大模型之風吹向醫療！「AI+醫療」能否迎來蛻變？

原創

日期：2023年12月8日 下午6:55作者：瓶子 編輯：effie

12月8日，叮當健康（09886.HK）早盤強勁拉升超21%，截至收盤，漲幅8.33%至2.21 港元/股。

消息面上，叮當健康發佈叮當HealthGPT，並應用型醫藥AI產品——叮當藥師、營養師AI助手，用科技助力健康中國。

市場分析稱，隨著HealthGPT的投入應用，公司有望進一步實現降本增效、精細管理，釋放業績增長潛力。

事實上，叮當HealthGPT大模型的推出，只是醫療大模型競賽的一個縮影。今年以來，伴隨著ChatGPT的爆火，企業一擁而上，國内外的AI大模型如雨後春筍般湧現，以革命性姿態衝擊各行各業，這其中就包括醫療產業。

大模型之風吹向醫療

所謂AI+醫療，即利用大數據、雲計算等人工智能技術手段促進疾病篩查、診斷、治療、管理、康復等環節的技術升級，為藥師、營養師、醫生賦能。

據悉，在人工智能的所有應用中，醫療行業位列首位。據中商產業研究院統計，2020年AI+醫療已佔人工智能市場的18.9%。據IDC統計數據，到2025年人工智能應用市場總值將達1270億美元，其中醫療行業將佔市場規模的五分之一。

民生證券研報指出，國内AI正走向高景氣度，醫療行業+AI是對醫療待解決需求的挖掘和供給問題的解決，通用大模型向醫療專用大模型的升級有望徹底改變醫療全生命周期的存在形態，從降本增效和技術能力提升兩種路線上實質性滿足醫療需求，通過AI設備、AI診斷、AI決策、AI個性化醫療等應用場景落地。

可見，醫療AI廣闊市場大有可為。巨大的想象空間和市場潛力，吸引著越來越多的醫療企業競相在AI+醫療領域佈局，特别是有著互聯網基因的互聯網醫療平台對AI明顯需求更高。

今年以來，國内多家互聯網醫療平台競相推出AI大模型，利用AI大模型提升平台的工作效率和服務質量。

5月底，互聯網醫院——醫聯基於Transformer架構的國内首款醫療大語言模型——MedGPT。

據MedGPT真實世界測試結果顯示，其診斷結果與三甲醫院醫生醫學一致性達到96%。

6月底，數字醫療健康到家服務商——叮當健康發佈叮當HealthGPT，並首推基於此研發的應用型醫藥AI產品——叮當藥師、營養師AI助手。

7月中旬，國内互聯網醫療行業龍頭——京東健康建立在京東言犀通用大模型基礎上，推出了面向醫療健康行業的大模型「京醫千詢」，覆蓋全流程醫療需求、實現智能決策、支持多模態的醫療大模型。

8月17日，全國最大的全病程管理平台——微脈發佈國内首款健康管理領域大語言模型應用CareGPT。據悉，微脈CareGPT基於國内開源大語言模型，主要致力於在真實的醫療服務場景中充分發揮健康管理價值，實現預防、咨詢、預約、康復的全周期智能化健康管理能力。

從上述企業的佈局可見，雖然都是醫療大模型，但方向和優勢各不相同。未來，隨著醫療大模型的創新與應用，醫療AI行業或將迎來洗牌，佈局方向、應用價值都將成為企業競爭的關鍵節點。

國金證券研報稱，基於人工智能技術的快速發展和在醫藥健康領域的應用，考慮近期多個AI大模型的推出和雲服務未來在醫藥領域展開應用的前景，人工智能在醫藥健康領域的應用有望進入加速發展階段。

AI醫療影像應用最為廣泛

從醫療AI的應用場景來看，主要包括醫學影像診斷、智能診療、個性化治療、藥物研發、患者管理和遠程護理、機器人手術、病例管理系統等。

這當中，AI在醫學影像領域的應用最為廣泛。早在 2018 年，騰訊、阿里、科大訊飛等企業就開始佈局 AI+ 醫學影像行業，發展至今已經有 70 個 AI 醫學影像產品獲得了三類證。

AI醫療影像的應用，能夠提高醫生的診斷準確性和效率。如，CT、MRI、PET等多種醫學影像都可以通過AI進行輔助分析，幫助醫生更準確地診斷腫瘤、心臟病等疾病。同時，它還可以挖掘大量的醫學數據，促進醫學科學的快速發展。

太平洋證券分析師譚紫媚指出，醫學影像佔所有臨床數據的80%以上，人體器官和組織的可視化呈現，是臨床診斷、疾病治療及健康管理的基石。當前，傳統醫學圖像領域面臨醫生供不應求、醫療資源失衡等痛點， AI醫學影像解決方案有助於解決上述痛點。

據艾瑞建模測算，2020年，中國AI醫療影像市場規模為4億元，而到2025年，市場規模可達100億元，2020-2025年CAGR達87.5%。

 AI醫療面臨的挑戰

需要指出的是，雖然醫療AI已經取得了顯著的進展，但在技術、數據等方面仍面臨巨大挑戰，需要不斷地發展和探索。

首先要保證數據的質量，確保醫療行業的安全和可靠性。以醫學影像AI技術為例，它的缺點就在於其依賴於訓練數據集的質量和準確性，如果訓練數據集存在偏差或錯誤，就會影響模型的準確性。

但國内大部分醫療數據存儲於各級醫療機構，業務系統相對獨立，數據較難實現共享，存在明顯的「數據孤島」現象，可供訓練的真實場景數據集有限。

其次，在技術層面，醫療行業的嚴謹性對模型的精確度要求更高，從而對算法和算力提出了更高的要求。

此外，醫療與人類生命息息相關，因此對於AI+醫療應用場景的監管也會極為嚴格。隨著相應的監管規則不斷出爐，未來AI醫療的發展將會充滿更多不確定性。

綜上所述，從現階段看，AI在醫療應用端仍在探索階段，並不能替代醫生的診斷，但前景值得期待。