醫(yī)療大模型的決勝點,在于鑄重劍

腦極體
0 評論 993 瀏覽 0 收藏 14 分鐘
🔗 B端产品需要更多地依赖销售团队和渠道合作来推广产品,而C端产品需要更多地利用网络营销和口碑传播来推广产品..

隨著華為成立醫(yī)療衛(wèi)生軍團,AI醫(yī)療概念股再度沸騰,“大模型+醫(yī)療”的競爭也愈發(fā)激烈。然而,在這場看似熱鬧非凡的競賽中,真正能為醫(yī)院和患者創(chuàng)造長期價值的醫(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)療場景壁壘的“重劍”,助力大模型在醫(yī)療領域的深度落地與長遠發(fā)展。

華為在3月宣布成立醫(yī)療衛(wèi)生軍團,AI醫(yī)療概念股應聲暴漲,至此,這場自2023年以來的“大模型+醫(yī)療”競賽,又被推上了一個新高度。

截至目前,已經有百多個大模型覆蓋了生命科學的全領域、醫(yī)學診療全流程,科技巨頭BTAH(百度、騰訊、阿里、華為)、AI獨角獸(科大訊飛、商湯、零一萬物等)悉數到場。

但狂歡背后,井噴式的醫(yī)療大模型及AI應用,不是每一個都有長期價值,也不一定能讓醫(yī)院和患者買單。

回顧智慧醫(yī)療的歷史,會發(fā)現AI醫(yī)療的真正挑戰(zhàn),在于場景之深。Watson醫(yī)生希望治療所有癌癥,實際不達預期,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;機器學習小模型時代的AI輔助醫(yī)學影像,需要一個個??埔粡垙垐D表做標注,成本高收益低,pass;ChatGPT掀起的大模型熱潮,數據孤島、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變。讓大模型真正融入醫(yī)療行業(yè)的業(yè)務流程,解決核心業(yè)務問題。

因此,大模型廠商的決勝點,在于能否筑造一柄穿透場景的重劍。

一、醫(yī)療全場景,皆有大模型

根據國家衛(wèi)健委發(fā)布的《衛(wèi)生健康行業(yè)人工智能應用場景參考指引》,目前已經有84個人工智能應用場景。僅從醫(yī)療場景來看,大模型就已經全面覆蓋了院前、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,為患者提供實時語音問答、智能分診、健康教育、疾病預防的健康科普等服務。

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,可以高效完成入院記錄生成、檢查項目推薦、電子病歷自動糾錯、手術計劃初稿等文書工作。診斷時,傳統(tǒng)診療方式十分依賴于醫(yī)院的級別、昂貴的設備、醫(yī)生的臨床經驗職稱和耐心,這些因素都會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檢出率的不良影響,避免延誤病情。在治療或手術期間,AI大模型可以對患者的病史信息了解得更加全面透徹,為醫(yī)生提供關鍵參考,從而提高診療效果。

院后階段,關懷性隨訪可以增強患者的依從性,達到更好的預后效果,減少自行停藥風險。但醫(yī)生少、時間精力有限,大多數患者很難得到及時隨訪,和連續(xù)性的健康服務。這時候,基于大模型的智能隨訪系統(tǒng),就可以結合患者的全面診療信息,實時高效地進行隨訪,記錄患者的反應,并對一些停藥、復發(fā)等風險提前干預。

橫向來看,大模型在醫(yī)療場景中,已是遍地開花。

但縱向來看,會發(fā)現不同細分場景的深度,卻有很大的差別。

比如院前、院后的AI問答,容錯率相對高,研發(fā)難度低,通過deepseek、文心、盤古、混元等基礎通用大模型,結合醫(yī)療場景專用數據進行微調即可上線,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、運營商,以及AI醫(yī)療服務商、醫(yī)院,都推出了相關服務。

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)療信息化的數據煙囪,提供可靠可信的??埔庖姡蒎e率極低,開發(fā)難度大、耗時長,需要多部門配合、專有隱私數據進行訓練,十分依賴于醫(yī)院、大模型廠商、第三方服務商等深度互信。

由此可以發(fā)現,發(fā)布并上線一個醫(yī)療大模型并不難,但淺層應用是一片紅海,很難脫穎而出,而深度整合進醫(yī)療業(yè)務中,又要跨越醫(yī)院和科技巨頭們壁壘森嚴的地盤,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),吸引了各方巨頭爭相搶灘?

二、多年探索,仍未穿透:醫(yī)療場景給AI設下的壁壘

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

理解這個問題,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。

按照技術代際來劃分,AI醫(yī)療有兩個重要階段。一是以Watson健康為代表的專家系統(tǒng),當時很多醫(yī)院與醫(yī)療機構都希望將專家系統(tǒng)和知識計算的新技術應用于臨床。最后以大量機構退出合作、Watson被低價出售而結尾。

另一個階段是2015年左右的互聯(lián)網時代,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)網巨頭都開始布局醫(yī)療健康領域。但當時AI當客服都是“人工智障”,計算機視覺技術一枝獨秀,AI輔助醫(yī)學影像系統(tǒng),如騰訊覓影,支撐起了AI醫(yī)療的概念。

到了大模型時代,ChatGPT問世之后出現了一百多個大模型。發(fā)力大模型+醫(yī)療領域的AI獨角獸,業(yè)務進展緩慢,盈利周期也較長。

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

醫(yī)療場景之深,僅靠AI技術是無法獨自穿透的,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)大模型都會面臨的一些通用問題,比如數據稀缺、項目開發(fā)難度大、人才要求高、開發(fā)周期不可控等之外,醫(yī)療場景還有許多獨特的壁壘:

一是信任壁壘,數據難共享。為了促進醫(yī)療機構、科研機構之間的數據互通與共享,國家也在推廣多中心研發(fā),打消了“不敢”共享的顧慮。但數據共享出去了,高質量數據和低質量數據對模型的貢獻卻不一樣,不同數據產生的價值怎么合理分配?缺乏合理的機制牽引。

二是技術壁壘,達不到要求。AI算法達到85%的表現,一般就可以發(fā)paper了,但要落地臨床場景,往往需要95%、99%以上的表現。很多榜單上十分優(yōu)秀的大模型,在現實中卻面臨“叫好不叫座”的困局。谷歌的醫(yī)療大模型Med-PaLM回答的評分高達92.6%,與人類臨床醫(yī)生相當,谷歌首席健康官Karen DeSalvoy也曾審慎地提醒:“不希望大家認為,僅靠一個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)療場景需求。一位智慧醫(yī)療領域的從業(yè)者告訴我們,客戶并不關心你采用什么技術路線,他們最關心的是你能不能提供滿足他需求的產品和服務,所以必須得有場景化思維。很多痛點,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,在腹腔鏡操作中會產生大量的煙霧,希望使用AI算法來對圖像進行去霧,要求極高的實時性,因此模型必須部署在本地,而本地模型又對端側算力的要求比較高,如果調用云端服務器的話,那就要求網絡時延在幾毫秒。

可以看到,僅靠一個醫(yī)療大模型,而沒有配套的網絡、端側設備相配合,連一個腹腔鏡圖像去霧的小場景,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,下一個問題就是,大模型能穿透上述壁壘嗎?

三、穿透場景,醫(yī)療大模型需鑄重劍

DeepSeek的開源策略,使醫(yī)療機構和中小企業(yè)部署大模型的成本大幅降低,DeepSeek+國產推理芯片如昇騰、昆侖、寒武紀等的適配,也降低了算力門檻,這些推動醫(yī)療大模型在醫(yī)院的普及。醫(yī)療AI應用,開始步入“平權時代”,

但我們也必須看到,壁壘高企的醫(yī)療場景,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)療大模型領域出現了兩把“重劍”:

第一把劍,名為“結盟”。醫(yī)院、大模型廠商、醫(yī)療信息化服務商、ISV和數據服務商等,通過產業(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),復旦大學附屬中山醫(yī)院聯(lián)合上海科學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)渡大模型等多個大模型組成AI中臺。

第二把劍,名為“聚焦”。部分模廠通過內部聚焦,整合資源,來推動大模型與醫(yī)療的深度結合。比如百川智能已經調整了業(yè)務線,將資源集中到醫(yī)療領域。華為更是組建了醫(yī)療衛(wèi)生軍團,整合華為多個部門的多種技術能力,將華為內部方案與外部痛點進行精準匹配,聚焦在構建AI輔助診斷解決方案體系,推動醫(yī)療大模型落地臨床場景。華為的軍團模式,也是精準切入醫(yī)療場景的一柄利劍。

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

醫(yī)療與大模型的結合,需要用場景化、系統(tǒng)級的思維,用技術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)療數智化浪潮中獲得更大的機會。

本文由人人都是產品經理作者【腦極體】,微信公眾號:【腦極體】,原創(chuàng)/授權 發(fā)布于人人都是產品經理,未經許可,禁止轉載。

題圖來自Unsplash,基于 CC0 協(xié)議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!
专题
12596人已学习13篇文章
随着互联网在大众生活中的不断普及与深入发展,互联网医疗这一全新的医疗健康服务业态发展趋势向好。本专题的文章分享了互联网医疗行业分析和竞品分析报告。
专题
19878人已学习16篇文章
一个清晰的入口引导能够让用户提高点击的欲望,从而实现操作全流程。本专题的文章提供了有效的页面引导设计指南。
专题
15491人已学习15篇文章
汽车座舱的智能化,本质上是通过硬件+软件的手段,让汽车座舱具备人类“智能”的能力,使人与车直接协作更加安全高效。本专题的文章分享了智能座舱的产品模块解读。
专题
48655人已学习16篇文章
看看别人家的PM是怎么做产品测试的。
专题
17482人已学习14篇文章
批量导入是用户在工作中经常需要用到的功能。本专题的文章分享了批量导入的设计思路和优化思路。
专题
30794人已学习14篇文章
不管你是产品、运营还是文案,你都需要懂用户思维。