大模型落地為醫(yī)療帶來了哪些實(shí)際變化？

2024 年，大模型逐漸從概念逐漸走向落地，這使得 2024 年也成為大 模型集中落地的一年。

目前，醫(yī)療垂直領(lǐng)域大模型已可涵蓋醫(yī)學(xué)文本、醫(yī)學(xué)影像、 生命組學(xué)及蛋白質(zhì)工程等多種數(shù)據(jù)形態(tài)。根據(jù)不完全統(tǒng)計(jì)，涉及醫(yī)療的大模型已 逾百個，涉及的場景十分廣泛，幾乎覆蓋了所有的科技醫(yī)療板塊。診前環(huán)節(jié)是當(dāng)下醫(yī)療大模型最常落地的場景，“智能體”（即采用大模型技術(shù) 的 AI 智能代理）也成為當(dāng)下描述大模型領(lǐng)域最熱的關(guān)鍵詞之一。基于大模型的 智能體能夠模擬醫(yī)生與患者進(jìn)行比以往擬人度高得多的人機(jī)對話，根據(jù)患者的病 情描述，為患者提供初步的預(yù)診分診，并智能推薦就診科室和合適的醫(yī)生。由于 在預(yù)問診環(huán)節(jié)智能體已經(jīng)提前獲得并總結(jié)了患者主訴、既往病史、用藥禁忌等信 息。正式就診時，醫(yī)生對于患者的病情已有一定了解，便能提出更多針對性的問 題，使得醫(yī)患交流更加精準(zhǔn)和高效，醫(yī)生的診療決策更為準(zhǔn)確。

以騰訊健康為例，就完成了 AI 智能預(yù)問診系統(tǒng)的規(guī)模落地。這一可自動為 接診醫(yī)生總結(jié)診前報(bào)告的人工智能在病歷小結(jié)上的準(zhǔn)確率已達(dá) 87%，月均使用人次已超 2 萬。 作為互聯(lián)網(wǎng)醫(yī)療巨頭的京東健康也在今年推出了用于診前場景的智能健康 助手產(chǎn)品“康康”，可以隨時解答用戶健康疑問，并精準(zhǔn)、高效地匹配醫(yī)療服務(wù)資 源。

除此之外，通過將大模型與可持續(xù)監(jiān)控用戶生理指標(biāo)的物聯(lián)網(wǎng)硬件結(jié)合，實(shí) 現(xiàn)對個人健康狀態(tài)更有針對性的管理和疾病風(fēng)險(xiǎn)預(yù)測也成為 2024 年大模型應(yīng)用 一道靚麗的風(fēng)景線。比如「杉木 SHANMU」就基于全球最小型化，且在靈敏度、 精度、特異性三方面與院內(nèi)數(shù)百萬元級的自動生化儀遵循統(tǒng)一標(biāo)準(zhǔn)的“感知系列” 全自動生化分析儀與個性化 AI 病理模型結(jié)合，通過預(yù)先收集用戶身高體重、年 紀(jì)、偏好、疾病史、當(dāng)下癥狀等多個維度的個人數(shù)據(jù)，再結(jié)合每次尿液里的分子、 蛋白、標(biāo)記物的定量結(jié)果，可以在糖前期、高尿酸、慢性腎炎和女性激素這個幾 個方面進(jìn)行跟蹤、早期預(yù)判和輔助診斷。隨著用戶數(shù)據(jù)的不斷積累，「杉木 SHANMU」的“感知系列”垂直病理模型對用戶健康狀況的理解將逐漸深化，所提 供的健康反饋也愈發(fā)專業(yè)與精準(zhǔn)，進(jìn)而有望在未來打造出一個 AGI 時代真正意 義的 “家庭醫(yī)生”。

在診中場景，智能體也可以通過學(xué)習(xí)電子病歷、醫(yī)學(xué)文獻(xiàn)等數(shù)據(jù)成為醫(yī)生身 邊的小助手，列出可能的結(jié)果為醫(yī)生診斷提供輔助，提升診斷準(zhǔn)確性及效率。同 時，它可整理診斷錄音并以結(jié)構(gòu)化格式輸出，或?qū)Y(jié)構(gòu)化醫(yī)療文書進(jìn)行自動錄入， 輔助電子病歷形式質(zhì)控、內(nèi)涵質(zhì)控，減輕醫(yī)生在書寫、檢查等環(huán)節(jié)的負(fù)擔(dān)。 去年 4 月，京東健康上線了國內(nèi)首個皮膚專科互聯(lián)網(wǎng)醫(yī)院，打造了國內(nèi)首批 皮膚專科互聯(lián)網(wǎng)醫(yī)療服務(wù)平臺。基于京醫(yī)千詢大模型，京東健康皮膚專科互聯(lián)網(wǎng) 醫(yī)院的 AI 輔診準(zhǔn)確率超過 95%，專病隨訪服務(wù)患者付費(fèi)轉(zhuǎn)化率已達(dá) 20%。

由于種種原因，國內(nèi)的診后環(huán)節(jié)一直缺乏成體系的醫(yī)療服務(wù)，智能體在診后 場景上的落地則有利于化解這一難題。它也可以作為復(fù)診輔助工具，在線 7×24 小時回答患者關(guān)于病情、藥物副作用、預(yù)防措施等方面的問題；也可以作為宣教 工具，向患者傳授正確的健康知識和預(yù)防措施。不僅如此，一些醫(yī)療大模型還可 通過對患者的多模態(tài)評估數(shù)據(jù)（包括用戶基本信息、評估結(jié)果、問診結(jié)果、病歷 信息、機(jī)器視覺采集的體態(tài)評估及可穿戴傳感器收集的數(shù)據(jù)等）進(jìn)行分析，提供 多元化、個性化的健康管理或康復(fù)服務(wù)，極大地延伸慢病管理服務(wù)的“上下游”， 確保患者享受到高品質(zhì)、連續(xù)性的醫(yī)療服務(wù)。

在運(yùn)營管理場景，智能體也已經(jīng)落地。舉例來說，用戶只需在申請出差時只 要簡單提問，就能清晰了解差旅報(bào)銷標(biāo)準(zhǔn)；想要查詢科室的運(yùn)營數(shù)據(jù)，只需向運(yùn)營智能體發(fā)問便會直接獲取想要的數(shù)據(jù)。同時，大模型還能夠?qū)崟r獲取所需的各 種深度數(shù)據(jù)分析與服務(wù)，并根據(jù)管理者的習(xí)慣自動推送其期望掌握的數(shù)據(jù)。目前， 在實(shí)際運(yùn)行中，大模型已逐漸成為提升醫(yī)療機(jī)構(gòu)效率和效益的重要技術(shù)實(shí)現(xiàn)路徑。 它可以采用分析報(bào)告、管理路徑、策略輸出、目標(biāo)導(dǎo)航、AI 模擬仿真、AI 運(yùn)營 助理機(jī)器人等管理方法和手段對醫(yī)療機(jī)構(gòu)經(jīng)濟(jì)運(yùn)營狀況進(jìn)行事后分析、問題根因 溯源、過程控制、改善評估、未來預(yù)測、輔助決策，從而實(shí)現(xiàn)全面支撐優(yōu)化業(yè)務(wù) 流程、合理資源配置、計(jì)劃合理制定等方面的戰(zhàn)略管控工作。

與影像人工智能時代相比，一個明顯的趨勢是醫(yī)療機(jī)構(gòu)自建大模型的熱情高 漲。這并不難理解，畢竟醫(yī)療機(jī)構(gòu)才最了解自身實(shí)際需求。大模型企業(yè)也通過提 供各種技術(shù)手段“授人以漁”降低了大模型開發(fā)的門檻，讓醫(yī)療機(jī)構(gòu)擁有自主構(gòu)建 大模型應(yīng)用的能力。比如，醫(yī)渡科技就打造了“數(shù)據(jù)中臺+AI 中臺”雙中臺模式， 使醫(yī)院可以根據(jù)自身需求自主開發(fā)智能應(yīng)用，實(shí)現(xiàn)安全、專業(yè)、自主的智慧醫(yī)院 建設(shè)。以中山大學(xué)附屬腫瘤醫(yī)院為例，便通過 AI 中臺自主構(gòu)建了用于鼻咽癌患 者院外個性化服務(wù)的大模型，并在科研、患者招募、患者服務(wù)等多維度上實(shí)現(xiàn)了 業(yè)務(wù)系統(tǒng)智能化升級。在國家衛(wèi)健委“第二屆全國數(shù)字健康創(chuàng)新應(yīng)用大賽健康醫(yī) 療大數(shù)據(jù)主題賽”上，醫(yī)渡科技與醫(yī)院合作的大模型也獲得了不俗成績。 在智慧醫(yī)保和公共衛(wèi)生方面，大模型也已有落地。這類大模型可以對海量的 碎片化多模態(tài)信息進(jìn)行分析挖掘，幫助管理機(jī)構(gòu)描繪出一幅業(yè)務(wù)現(xiàn)狀和趨勢的透 視圖，并給出一些業(yè)務(wù)管理上的建議。醫(yī)保基金監(jiān)管大模型就可對醫(yī)保多維度數(shù) 據(jù)進(jìn)行結(jié)合分析，在醫(yī)保基金的智能審核和監(jiān)控中發(fā)揮了巨大的作用。此外，大 模型也可通過數(shù)據(jù)模型和局部群體數(shù)據(jù)成功預(yù)測疾病傳播趨勢和潛在影響。

值得一提的是，大模型的激烈競爭也已經(jīng)卷到了中醫(yī)藥。無論是科技巨頭、 中醫(yī)創(chuàng)新企業(yè)，還是研究機(jī)構(gòu)，甚至是地方政府，均已加入這場中醫(yī)藥大模型混 戰(zhàn)。據(jù)不完全統(tǒng)計(jì)，2023 年以來，已有數(shù)十個中醫(yī)藥相關(guān)的大模型相繼亮相。 這些中醫(yī)藥大模型通常具有多個應(yīng)用場景，主要包括新藥研發(fā)、問診導(dǎo)診、輔助 診療和康復(fù)健康管理。面向康養(yǎng)機(jī)構(gòu)、藥店診所等偏消費(fèi)場景的大健康養(yǎng)生服務(wù) 是中醫(yī)藥大模型落地最多的場景。這不僅因?yàn)橹嗅t(yī)大健康養(yǎng)生服務(wù)不僅是最有潛 在市場規(guī)模的場景，也因?yàn)榇祟悎鼍罢Z言交互需求強(qiáng)，和大模型在語義理解、生 成交互的技術(shù)優(yōu)勢十分契合。中醫(yī)藥輔助診療場景則考驗(yàn)大模型對多模態(tài)數(shù)據(jù)訓(xùn) 練、處理和圖像識別上的能力，也有非常好的應(yīng)用前景。此外，中醫(yī)藥大模型對 新藥研發(fā)、中藥產(chǎn)業(yè)發(fā)展有極大助力，也已有大模型落地。這類大模型能夠幫助 研究者完成中醫(yī)藥理論證據(jù)的挖掘和總結(jié)；也可結(jié)合相應(yīng)算法快捷實(shí)現(xiàn)藥材與復(fù) 方的篩選和優(yōu)化；還可實(shí)現(xiàn)中藥研究底層核心數(shù)據(jù)與中藥全產(chǎn)業(yè)鏈關(guān)鍵環(huán)節(jié)的有 機(jī)結(jié)合，在中藥材種植、質(zhì)量控制、藥物研發(fā)等中藥全產(chǎn)業(yè)鏈關(guān)鍵環(huán)節(jié)中發(fā)揮價(jià) 值。