「我不希望大家认为，仅通过建立一个生成式AI大模型，就能治愈所有的健康问题和疾病。」
©️懂财帝出品 · 作者｜嘉逸
市场对医疗大模型的乐观情绪，可以找到不少数据支撑。
MarketsandMarkets预测，到2025年，全球医疗大模型市场规模将达38亿美元，到2030年将超过100亿美元。
另据IDC，2023年中国医疗软件系统解决方案市场规模为206亿元，预计2028年将达358亿元，对应复合增速为11.7%。
但现实中，医疗大模型厂商仍未找到可行的商业化路径。
在国内，百度、阿里、腾讯等大厂争着上公立医院，暂时求个只提供技术服务的机会，收益归医院所有。
在海外，强如谷歌的Med-PaLM2，目前也仅是和多家医院合作开展临床试验，共同探索AI医疗的可能性。
被互联网医疗市场教育过一轮的企业，这次能否借助AI大模型，扳回一局？
01 | 谁被重塑了？
排队几个小时后，患者焦虑地倾述病情，医生却忙着埋头写病历，双方几乎无交流，全程就诊不过5分钟，这是国内医院常见的场景。
患者埋怨医生不上心，医生也有自己的苦衷。本着颠覆医疗进场的大模型厂商，要生成一份优质的电子病历，也得经过长时间的摸索。
最初入场的玩家，以深耕医疗产业的公司为主。它们有的是数据，但缺乏技术，所以其大模型底座多数源自互联网大厂的通用开源大模型。
早在2023年2月，互联网医疗平台微脉就依托百度文心一言，深化了全病程管理业务。3个月后，被称为国内首款医疗大模型MedGPT发布，由医疗互联网企业医联在ChatGPT的基础上，加工而成。
这种办法虽然能省去大量的时间和成本，但产品不够精细，业务场景单一，容易出现“幻觉”，而医疗的容错率近乎为零。
所以，即便此时市场上医疗大模型数量并不少，智云健康、润达医疗、东软、叮当健康等医疗公司，深圳市大数据研究院、上海人工智能实验室等研究机构，都发布了各自的医疗大模型，但掀起的水花有限。
等到当年9月，百度和腾讯正式下场，发布了自研医疗大模型产品，才让行业真正看到大模型在医疗的应用潜力。
以百度灵医大模型为例，聚焦在智能健康管家、智能医生助手、智能企业服务三大方向，具备生成结构化病历、文献解析、实时辅助医生确诊疾病等功能。
百度曾公开表示，灵医大模型的测试结果为接近三甲医院的主治医生。今年4月，灵医大模型通过网信办备案，获得官方认可。
无论是腾讯还是百度，他们都有自研通用大模型，都有自己的医疗互联网平台，既有技术，又有海量医疗数据，还能触达线下医疗场景，各种优势加持之下，能把产品磨合得更精细。
产品有了，厂商便迅速转向医院争夺战，推动规模化的商业落地。各区域的顶尖医院，成了香饽饽。
据不完全统计，单是四川大学华西医院，就跟科大讯飞、百度健康、商汤科技医疗均有合作。
一方面，华西医院是国内排名前10的顶级医院，影响力大，且医疗数据非常优质。另一方面，华西医院对AI新技术的开放程度高，主动拥抱“AI 医疗健康”的风口。对于大模型而言，这无疑是推动规模化落地的极好练兵场。
医院同时押注多家厂商，厂商也不会把“鸡蛋都放在一个篮子里”。
除了华西医院，百度健康还与武汉协和医院、华中科技大学同济医学院附属协和医院、山东大学第二医院等建立了合作关系。
7月的上海世界人工智能大会上，商汤医疗宣布，与包括瑞金、华西、新华、西京、中科大附属第一医院等头部医院启动智慧医院建设示范样板，帮助医院建立“中枢大脑”，实现对智慧医院建设的底层赋能。
经过一年多的探索，医疗大模型几乎已贯穿院前、院中、院后全流程，从智慧导诊、医生推荐、预问诊，到医患对话、病历自动生成，再到报告解读、康复管理、档案流转等。
在厂商讲述的故事中，大模型并非取代医生，而是极大地减少医生的重复性劳动，释放了大量的外围同质化工作。某种程度上，大模型重新分配了医疗资源。
尽管AI技术确实给医疗行业带来新的气象，但看病痛点并没得到根除，大模型仍只是众多辅助工具之一。
国外业界持类似的观点。发表在《自然》杂志的研究结果显示，谷歌的医疗大模型Med-PaLM回答的评分高达92.6%，与现实人类临床医生的水平（92.9%）相当。
尽管如此，谷歌高管还是泼了一盆冷水。
在6月举办的HLTH Europe 2024会议上，谷歌首席健康官Karen DeSalvo表示，“我不希望大家认为，仅通过建立一个生成式AI大模型，我们就能治愈所有的健康问题和疾病。”
02 | 博弈
到底谁需要医疗大模型？
百度健康总裁何明科公开表示，医疗是少见的“三位分离”的行业，决策者、付费者和使用者是三个完全不同的主体，分别是医生医院，保险、医保，以及患者。
换言之，患者说好，医院才会更愿意尝试。厂商需在C端得到价值认可，从而获得反向与B端进行商业博弈的机会。
AI不是特别新的技术，已改造过一轮互联网医疗平台了，让看病效率有了极大的提升。比如，体验报告解读、智能问诊、健康管理等场景，都被重塑过了，让AI医生助手更聪明。
然而，AI没有阻止互联网医疗平台的陨落，C端并不肯买单，转向B端后，也未能焕发新生。
究其原因，患者最关心的永远都是医生资质，而在患者眼里，“AI医生”并不等于实质的医生，他们不会把自己和家人的生命健康，交给充满不确定性的产品。
因此，大模型厂商急于抱紧龙头医院的“大腿”，希望通过医院背书，占领用户心智。
此外，厂商目前主要用的是公开数据，缺乏产业级数据，大模型的能力始终存在天花板，更别谈实现真正的商业化。
医院手握病患数据，数量和质量都是互联网巨头难以匹敌的。但医院显然不会轻易把这些数据交出去，这要看厂商能为医院带来什么。
由于医疗资源的核心，也就是医生，没法复制，此前所有试图缓解这个矛盾的努力，都放在设计更好的分流方式，即通过分级诊疗等策略，按照需求分层，区分轻重缓急，来降低医疗压力。
从现有的场景来看，医疗大模型没有跳出这条旧定规则。在限定场景把大模型的能力发挥到极致，其实才是厂商的课题。
例如，比拼把医疗风险降到无限低，这是医院端、医保端、患者端的共同需求。
百川智能也认为，0和1的差异，首要关键不是提升准确率，而是错的那部分确保不会引发生命健康严重风险。“谁能把医疗风险的安全性做得更好，谁才有在牌局上的资格。”
医疗大模型或能在测试关能和医生相媲美，到了临床，情况也许大相径庭。
今年7月末，在科学期刊Nature Medicine上，一篇名为“Evaluation and mitigation of the limitations of large language models in clinical decision-making”（《“评估和减轻大型语言模型在临床决策中的局限性”》）的研究论文引发关注。
该研究发现，即使是目前最先进的大模型，也无法为所有患者做出准确诊断，且表现明显差于人类医生，医生的诊断正确率为 89%，而大模型的诊断正确率仅为73%。
在一个极端情况（胆囊炎诊断）下，大模型正确率仅为13%。
更令人惊讶的是，随着对病例信息的了解增多，大模型的诊断准确度反而会降低，有时甚至会要求进行一些可能对患者有严重健康风险的检查。
曾参与医疗大模型Med-PaLM 2训练的谷歌高管Greg Corrado表示，“在医疗领域AI可以带来好处的环节，它能创造10倍的价值”。
但当谈到家人时，Corrado话锋一转，“我并不觉得这种技术现在已达到我愿意让家人使用的程度”。
既然大模型技术没先进到颠覆，医院势必会三思而行。何况，还有高昂的部署成本摆在眼前。进口的芯片（GPU）价格高，且货源紧张。哪怕是国产GPU，硬件成本也至少得几十万。
03 | 大力出奇迹？
显而易见的“bug”面前，投资人依然愿意下赌注。
进入2024年，AI在一级市场遇冷，医疗大模型却时不时传来融资动态。
近期，国内唯一一家专注医疗的头部大模型公司百川智能，获得了50亿A轮融资，正在以200亿元开展B轮融资。其自研的通用医疗增强大模型，已在多个权威评测中超越了GPT-4。
科大讯飞分拆讯飞医疗获得证监会上市备案，定位为一家人工智能赋能的医疗解决方案提供商，再次赴港上市。旗下的智医助理在2017年，就通过了国家执业医师资格考试笔试，成为全国乃至全球首个通过国家临床执业医师资格考试综合笔试评测的人工智能机器人。
近日，生物医药大模型公司“水木分子”完成近亿元融资，成立仅一年，由清华大学智能产业院AIR于2023孵化，主要从事生物医药行业基础大模型研究，并开发了对话式药物研发助手工具ChatDD。
虽然杀手级场景尚未出现，但大模型厂商基本达成共识，医疗是商业化落地的明确方向，变化也正在发生。
8月20日，平安健康发布2024年中期业绩公告，实现盈利超6000万元，调整后净利润为近9000万元。平安健康解释，资源配置的持续优化，以及AI、信息化等技术投入推动公司运营效率不断提高，是首次扭亏为盈的重要原因。
视野转向国外，AI赋能跑出了相对明确的商业模式。
今年3月，美国一家名为Hippocractic AI的医疗大模型创业公司，拿到5300万美元的A轮融资。成立不到3年，该公司累计融资三轮，总额近1.2亿美元。
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、解释账单等，旨在帮助降低再入院率。该产品面向C端用户收费，每小时9美元。
中美医疗环境存在巨大差异，在C端吃过苦头的互联网平台，主攻B端的同时，其实没完全放弃C端市场。
7月30日，京东健康发布“康康”，即“京医千询”面向广大用户推出的一款智能医疗服务产品，打造用户身边的免费智能医生朋友。
据京东健康介绍，“康康”连接大量线上线下医疗资源，无论是寻医问药还是健康科普，用户都能得到解答。
C端免费，B端收费，可能是京东健康的思路。和“康康”一起亮相的，是京东健康面向医生专家推出的“京医千询”专家服务智能体。
有业内人士提到，如果说去年市场的关注度还停留在大模型的能力上，那么到了今年，焦点已迅速转成业务导向。
著名的IBM Watson Health之死，至少验证了一个事实，人工智能 医疗，大力出不了奇迹。
IBM Watson Health是公认的人工智能医疗诊断先驱，与多家全球知名医学研究机构展开合作，6年烧掉百亿美元，落得个“有名无利”的结局。
虽然国内厂商也难逃“烧钱”找商机的命运，可喜的现象是，厂商变务实了。
说明：数据源于公开披露，不构成任何投资建议，投资有风险，入市需谨慎。
—END—