三级自拍视频,国内精品福利视频喷尤物,www.色五月

大模型重塑競爭格局，誰將扛起醫療GPT的大旗？

2023-09-01 14:18:12 來源：大眾網

來源:極客智谷
今年以來,AI大模型浪潮正以革命性姿態沖擊各行各業,醫療行業也不例外。華安證券在研報中指出,在人工智能的所有應用中,醫療行業位列首位。據中商產業研究院統計,2020 年AI+醫療已占人工智能市場的 18.9%。另據 IDC 統計數據,到 2025 年人工智能應用市場總值將達 1270 億美元,其中醫療行業將占市場規模的五分之一。可見,醫療AI廣闊市場大有所為。

然而,整體來看,目前中國醫療AI的市場格局集中度較低,行業呈多元化發展態勢,醫療影像、輔助診斷、藥物研發、健康管理、醫院管理、醫療機器人等細分領域全面開花,但都未形成產業化發展。

大模型的出現,給醫療AI產業帶來了新的機會,或將重塑市場格局。

01#

AI與醫療AI的演進

AI賦能醫療行業已久,但為何醫療AI的發展一直沒有形成規模化、產業化?個中緣由或許可以沿著AI技術的演進探究。

自1950年“人工智能”的概念被首次提出,至今過去了七十余年。期間,AI技術的發展經歷了四起三落。

AI 1.0以基于數理邏輯的符號邏輯為基礎,被稱為專家系統。基于符號知識推理的臨床決策支持系統(CDSS)正是在這一階段產生,其通過嚴謹的邏輯推理和匹配的方式,來幫助醫生進行診斷與治療推薦。但專家系統存在構建成本高和泛化能力差兩個主要局限性,需要對每種疾病甚至每個醫生的觀點進行構建,且如果構建時沒有涵蓋患者的個性化信息,比如當前用藥及并發癥等,就無法進行推理,這也是這一代的CDSS未得到廣泛應用的重要原因之一。

AI 2.0是機器學習時代,統計機器學習被應用于疾病早篩預測、患病風險預測等諸多領域。然而,盡管醫學科研課題中有很多應用機器學習的研究,但商業化應用的成功案例卻很少。其中一個重要原因在于早期的機器學習技術極度依賴于模型假設,學習能力不足,而在實際應用中,許多模型假設無法預知或不成立,導致該技術在商業化方面的模型效果和泛化能力不足。

AI 3.0是在AI 2.0機器學習的基礎上經過深度學習+大數據驅動的技術進步。深度學習技術在醫學影像等特定領域取得了顯著成果,但很多公司也面臨著虧損的困境。因為該技術需要針對特定任務投入高昂的成本,如果單一任務場景商業化收益有限,難以收回訓練成本且難以直接應用于其它任務。

當前,我們已處于AI發展的第四個高潮階段-大模型時代。經過大規模數據預訓練得到的大模型,“涌現”出了原有算法模型不具備的優秀的上下文學習、復雜推理等能力,顯著增強了人工智能的通用性、泛化性,讓人們看到了AGI(通用人工智能)時代的曙光,也為醫療產業升級帶來了巨大的發展機遇。在大模型的助力下,醫療影像、臨床決策系統等領域由來已久的痛點有望解決,如未來可泛化可循證的CDSS。同時,海量的創新應用即將爆發,智慧病案、新藥研發、輔助診療、健康管理等方面都有望實現進一步拓展。

02#

醫療大模型是必選項,不是可選項

身處大模型風口,企業一擁而上,國內的AI大模型如雨后春筍般涌現。《中國人工智能大模型地圖研究報告》顯示,截至2023年5月底,國內10億級參數規模以上基礎大模型就至少已發布79個。除了文心一言、通義千問、紫東太初等一批通用大模型,金融、醫療、教育等行業也已著力構建垂類大模型。

對此,各方思辨與爭論不斷。“百模大戰”是否存在重復建設?垂類大模型是否有必要?垂直領域應用能否直接基于第三方大模型?

筆者認為,在討論大模型在醫療領域的應用前,必須充分認識到醫療行業嚴肅性、敏感性、專業性等特殊性。

低容錯率是最顯著的特點。OpenAI發布ChatGPT時指出,由于所使用的訓練數據及訓練方法的原因,ChatGPT有時會寫出聽起來很有道理但不正確或無意義的回答。當前,無論是GPT-4,還是其它通用大語言模型,均存在這樣的“AI幻覺”。試想如果這樣的情況出現在醫療場景下,可能會誤導診斷,甚至對患者的生命健康造成嚴重后果。醫療行業嚴肅、專業,通用大模型缺乏深入的醫療專業領域知識、經驗及復雜推理過程,在醫療場景實際應用時可能無法提供足夠專業和準確的回答,醫療領域還是需要“對癥下藥”。

業內專家曾提出一個有趣的觀點,將大模型的應用生動地比喻為“雇傭新員工”,教育背景是一個重要的考量因素,那么顯然醫療行業對專業對口性要求極高。

其次,醫療健康領域涉及到大量敏感數據,患者隱私保護和數據安全是醫療AI產業發展的底線,如果調用海外模型API會存在一定風險。而且對于醫療科技企業而言,如果單純的在第三方大模型的基礎上去做應用,雖然門檻低、投入低,但也沒有自己的核心壁壘。而相反,研發自己的醫療大模型將為企業的發展和人工智能在醫療領域的應用創造更大的想象空間。

由此可見,醫療大模型不是可選項,是必選項。并且隨著醫療大模型的創新與應用,醫療AI行業或將迎來洗牌,布局方向、應用價值都將成為企業競爭的關鍵節點。

03#

誰能扛起醫療GPT的大旗?

目前,國內越來越多的企業意識到醫療GPT的價值,入局垂類大模型。比如互聯網醫院醫聯發布醫療大語言模型MedGPT,數字醫療健康到家服務商叮當健康發布叮當HealthGPT,國內老牌醫療AI公司醫渡科技也正在研發訓練醫療垂直領域大語言模型。

雖均為醫療大模型,但方向和優勢各不相同。

例如,醫聯作為互聯網醫院,其本質是醫患關系鏈,超過 150 萬的注冊醫生和 2000 萬患者互動而沉淀下來的大規模數據,為大模型的研發提供了語料,疾病全流程診療也理所當然地成為了其大模型落地的方向。

叮當健康作為一家提供“即時健康到家”服務的企業,旗下主要有叮當快藥服務、在線健康咨詢、慢病與健康管理三大核心業務,多年運營實踐使叮當健康了解用戶的常見需求、常見問題和用戶咨詢的場景,因此叮當HealthGPT能夠作為AI健康助手,為用戶提供全方位的健康相關問題解答和建議。

而醫渡科技作為老牌醫療AI 公司,天然具備AI技術和醫療行業know-how的積累。醫渡科技自主研發的“醫療智能大腦”YiduCore與ChatGPT有許多相似之處,都是源于大量的訓練錘煉,背后是強大的數據處理和AI算法能力。其在利用YiduCore模型化的知識圖譜賦能醫療場景的過程中,對疾病和醫療行業的理解也在持續深化,最新財報數據顯示,YiduCore醫學知識圖譜已經覆蓋超 9 萬個醫學實體、1 萬種疾病數量,并已在 70 多個疾病領域建立了疾病模型,覆蓋的醫院也超過了 1500 家。

目前醫渡科技的醫療大模型還未正式發布,但從其當前業務布局中可以大膽推測,醫渡科技的大模型或將覆蓋公衛、診療、臨床研究、新藥研發、健康保險、健康管理等各個領域,有望形成“醫、藥、險、患者”閉環。筆者認為,場景豐富正是醫渡科技最大的優勢。醫療行業產業鏈非常長,單一環節、單一領域的技術創新,很難形成市場競爭地位。多場景多業務的多元化企業,才能形成產業鏈的生態閉環,讓醫療大模型發揮更大價值。

醫渡科技也多次對外提到,會用大模型將旗下所有產品進行改造或重構,這將是其從技術、產品邁向生態的關鍵一步。并且基于這一點,醫渡科技的大模型可以與其存量業務互補協同、互相促進。

·寫在最后·

進入大模型時代,所有企業看似站在了同一起跑線上。但追根溯源,能夠成為領跑者的還是多年堅持研發、產品打磨、落地應用換來的厚積薄發。

而這場醫療大模型的比拼,顯然會是一場“馬拉松”,不會停留于短期的聲量大小,或你追我趕的一時輸贏。只有當大模型越來越深刻地解決醫療行業需求,賦能更多有價值的應用場景,真正提升醫療效率和質量,這場大模型帶來的格局重塑,才能奠定最終勝勢。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

標簽：