《2023医疗健康AI大模型行业研究报告》数据显示，截至2023年10月，国内累计公开的大模型数量达到238个，其中，医疗大模型近50个，涉及患者问诊、医生助手、药物研发、健康科普等多个领域。
相比于传统的医疗AI（人工智能），大模型更像是一个真实的人脑，能够理解人类语言，完成逻辑推演，生成最终结果。对于充斥着大量对话场景和信息数据的医疗行业来说，大模型具有天然的应用优势。但另一方面，医疗的严肃属性，数据的互不连通，近乎为零的容错率，都让医疗大模型的商业化举步维艰。
截至目前，国内医疗大模型的玩家，多数为互联网医疗企业和医疗信息化公司，能拿上桌面的产品也基本是过去业务思路的延续。
“我不认为医疗大模型目前是一个风口，大模型只是一种能力，技术的进展想要真正改变一个行业，还是很漫长的，尤其是医疗。”启明创投副总裁孙墨陶告诉《健闻咨询》，在对AI祛魅后，投资圈对医疗大模型目前还是显得更加“实际”，就他而言，在国内能看到一家能有明确商业化路径的公司才能在这个领域真正扣下投资的“板机”。
患者进入诊室后，会先和医助沟通病情，由医助通过线上文字输入的方式，将患者主诉传达给医生，再带回医生的问题。沟通多轮后，医生会为患者开出检查单或诊断。患者完成所需检查后，医生凭借检查结果给出最终的临床诊断及治疗方案。
之所以会设计这样的流程，是因为有两拨医生正在幕后较劲，一拨来自四川大学华西医院，总共有10位临床医生，遍及8个科室。另一拨则来自医联，是个医疗大模型，叫做MedGPT。这场义诊还有一个别的名字：630一致性评估实验。
MedGPT发布于2023年5月，是国内首款医疗大语言模型，由医疗互联网企业医联自主研发。就在MedGPT发布后的两个月内，智云健康、润达医疗（基于华为云）、东软等医疗公司以及深圳市大数据研究院、上海人工智能实验室等研究机构都先后发布了各自的医疗大模型。
在这一时期，国内的医疗大模型都是在通用开源模型的底座上加工而成，比如MedGPT就是在ChatGPT的基础上，通过继续预训练、医学知识微调、人工强化学习等步骤而搭建的，因为省去了从头搭建通用大模型的时间和成本，这一方法也被绝大多数国内企业效仿。
直到2023年9月，腾讯和百度先后发布了基于自研通用大模型打造的医疗大模型产品之后，这个行业才真正进入了“沸点”。
原因是，虽然很多通用大模型会开放参数，但不会公开“配方”，即每个领域的数据配比。当企业想要在某个开源模型的底座上开发医疗大模型时，如果只单一灌输医学知识，模型本身的医疗能力或许会提升，但会破坏底座结构，影响最终效果，这也是早期很多医疗大模型容易出现“幻觉”的原因。
“如果你的医疗底座中没有添加足够多的高质量知识，那么即便后面的对齐做得再好，在生成内容上还是有短板的。”左手 医生创始人张超告诉《健闻咨询》，借助开源模型做继续预训练，投料比例是一大难点。在实际操作中，他们会先通过多个实验来计算开源模型的数据分布，之后再把自身积累的医学知识按比例添加进去，“这样才能够保证在医疗能力提升的情况下，通用能力不下降。”
首先，这些大厂都有自研的通用大模型，可以在其基础上，按照精准的数据配比进行医学训练，成本投入更小。其次，无论是腾讯还是百度，都有医学知识图谱的深厚积累，也能触达到大量的线下医疗场景，可以在后期微调阶段发挥优势，把产品做得更为精细。
以百度灵医大模型为例，百度方面曾公开表示，在文心大模型预训练的过程中，用一些闲置资源就可以把灵医大模型跑出来，测试结果是接近三甲医院的主治医生。
他认为，做医疗大模型，必须把这个行业打开来看，从中找到50-100个细致场景，“场景选择特别重要，To C领域，在做杀手级应用之前，应该先找到杀手级场景，从场景出发来创造应用级产品，大模型基本都是藏在后面解决问题的。”
我们不妨先来看看门诊——当患者和医生共处一个诊室时，常见的景象往往是这样，患者焦虑地主诉病情，医生则只管埋头记录，平均5分钟的就诊时间里，双方的对视时间不到10秒，他们的首要任务是合力完成一份格式化的电子病历。
但在过去的传统AI时代，想要做出一款成熟的生成式电子病历产品，技术难度和工程成本都极为巨大。2019年，左手医生曾推出过一款类似的产品，叫做“诊室听译机器人”。公司创始人张超告诉《健闻咨询》，当时他们采用的是底层技术是基于知识图谱和传统NLP技术来做语音理解和文本生成，花费了大量时间和人力，面对复杂的医患沟通，最终的信息召回率只有6成左右，也就是说，医患对线个有效信息，AI只能抓取到6个，“医生只能凑合着用”。
大模型的出现，彻底激活了这个场景。基于对人类语言的理解、推理和归纳能力，大模型加持后的AI可以“听懂”医患间的对话，并通过训练从中萃取出有价值的信息，自动生成一个符合医院系统的结构化病历。
“我们现在也在研发大模型，在原来的产品基础上加上大模型的能力，把它做得更好。”张超告诉表示，新产品已经在全国10多家医院落地应用，根据临床反馈，新产品的信息召回率可以可以做到90%，并且还在通过强化学习，不断提高，“在写病历这件事上，大模型未来一定是会替代知识图谱的。”
比如说曾经一度非常火热的AI预问诊。简单来说，就是在患者到院之前，医院通过一些AI小程序向患者发起问诊，目的是尽可能多地收集患者信息，提高就诊时的效率。
但这项功能并不太受到患者端的欢迎。原因是，由AI发起的问诊，大多是基于固定的流程和语序，无法应对患者的个性化需求。就像做性格测试，题目就这些，当患者在这题上打勾时，打勾所对应的下一个问题就会被AI抛出，直到测试结束。
福鑫科创是一家专做医疗信息化的公司，给不少医院做过AI预问诊的开发运营。“大模型在这个场景里，扮演的是game changer（规则改变者）的角色，它把预问诊变成了一个真正开放式的对话。”福鑫科创CEO吴笛告诉《健闻咨询》，从患者体验来说，由大模型驱动的AI预问诊几乎可以达到以假乱真的对话效果。
更关键的是，相比于部署一套非常复杂的问答系统，大模型产品的成本要低得多，一个小型医院的投入不到10万块钱，大大降低了医院的使用门槛。“我的判断是，大模型不会马上产生全新的应用形态，但是大模型会让既有的产品，变成一个被广泛接受的，适用度大得多的产品。”吴笛表示。
除此以外，心理咨询、患者随访、药事管理等医疗相关场景，也已经挤入了不少大模型的玩家，有些甚至已经获得了商业化的初步成果。
比如，圆心科技通过自研的源泉患者管理大模型，协助药师对药店客户进行用药管理，大大提高了服务效率和频次。而这种服务能力的升级，有效提升了患者的用药依从性。
根据圆心科技的统计，从去年8月到今年2月，全国共有300多家圆心药房上线了源泉患者管理大模型。以一款适用于风湿免疫疾病的生物制剂为例，复购达标率提升了10个点，患者脱落率下降了28%，DOT（药物持续治疗时间）延长一倍。
尽管在患者问诊、药事管理上已经有了媲美真人的能力，但医疗大模型在一级市场上并没有想象中那么火热。
多位医疗圈的投资人告诉《健闻咨询》，虽然大模型的概念已经被ChatGPT炒得很火，但在国内的医疗领域，还没有看到太亮眼的产品。绝大多数都是“做了蛮久的，有一定业务量，相对比较传统，想尝试用大模型来改变自己的产品”。
但当前大模型给产品带来的溢价并不高。某医疗媒体报道，根据小部分已经开始销售大模型企业的估算，过去价值100万元的系统，加上大模型后的售价在120万-130万元。
“我相信，大模型是我们这一波人未来20年最大的机会，这个机会也许不亚于互联网给产业带来的改变。”吴笛表示，为了跟住这波机会，他要求公司80%的产品都必须加入大模型，同时他给公司所有团队都设置了和大模型相关的KPI考核指标。
吴笛说，“一方面大模型的应用非常受欢迎，可以带来实质的收入和利润，另一方面，我们还能通过用户的使用，进一步增强模型能力，这个回报是我们更看重的。”
原因很简单，大模型的成本主要集中在算力这一侧，这是一个相对固定的数字，并且会随着产品的不断开发，呈现边际成本递减的趋势，这就会反过来倒逼企业，去做更多优质的产品，把收益最大化。
“肯定会有一批传统的AI公司跟不上，这是毋庸置疑的，但也会引入一些新的竞争者。”张超表示，问题的关键在于，大模型的技术发展很快，如果跟得紧了，投入成本就会加大；如果跟得松了，可能战场就被别人抢走了，如何平衡节奏是对企业最大的挑战。
“从我们自身来说，还是会先区分通用能力和医疗能力，如果是医疗能力，我们就干，如果是基于底座的通用能力，我们就先观察，因为它一定有开源的可以用。”张超表示。
产业侧对医疗大模型的探索始终抱有热情。从目前已有的产品形态来看，医疗大模型几乎已经贯穿了患者诊疗的全流程，从诊前的智能院务客服、科室导诊、医生推荐、预问诊，到就诊过程中的医患对话、病历自动生成，再到就诊完成后的随访管理、患者档案流转到体检机构等。此外，在药物发现、蛋白解析等生物工程领域，医疗大模型也有涉猎。
今年3月，美国一家名为Hippocractic AI的医疗大模型创业公司，拿到了5300万美元的A轮融资。从2022年成立至今，Hippocractic AI总计融资三轮，总额近1.2亿美元。
从商业模式上看，Hippocractic AI是一款基于大模型开发的语音护理助手，为患者提供低风险、非诊断性的服务，包括饮食建议、用药提醒、解释福利和账单等等，旨在提高患者的依从性并降低再入院率。目前，这款基于大模型设计的产品面向C端用户收费，标准是每小时9美元。
中国的“Hippocractic AI”式企业，又会在何时诞生呢？更重要的是，已经对“风口”祛魅、还在观望中的投资人们，会在何时下注？PG电子官方网站