图/unsplash

如果有一个医疗AI拥有所有医学文献的完整而详尽的知识，拥有数十亿小时的临床经验，始终具有价值且极其便宜。

企业需要多久能开发出来？医院会为此买单吗？

OPEN AI首席科学家Ilya Sutskever在2023年10月的一个演讲中放言，“人工智能将对医疗领域产生巨大且令人难以置信的影响”。各方都对AI在医疗领域的应用前景都充满期待，

据不完全统计，国产医疗AI大模型数量已超过40个。12月14日赛迪研究院公布的数据显示，2023年中国生成式人工智能(AIGC)市场规模有望突破10万亿元。

然而，现阶段，医疗大模型的落地和商业化仍处于早期探索阶段。在中国最主要的医疗服务场景公立医院中，即便免费提供的AI大模型产品未必能进入“高墙”之内，这也是中国医疗AI长期处于低谷的真实一面。

据《财经∙大健康》了解，行业主管部门已经在着手公立医院AI应用情况的统计调研。12月9日，在《财经∙大健康》主办的“AI助力医疗行业变革前瞻”闭门研讨会上，与会嘉宾围绕AI医疗的政策支持、落地应用、商业化路径等话题进行了深入探讨。

图/会议现场 摄/彭文迪

2023年，新出炉的医疗AI大模型陆续进入医院，为患者做诊前咨询、帮医生写病例、甚至在医生遇到疑难杂症时提供建议。

升级后的功能，医生们更乐于接受。以最常见的记录血压为例，以前的智能语音录入类产品，如果医生口述血压120、80，系统大多只会如此生硬的记录，还要手动补齐医学计量单位。有医生认为，还不如自己直接打字方便。

大语言模型是一种基于深度学习的自然语言处理的人工智能模型，所以自然语言处理能够完成的任务，都是大语言模型擅长的领域，只是在此要辅以足够充分的医疗数据训练。

首都医科大学附属北京友谊医院信息科副主任张旭介绍，通过院内数据预训练和微调出的大语言模型产品，会将医生问诊的口语表述，自动生成标准的医学书面语言，如上述情况就会表述为“收缩压120mmHg、舒张压80mmHg”，医生能用更少的时间，给出更高质量的病例。

新的工具，让感受到好处的临床医生，从被动使用者，变成为支持者。

在全面融入医疗大模型的互联网医院，“减负”效果更清显。京东健康技术产品部智能算法部高级研发经理张松岳介绍，自2023年7月上线“京医千询”大语言模型后，京东健康互联网医院的医生书写病历时间节省了50%，药师审方效率提高了200%，诊中实时提示功能，也将患者核心问诊问题减少了10%。

通过技术提升医生效率，增加医疗服务供给，在人口老龄化加速背景下显得更加迫切。预计到2035年左右，60岁及以上老年人口将突破4亿，在总人口中的占比将超过30%，进入重度老龄化阶段。

国家卫健委医管中心副主任陈虎指出，老龄化趋势下，除了继续扩容优质医疗资源，还需要考虑对现有医疗模式进行优化调整，去适配新的人口结构下产生的医疗增量与主动健康服务需求，这其中，AI的应用将为进一步提高医疗健康领域的劳动生产率提供有价值的解决方案，使社会能够以更低的成本获得更好的健康照护。

图/陈虎发言 摄/彭文迪

国家医保局原副局长陈金甫也指出，以技术革命为靶点推动三医联动高质量发展，关键是让技术摆脱人的技能束缚，走出传统医疗服务院墙，更可及无缝同质化服务患者。

No.2

公立医院究竟需要什么？

虽然公立医院已开始引入医疗大模型，甚至与企业合作参与研发，但大多医院只是在部分科室试用某项功能，各大AI厂商为覆盖医疗问诊、科研全流程设计出的产品，不少无用武之地。

能顺利进入医院，并为其所用的医疗大模型，究竟要有哪些“武技傍身”？

张旭经过了一段时间的探索，他总结出医院需求四个关键点，“首先需要的是私有化部署，保障医院数据隐私与安全；其次，有应用场景有对应专用领域；此外，高质量的医疗知识数据、临床诊疗数据等；最后得是低成本、高质量、高产出。”

所有的AI产品，都打着“真实解决临床需求”的旗号，可一些看似完美的产品到了应用落地就不灵光了。这是不少医院在信息化建设过程中，都走过的“坑”。

花钱买来的系统一上线就要升级，有些上线后还压根无法使用，一套系统没达到预期，后面可能就要买几套系统来“打补丁”的冤枉钱，许多医院都花过。

几番折腾下来，即便每年手握着信息化建设的千万经费待用，医院院长们花钱却越来越谨慎。

“AI未来在医院的应用场景一定很广，但具体能解决医院怎样的需求、是否符合医院的投入产出比，需要各方更深入的去考虑。”中国医学科学院阜外医院党委副书记、纪委书记李天庆说。

图/李天庆发言 摄/彭文迪

医院有实实在在的需求，可很多企业拿着技术的“锤子”，在医院却找不到合适的“钉子”。北京中医药大学第三附属医院副院长陈卫衡介绍，提供3D打印产品的企业遍地都是，但是很少有企业能在医院找到准确的落地点，比如最简单、最普遍的“骨科夹板”，这是一个成本并不高的产品，可没有。“我们现在就在探索对这个产品进行个性化、智能化的升级，在患者能接受的情况下，提供更好的服务产品”。

图/陈卫衡发言 摄/彭文迪

对于企业而言，还有一个难点是，在实际落地过程中，即便是对某一项明确的应用场景，医院管理层、信息科、科室负责人、临床医生、患者，每个层面对产品的需求都不同。如患者关注体验，医务人员关注流程，管理者关注成本。

“对产品设计来说，管理医院的需求确实难度很大。”有AI医疗产品从业者坦言。

错位不仅来自医院内部，医院外部的患者信心缺乏、AI产品缺乏标准、法律监管挑战等都会影响到产品落地。

北京联影智能影像技术研究院AI科研总监甄先通感受到，在探索针对不同医疗场景的大模型的过程中，常会遇到技术和场景错位的情况。由于大模型的开发需要大量的预训练，这对数据、成本等均提出了非常高的要求，因此在开发过程中，技术上容易上手实现的事情，可能往往不一定是医疗场景中的“疼点”。反之，临床的急切的需求，有时由于缺乏大模型开发所需的各种要素，如数据标注等，因而无法顺利进行和快速落地，因此需要产业界和医院不断磨合，共同探索适合实际情况且临床真正受用的产品。

中日友好医院呼吸与危重症医学科主任医师、国家远程医疗与互联网医学中心医学人工智能专家委员会主任委员刘国梁提醒，AI在有明确诊治标准的疾病诊断和筛查方面有一定优势，目前医疗AI研发的目的并非以患者综合结局或者预后标准为目的进行开发，对于患者疾病结局和预后的影响亟待客观评价，并且在与患者沟通过程中，有经验的医生对与患者安慰和缓解痛苦方面，目前是AI应用无法达到的，并且AI产品尚没有在这方面展现出智能水平，往往还会增加患者焦虑，值得关注。

多位与会专家表示，在诸多阻力面前，医院当下的选择就是不追求最前沿的AI产品，能维持医院运转需求是最重要的，因高技术含量的背后也意味着更高的适应成本，医院未必想冒这个险。

No.3

商业化可以先从哪入手？

随着各类AI医疗大模型的加速迭代与演化，商业化前景有望进一步打开，企业的成本也更加可控。

以医疗大模型为例，原本需要一个小团队才能完成的产品，现在只需要半个人就能训练出高质量的大模型。由此企业更愿意增加投入。

华西证券的研报称，医疗科技龙头具备技术、行业Know-How等要素，与头部医疗机构的长期合作关系有利于补齐数据、场景等要素，相关产品有望率先落地。

关键是要找到一个明确的商业化切入口。

图/会议现场 摄/彭文迪

“还是要从医院管理的痛点入手。”国家卫健委卫生发展研究中心医院管理与改革研究室主任江蒙喜建议，面对强监管、严考核的医院，当下医院痛点之一就是缺乏智能的医生评价体系，能让好的医生越来越好，让不好的医生能够变好，提升医院管理效率。

在现有产品来看，AI医疗主要包括三个层面，基础层、技术层和应用层。基础层包括数据、算法、算力等，参与者众多，且呈寡头局面；技术层包括CV、NLP、智能语音等技术，参与者技术相对成熟；应用层则针对于AI医疗影像、CDSS、医疗机器人、医疗数据智能平台等各类应用。

对技术强劲的大型企业来说，会从多个层面同时切入。

蚂蚁集团医疗健康事业部副总经理武文婧介绍，随着支付宝和公立医院以及政府单位合作的逐渐深入，在蚂蚁自建AI引擎助力下，支付宝在多城积极探索就医流程中帮助患者以及医生体验的AI应用，并陆续落地如医保政策助手、数字陪诊、医生助手等实践案例，后续还将不断探索创新路径。

面对医院的顾虑，也可从第三方合作切入。百度智慧医疗高级架构师贺庆介绍，其在尝试商业模式上创新，比如通过和药企合作，更好的切入医疗服务市场，除了为自有平台上每天约2亿患者的咨询服务，也在加强线下医院的服务。

大三甲之外的细分领域也有机会。微医集团高级副总裁、睿医人工智能研究中心副主任孔祥谱介绍，正在向基层医生市场提供智能检查检验和用药方案，把大三甲的经验标准引入基层，帮助更好地管理糖尿病患者。

为了能够让辅助医生的AI产品不断提高水平，医联集团AI医疗业务负责人廉泽良表示，期待随着行业的发展，监管的界限也更加清晰，产品要求更加标准化，能够让企业明确的知道探索和研发的方向。