AGI时代，大模型能否成为医疗AI的商业“破壁机”
深潜atom本文系深潜atom第700篇原创作品
"
医疗大模型，
将成为医疗AI商业化破冰的关键
"花满楼丨作者
深潜atom工作室丨编辑
腾讯大模型发布虽然较晚，发展速度却十分迅猛，在推出后迅速通过《生成式人工智能服务管理暂行办法》备案，并且将会逐渐对公众开放。在垂直赛道，同样动作不停，比如腾讯健康发布了医疗大模型及多场景AI产品矩阵。
自然语言理解在医疗中的应用并不晚。2016年8月，东京大学医学研究院利用Watson，只用了10分钟的时间就成功判断一位女性患有罕见的白血病；2017年，科大讯飞的“智医助理”也成功通过“2017年临床执业医师综合笔试”。
回想一年前，IBM对于Watson Health的出售对行业带来了沉重的打击。短短一年的时间，医疗大模型已经发生了天翻地覆的变化，参数规模庞大的大模型，成功将医疗大语言产品进一步优化。
商业化是对技术和产品的最好验证。据报道，推出ChatGPT的Open AI表示，已经可以实现8000万美元的月收入，并且有望在12个月内，实现年营收突破10亿美元。那么问题来了，在医疗领域，医疗AI能否打破医疗AI的商业壁垒呢？
逐渐兴起的医疗大模型
伴随着移动互联网的普及，众多科技企业需要一个新的赛道增加自身的市场和想象力。在2023年，随着ChatGPT在全世界范围内的兴起，大模型成为了未来科技巨头们的新赛程。
与互联网和移动互联时代不同，通用人工智能时代，是大公司的专属。模型训练一次的成本介于200万美元-1200万美元之间。由于训练成本过高，人工智能开发公司OpenAI2022年亏损达到5.4亿美元左右。
高昂的研发成本，限制了大模型赛道的玩家。正因如此，我们当前看到的大模型声音，都来自顶级科技公司。比如在2023年3月16日，率先上线文心一言的百度；4月7日推出通义千问的阿里；5月6日推出星火大模型的科大讯飞。
大模型可以应用的领域很多，不过我们一直相信医疗是最佳的落地场景。正因如此，如今的医疗几乎是大模型应用最广的细分赛道之一。在医疗细分赛道，技术的优势并不足以让大公司躺赢，小公司的资源和经验积累也是大公司难以企及的。不同的地方在于，大公司的卖点是技术，小公司的卖点则是产品。
据MarketsandMarkets的预测，到2025年，全球医疗大模型市场规模将达到38亿美元，而到2030年，这一数字将超过100亿美元。包括商汤科技、科大讯飞、京东、百度、腾讯等巨头，万达信息、微脉、叮当健康等互联网科技公司，都将目光放入了这一领域。
医疗是个庞大的赛道，环节众多，哪怕是顶级的科技巨头，也难以服务每一个环节。市场尚未形成稳定的垄断格局，任何一家企业都有跑出来的可能。
医疗大模型可以为医疗诊断、治疗、随访等多个环节提供智能支持和决策参考，可以提高医疗效率和诊断准确性，降低医疗成本。当前被关注的环节包括医疗诊断、医疗资源共享和利用和疾病预防和控制等。
医疗诊断：在这个领域，大模型可以通过对大量医学数据的分析，快速准确地诊断疾病，并提供有效的治疗方案，提高医疗诊断的准确性和效率，这是大模型可以发挥功能的最佳场所；
医疗资源共享和利用：基于大量的医学数据进行分析和学习，医疗大模型可以将医学数据可以得到更加充分地共享和利用，提高医疗资源的利用效率；
疾病预防和控制：医疗大模型可以通过对疾病数据的分析，预测和预防疾病的发生和传播，帮助医疗机构和政府更好地控制和预防疾病。
医疗大模型并未停留在西医赛道。认知AI时代，人工智能对于多维数据的分析能力，在大模型的帮助下，已经实现了突破，这也为中医AI发展夯实了基础。
百度是最早关注这一赛道的科技巨头，2023年7月20日，百度健康旗下的“灵医智惠”与固生堂联合举办了中医大模型战略合作启动仪式；创业公司大经中医，在7月24日也发布了岐黄问道·大模型
一花独放不是春，百花齐放春满园。当前的医疗领域，大模型正在出现在各个环节，对于整个医疗行业都是巨大的利好。
能否打破医疗AI的商业壁垒
在医疗大模型风口出现之前，医疗AI已经出现了多年，不过商业化却跟不上。众多主观和客观因素制约下，当前的医疗AI在技术、数据、监管和临床应用等层面，面临着众多或多或少的困扰。
“天时地利人和”任何事物的发展都离不开这三者的彼此协调，医疗行业也是如此。比如Watson Health，不过因为定位不清，想要取代医生的决策权。缺乏天时地利人和的Watson Health，并未发展起来。
所谓天时正是国家对行业的政策导向、大趋势惯性、科技影响以及社会心理价值取向；地利的包括，地理环境、当地政策、医疗资源等。在过去几年，国家层面和地方层面的支持政策不计其数，甚至医保体系也正在加速对医疗AI的支持。
2022年，我们和很多医疗AI公司企业从业者沟通过，大家虽然对于医疗AI未来十分认可，但是对于市场前景还是有一些顾虑的。2023年，大家的顾虑正在减少，很多从业者和深潜atom表示，上半年产品的销售难度变低了很多，不过最大的问题就是如何规模化。
甚至，很多院外场景，正在努力向医疗AI靠拢。比如，2023年上半年，鹰瞳科技上半年总营收达到8250万元人民币，同比增长120.6%；毛利润5136万元，较去年同期增长132.7%。服务网点数量、检测量双增长，服务网点数量3331个，检测量达296万人次。
数智化转型的当下，医疗对于新技术的接受度已经大大提高，医疗AI具备了天时、地利、人和。
当前制约医疗AI商业化最大的问题，医疗是个缓慢且漫长的赛道，依然需要时间。如果有一款明星产品，则可以加速这一进度。那么问题来了，医疗大模型的出现，能否打破医疗AI的商业化壁垒？
随着各类医疗大模型的加速迭代与演化，医疗大模型商业化前景有望进一步打开。例如，谷歌的Med-PaLM2、微软子公司Nuance的DAXExpress等医疗大模型已经在医疗领域得到应用，并取得了一定的商业化成果。
当前，临床决策系统（CDSS）已经在医疗系统中广泛应用，CDSS是典型的决策树产品。基于患者的临床数据，CDSS可以综合考虑诊断、治疗、药物副作用等因素，为医生和患者提供个性化的治疗建议。
大模型可以看作是一种通用的深度学习模型，而决策树则是一种简单的机器学习算法。相比较决策树算法，如今的医疗大模型更加复杂，可以解决的问题更多。与影像AI不同，CDSS已经率先教育好市场，医疗大模型进化版的服务能力。在其他环节，医疗大模型同样可以取得优化产品的能力，市场教育的时间将大大减少，必然将会更好地被接受。
当然，医疗大模型依然要做很多事情，以符合临床需求。比如，伴随着算法能力对一般医疗人员能力的超越，如何让临床医生认可并使用，是最基础的工作；又比如，后续的责任问题，顶级专家都不敢保证无医疗事故，如果出现事故，责任归属和法律责任也是问题。
ChatGPT带动了大模型的发展，推动了通用人工智能时代的到来。随着医疗技术的不断更新和人们对医疗健康的关注度不断提高，医疗大模型的市场需求也将逐渐增加，我们相信伴随着医疗大模型的临床，将会推动医疗AI商业化的整体发展。
