钫J為，文字模型的殺手級應用應該還是在病歷相關(guān)的場景上，比如DRG要求的病案首頁等醫(yī)生極易出錯的地方，抓住了醫(yī)院端需求，并打通了業(yè)務場景，落地了才能有未來。

當大模型進入醫(yī)療領(lǐng)域之后，更多的資源應該探索如何尋找高頻且剛需的場景，如此才能誕生下一個超級應用的可能性。當享受與需要二者兼?zhèn)?，醫(yī)療大模型應用才能真正成立。

復旦大學中國研究院副研究員劉典曾在線下論壇中一針見血指出，行業(yè)的核心是數(shù)據(jù)和原有的工作流。只要大模型能很好解決這兩件事，且成本不高于原有方案，就不能說是偽命題。

換言之，只有在醫(yī)療領(lǐng)域真正實現(xiàn)“降本增效”，積累真實世界數(shù)據(jù)，才能稱得上醫(yī)療大模型。

要知道，大模型想要真正脫穎而出，幾方面能力至關(guān)重要：一是獲取最新知識能力，醫(yī)學知識是不斷更迭的，需要動態(tài)獲取最新的醫(yī)學知識；二是理解多模態(tài)數(shù)據(jù)，醫(yī)學影像、X光片，心電圖等；三是高級推理能力，大模型不能永遠只做“應試教育的高材生”，真正應用于醫(yī)療場景中，非常依賴模型的推理能力，畢竟好的醫(yī)生都是推理專家；四是長文本能力……

百模大戰(zhàn)盡管聽起來熱鬧，但是真正具備模型能力的仍是少數(shù)，畢竟大模型推理這類訪存密集型任務需要真金白銀的投入。財通證券曾經(jīng)測算，支撐 GPT-3.5推理任務的A100數(shù)量或至少在5萬張左右。

“我覺得醫(yī)療垂直大模型不成立的原因就是它的推理能力會很弱，你不會希望一個熟讀各類醫(yī)學百科、疾病診療指南書籍的學生來當你的醫(yī)生。”玄彬堅定說道，雖然它是個專業(yè)的學生，但作為醫(yī)療場景應用，還是有些危險。

大模型的終局——通用還是垂直？

事實上，通用大模型與垂直大模型之爭從2024年初便備受關(guān)注。

一個理想的范式中，通用大模型以“百科全書式”的通用能力安身，垂直大模型以某一領(lǐng)域的專家立命，兩者融合共同構(gòu)筑枝繁葉茂的大模型生態(tài)。然而，隨著AGI時代的到來，通用大模型完全能夠覆蓋各種垂直模型的業(yè)務場景，垂直模型存在的必要性便被質(zhì)疑。

一位生物醫(yī)學工程博士在社交媒體撰文指出，目前一個很尷尬的事情：許多垂類大模型在他垂直領(lǐng)域里能力似乎沒有超過通用大模型。所謂垂類大模型，感覺就是用小部分已經(jīng)用過的文本數(shù)據(jù)做復讀機一樣的訓練，用通用領(lǐng)域的性能下降換專業(yè)領(lǐng)域的sota。

判斷一個大模型夠不夠聰明，很重要的一點就是它能不能解決復雜問題。玄彬在過去一年多測試了許多醫(yī)療大模型，悲哀地發(fā)現(xiàn)，有時候醫(yī)療大模型宣稱“更懂醫(yī)療”，其實只是把醫(yī)療領(lǐng)域的俗稱與全稱對應一下。“比如甲減，你不翻譯成甲狀腺功能性減退，通用大模型就聽不懂了，而一些垂直模型所做的事情就是把這些俗稱對應一下?！?/p>

如果燒了幾億，只能培育出停留在“紙上談兵”里的人工智能，何嘗不是一種資源浪費？那么醫(yī)療垂類大模型存在的必然性在哪？答案就是落地部署、成本與數(shù)據(jù)。

在億歐大健康總裁高昂看來，從技術(shù)上面，垂直大模型或許是偽命題，但從產(chǎn)業(yè)角度講，其反而可能是現(xiàn)階段企業(yè)落地的主要方向。

縱覽如今的通用大模型，早已演變成巨頭們和明星創(chuàng)業(yè)者的賽場。阿里、騰訊、百度、科大訊飛、商湯自是不用多提，百川智能的王小川、智譜AI則由清華大學計算機系知識工程實驗室的技術(shù)成果轉(zhuǎn)化而來……

只有他們，或許才能付得起動輒一兩萬億訓練Token，以及訓練GPU集群的成本，扛得住如火如荼的降價潮。

居高不下的研發(fā)成本、GPT—4明珠在前，注定了垂直大模型或許才是國內(nèi)企業(yè)真正落地所要走的路。

科技博主“Magic”的觀點一針見血，垂直大模型必然是存在的，且會長在通用模型之上，即將垂域知識融入到一個相對智能的通用模型之上，打造行業(yè)/領(lǐng)域的專有模型，并進行私有化部署，是To B業(yè)務未來非常重要的一條發(fā)展路徑。

在他看來，如果垂直大模型也變成算力跟數(shù)據(jù)的競爭，那么落地這條路可能又遙遙無期了，“你訓不完的模型，我等不起的業(yè)務啊。”

畢竟，企業(yè)的第一要務便是賺錢。從商業(yè)化落地來看，企業(yè)或許并不需要一個“全能”的通用大模型，而是更需要針對細分領(lǐng)域場景、解決實際問題的產(chǎn)業(yè)大模型。

“單純地追求大模型的規(guī)模與復雜度，并無實質(zhì)性的意義。真正有價值的，是將這些技術(shù)應用于實際場景中，發(fā)掘出更大的商業(yè)機會。”百度創(chuàng)始人李彥宏的早前呼吁，意義在此時或許不言自明。

入局者別再為了搶奪大模型概念融資紅利，一哄而上，靜下心來明確企業(yè)定位，結(jié)合自家業(yè)務，找到適合自己的生存空間和發(fā)展路徑，健康有序的市場格局或許才能出現(xiàn)。

破局：先選擇應用場景，再定義應用

“場景和數(shù)據(jù)，是醫(yī)療大模型脫穎而出的關(guān)鍵?！?/strong>李宇剖析道，功能是打動不了人的，場景才能打動人，解決某一場景的具體需求。

以智能監(jiān)控為例，它可以完全替代人看，且完成人根本看不過來的量級，甚至比人看的效果好得多。在他看來，醫(yī)療大模型商業(yè)化如今動力不足的很大一部分原因，則是沒有完全打透的場景、沒有徹底替代人的工作、沒有完成人完成不了的工作。

李宇指出，B2B解決方案之間的PK，將不會把重點放在令人眼花繚亂的AI技術(shù)能力，而更關(guān)注這些技術(shù)層面的能力，將如何幫助企業(yè)用戶具備（或重新定義）更有價值的企業(yè)工作流程。

聚焦多場景覆蓋，也是不少醫(yī)療大模型企業(yè)的出發(fā)點。商湯醫(yī)療健康大模型“大醫(yī)”，覆蓋了健康管理、患者服務、臨床診療、醫(yī)學科研四大領(lǐng)域超過20個細分醫(yī)療場景；醫(yī)渡科技強調(diào)打造多任務引擎，可以同時解決多個任務，這使其在處理復雜多樣的臨床情況時具有更大的潛力……

究其原因，則是某個單一場景的大模型產(chǎn)品局限性更大，要實現(xiàn)在每個場景中的可用性并不容易，這需要深入理解場景的本質(zhì)。另外一些企業(yè)則從自家業(yè)務出發(fā)，結(jié)合大模型特點，為原有產(chǎn)品作升級，實現(xiàn)對原有工作流的改造。

圓心科技的源泉大模型將每一個用戶設有標簽，管理服務會根據(jù)不同特性的人進行針對性關(guān)注患者藥物依從性、聯(lián)合用藥預以及疾病康復管理，通過大模型數(shù)字化應用為患者生成定制化疾病科普和藥品服務；全病程管理平臺微脈推出健康管理大模型Care AI，為醫(yī)院、醫(yī)生和微脈個案管理師提供全新的輔助工具；和緩醫(yī)療即將推出合成式人工智能健康Copilot服務，構(gòu)建一種全新的AI+真人醫(yī)生復合服務工作流；左醫(yī)則把把知識圖譜和醫(yī)療大模型進行融合，實現(xiàn)智能自診、智能分診、智能預問診、智能用藥和智能隨訪五大功能。

“大家在維持原有場景的商業(yè)模式下做技術(shù)改進，雖然現(xiàn)在并不會有明顯溢價，但未來沒有AI的大概率要被淘汰?！?/strong>李宇預判道。

場景端革新，或許是中國應用市場后來居上的傳統(tǒng)優(yōu)勢，同時也具有反哺大模型能力的作用。場景服務下，大模型與人交互產(chǎn)生的數(shù)據(jù)，將成為未來技術(shù)迭代下的關(guān)鍵資產(chǎn)。細分的產(chǎn)業(yè)場景上，依靠交互數(shù)據(jù)，實現(xiàn)大模型自我優(yōu)化和改進，提升輸出精度。

“大模型的場景落地，不止是一個IT硬件+軟件的服務，而是針對具體場景結(jié)果的交付，這個過程中還可能涉及使用者的運營與服務?！备甙貉院喴赓W，軟硬一體對于傳統(tǒng)行業(yè)客戶或許更“友好”，畢竟買了具體的實物，但硬件迭代周期過長，跟不上模型進步速度，需要一次吃透場景解決問題，生態(tài)圈的建立就顯得尤為重要。

在數(shù)據(jù)為制藥企業(yè)、醫(yī)院命脈的當下，私有化部署將是一條重要布局路徑。而放眼未來，與其說是算力、算法、數(shù)據(jù)的競爭，倒不如說是大模型生態(tài)的角逐。