文 | 白嘉嘉

看得好?。ㄙ|(zhì)量）、看得起?。ǔ杀荆┖涂吹蒙喜。ㄐ剩?，這三個關(guān)鍵要素一直以來被認(rèn)為是醫(yī)療領(lǐng)域的「不可能三角」。

在大模型的浪潮下，AI能打破這個「醫(yī)療不可能三角」嗎？

樂觀者不在少數(shù)。曾參與醫(yī)療大模型Med-PaLM 2訓(xùn)練的谷歌高管Greg Corrado在接受媒體采訪時表示，“在醫(yī)療領(lǐng)域AI可以帶來好處的環(huán)節(jié)，它能創(chuàng)造10倍的價值”。

然而一旦視角切換到患者或是醫(yī)療工作者，態(tài)度立馬會變得謹(jǐn)慎起來。

去年5月份，世衛(wèi)組織在一篇聲明中強調(diào)，應(yīng)該AI與醫(yī)療服務(wù)的整合采取“非常謹(jǐn)慎”的態(tài)度。Greg Corrado同樣在談及到家人時話鋒一轉(zhuǎn)，“我并不覺得這種技術(shù)現(xiàn)在已經(jīng)達(dá)到了我愿意讓家人使用的程度”。

將視野拉回到國內(nèi)。

AI醫(yī)療尚未在企業(yè)的財報中兌現(xiàn)，技術(shù)落地的動作卻絲毫不慢。從去年2月開始，互聯(lián)網(wǎng)巨頭相繼與醫(yī)院、醫(yī)療企業(yè)達(dá)成合作，推出醫(yī)療大模型，落地樣板工程，忙得不亦樂乎。

值得一提的是，AI醫(yī)療并非新物種，上一輪以計算機視覺為核心的AI浪潮興起后，AI診斷的故事就不停在市場上空飄蕩。但多年下來，普通人所能感受到的改變并不強烈。

于是問題隨之而來，以生成式AI為核心的AI醫(yī)療會重蹈覆轍嗎？參與者又是如何推動它向更務(wù)實的地方發(fā)展的？而我們，距離更優(yōu)質(zhì)的AI醫(yī)療還有多遠(yuǎn)？

1、AI醫(yī)療的「本手」與「妙手」

AI醫(yī)療，一開始就被寄予重望。去年6月大多數(shù)企業(yè)還在大煉模型時，北京市科委、中關(guān)村管委會發(fā)布了首批10個人工智能行業(yè)大模型應(yīng)用案例，將AI引導(dǎo)向產(chǎn)業(yè)落地。其中，醫(yī)療健康是唯一入選了兩個案例的領(lǐng)域。

根據(jù)IDC數(shù)據(jù)，預(yù)計到2025年，全球AI應(yīng)用市場總值將達(dá)1270億美元，其中醫(yī)療行業(yè)將占總規(guī)模的五分之一。

那么，價值千億人民幣的AI醫(yī)療，能做什么？

目前，AI醫(yī)療主要有醫(yī)學(xué)影像、藥物研發(fā)、醫(yī)療文本處理、學(xué)術(shù)科研四個大方向。

其中，藥物研發(fā)和學(xué)術(shù)科研兩個方向目前受限于數(shù)據(jù)量較少，因此進(jìn)展相對緩慢。 醫(yī)療文本處理和醫(yī)學(xué)影像涌現(xiàn)出大量案例。

其中，醫(yī)療文本處理是目前AI應(yīng)用落地最密集的方向。憑借極強的信息檢索和文本生成能力，AI可以大幅度減少醫(yī)生的重復(fù)性工作。

據(jù)百度大健康事業(yè)群策略研發(fā)總經(jīng)理黃海峰給出的例子，原先需要醫(yī)生寫一份出院病例大概需要一個半小時甚至兩個小時，在AI的輔助下，時長可以壓縮到二十分鐘以內(nèi)。

而醫(yī)學(xué)影像，則是商業(yè)化潛力最強的方向。

潛力主要來源于兩方面，一是將AI與CT、X光機相結(jié)合。從過去的經(jīng)驗來看，在購買醫(yī)療器械設(shè)備方面，醫(yī)院向來不會手軟。

二是促成網(wǎng)上問診到實際成交的轉(zhuǎn)化，譬如用戶拍照識別皮膚病后，進(jìn)一步付費向醫(yī)生尋求建議。根據(jù)京東披露的數(shù)據(jù)，京東健康皮膚醫(yī)院基于大模型的AI輔診準(zhǔn)確率超過95%，專病隨訪服務(wù)患者付費轉(zhuǎn)化率已達(dá)20%。

沿著文本處理和醫(yī)療影像兩大方向，AI企業(yè)大多已經(jīng)形成了「大而全」的AI醫(yī)療布局，目前正在緊鑼密鼓將其結(jié)合到實際的醫(yī)療場景中去。在這場角逐中，大廠們有必須要做好的「本手」，也有出奇制勝的「妙手」。

所謂「本手」，關(guān)鍵在穩(wěn)扎穩(wěn)打，為未來積蓄潛能。

所有企業(yè)想在AI醫(yī)療領(lǐng)域有所作為都離不開兩點，數(shù)據(jù)和工具。數(shù)據(jù)是AI進(jìn)化的基礎(chǔ)，豐富的AI工具使其盡可能多地參與到產(chǎn)業(yè)鏈中去。

百度、京東、騰訊、華為等科技企業(yè)，均在過去的一年多時間里與多家醫(yī)療機構(gòu)建立起了緊密的合作關(guān)系，并推動多款A(yù)I醫(yī)療產(chǎn)品。

譬如，早在去年2月文心一言推出之前，百度就曾宣布與莫廷醫(yī)療、東軟醫(yī)療等多家醫(yī)療相關(guān)企業(yè)建立合作?，F(xiàn)已形成面向醫(yī)療場景下的各個群體的五大產(chǎn)品，分別是面向普通用戶的AI健康助手，面向醫(yī)患雙端的在線醫(yī)療Copilot，面向醫(yī)院的「AI智慧門診」，大模型的私有化產(chǎn)品CDSS（臨床決策支持系統(tǒng)），以及面向企業(yè)的靈醫(yī)開放平臺產(chǎn)品。

其中，CDSS因為能有效提高基層醫(yī)生的診療能力，降低誤診與漏診，已落地4000余家基層醫(yī)療機構(gòu)。

「本手」之外，更值得關(guān)注的是大廠們的「妙手」。這些「妙手」源自于企業(yè)自身的優(yōu)勢，力求在同質(zhì)化的競爭中脫穎而出。

例如，京東利用物流系統(tǒng)的優(yōu)勢，將線上問診做向了線下。

在AI問診的基礎(chǔ)上，京東近日宣布對京東健康互聯(lián)網(wǎng)醫(yī)院患者服務(wù)全新升級。線上診斷時如有進(jìn)一步檢查的必要，可通過京東到家快檢下單，由護(hù)士上門采血、采樣并送檢，平均3小時出結(jié)果。

而華為則憑借自身軟硬件兩條腿走路的優(yōu)勢，將AI醫(yī)療的生意做向了產(chǎn)業(yè)鏈上游。

「硅基研究室」發(fā)現(xiàn)，在華為與醫(yī)渡科技、潤達(dá)醫(yī)療、金域醫(yī)學(xué)、萬達(dá)信息的合作中，除了推出醫(yī)檢行業(yè)大模型之外，還包含基于昇騰AI基礎(chǔ)軟硬件打造醫(yī)療大模型一體機，為客戶提供開箱即用的AI全棧解決方案。

整體而言，AI醫(yī)療發(fā)展至今，行業(yè)的目光已經(jīng)不局限于某一環(huán)節(jié)技術(shù)能力的強弱，而更關(guān)注是否形成了具體的落地方案，用戶能否從中獲得更好的體驗。

不過，相比于產(chǎn)業(yè)界的烈火烹油，投資者仍保持著一定的冷思考。

“我不認(rèn)為醫(yī)療大模型目前是一個風(fēng)口，大模型只是一種能力，技術(shù)的進(jìn)展想要真正改變一個行業(yè)，還是很漫長的，尤其是醫(yī)療?！眴⒚鲃?chuàng)投副總裁孫墨陶此前在接受采訪時透露，在對AI祛魅后，投資圈對醫(yī)療大模型目前還是顯得更加實際，就他而言，在國內(nèi)能看到一家能有明確商業(yè)化路徑的公司才能在這個領(lǐng)域真正扣下投資的「板機」。

2、「多模態(tài)」或許是超車的契機

正如百度大健康事業(yè)群組總裁何明科所說的那樣，醫(yī)療是少見的「三位分離」的行業(yè)：決策者是醫(yī)生、醫(yī)院，付費者是保險、醫(yī)保，使用者是患者。

復(fù)雜的「決策-付費-使用」鏈條以及醫(yī)療行業(yè)自帶的嚴(yán)肅性，使得醫(yī)療大模型的落地相較其他行業(yè)受到更嚴(yán)格的審視，因此在過程中逐漸呈現(xiàn)出從輕到重的趨勢。

從輕到重，即率先應(yīng)用在容易落地、用戶感知強、不容易導(dǎo)致醫(yī)療事故的領(lǐng)域，然后再向更細(xì)分的場景挺進(jìn)。

值得一提的是，從輕到重一方面是基于企業(yè)自身的避險邏輯，另一方面也是硬性規(guī)定。去年9月，北京市衛(wèi)健委牽頭制定的《北京市互聯(lián)網(wǎng)診療監(jiān)管實施辦法（試行）》明確，禁止AI在沒有醫(yī)生監(jiān)督的前提下進(jìn)行診療，或是自動生成處方。

對從業(yè)者來說，從輕到重的趨勢是一個憂喜參半的消息。一方面入局的技術(shù)門檻不高，但鑒于醫(yī)療領(lǐng)域的特殊性，它也意味著后起之秀將很難有機會超過那些有錢有「人脈」的大廠。

具體來說，醫(yī)療數(shù)據(jù)相對敏感，同時未來變更合作方有可能對醫(yī)院經(jīng)營產(chǎn)生較大影響，因此在最初選擇合作方時，則會更加傾向于信譽和風(fēng)險控制能力有保障的大廠。

因此，考慮到與大廠錯位競爭，小廠往往借助多模態(tài)實現(xiàn)彎道超車。

與單模態(tài)相比，多模態(tài)涉及的技術(shù)面更廣，同時多模態(tài)是AI醫(yī)療的必經(jīng)之路。就像醫(yī)生在給出診斷前需要通過多種檢查積累信息，AI想要給出準(zhǔn)確的判斷，同樣需要綜合多種形式的信息。

舉例來說，多模態(tài)AI給出判斷的前提，是能從信息中找到異常。相比于生成式AI，最后結(jié)論正確與否，更大程度上取決于視覺AI的檢測能力。

也就是說，若是企業(yè)能展示出足以「贏在未來」的多模態(tài)能力，醫(yī)院同樣有可能基于長期穩(wěn)定性的考量與其展開合作。

市場也已經(jīng)證明了多模態(tài)AI的號召力。在2024世界人工智能大會期間，商湯醫(yī)療聯(lián)合瑞金醫(yī)院、華西醫(yī)院等多家醫(yī)院，率先啟動了行業(yè)內(nèi)醫(yī)療多模態(tài)AI賦能智慧醫(yī)院的創(chuàng)新示范項目。

公開信息顯示，各方將以商湯醫(yī)療大語言模型作為智慧醫(yī)院建設(shè)「中樞大腦」，智能調(diào)度覆蓋醫(yī)學(xué)文本、放射影像、病理圖像等多種數(shù)據(jù)模態(tài)的專用模型，輔助醫(yī)生完成跨科室、跨模態(tài)的復(fù)雜診斷推理。

3、AI醫(yī)療離我們還有多遠(yuǎn)？

如果要給科技巨頭吹過的牛排個名，AI醫(yī)療大概可以排進(jìn)前三。2012年深度學(xué)習(xí)浪潮興起時，深度學(xué)習(xí)三巨頭之一Hinton曾放言：5年內(nèi)AI可以取代放射科醫(yī)生。

但10多年過去了，AI并沒有如他的愿，Hinton顯然過于樂觀了。

那么，這輪AI醫(yī)療浪潮會像從前那樣「雷聲大、雨點小」嗎？

目前來看，有喜有憂。

「喜」在于，過去的一些技術(shù)難關(guān)確實正在被生成式AI慢慢攻破。

一直以來，缺少高質(zhì)量數(shù)據(jù)集是擺在AI企業(yè)面前的大問題，在醫(yī)療場景中尤其突出。

譬如，常見病有足夠多的數(shù)據(jù)，但罕見病和遺傳病很難滿足信息量要求，即便采用「大數(shù)據(jù)+精標(biāo)注」的傳統(tǒng)AI訓(xùn)練范式，由于每個醫(yī)生撰寫報告，使用醫(yī)療器械的習(xí)慣都不同，同樣是一項幾乎是不可能完成的任務(wù)。

但生成式AI能夠緩解這一問題，例如上海交通大學(xué)的一項研究，利用醫(yī)學(xué)語言模型所包含的對醫(yī)學(xué)圖像和概念的理解，引導(dǎo)通過自然自然圖像訓(xùn)練的視覺模型遷移至病例圖像，從而完成病理圖像少樣本分類任務(wù)。

這類技術(shù)已經(jīng)在產(chǎn)業(yè)界得到了應(yīng)用。商湯近期發(fā)布的病理大模型PathOrchestra，就是通過對海量數(shù)據(jù)的自監(jiān)督學(xué)習(xí)，在無需大量精標(biāo)注的基礎(chǔ)上「觸類旁通」學(xué)會分析各種器官病理圖像。

而「憂」在于，這些企業(yè)走向商業(yè)化的過程中，還有難關(guān)要闖，其中最主要的是資金問題。

從企業(yè)的立場思考，雖然當(dāng)前AI醫(yī)療領(lǐng)域的競爭已經(jīng)從技術(shù)走向了落地，但推動力更多來源于各地打造樣板工程的訴求，而非由利益驅(qū)動的擴(kuò)張。

在缺少成熟方案整合商的情況下，這一趨勢對牽頭企業(yè)提出了很高的要求，不僅需要有非常強的墊資和管理能力對上下游進(jìn)行整合，甚至有可能在建成后還需要持續(xù)為相關(guān)方提供專人服務(wù)團(tuán)隊。

同時，AI醫(yī)療的嚴(yán)肅性和專業(yè)性決定了，企業(yè)不太可能在短時間內(nèi)通過快速復(fù)制來攤薄成本，疊加這類科技企業(yè)本就居高不下的研發(fā)投入，財務(wù)狀況不夠樂觀或規(guī)模不夠大的企業(yè)很有可能會倒在路上。

雖然資金壓力巨大，但這些企業(yè)沒有別的選擇，想要真正滿足醫(yī)生和患者的需求，AI就必須進(jìn)入到真實的醫(yī)療場景中進(jìn)行迭代。

如中國科學(xué)院香港創(chuàng)新院AI中心執(zhí)行主任劉宏斌接受采訪時所說的那樣：“很多大模型研發(fā)過程中沒有醫(yī)院的參與，缺乏臨床方面的因素，導(dǎo)致一些看上去很炫酷的技術(shù)，實際上并不能滿足醫(yī)生的需求?！?/p>

將視角切換到醫(yī)院，撇開那些樣板工程不談，實際上「錢」也是大問題。

現(xiàn)階段，大部分醫(yī)院的算力資源以CPU為主，部署AI所需的GPU很少。因而，想要落地AI醫(yī)療，需要同時配備GPU并保證足夠的存儲和高速網(wǎng)絡(luò)連接。

在全球缺芯的當(dāng)下，這是一筆許多醫(yī)院都難以承受的成本。按照一個科室一張H20進(jìn)行估算，平均每個院區(qū)需要醫(yī)院投入百萬元級別的成本進(jìn)行芯片配置。

從這個角度來說，AI醫(yī)療企業(yè)如果想要實現(xiàn)新技術(shù)的規(guī)模落地，就必須做出一個殺手級應(yīng)用，這樣才能讓醫(yī)院為了購置AI心甘情愿地對部署環(huán)境進(jìn)行升級。

整體來說，醫(yī)療大模型目前雖然已經(jīng)在一些場景開始落地，但尚未抵達(dá)真正可以改變?nèi)藗兩畹霓D(zhuǎn)折點。畢竟，讓人們信任AI看病，本來就是一件很難的事。