2023-09-01 10:30:25 极客智谷
来源:极客智谷
今年以来,AI大模型浪潮正以革命性姿态冲击各行各业,医疗行业也不例外。华安证券在研报中指出,在人工智能的所有应用中,医疗行业位列首位。据中商产业研究院统计,2020 年AI+医疗已占人工智能市场的 18.9%。另据 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。可见,医疗AI广阔市场大有所为。
然而,整体来看,目前中国医疗AI的市场格局集中度较低,行业呈多元化发展态势,医疗影像、辅助诊断、药物研发、健康管理、医院管理、医疗机器人等细分领域全面开花,但都未形成产业化发展。
大模型的出现,给医疗AI产业带来了新的机会,或将重塑市场格局。
01#
AI与医疗AI的演进
AI赋能医疗行业已久,但为何医疗AI的发展一直没有形成规模化、产业化?个中缘由或许可以沿着AI技术的演进探究。
自1950年“人工智能”的概念被首次提出,至今过去了七十余年。期间,AI技术的发展经历了四起三落。
AI 1.0以基于数理逻辑的符号逻辑为基础,被称为专家系统。基于符号知识推理的临床决策支持系统(CDSS)正是在这一阶段产生,其通过严谨的逻辑推理和匹配的方式,来帮助医生进行诊断与治疗推荐。但专家系统存在构建成本高和泛化能力差两个主要局限性,需要对每种疾病甚至每个医生的观点进行构建,且如果构建时没有涵盖患者的个性化信息,比如当前用药及并发症等,就无法进行推理,这也是这一代的CDSS未得到广泛应用的重要原因之一。
AI 2.0是机器学习时代,统计机器学习被应用于疾病早筛预测、患病风险预测等诸多领域。然而,尽管医学科研课题中有很多应用机器学习的研究,但商业化应用的成功案例却很少。其中一个重要原因在于早期的机器学习技术极度依赖于模型假设,学习能力不足,而在实际应用中,许多模型假设无法预知或不成立,导致该技术在商业化方面的模型效果和泛化能力不足。
AI 3.0是在AI 2.0机器学习的基础上经过深度学习+大数据驱动的技术进步。深度学习技术在医学影像等特定领域取得了显著成果,但很多公司也面临着亏损的困境。因为该技术需要针对特定任务投入高昂的成本,如果单一任务场景商业化收益有限,难以收回训练成本且难以直接应用于其它任务。
当前,我们已处于AI发展的第四个高潮阶段-大模型时代。经过大规模数据预训练得到的大模型,“涌现”出了原有算法模型不具备的优秀的上下文学习、复杂推理等能力,显著增强了人工智能的通用性、泛化性,让人们看到了AGI(通用人工智能)时代的曙光,也为医疗产业升级带来了巨大的发展机遇。在大模型的助力下,医疗影像、临床决策系统等领域由来已久的痛点有望解决,如未来可泛化可循证的CDSS。同时,海量的创新应用即将爆发,智慧病案、新药研发、辅助诊疗、健康管理等方面都有望实现进一步拓展。
02#
医疗大模型是必选项,不是可选项
身处大模型风口,企业一拥而上,国内的AI大模型如雨后春笋般涌现。《中国人工智能大模型地图研究报告》显示,截至2023年5月底,国内10亿级参数规模以上基础大模型就至少已发布79个。除了文心一言、通义千问、紫东太初等一批通用大模型,金融、医疗、教育等行业也已着力构建垂类大模型。
对此,各方思辨与争论不断。“百模大战”是否存在重复建设?垂类大模型是否有必要?垂直领域应用能否直接基于第三方大模型?
笔者认为,在讨论大模型在医疗领域的应用前,必须充分认识到医疗行业严肃性、敏感性、专业性等特殊性。
低容错率是最显著的特点。OpenAI发布ChatGPT时指出,由于所使用的训练数据及训练方法的原因,ChatGPT有时会写出听起来很有道理但不正确或无意义的回答。当前,无论是GPT-4,还是其它通用大语言模型,均存在这样的“AI幻觉”。试想如果这样的情况出现在医疗场景下,可能会误导诊断,甚至对患者的生命健康造成严重后果。医疗行业严肃、专业,通用大模型缺乏深入的医疗专业领域知识、经验及复杂推理过程,在医疗场景实际应用时可能无法提供足够专业和准确的回答,医疗领域还是需要“对症下药”。
业内专家曾提出一个有趣的观点,将大模型的应用生动地比喻为“雇佣新员工”,教育背景是一个重要的考量因素,那么显然医疗行业对专业对口性要求极高。
其次,医疗健康领域涉及到大量敏感数据,患者隐私保护和数据安全是医疗AI产业发展的底线,如果调用海外模型API会存在一定风险。而且对于医疗科技企业而言,如果单纯的在第三方大模型的基础上去做应用,虽然门槛低、投入低,但也没有自己的核心壁垒。而相反,研发自己的医疗大模型将为企业的发展和人工智能在医疗领域的应用创造更大的想象空间。
由此可见,医疗大模型不是可选项,是必选项。并且随着医疗大模型的创新与应用,医疗AI行业或将迎来洗牌,布局方向、应用价值都将成为企业竞争的关键节点。
03#
谁能扛起医疗GPT的大旗?
目前,国内越来越多的企业意识到医疗GPT的价值,入局垂类大模型。比如互联网医院医联发布医疗大语言模型MedGPT,数字医疗健康到家服务商叮当健康发布叮当HealthGPT,国内老牌医疗AI公司医渡科技也正在研发训练医疗垂直领域大语言模型。
虽均为医疗大模型,但方向和优势各不相同。
例如,医联作为互联网医院,其本质是医患关系链,超过 150 万的注册医生和 2000 万患者互动而沉淀下来的大规模数据,为大模型的研发提供了语料,疾病全流程诊疗也理所当然地成为了其大模型落地的方向。
叮当健康作为一家提供“即时健康到家”服务的企业,旗下主要有叮当快药服务、在线健康咨询、慢病与健康管理三大核心业务,多年运营实践使叮当健康了解用户的常见需求、常见问题和用户咨询的场景,因此叮当HealthGPT能够作为AI健康助手,为用户提供全方位的健康相关问题解答和建议。
而医渡科技作为老牌医疗AI公司,天然具备AI技术和医疗行业know-how的积累。医渡科技自主研发的“医疗智能大脑”YiduCore与ChatGPT有许多相似之处,都是源于大量的训练锤炼,背后是强大的数据处理和AI算法能力。其在利用YiduCore模型化的知识图谱赋能医疗场景的过程中,对疾病和医疗行业的理解也在持续深化,最新财报数据显示,YiduCore医学知识图谱已经覆盖超 9 万个医学实体、1 万种疾病数量,并已在 70 多个疾病领域建立了疾病模型,覆盖的医院也超过了 1500 家。
目前医渡科技的医疗大模型还未正式发布,但从其当前业务布局中可以大胆推测,医渡科技的大模型或将覆盖公卫、诊疗、临床研究、新药研发、健康保险、健康管理等各个领域,有望形成“医、药、险、患者”闭环。笔者认为,场景丰富正是医渡科技最大的优势。医疗行业产业链非常长,单一环节、单一领域的技术创新,很难形成市场竞争地位。多场景多业务的多元化企业,才能形成产业链的生态闭环,让医疗大模型发挥更大价值。
医渡科技也多次对外提到,会用大模型将旗下所有产品进行改造或重构,这将是其从技术、产品迈向生态的关键一步。并且基于这一点,医渡科技的大模型可以与其存量业务互补协同、互相促进。
·写在最后·
进入大模型时代,所有企业看似站在了同一起跑线上。但追根溯源,能够成为领跑者的还是多年坚持研发、产品打磨、落地应用换来的厚积薄发。
而这场医疗大模型的比拼,显然会是一场“马拉松”,不会停留于短期的声量大小,或你追我赶的一时输赢。只有当大模型越来越深刻地解决医疗行业需求,赋能更多有价值的应用场景,真正提升医疗效率和质量,这场大模型带来的格局重塑,才能奠定最终胜势。
