随着人工智能技术的飞速发展，以ChatGPT为代表的AIGC风靡市场，掀起了国内生成式大语言模型的开发热潮。这场浪潮涌向医疗行业，催生了层出不穷的“百模大战”。
回顾2023年，AIGC在医疗领域的应用取得了显著的进展。大模型的热度从年初持续到年末，围绕患者问诊、医院管理、医学影像等多方面的AI大模型产品不断在市场涌现，AIGC渗透进医疗掀起了一波更大的浪潮。
1 AIGC 赋能临床医疗
临床医疗上，AIGC 的应用既有助于减轻医生工作负担，提高工作效率，又可以提升基层机构诊疗水平，缓解医疗资源分布不均的问题。
在诊前阶段，可以利用其强大的资料检索和推理能力增强对患者疾病的预测，从而提升导诊的准确性，提升患者体验。
在诊中阶段，可在辅助诊断、AI影像及手术机器人等多个细分场景发挥作用。基于患者的病历、症状等多模态数据，为医生提供辅助。
在诊后阶段，AIGC可以作为复诊的辅助工具，在线7×24小时回答患者关于病情、药物副作用、预防措施等方面的问题。
所有这些都将有助于提高患者满意度，减轻医务人员的负担。
健康AI大模型应用场景，来源：亿欧智库
目前，AI大模型在医疗服务、患者服务、运营管理等多个医疗健康领域具备较大的应用潜力，其应用主要体现在患者问诊全流程和健康管理、医生辅助诊断、中医三方面。
2 AIGC 在医疗各领域的新突破
医疗行业被视为人工智能应用的最佳场景之一。在上一轮的人工智能浪潮中，影像是最热门的探索方向。
AIGC的出现让医疗行业的智能化发展再度充满希望，除了临床应用，进一步赋能医疗和生物技术各领域，解决“医、教、研”三座大山。
在生物技术领域中，AIGC近年来被应用于基因组学研究、蛋白质结构预测、精准医疗、药物研发和生物制造等多个方面。
AIGC可以进行虚拟筛选，根据药物数据库和分子特征，预测潜在药物分子的活性和副作用，从而加速药物发现和设计过程，以推动药物研发的创新和进步。
在去年9月的2023腾讯全球数字生态大会上，腾讯健康发布了医疗大模型，以及智能问答、家庭医生助手、数智医疗影像平台等多场景 AI 产品矩阵。旗下药物发现平台“云深”(iDrug)开发全新的蛋白质结构预测算法框架tFold。
“云深”（iDrug）方案架构
3 AIGC 技术落地医疗行业
随着 AIGC 技术热浪席卷，医疗行业不断有新产品出现，包括病历结构化和检索、影像报告和辅助诊断等场景大模型，应用于医学影像、辅助医疗、药物研发、健康管理、疾病预测等五大领域。
“AI+医疗大模型”将给市场带来更多想象空间，在不同领域不断扩展。据 IDC 统计数据，到 2025 年人工智能应用市场总值将达1270亿美元，其中医疗行业将占市场规模的五分之一。
各类医疗科技企业与基础大模型企业积极合作，AI大模型医疗健康生态正在逐步建立。
-
医院和诊所
是医疗AI的主要应用场景之一。在这些机构中，AIGC被用于医学影像诊断、临床决策支持、患者管理和病历记录等方面。
- 医药企业
其需求主要体现在药物研发、临床试验设计和销售策略优化等方面。AIGC技术能够加速新药物的发现和开发过程，提高研发成功率和降低成本，同时也能更好地理解患者需求，制定更智能的销售策略。
- 零售药店
利用医疗AI来提供更个性化的服务，如药品咨询、健康建议和处方审核等，使得药店能够更好地理解患者需求，提供更准确的建议和服务，增强患者体验。
- 互联网医疗
AIGC被应用于在线诊断、医疗咨询、健康管理和远程医疗等服务，使得患者能够更便捷地获取医疗服务和信息，同时也为医疗从业者提供了更多的工具和支持。
医疗AI大模型产品应用落地的企业类型，来源：亿欧智库
上海交通大学医学院附属仁济医院运用腾讯医疗大模型，以互联网医院适老化服务为重点，打造了高度拟人化的虚拟数字形象“小威护士”。
其不仅拥有近似真人的形象，而且表情动作十分逼真，唇形动作能与声音实时同步，具备表达情感和沟通交流的能，为老年患者提供更温暖、便捷的医疗服务。
4 蓝衫Shirt.AI 医疗解决方案
蓝衫提供AI应用开发和服务，Shirt.AI以NLP作为大脑，RPA作为双手，为组织和个人构建数字机器人。在大健康行业的应用场景改造，主要包括医疗预诊、健康教练和心理医生顾问等。
- 医疗预诊方面
Shirt.AI机器人可以通过与用户的对话，提供实时的医疗咨询和诊断支持，根据患者提供的症状信息，给出初步的医学建议，帮助用户更好地理解和管理自身健康问题。
- 健康管理与监测方面
Shirt.AI通过与用户的对话和数据交互，实时记录和监测健康数据，帮助提供准确、实时以及个性化的健康服务。
- 医疗资源导航与预约方面
Shirt.AI提供线上索引和资源库，同时提供助手提醒功能，帮助患者及时了解病症，解释特定疾病或症状的基本知识。
- 作为健康教练
Shirt.AI可实现线上实时咨询功能，给出专业、个性化建议。实时更新知识库，了解最新健康信息动向，辅助提供准确的建议。
- 作为心理医生顾问
Shirt.AI可以从海量的心理健康数据中提取有价值的信息，提供更加有效的心理健康咨询，进行一对一深入问诊。让消费者足不出户获得即时且定制化的身心健康建议，并辅助医疗诊断。
5 AI 医疗产品的挑战与前景
当前医疗人工智能的发展，主要面临数据、算法、算力三大挑战。
人工智能开发需要大量高质量数据，而国内大部分医疗数据存储于各级医疗机构，业务系统相对独立，数据较难实现共享，可供训练的真实场景数据集有限。
如何对离散的海量医学专业数据进行统计和分析，通过模型进行有效整合，成为另一个挑战。医疗行业的严谨性对模型的精确度要求很高，从而对算法和算力提出了更高的要求。
即便如此，大模型下，AI 医疗的商业化前景依旧备受期待。根据亿欧智库预测，2023-2027年为医疗健康AI大模型集中爆发的阶段。
此外，由于生成式人工智能操作难度低，AIGC 医疗可以覆盖的医疗场景也日益增多。尽管训练一个医疗大模型的成本较高，但在应用上的边际成本却越来越低，这有利于推动产品的进一步推广和普及。
目前，很多医院已经在应用人工智能辅助，大模型的出现带来人机自然语言的无障碍交互，可以调动多种能力解决多个场景的问题。
AIGC技术在医疗领域的应用为我国医疗行业带来了前所未有的变革。预计未来一两年，基于大模型的 AI 医疗应用会越来越多，AIGC将在医疗领域发挥更大的作用，推动医疗行业的智能化发展。
作者：傅依婷
