隨著華為成立醫(yī)療衛(wèi)生軍團(tuán)，AI醫(yī)療概念股再度沸騰，“大模型+醫(yī)療”的競(jìng)爭(zhēng)也愈發(fā)激烈。然而，在這場(chǎng)看似熱鬧非凡的競(jìng)賽中，真正能為醫(yī)院和患者創(chuàng)造長(zhǎng)期價(jià)值的醫(yī)療大模型卻寥寥無幾。本文將深入剖析醫(yī)療大模型面臨的困境與挑戰(zhàn)，探討如何打造穿透醫(yī)療場(chǎng)景壁壘的“重劍”，助力大模型在醫(yī)療領(lǐng)域的深度落地與長(zhǎng)遠(yuǎn)發(fā)展。

華為在3月宣布成立醫(yī)療衛(wèi)生軍團(tuán)，AI醫(yī)療概念股應(yīng)聲暴漲，至此，這場(chǎng)自2023年以來的“大模型+醫(yī)療”競(jìng)賽，又被推上了一個(gè)新高度。

截至目前，已經(jīng)有百多個(gè)大模型覆蓋了生命科學(xué)的全領(lǐng)域、醫(yī)學(xué)診療全流程，科技巨頭BTAH（百度、騰訊、阿里、華為）、AI獨(dú)角獸（科大訊飛、商湯、零一萬物等）悉數(shù)到場(chǎng)。

但狂歡背后，井噴式的醫(yī)療大模型及AI應(yīng)用，不是每一個(gè)都有長(zhǎng)期價(jià)值，也不一定能讓醫(yī)院和患者買單。

回顧智慧醫(yī)療的歷史，會(huì)發(fā)現(xiàn)AI醫(yī)療的真正挑戰(zhàn)，在于場(chǎng)景之深。Watson醫(yī)生希望治療所有癌癥，實(shí)際不達(dá)預(yù)期，pass；谷歌google health以尖端AI算法切入診療環(huán)節(jié)，卻因商業(yè)背景而遭到患者抗拒，pass；機(jī)器學(xué)習(xí)小模型時(shí)代的AI輔助醫(yī)學(xué)影像，需要一個(gè)個(gè)?？埔粡垙垐D表做標(biāo)注，成本高收益低，pass；ChatGPT掀起的大模型熱潮，數(shù)據(jù)孤島、算力成本、倫理紅線等怎么解決，仍有非常多的未解之題。

醫(yī)療場(chǎng)景的壁壘深厚，唯有以系統(tǒng)性思維和系統(tǒng)工程，才能完成從通用到專用的轉(zhuǎn)變。讓大模型真正融入醫(yī)療行業(yè)的業(yè)務(wù)流程，解決核心業(yè)務(wù)問題。

因此，大模型廠商的決勝點(diǎn)，在于能否筑造一柄穿透場(chǎng)景的重劍。

一、醫(yī)療全場(chǎng)景，皆有大模型

根據(jù)國家衛(wèi)健委發(fā)布的《衛(wèi)生健康行業(yè)人工智能應(yīng)用場(chǎng)景參考指引》，目前已經(jīng)有84個(gè)人工智能應(yīng)用場(chǎng)景。僅從醫(yī)療場(chǎng)景來看，大模型就已經(jīng)全面覆蓋了院前、院中、院后的全流程。

院前階段，以基于大模型的AI診療助手為主，為患者提供實(shí)時(shí)語音問答、智能分診、健康教育、疾病預(yù)防的健康科普等服務(wù)。

院中階段，大模型為臨床診療決策提供支持，成為貫穿全流程的智能中樞。入院時(shí)，可以高效完成入院記錄生成、檢查項(xiàng)目推薦、電子病歷自動(dòng)糾錯(cuò)、手術(shù)計(jì)劃初稿等文書工作。診斷時(shí)，傳統(tǒng)診療方式十分依賴于醫(yī)院的級(jí)別、昂貴的設(shè)備、醫(yī)生的臨床經(jīng)驗(yàn)職稱和耐心，這些因素都會(huì)影響到疾病的判斷和腫瘤的檢出率。AI大模型輔助診療、AI病理影像，就可以有效減少這些因素對(duì)檢出率的不良影響，避免延誤病情。在治療或手術(shù)期間，AI大模型可以對(duì)患者的病史信息了解得更加全面透徹，為醫(yī)生提供關(guān)鍵參考，從而提高診療效果。

院后階段，關(guān)懷性隨訪可以增強(qiáng)患者的依從性，達(dá)到更好的預(yù)后效果，減少自行停藥風(fēng)險(xiǎn)。但醫(yī)生少、時(shí)間精力有限，大多數(shù)患者很難得到及時(shí)隨訪，和連續(xù)性的健康服務(wù)。這時(shí)候，基于大模型的智能隨訪系統(tǒng)，就可以結(jié)合患者的全面診療信息，實(shí)時(shí)高效地進(jìn)行隨訪，記錄患者的反應(yīng)，并對(duì)一些停藥、復(fù)發(fā)等風(fēng)險(xiǎn)提前干預(yù)。

橫向來看，大模型在醫(yī)療場(chǎng)景中，已是遍地開花。

但縱向來看，會(huì)發(fā)現(xiàn)不同細(xì)分場(chǎng)景的深度，卻有很大的差別。

比如院前、院后的AI問答，容錯(cuò)率相對(duì)高，研發(fā)難度低，通過deepseek、文心、盤古、混元等基礎(chǔ)通用大模型，結(jié)合醫(yī)療場(chǎng)景專用數(shù)據(jù)進(jìn)行微調(diào)即可上線，因此也是這一輪醫(yī)療大模型最擁擠、布局最多的，幾乎所有科技巨頭BATH、運(yùn)營商，以及AI醫(yī)療服務(wù)商、醫(yī)院，都推出了相關(guān)服務(wù)。

而診中階段，需要大模型作為智能中樞，來輔助診療，打破傳統(tǒng)醫(yī)療信息化的數(shù)據(jù)煙囪，提供可靠可信的?？埔庖姡蒎e(cuò)率極低，開發(fā)難度大、耗時(shí)長(zhǎng)，需要多部門配合、專有隱私數(shù)據(jù)進(jìn)行訓(xùn)練，十分依賴于醫(yī)院、大模型廠商、第三方服務(wù)商等深度互信。

由此可以發(fā)現(xiàn)，發(fā)布并上線一個(gè)醫(yī)療大模型并不難，但淺層應(yīng)用是一片紅海，很難脫穎而出，而深度整合進(jìn)醫(yī)療業(yè)務(wù)中，又要跨越醫(yī)院和科技巨頭們壁壘森嚴(yán)的地盤，并不容易。

既然醫(yī)療大模型的商業(yè)模式尚不清晰，為什么仍然迎來了爆發(fā)，吸引了各方巨頭爭(zhēng)相搶灘？

二、多年探索，仍未穿透：醫(yī)療場(chǎng)景給AI設(shè)下的壁壘

從AI誕生以來，醫(yī)療就被認(rèn)為是AI落地的高價(jià)值場(chǎng)景。既然醫(yī)療行業(yè)對(duì)AI并不陌生，為什么大模型的到來會(huì)掀起一陣狂歡？

理解這個(gè)問題，我們有必要回到歷史中去，看看在沒有大模型的歲月里，AI+醫(yī)療究竟留下了哪些未解的難題。

按照技術(shù)代際來劃分，AI醫(yī)療有兩個(gè)重要階段。一是以Watson健康為代表的專家系統(tǒng)，當(dāng)時(shí)很多醫(yī)院與醫(yī)療機(jī)構(gòu)都希望將專家系統(tǒng)和知識(shí)計(jì)算的新技術(shù)應(yīng)用于臨床。最后以大量機(jī)構(gòu)退出合作、Watson被低價(jià)出售而結(jié)尾。

另一個(gè)階段是2015年左右的互聯(lián)網(wǎng)時(shí)代，醫(yī)療行業(yè)電子化、信息化初步完成，京東、阿里、騰訊、百度等互聯(lián)網(wǎng)巨頭都開始布局醫(yī)療健康領(lǐng)域。但當(dāng)時(shí)AI當(dāng)客服都是“人工智障”，計(jì)算機(jī)視覺技術(shù)一枝獨(dú)秀，AI輔助醫(yī)學(xué)影像系統(tǒng)，如騰訊覓影，支撐起了AI醫(yī)療的概念。

到了大模型時(shí)代，ChatGPT問世之后出現(xiàn)了一百多個(gè)大模型。發(fā)力大模型+醫(yī)療領(lǐng)域的AI獨(dú)角獸，業(yè)務(wù)進(jìn)展緩慢，盈利周期也較長(zhǎng)。

既然AI醫(yī)療的方向是對(duì)的，那多年來久攻不下，這里面最痛點(diǎn)的問題是什么？

醫(yī)療場(chǎng)景之深，僅靠AI技術(shù)是無法獨(dú)自穿透的，這也成為醫(yī)療大模型所需要解決的核心問題。

除了行業(yè)大模型都會(huì)面臨的一些通用問題，比如數(shù)據(jù)稀缺、項(xiàng)目開發(fā)難度大、人才要求高、開發(fā)周期不可控等之外，醫(yī)療場(chǎng)景還有許多獨(dú)特的壁壘：

一是信任壁壘，數(shù)據(jù)難共享。為了促進(jìn)醫(yī)療機(jī)構(gòu)、科研機(jī)構(gòu)之間的數(shù)據(jù)互通與共享，國家也在推廣多中心研發(fā)，打消了“不敢”共享的顧慮。但數(shù)據(jù)共享出去了，高質(zhì)量數(shù)據(jù)和低質(zhì)量數(shù)據(jù)對(duì)模型的貢獻(xiàn)卻不一樣，不同數(shù)據(jù)產(chǎn)生的價(jià)值怎么合理分配？缺乏合理的機(jī)制牽引。

二是技術(shù)壁壘，達(dá)不到要求。AI算法達(dá)到85%的表現(xiàn)，一般就可以發(fā)paper了，但要落地臨床場(chǎng)景，往往需要95%、99%以上的表現(xiàn)。很多榜單上十分優(yōu)秀的大模型，在現(xiàn)實(shí)中卻面臨“叫好不叫座”的困局。谷歌的醫(yī)療大模型Med-PaLM回答的評(píng)分高達(dá)92.6%，與人類臨床醫(yī)生相當(dāng)，谷歌首席健康官Karen DeSalvoy也曾審慎地提醒：“不希望大家認(rèn)為，僅靠一個(gè)AIGC大模型，就能治愈所有的健康問題和疾病?！?/p>

三是專業(yè)壁壘，做AI的不懂醫(yī)療場(chǎng)景需求。一位智慧醫(yī)療領(lǐng)域的從業(yè)者告訴我們，客戶并不關(guān)心你采用什么技術(shù)路線，他們最關(guān)心的是你能不能提供滿足他需求的產(chǎn)品和服務(wù)，所以必須得有場(chǎng)景化思維。很多痛點(diǎn)，是大模型廠商在辦公室里想象不到的。

比如一位泌尿外科的醫(yī)生，在腹腔鏡操作中會(huì)產(chǎn)生大量的煙霧，希望使用AI算法來對(duì)圖像進(jìn)行去霧，要求極高的實(shí)時(shí)性，因此模型必須部署在本地，而本地模型又對(duì)端側(cè)算力的要求比較高，如果調(diào)用云端服務(wù)器的話，那就要求網(wǎng)絡(luò)時(shí)延在幾毫秒。

可以看到，僅靠一個(gè)醫(yī)療大模型，而沒有配套的網(wǎng)絡(luò)、端側(cè)設(shè)備相配合，連一個(gè)腹腔鏡圖像去霧的小場(chǎng)景，都無法做好。

所以，大模型賦能醫(yī)療，看起來并不缺少方向和案例，但商業(yè)成功卻始終在迷霧中。

那么，下一個(gè)問題就是，大模型能穿透上述壁壘嗎？

三、穿透場(chǎng)景，醫(yī)療大模型需鑄重劍

DeepSeek的開源策略，使醫(yī)療機(jī)構(gòu)和中小企業(yè)部署大模型的成本大幅降低，DeepSeek+國產(chǎn)推理芯片如昇騰、昆侖、寒武紀(jì)等的適配，也降低了算力門檻，這些推動(dòng)醫(yī)療大模型在醫(yī)院的普及。醫(yī)療AI應(yīng)用，開始步入“平權(quán)時(shí)代”，

但我們也必須看到，壁壘高企的醫(yī)療場(chǎng)景，并非引入deepseek和大模型就萬事大吉。大模型廠商不能依靠接入API等淺層結(jié)合、腳不沾泥的方式，而需要鑄重劍。

目前來看，醫(yī)療大模型領(lǐng)域出現(xiàn)了兩把“重劍”：

第一把劍，名為“結(jié)盟”。醫(yī)院、大模型廠商、醫(yī)療信息化服務(wù)商、ISV和數(shù)據(jù)服務(wù)商等，通過產(chǎn)業(yè)鏈之間的互信與合作，來打造符合?？菩枨蟮膶I(yè)大模型。比如邁瑞醫(yī)療和騰訊聯(lián)合開發(fā)的重癥醫(yī)療大模型，華為與上海瑞金醫(yī)院合作開發(fā)的RuiPath（瑞智），復(fù)旦大學(xué)附屬中山醫(yī)院聯(lián)合上海科學(xué)智能研究院共同研發(fā)觀心大模型CardioMind等。湘雅醫(yī)院也沒有直接引入DeepSeek，而是選擇與AI+醫(yī)療公司醫(yī)渡科技合作，由后者為其搭建由DeepSeek、醫(yī)渡大模型等多個(gè)大模型組成AI中臺(tái)。

第二把劍，名為“聚焦”。部分模廠通過內(nèi)部聚焦，整合資源，來推動(dòng)大模型與醫(yī)療的深度結(jié)合。比如百川智能已經(jīng)調(diào)整了業(yè)務(wù)線，將資源集中到醫(yī)療領(lǐng)域。華為更是組建了醫(yī)療衛(wèi)生軍團(tuán)，整合華為多個(gè)部門的多種技術(shù)能力，將華為內(nèi)部方案與外部痛點(diǎn)進(jìn)行精準(zhǔn)匹配，聚焦在構(gòu)建AI輔助診斷解決方案體系，推動(dòng)醫(yī)療大模型落地臨床場(chǎng)景。華為的軍團(tuán)模式，也是精準(zhǔn)切入醫(yī)療場(chǎng)景的一柄利劍。

整體而言，AI與醫(yī)療，可能是本世紀(jì)最偉大的相遇，這場(chǎng)邂逅不可能倉促完成。

醫(yī)療與大模型的結(jié)合，需要用場(chǎng)景化、系統(tǒng)級(jí)的思維，用技術(shù)聚合的綜合解決方案，在系統(tǒng)、流程、制度等給予方方面面的支持。因此，有能力鑄重劍的大模型廠商，未來將在醫(yī)療數(shù)智化浪潮中獲得更大的機(jī)會(huì)。