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。
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。
"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。
- 医疗预诊关于
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。
- 健康管理与监测关于
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关于
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。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。精确度要求很高因此，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尽管训练一个医疗大模型的成本较高，但在应用上的成本也日益增多。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。
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
