佛山麦澳医疗科技股份有限公司_麦奥医疗器械咨询公司

医疗健康领域是人工智能最重要的应用领域之一，关乎人民生命健康和社会安全稳定，是国家高质量发展的重要体现。近年来，医疗健康领域涌现出诸如谷歌Med-PaLM、百度灵医大模型、医联MedGPT等众多具有代表性的优秀大模型产品，为行业发展注入新活力，推动行业数字化转型升级，不断提升人民幸福感和获得感。

医疗健康大模型是面向复杂、开放医疗健康场景的基础大模型具有人数据、人算力、人参数等关键要素，呈现涌现能力和良好的泛化性、通用性，可以根据不同的医疗健康任务，利用语言、视觉、语音乃至多模态融合的生物医学数据进行“预训练-微调”，从而为医疗健康领域提供高效、准确、个性化的服务和支持[1]。

医疗AI大模型发展概况

医疗人工智能作为人工智能的重要应用领域之一，其发展历程与人工智能技术的发展历程密切相关。

从国际上看，1956年人工智能开始成为一个独立的学科，1960年代出现了第一批基于规则推理的专家系统，并开始应用于临床诊断领域。1970年代至1980年代，随着知识表示和知识获取技术的进步，专家系统得到了广泛发展和应用。比如：1972年，利兹大学研发的AAPHelp能根据病人的症状计算出产生剧烈腹痛可能的原因。1990年代至2000年代初期，随着机器学习技术的兴起，基于数据驱动的方法开始在医学影像分析、基因组学等领域取得突破。CAD(Computer Aided Diagnosis）系统，即计算机辅助诊断系统，便问世于这个时期。2000年代中期至今，深度学习技术的出现，医疗人工智能进入快速发展阶段，在多个细分领域实现了商业化落地，并取得了令人惊叹的成果。在这一阶段，例如IBM Watson、Google MedPaLM2等都是人工智能医疗领域的先锋，在问答互动、药物开发、诊疗决策等方面表现出色。

从国内看，我国对于医疗人工智能的研究始于1980年代，虽然起步落后于发达国家，但发展迅猛。1978年，北京中医医院关幼波教授与计算机科学领域的专家合作开发了“关幼波肝病诊疗程序”，第一次将医学专家系统应用到我国传统中医领域。1990年代至2000年代初期，我国开始涉足基于机器学习的方法，并在肿瘤诊断等领域取得了一定成果。2000年代中期至2015年期间，我国以临床知识库为主要方向，并在心血管领域等方面进行了深入探索。2015年至2017年，我国医疗人工智能在各细分领域都取得了长足的发展，迎来了爆发式增长。2018年，随着人工智能进入大模型时代，尤其是2022年ChatGPT发布后，大大加速了我国医疗AI产品在病理诊断、药物开发、健康管理等领域的进步，形成了一批具有国际竞争力的企业。

医疗AI大模型应用方向

在技术支持、政策推动和市场需求的多因素加持下，围绕从诊前到诊中、诊后，从医院内到医院外的全治疗过程，国内外医疗健康大模型在AI检验/病理诊断、AI药物开发、AI影像筛查、AI健康管理等多场景取得了显著进展，构建出全方位、全过程、不受空间和时间限制的医疗健康闭环管理服务支持。

来源 亿欧智库[2] 图 人工智能医疗大模型应用场景

（一）辅助诊疗

医疗大模型在辅助诊疗场景方面的应用主要包括问诊分诊/导诊、临床决策支持、医学影像分析等。实际上，诊断就是数据分析过程，从基因序列到影像图片分析，病人会产生大量数据。通过预训练学习大量医学数据和文献，大模型可以根据病人的病历记录、自述病症和其他具体情况自动识别和诊断疾病，对医学图像进行解读，与患者和医疗专业人员进行智慧问答等，从而为患者提供分诊导诊服务，辅助医生进行疾病筛查和决策诊断，推荐更优治疗方案。同时，大模型还可以通过数据分析预测患者的病情发展趋势，为医生提供更加精准的预测结果，从而提升诊疗效率和患者体验。

（二）药物研发

医疗大模型在药物研发场景的应用可以大幅提高药物研发效率、降低研发成本、提高准确性和个性化治疗，是药物研发领域的重要趋势和发展方向[2]。通过计算机模拟，可以对药物活性、安全性和副作用进行预测。目前，借助大模型，多家企业已经在心血管药、抗肿瘤药、孤儿药和常见传染病治疗药等多领域取得了新突破。2015年，Atomwise基于现有的候选药物，应用AI算法，不到一天时间就成功地寻找出能控制埃博拉病毒的两种候选药物，以往类似研究则需要耗时数月甚至数年时间。通过分析大量化合物和药物数据，预测药物的活性、相互作用和副作用。大模型大大加速了药物研发过程，优化药物设计流程，从而帮助研究人员发现新的药物靶点、疾病机制和治疗策略[3]。

（三）医疗文本处理

医疗大模型在医疗文本处理方面的应用主要包括电子病历管理、电子报告获取、临床记录自动化、院内信息化建设等。医疗行业进入大数据时代，传统的医院管理、医保收支结算、质控等环节对于数据处理的需求快速增加[3]，使医院业务发展面临大量文本与数据管理痛点。大模型能够将医生口述或非结构化的记录转换为结构化的电子记录，自动生成病理报告，不仅简化了诊疗流程，还能有效提高记录的准确性和全面性。同时，通过大模型建立智能化病房管理、绩效管理以及人力财税等综合后台管理系统，加速医疗机构数字化管理变革。

（四）医学科研

医疗大模型在医学科研场景的应用主要集中在文献检索分析以及数据分析管理方面。科研人员可以利用大模型高效进行海量文献检索、生成学术论文框架、编辑和完善论文、进行数据处理和分析、完成语言翻译等工作，提高了研究工作的效率、公平性和适用性。然而，大模型在医学科研中的应用也带来了诸如可信度、透明度、责任和权威性以及隐私和数据保护等风险与挑战。如何有效规避大模型生成信息不准确、不完整甚至有偏见，确保生成内容不侵犯他人版权，保护患者个人隐私绝对安全，仍然是医疗大模型未来发展过程中的重中之重。

（五）健康管理

医疗大模型在健康管理场景的应用主要包括情感识别、疾病预测、智慧问答、陪伴与心理疏导、以及康复管理等。近年来，远程医疗、数字平台的普及，使医疗资源供给更具可触达性、有效性以及可负担性。基于医疗大模型的数字医疗服务也将覆盖更多人群，推动医疗服务从以治疗为中心向以预防性和参与性为中心转变[4]。虚拟助理、医疗机器人、健康管理系统等落地产品“涌现”，将根据个人基因和健康数据提供预测性、预防性、个性化健康管理，识别疾病风险并提供降低风险的措施，普及医疗保健知识，鼓励居民积极关注自身健康发展。

国内外医疗AI大模型典型案例

（一）国外医疗大模型应用案例

国际上，美国较早推行了医疗信息化，在大模型研究方面起步早、投入大、成果多，在大模型理论研究和实践探索方面一直走在全球前列。一方面，美国的大学、研究机构和科技公司率先研制出BERT、GPT等早期大模型，抢先掌握早期大模型的核心原理与关键基础；另一方面，微软、谷歌、英伟达等科技企业深入聚焦软件和硬件创新，立足美国丰厚的医疗行业数据基础，在AI医疗领域积极布局。

1. IBM Watson

（1）公司背景

国际商业机器公司或万国商业机器公司，简称IBM（International Business Machines Corporation），总公司在纽约州阿蒙克市，于1911年由托马斯·约翰·沃森在美国创立，是全球最大的信息技术和业务解决方案公司，拥有全球雇员31万多人，业务遍及160多个国家和地区。

(二)产品/技术介绍

2011年，美国IBM公司和德克萨斯大学采用机器学习、自然语言处理等技术联合研制出了智能问答系统 Watson[5]，这是大模型在辅助诊疗方面的较早商业成果之一，也是公认最成功的医疗大模型之一。

Watson基于IBM“深度开放域问答系统工程”(DeepQA)技术开发。同时，IBM研发团队为Watson开发了100多套算法，可以让Watson在3秒内解析问题，检索数百万条信息然后再筛选还原成“答案”输出成人类语言。此外，结合IBM的Medical Sieve技术，Watson系统不仅能够从文本信息中进行自我学习，还具有医学图像高速处理和分析能力。

(三)产品亮点

Watson的发布使机器能够理解人类的自然语言，实现既能答题又能看病等功能，一度引起全世界极大关注。在辅助治疗方面，以肿瘤治疗为例，Watson能够在几秒内对数十年癌症治疗历史中的150万份患者记录进行筛选，并提出循证治疗方案供医生选择。除了辅助临床诊疗决策，Watson系统也可以为医学生、医护人员以及患者提供医学知识帮助，提升患者自身教育和患—医之间的沟通效率。目前，Watson系统已被广泛应用于全球各医疗机构。2016年8月，IBM宣布在国内中山大学附属肿瘤防治中心、中国医科大学附属第四医院等21家国内医院应用该系统。

2. Hippocratic AI

（1）公司背景

Hippocratic AI是一家生成式人工智能公司，成立于2023年5月，专注于开发最安全的、非诊断、面向患者的通用健康人工智能，以显著改善医疗保健的可及性和健康结果。Hippocratic从General Catalyst中孵化而来，由来自约翰·霍普金斯大学、斯坦福大学、谷歌和Nvidia等机构的一群医生、医院管理人员、医疗保险专业人员和人工智能研究人员创立。2023年11月24日，该公司入选“首期《财富》全球人工智能创新者50强榜单”。

(二)产品/技术介绍

Hippocratic是全球第一个聚焦安全的医疗保健大模型，Hippocratic也是最新的SOTA模型。该模型基于可信的循证内容而非互联网信息进行预培训，并通过医疗专业人员进行强化学习和人类反馈流程进一步培训和验证，大大提高了模型的安全性和准确性。在114项医疗保健考试和认证中，Hippocratic有105项表现优于GPT-4；在74项认证中优于GPT-4 5%或以上，在43项认证中优于GPT-4 10%或以上。

来源 Hippocratic官网 图 Hippocratic大模型与其他大模型在医疗测试中的表现

(三)融资情况

根据公开资料，Hippocratic AI已融资两轮。第一轮融资时间为2023年5月17日，为种子轮，融资金额5000万美元，投资方为General Catalyst、Andreessen Horowitz；第二轮融资发生于2023年7月26日，为天使轮，融资金额1500万美元，投资方为Obvious Ventures、Craft Ventures。

（二）国内医疗大模型应用案例

近几年，国内研究团队在大模型样本数据处理、算法设计和算力资源构建等关键领域加大投入，后来居上，紧扣行业应用需求，不断加强基础创新，持续推进核心技术原创性、通用性与本土化[6]，产出一批具有重要影响力的大模型成果。

1. 医联medGPT

（1）公司背景

成都医云科技有限公司成立于2014年6月，创始人王仕锐。2017年，该公司获得互联网医院牌照，并于2018年开设首个互联网医院科室：感染科，同期启动自主研发的丙肝患者管理体系。目前，医联的疾病管理服务已覆盖肿瘤、心血管、糖尿病、感染、精神心理、皮肤科、神经、中医等多个病种学科领域，并自建医助、健管师团队，首创业内多岗运营模式，赋能医生，服务患者。

(二)产品/技术介绍

2023年5月25日，互联网医疗公司医联正式发布其自主研发的医疗大语言模型——MedGPT。在预训练阶段，MedGPT使用了超过20亿真实医学文本数据。在微调训练阶段，MedGPT使用了800万条的高质量结构化临床诊疗数据进行强化学习。同时，医联组织大量医生、医疗专家对MedGPT进行二次训练，人工反馈监督微调训练。在模拟实验中，医联MedGPT的诊断结果与患者原有线下门诊的诊断吻合率达到96%。

(三)产品亮点

与通用型大语言模型产品不同，MedGPT主要致力于在真实医疗场景中发挥实际诊疗价值，实现从疾病预防、诊断、治疗、康复的全流程智能化诊疗能力。简单来说，MedGPT的核心能力有两方面。一是问诊，这是MedGPT的基础能力；二是针对疾病预防、治疗、康复等各流程进行智能化诊疗，这是该产品得以从同类产品中脱颖而出的核心差异。目前，医联MedGPT已经可以覆盖国际疾病与相关健康问题统计分类第十版（ICD10）中超80%的疾病病种，预计到2024年6月病种覆盖率突破90%。

(四)融资情况

成都医云科技有限公司已融资8轮，最近一轮发生在2021年12月，为E轮，投资方包括中国生物制药，已披露金额为5亿美元。其他融资包括2019年4月的战略投资，投资方包括农银国际、盛世景，融资金额未披露；2018年6月的D轮融资，投资方包括红杉中国、华兴新经济基金、中投中财、中电数融，已披露金额为10亿元人民币等。

2. 讯飞晓医

（1）公司背景

科大讯飞控股子公司讯飞医疗科技股份有限公司成立于2016年。基于科大讯飞二十余年积累的智能语音和人工智能技术，讯飞医疗专注于医疗科技领域，在智慧医院和基层医疗AI应用领域，利用语音识别、图像识别、自然语言理解等核心技术，实现AI导医导诊、语音电子病历、影像识别、辅助诊断、外呼随访等功能模块，在提升医院信息化、智能化水平，提高基层医生诊疗能力方面取得了良好效果。公司拥有多项有效资质证书，包括CESI产品认证、CESI产品认证、软件过程能力及成熟度评估认证等。

(二)产品/技术介绍

讯飞晓医APP是讯飞医疗科技股份有限公司旗下一款面向C端用户的AI健康助手产品，于2023年10月24日科大讯飞全球1024开发者节正式发布。讯飞晓医依托讯飞医疗多年行业知识积累和讯飞星火医疗大模型技术赋能，集成健康自查、报告解读、药物查询、医疗信息快速查询、健康档案管理等功能，为居民提供健康咨询，可以理解并回答全年龄段、全健康周期的健康咨询，提供个性、科学、系统的健康方案。

(三)融资情况

讯飞医疗科技股份有限公司已融资4轮，最近一轮发生在2021年11月，为A轮，投资方包括同创伟业、合肥科讯创业投资管理合伙企业、海南天智，融资金额未披露。2019年12月，该公司进行了一次股权转让，投资方包括招商局中国基金，披露金额为6000万元人民币。此外，该公司在2016年5月完成了天使轮融资，投资方包括科大讯飞，融资金额未披露。

参考文献

[1] 中国信通院. 人工智能大模型赋能医疗健康产业白皮书.2023.10.

[2] 亿欧智库. 2023医疗健康AI大模型行业研究报告.2023.11.

[3] 华安证券.医疗AI专题：AI浪潮已至，医药产业升级来袭，抓住解决核心需求、可商业化落地的公司.2023.4.

[4] 前瞻产业研究院.2023-2027全球数字医疗产业经济发展蓝皮书.2023.4.

[5] G. Tesauro, D. Gondek, J. Lenchner, et al. Simulation, Learning and Optimization Techniques in Watson’s Game Strategies. IBM J. Res. & Dev., vol. 56, no. 3/4, 2012.

[6] 郭华源,刘盼,卢若谷等.人工智能大模型医学应用研究.2023.6

-END-

本文由情境科技原创，转载请注明来源

情境科技专注于数据驱动的科学和前沿技术情报，深刻理解客户面临的问题并围绕任务输出产品和工程思维，为公共机构、商业企业和非营利组织提供价值。