2024年，大模型公司全力开拓医疗市场，已经成为一个明确的方向。
在国内，王小川高调直言医疗是百川智能“最懂、最心动的”赛道；百度健康联手武汉协和医院推出的“AI智慧医疗门诊”项目已经投入使用；华为云盘古大模型瞄准了中医药；腾讯健康将AI视为推翻患者服务、医生诊疗、智慧管理这传统医院管理“三大难题”的有效解法……
近期的西普会“AI For Health”论坛上，部分头部大厂玩家悉数亮相。在AI大模型“推动健康产业转型升级”的无限畅想里，谁都想抢占下一个新十年的发展先机。
客观而言，自2015年左右起，在上一个AI狂飙的阶段，深度学习、自然语言处理、计算机视觉等技术进步带动的“AI生产成本和使用门槛下降”，曾吸引近千亿资金砸向AI医疗赛道，带动了诸如AI制药、AI问诊、AI影像等诸多细分领域的快速发展，也催生一批如阿里、腾讯、科大讯飞等头部大厂，以及医渡科技、鹰瞳科技等相对具有代表性的新锐医疗AI企业的涌入。
但资本狂热背后的问题也十分明显，截止目前，其实少有企业真正实现了将人工智能这项技术和线下医疗场景有效整合的目标。“普通人”的体感不强烈、价值难以在财报中兑现，AI在医疗领域并未展现出预期般的效果。
当如何在合适的场景、让人工智能已恰当的方式介入，正在成为下半场的竞争关键时，以生成式AI为核心的大模型带来的又一次技术颠覆，能否成为新的解题思路？
这次的医疗AI，有什么不一样
从作用原理的角度，如果将人工智能处理问题的过程理解为数据、模型和任务三个维度，在最早期阶段，AI的思维可以被理解为“完全是任务导向的”，即需要找到独立任务进行定义、数据标注，“在几十个传统算法中挑选一个合适的完成模型、调参”。受限于时间和投入成本，这一时期能据此做出应用的基本只有互联网大厂。
直到2013年左右，技术发展带来的算法层面统一，带动了AI生成和使用成本大幅下降，才使其“迎来第一个普惠阶段”。产业层面，医疗领域的上一代AI热潮也由此兴起：经训练后可以执行特定任务的AI，开始通过收集、分析和解释数据，逐步参与进辅助诊断、医疗影像、药品研发等诸多医疗环节。
而如今大模型时代的AI，则在此基础上再进阶，实现“从数据到模型、任务三者的全部统一”，其区别主要在于具备更强大的语言理解、推理泛化能力，可以更流畅地处理自然语言，生成高质量文本内容等。
这一阶段，“大模型的天然价值在于泛化”，智谱AI首席运营官张帆对36氪等媒体解释：“比如同样是识别病例，传统的独立模型逻辑下，可能需要做几万份标注，而且一旦病例的记录方式改变，这些标注就都浪费了。但大模型的思考逻辑更像‘人’，可能只需要学习十几份病例，就实现了将零散的知识进行迁移。因此，只要这个信息在它过去的语料中存在，就有可能答出不错的答案。”
其直观结果在于，两者的产品能力大不相同。另有从业者举例介绍，同样是做文本分解，传统的自然语言处理（NLP）或许能生成精确的结果，但在开放场景中与人类的自然语言进行交互时就会略显不足。相较之下，大模型能够在提出相对正确的问题、找到对应知识，并生成个性化建议；此外，由于大模型可以学习公开知识，也不需额外人力维护，能够节省下一些开发成本。
理论上，这些“进步”意味着人和AI应用的边界被模糊，人机协作式成长成为可能。传导至应用开发端时，寻找相关数据间的未知联系，或减少人工重复劳动等问题，自然就成为大模型在医疗领域功能开发的首选。
36氪注意到，西普会期间，许多大模型公司展示的企业级应用以智慧问诊助手、对话式数据分析等传统场景为主。比如猎豹移动智能和智谱AI都在尝试将大模型引入医药代表“学术营销”环节，开展药代与医生的实际对话训练、生成拜访纪要；阿提钛克瞄准了医生社交场景；云家族则开展针对老龄人群健康陪伴需求，打造“AI健康顾问”等。
不过，这些落地场景似乎只是用新技术把旧场景再做了一次。从终端效果来看，仅仅是技术逻辑迭代带来的功能升级——如百度方面给出的例子，将医生写病例的时间由传统AI的一个半小时进一步缩短至半小时不到——是否真的能解决“痛点”更严重的问题？我们是否应该期待大模型可以探索出更新的应用？
对此，张帆坦言，现阶段的大模型产品“有用，但谈不上颠覆”。“杀手级应用的出现需要时间，今天的AI解决的问题看似差不多，但底层的技术逻辑已经完全变了，能够让我们加速AI能力应用的同时降低成本。此外，随着模型版本的快速迭代、模态逐步增加，应用范围也会越来越广。从这个路径上看，我相信大模型很快能够走入深水区。”
价值验证时刻，医疗大模型公司寻找赚钱之路
相关数据显示，截止去年10月，国内累计公开的医疗大模型就接近50个，约占大模型产品总数的20%；功能上已初现“内卷”趋势，聚焦于医生助手、患者问诊、药品研发等环节，场景上“大同小异”。
这也意味着，在初步完成应用场景的探索后，另一项重要的待办已经被提上大模型公司的重要日程：赚钱。
有大模型公司人士对36氪提到，去年时，市场其实还更看重模型能力，但到了今年，已经完全变成业务导向。“几乎所有客户都更关注如何将模型能力转化为业务价值，即是否拥有足够强大的模型能力之外，完备的服务体系、对医疗行业know how的理解，以及能否将其落地的体系化能力都在成为买方的评估维度。”
本次西普会上，已有大模型厂商带来与药企合作的成功案例，比如华为云盘古大模型在中医药研发方面的探索。据其合作方，天士力国际基因网络药物创新中心总经理王文佳介绍，中药信息化是当前“需求很大，但解决方案非常紧缺”的一个方向。基于此，双方合作开发“数智本草”中药研发大模型，通过学习中医药知识、方剂以及诊疗记录等海量文本内容，以及中药研发场景的微调，协助实现中医智能问诊、养生问答等功能。
与此同时，在寻找合适场景的过程中，一些问题也在逐步显现。张帆注意到，许多企业找到的其实是“原理上就不适合大模型做的事情”，导致最终效果并不好，甚至产生“大模型是不是不靠谱”的顾虑。
“因此，我们往往会先让客户画出完整的业务链路，横轴表示其所做的事情、所需成本，纵轴展现大模型擅长的能力，再在这个二维矩阵中寻找最适合大模型切入的业务节点。当你找到足够多的节点后，对模型和业务的理解其实会发生新的变化，这时我们再去画新的业务链路图，进而在这种不断迭代的过程中发现业务和模型的最大公约数，确定最合适的合作场景。”
他以公司开始投入使用的医药代表“学术营销”场景举例介绍，新药上市到入院过程中，医药代表需要回答医生的许多问题，比如剂量、疗效、使用禁忌等。过去，药代往往会将这些问题反馈给医学事务部门，由后者查询大量实验报告、研究论文后解答，确保内容合规，“过程可能需要许多天甚至一个月”。但在大模型的操作思路下，整合给医学事务部门的已经是经过逻辑推理且成体系的内容，类似于SOP流程，他可能“只需要用一两个小时来确认这些内容是否有误”，就可以由药代转述给医生。
此外，从价格上看，36氪了解到，目前尚难概括药企或医疗机构愿意为大模型服务买单的价格区间。“充几千块钱试用，或者花上亿元做部署都可以，区别在于使用模型的方式不一样”，前述大模型公司人士提到；另有专注药物开发研究的生物医药大模型企业表示，目前合作订单基本都在百万元级别。
注：文/胡香赟，文章来源：36氪Pro(公众号ID：krkrpro)，本文为作者独立观点，不代表亿邦动力立场。
文章来源：36氪Pro
