僅僅兩個多月，這場關于ChatGPT的戰(zhàn)事已經(jīng)從出發(fā)、激戰(zhàn)進入到新中場。

不同于一開始對于參與者的討論，當前，激辯已經(jīng)圍繞應用層，且聲音越演越烈。

從這個迅速崛起的行業(yè)發(fā)展軌跡看，初期階段通用大模型是大模型的雛形。而當前，垂直場景應用正在倒逼大模型加快場景的落地。

從互聯(lián)網(wǎng)、到金融、教育，如今醫(yī)療行業(yè)如何與技術相結(jié)合，已經(jīng)有了新的答案。就在一個月前，醫(yī)聯(lián)發(fā)布了國內(nèi)首款大模型驅(qū)動的AI醫(yī)生——MedGPT，對外稱已進入內(nèi)部測試階段，并計劃于今年5月份正式發(fā)布。

如約而至，5月25日，醫(yī)聯(lián)揭開了MedGPT的面紗。與通用型的大語言模型產(chǎn)品不同，MedGPT主要致?于在真實醫(yī)療場景中發(fā)揮實際診療價值，并實現(xiàn)了全流程智能化診療。醫(yī)聯(lián)推出的MedGPT，是AI首次具備預防、診斷、治療、康復的全流程診療能力。

歷經(jīng)一個月的內(nèi)測，MedGPT一經(jīng)問世，立刻引起了行業(yè)的討論，基于“GPT+醫(yī)療”的能力，醫(yī)聯(lián)正在引領數(shù)字醫(yī)療服務進入 2.0 時代，且聽良醫(yī)一一道來。

‍?? 主筆/ 布呂

?? 文章架構(gòu)師/ 丹丹

出品/ 良醫(yī)財經(jīng)

01

醫(yī)療GPT更大的應用場景還是在基層

市場需要一個夠好的AI產(chǎn)品

在AI技術席卷所有行業(yè)之余，如何與醫(yī)療相融合的問題不斷被討論。

事實上，AI賦能行業(yè)已經(jīng)由來已久，對于醫(yī)療行業(yè)的改造和應用也已經(jīng)多時。如果按照時間追溯，最早還要回溯到20世紀50年代。當時，AI技術主要用于通過機器學習技術來診斷疾病，但使用體驗達不到預期效果。

此后AI開始旁敲側(cè)擊，通過AI影像輔助診斷成為最成功的應用之一。在ChatGPT走熱之余，海外市場開始試圖通過這一語言模型技術能力，助力于健康賽道的問診。

一個典型就是谷歌的Med-PaLM——專門用于回答醫(yī)療保健相關問題的大型醫(yī)用語言模型。除了這種語言類嘗試，還有Nuance，這一項目早在2021年被微軟收購，此前，他發(fā)布了一款讓醫(yī)生臨床記錄“iPhone化”的殺手級AI應用，也是醫(yī)療行業(yè)第一款結(jié)合GPT-4模型的應用。

從中國市場看，仍是靜悄悄。國內(nèi)對于醫(yī)療+ChatGPT的討論，有三個質(zhì)疑。

值不值得做？

能不能做？

誰能做？

關于第一個問題，大健康領域的ChatGPT有多大的市場價值？

Frost & Sullivan發(fā)布的《醫(yī)療智能行業(yè)白皮書》預測，2030年，中國醫(yī)療智能行業(yè)規(guī)模有望超過1.1萬億。

之所以有萬億級別的規(guī)模，源于中國市場醫(yī)療行業(yè)巨大的群體、以及極大的智慧醫(yī)療空白待填補。中國醫(yī)療服務的供給不足，類MedGPT產(chǎn)品可以在效率上有顯著的提高，將寶貴的醫(yī)療資源解脫于基本的問詢。

像中國這樣的人口大國，人均醫(yī)生數(shù)量是嚴重不足的，在這樣的情況下，借助MedGPT，可以幫助醫(yī)生進行診斷、識別、搜索、處置，從而幫助醫(yī)生更有效率地治療病人。

值不值得問題，顯而易見。

那么，能不能做？

在醫(yī)療領域一直有個不可能三角，即提高效率、控制支出、保證醫(yī)護人員的可持續(xù)發(fā)展，三者難以同時兼顧。

而ChatGPT的出現(xiàn)，似乎提供了這樣一種解決方案。

醫(yī)聯(lián)創(chuàng)始人、CEO王仕銳曾就這一問題表示：“AI醫(yī)生與互聯(lián)網(wǎng)醫(yī)院的結(jié)合，將為醫(yī)療領域帶來前所未有的化學反應。我們相信，未來通過醫(yī)聯(lián)MedGPT，醫(yī)生的工作、學習效率將得到大幅提升，與此同時，優(yōu)質(zhì)醫(yī)療資源將被快速復制并迅速推廣，醫(yī)聯(lián)互聯(lián)網(wǎng)醫(yī)院也將借助MedGPT為廣大患者提供更加便捷、高效、可及的醫(yī)療服務，有望進一步推動醫(yī)療普惠，實現(xiàn)醫(yī)療的不可能三角。”

醫(yī)聯(lián)所推出的MedGPT，實現(xiàn)從疾病預防、診斷、治療、康復的全流程智能化診療能力。通過人工智能幫助醫(yī)生進行診斷，進行處置，提升治療效率。更重要的是，未來隨著技術的迭代，MedGPT解決的或許不僅僅是效率問題，而是準確度的問題，人工智能可以幫助人類醫(yī)生效率更高、診斷更準確。

再比如， HealthGPT替補全周期健康服務的全科醫(yī)生、AI醫(yī)生成為醫(yī)生輔助、場景化服務、醫(yī)院精細化管理……醫(yī)療產(chǎn)業(yè)鏈上的痛點，在某種程度上都需要MedGPT這樣的產(chǎn)品來解決。

最后，誰能做？

當前，進入大模型創(chuàng)業(yè)的，大多數(shù)是互聯(lián)網(wǎng)大廠。從底層原因看，他們有C端場景、有雄厚的資金。這是他們的入場券。

下沉到垂直行業(yè)上，仍需要有這兩個先天條件。不同的是，垂直賽道的場景是固定的。下沉到醫(yī)療行業(yè)的MedGPT需要一個專家里手來掌航。

醫(yī)聯(lián)作為首個推出醫(yī)療大語言模型 MedGPT的企業(yè)，這些條件都已經(jīng)具備，下個階段，需要試問的是，MedGPT如何在嚴肅醫(yī)療的范疇內(nèi)，做好準確度。以及，如何加速落地。

02

從嚴肅醫(yī)療角度出發(fā)

醫(yī)聯(lián)MedGPT實現(xiàn)三個行業(yè)“第一次”

不同于互聯(lián)網(wǎng)其他行業(yè)，醫(yī)療與AI的融合總是更令人期待。對于醫(yī)療賽道而言，這是一個非常嚴肅的問題。醫(yī)療行業(yè)需要高精準度，不容有失。

而通用大語言模型在面對醫(yī)學問題的準確性上存在天然缺陷，在問診階段，通用大語言模型往往會輕易給出結(jié)論，但對于醫(yī)療應用來說，一致性和準確性是底線問題。

發(fā)布會上醫(yī)聯(lián)MedGPT的項目負責人描述了一個場景。老的AI線上問診的產(chǎn)品，新的AI問診的產(chǎn)品，或者是真實醫(yī)生的在線問診產(chǎn)品，都會有兩個卡點：其一，AI類問診準確性沒辦法得到保證；其二，問診后很難推進治療。

那么醫(yī)聯(lián)MedGPT如何緩解這兩個卡點的？

從專業(yè)角度來看，醫(yī)聯(lián)MedGPT形成了一套獨有的「DIAE」醫(yī)療AI建設方法論，分別從Disease（病種覆蓋）、Intelligence（智能化）、Accuracy（準確性）、Efficiency（就醫(yī)效率）四個維度來建設與打磨產(chǎn)品。

從實際就醫(yī)體驗流程中看，醫(yī)聯(lián)MedGPT在關鍵環(huán)節(jié)點實現(xiàn)了多個行業(yè)的“首次”：

首次實現(xiàn)AI醫(yī)生從有效問診到準確診斷

MedGPT不會輕易給出診斷結(jié)論而是會循序漸進地引導患者給出足夠能夠支撐有效診斷的病情全貌。也就是說，MedGPT 是通過收集足夠信息并做出符合醫(yī)學的決策，以“治愈”為目的而進行人機交互。

從具體流程上來看，從問診開始，MedGPT會以一輪一輪的問詢形式，引導患者給出更多病例相關的信息，這就與過去傳統(tǒng)AI類產(chǎn)品不一樣，會根據(jù)問詢的方式收集一些決策因子。

在收集到足夠多的決策因子過后，MedGPT才會去進行診斷。在出診結(jié)束過后，AI收集到足夠的信息，MedGPT持續(xù)的推進流程，從在線問診開具醫(yī)學相關的檢驗檢查。拿到了檢驗結(jié)果，再推進進一步治療。

首次由AI給出準確診斷與治療方案

通常的在線問診產(chǎn)品，給出初診分析這一步就結(jié)束了，但MedGPT還會繼續(xù)推進這個流程。

患者會收到MedGPT開具的必要醫(yī)學檢查項目以進一步明確病情，患者可以通過醫(yī)聯(lián)云檢驗等多模態(tài)能力進行檢查，實現(xiàn)問診到醫(yī)學檢驗的無縫銜接。

有了患者的醫(yī)學檢查數(shù)據(jù)之后，MedGPT就能夠做出準確的診斷繼而開出具體的診療方案，同時，MedGPT與醫(yī)聯(lián)互聯(lián)網(wǎng)醫(yī)院打通，處方流轉(zhuǎn)到醫(yī)聯(lián)的云藥房后，患者可以進入到買藥階段。

但開藥不是閉環(huán)，治愈才是目的。MedGPT會在藥品送到患者手中之后，對患者做個性化的用藥指導與用藥依從性管理，提升治療效果。同時在持續(xù)治療與用藥過程中，MedGPT會根據(jù)患者的診斷與用藥階段對患者進行針對性的隨訪復診。

可以說，醫(yī)聯(lián)MedGPT不僅是行業(yè)內(nèi)首個發(fā)布的GPT產(chǎn)品，更打破了傳統(tǒng)醫(yī)療行業(yè)點到點的治療效果，通過AI能力貫穿了患者從就診到康復的整個周期。

為驗證MedGPT的診斷準確率，醫(yī)聯(lián)抽取了532名復診患者檔案進行信息脫敏，并進行了模擬首診實驗。結(jié)果顯示，醫(yī)聯(lián)MedGPT的診斷結(jié)果與患者原有線下門診的診斷吻合率超過97.5%，覆蓋了3000種疾病，充分證明了AI醫(yī)生在醫(yī)療領域的價值和潛力。

為了保證診斷的準確率，MedGPT采用了一致性校驗機制，即在為患者輸出正式答案之前，會先經(jīng)過臨床醫(yī)學規(guī)則器的校驗，確保醫(yī)學的準確性。

通過獨有的將?然語??模型AI技術與?系列?程調(diào)優(yōu)技術以及醫(yī)學?致性校驗技術相結(jié)合，并在模型微調(diào)訓練階段采??量真實醫(yī)?參與的RLHF（Reinforcement Learning from Human Feedback)監(jiān)督微調(diào)。目前MedGPT基于Transformer架構(gòu)，參數(shù)規(guī)模為1000億，可支持醫(yī)療場景下的多模態(tài)輸入和輸出。

其中，預訓練階段使?了超過20億的醫(yī)學文本數(shù)據(jù)，微調(diào)訓練階段使?了800萬條的高質(zhì)量結(jié)構(gòu)化臨床診療數(shù)據(jù)，并投入超過100名醫(yī)?參與??反饋監(jiān)督微調(diào)訓練。

為了強調(diào)準確性，醫(yī)聯(lián)還建立了基于專家評議的AI診療準確性與真實世界醫(yī)?對標測試機制，不斷將AI與真實診療場景對齊，最終實現(xiàn)準確診斷。

除此之外，王磊還透露，醫(yī)聯(lián)MedGPT plugin應用平臺整合超過1000+醫(yī)療多模態(tài)能力，整合多樣化的醫(yī)療多模態(tài)能力，豐富和完善全流程智能化診療體驗。這也意味著醫(yī)聯(lián)數(shù)字醫(yī)院脫離了以互聯(lián)網(wǎng)醫(yī)療連接為根本，以提高效率為主要目的的1.0階段；進入了基于強大的AI能力，實現(xiàn)疾病管理全流程智能化的數(shù)字醫(yī)療2.0階段。

對于市場而言，醫(yī)聯(lián)MedGPT是首個官宣的GPT垂直產(chǎn)品，幾乎給整個行業(yè)定了調(diào)。而從醫(yī)療角度出發(fā)，醫(yī)聯(lián)的產(chǎn)品模型、底層架構(gòu)、核心能力看，MedGPT將給患者帶去的意義更為深遠。

這條輔助診療之路，醫(yī)聯(lián)已經(jīng)在路上了。

03

醫(yī)療GPT是塊難啃的骨頭

醫(yī)聯(lián)的三重勝算壁壘

今年1月，工信部等十七部門發(fā)布《“機器人+”應用行動實施方案》，該政策提出到 2025 年，服務機器人行業(yè)應用深度和廣度要顯著提升。適逢當下國內(nèi)外的大模型紛紛推出，包括商貿(mào)物流、醫(yī)療健康、養(yǎng)老、商業(yè)社區(qū)服務等多個機器人行業(yè)賽道都成為類大模型技術落地的掘金地。

事實上，雖然接入類GPT應用的接口只是一瞬間的事，但打好機器人“身體底子”、進一步疊技能卻仍是一件難度較高的事，不是人人都具備“入場券”。

醫(yī)聯(lián)MedGPT一經(jīng)官宣，市場上的聲音不斷。對于行業(yè)而言，最先發(fā)布產(chǎn)品的往往就是挑大梁者。

在嚴肅醫(yī)療的路上，醫(yī)聯(lián)MedGPT能夠扛得起這面大旗？這場垂直GPT的入場券，需要具備AI技術的基礎、醫(yī)療專精、以及樹立標準的能力。

從技術基礎積累看，醫(yī)聯(lián)并非第一天殺入AI領域。

國盛證券計算機團隊在研報中粗略估算了ChatGPT的訪問算力和前期訓練兩項費用，其中初始投入近十億美元，單日電費達數(shù)萬美元。謙詢智庫合伙人龔斌曾指出，這個游戲要持續(xù)能玩，5000萬美元只是起步價，快速追趕者的投入起碼要5億美元，計算領域的生產(chǎn)工具和生產(chǎn)資料，正在快速集中化和“寡頭化”。

而創(chuàng)建垂直醫(yī)療領域的GPT的門檻更高。除了大量的資金，科技人才、醫(yī)療人才的投入同樣巨大，醫(yī)聯(lián)創(chuàng)始人王仕銳早在2019年就開始深度研究AI相關的內(nèi)容，他對趨勢的發(fā)展和對AI之于醫(yī)療的發(fā)展前景有著很強的把控，在他的帶領下，醫(yī)聯(lián)對于技術的布局也是一以貫之的。

在互聯(lián)網(wǎng)醫(yī)療剛出發(fā)時，醫(yī)聯(lián)就已經(jīng)加入了這場戰(zhàn)局。最初，醫(yī)聯(lián)就通過技術的手段賦能患者、醫(yī)生、醫(yī)院。數(shù)據(jù)不斷迭代之下，已經(jīng)留存了海量數(shù)據(jù)，和處理數(shù)據(jù)的能力。

據(jù)官方資料披露，醫(yī)聯(lián)平臺已經(jīng)擁有150余萬注冊醫(yī)生和2000萬患者在使用，這意味著醫(yī)聯(lián)參透了中國醫(yī)患連接的本質(zhì)，長期且深入的醫(yī)患互動留下大規(guī)模數(shù)據(jù)，而這也正是醫(yī)療GPT類產(chǎn)品中最為寶貴的部分?；谶@一點，產(chǎn)品才可以在正確語義背景下進行有效回應。

基于AI能力，醫(yī)聯(lián)MedGPT可以和其存量業(yè)務，如云檢驗、云影像、云藥房等互補協(xié)同。這樣一來，互相促進，加深AI技術能力和數(shù)據(jù)投喂的量級。

從醫(yī)療專業(yè)領域看，深耕多年的醫(yī)聯(lián)，已經(jīng)是位老船長。

醫(yī)聯(lián)MedGPT項目負責人王磊曾表示，“我們可能不是當下最強的AI技術公司，但我們?定是最懂如何讓AI技術更好地為醫(yī)生和患者服務的公司。”

目前醫(yī)聯(lián)已經(jīng)涉足腫瘤、心腦血管、糖尿病等常見領域，探索出疾病管理標準化流程近140個，擁有專利或軟著近100項。

從樹立標準看，醫(yī)聯(lián)持續(xù)以學科建設為驅(qū)動助推行業(yè)規(guī)范化

醫(yī)聯(lián)非常注重對平臺上醫(yī)患交互信息數(shù)字化的構(gòu)建和開拓。這使得其得以構(gòu)建預防、診斷、治療、康復的完整閉環(huán)，建立起行業(yè)內(nèi)少有的堅固的醫(yī)患關系鏈和疾病管理能力。

2021年，醫(yī)聯(lián)牽頭成立了行業(yè)內(nèi)首個由院士牽頭的學術委員會的公司。去年，醫(yī)聯(lián)還參與制定《互聯(lián)網(wǎng)醫(yī)院開展艾滋病相關醫(yī)療服務專家共識》…目前行業(yè)中沒有既定的標準評測體系，良醫(yī)了解到，醫(yī)聯(lián)內(nèi)部會有一套評測標準，高要求使用中的準確性與一致性。

這都是醫(yī)聯(lián)能夠扛起MedGPT大旗的底色。

04

良醫(yī)財經(jīng)的思考

AI是工具，醫(yī)療GPT要腳踏實地

上世紀70年代末期起源的醫(yī)療信息化發(fā)展到20世紀初的互聯(lián)網(wǎng)醫(yī)療，再到2016年前后開始的數(shù)字醫(yī)療創(chuàng)新階段，可以稱之為數(shù)字醫(yī)療的1.0階段。

當前，在我國推進“以治病為中心”向“以健康為中心”轉(zhuǎn)變、深入構(gòu)建中國特色的價值醫(yī)療服務體系進程中，數(shù)字醫(yī)療在緩解醫(yī)療供需矛盾、提升醫(yī)療服務效率等方面發(fā)揮的作用日益凸顯。但如何推進，并通過數(shù)字化手段解決患者、醫(yī)生、醫(yī)院之間的銜接問題仍然存疑。

醫(yī)聯(lián)MedGPT提供了一種新的思路和解決辦法，帶領數(shù)字醫(yī)療邁向2.0階段，即借助AI工具，從問診到康復的全流程管理之外，解決就醫(yī)難的問題、緩解醫(yī)生資源緊缺、甚至助力醫(yī)生精準診斷。

但“GPT+醫(yī)療健康”不止如此，未來或許在醫(yī)保支付、健康科普、患者關懷、個性化服務等領域引入MedGPT會為醫(yī)學檢驗提供更快速、高效和準確的工具，帶來診斷精度的提高和醫(yī)療檢測效率的提升。

前景很廣闊，但仍需醫(yī)療企業(yè)腳踏實地。值得注意的是，雖然人工智能在某些場景下有著極其優(yōu)越的表現(xiàn)，但是不代表它在所有場景下都能提供同樣的反饋。

在充分落地前，醫(yī)療界、科學家、研究人員、大模型企業(yè)等應該盡快開展相關研究，以評估其在哪些場景下可以最大化發(fā)揮價值，又如何使風險最小化，并確保在有人監(jiān)督的情況下使用它。除此之外，在責任和倫理問題上也需要做好充分的準備，比如未來若是模型犯錯，誰來擔責？

無論技術多么強大，還是要遵循醫(yī)療的本質(zhì)，一切才剛開始。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關鍵詞：