僅僅兩個多月，這場關于ChatGPT的戰事已經從出發、激戰進入到新中場。
不同于一開始對于參與者的讨論，目前，激辯已經圍繞應用層，且聲音越演越烈。
從這個迅速崛起的行業發展軌迹看，初期階段通用大模型是大模型的雛形。而目前，垂直場景應用正在倒逼大模型加快場景的落地。
從網際網路、到金融、教育，如今醫療行業如何與技術相結合，已經有了新的答案。就在一個月前，醫聯釋出了國内首款大模型驅動的AI醫生——MedGPT，對外稱已進入内部測試階段，并計劃于今年5月份正式釋出。
如約而至，5月25日，醫聯揭開了MedGPT的面紗。與通用型的大語言模型産品不同，MedGPT主要緻⼒于在真實醫療場景中發揮實際診療價值，并實作了全流程智能化診療。醫聯推出的MedGPT，是AI首次具備預防、診斷、治療、康複的全流程診療能力。
曆經一個月的内測，MedGPT一經問世，立刻引起了行業的讨論，基于“GPT+醫療”的能力，醫聯正在引領數字醫療服務進入 2.0 時代，且聽良醫一一道來。
⚕️ 主筆/ 布呂
✂️ 文章架構師/ 丹丹
出品/ 良醫财經
01
醫療GPT更大的應用場景還是在基層
市場需要一個夠好的AI産品
在AI技術席卷所有行業之餘，如何與醫療相融合的問題不斷被讨論。
事實上，AI賦能行業已經由來已久，對于醫療行業的改造和應用也已經多時。如果按照時間追溯，最早還要回溯到20世紀50年代。當時，AI技術主要用于通過機器學習技術來診斷疾病，但使用體驗達不到預期效果。
此後AI開始旁敲側擊，通過AI影像輔助診斷成為最成功的應用之一。在ChatGPT走熱之餘，海外市場開始試圖通過這一語言模型技術能力，助力于健康賽道的問診。
一個典型就是谷歌的Med-PaLM——專門用于回答醫療保健相關問題的大型醫用語言模型。除了這種語言類嘗試，還有Nuance，這一項目早在2021年被微軟收購，此前，他釋出了一款讓醫生臨床記錄“iPhone化”的殺手級AI應用，也是醫療行業第一款結合GPT-4模型的應用。
從中國市場看，仍是靜悄悄。國内對于醫療+ChatGPT的讨論，有三個質疑。
值不值得做？
能不能做？
誰能做？
關于第一個問題，大健康領域的ChatGPT有多大的市場價值？
Frost & Sullivan釋出的《醫療智能行業白皮書》預測，2030年，中國醫療智能行業規模有望超過1.1萬億。
之是以有萬億級别的規模，源于中國市場醫療行業巨大的群體、以及極大的智慧醫療空白待填補。中國醫療服務的供給不足，類MedGPT産品可以在效率上有顯著的提高，将寶貴的醫療資源解脫于基本的問詢。
像中國這樣的人口大國，人均醫生數量是嚴重不足的，在這樣的情況下，借助MedGPT，可以幫助醫生進行診斷、識别、搜尋、處置，進而幫助醫生更有效率地治療病人。
值不值得問題，顯而易見。
那麼，能不能做？
在醫療領域一直有個不可能三角，即提高效率、控制支出、保證醫護人員的可持續發展，三者難以同時兼顧。
而ChatGPT的出現，似乎提供了這樣一種解決方案。
醫聯創始人、CEO王仕銳曾就這一問題表示：“AI醫生與網際網路醫院的結合，将為醫療領域帶來前所未有的化學反應。我們相信，未來通過醫聯MedGPT，醫生的工作、學習效率将得到大幅提升，與此同時，優質醫療資源将被快速複制并迅速推廣，醫聯網際網路醫院也将借助MedGPT為廣大患者提供更加便捷、高效、可及的醫療服務，有望進一步推動醫療普惠，實作醫療的不可能三角。”
醫聯所推出的MedGPT，實作從疾病預防、診斷、治療、康複的全流程智能化診療能力。通過人工智能幫助醫生進行診斷，進行處置，提升治療效率。更重要的是，未來随着技術的疊代，MedGPT解決的或許不僅僅是效率問題，而是準确度的問題，人工智能可以幫助人類醫生效率更高、診斷更準确。
再比如， HealthGPT替補全周期健康服務的全科醫生、AI醫生成為醫生輔助、場景化服務、醫院精細化管理……醫療産業鍊上的痛點，在某種程度上都需要MedGPT這樣的産品來解決。
最後，誰能做？
目前，進入大模型創業的，大多數是網際網路大廠。從底層原因看，他們有C端場景、有雄厚的資金。這是他們的入場券。
下沉到垂直行業上，仍需要有這兩個先天條件。不同的是，垂直賽道的場景是固定的。下沉到醫療行業的MedGPT需要一個專家裡手來掌航。
醫聯作為首個推出醫療大語言模型 MedGPT的企業，這些條件都已經具備，下個階段，需要試問的是，MedGPT如何在嚴肅醫療的範疇内，做好準确度。以及，如何加速落地。
02
從嚴肅醫療角度出發
醫聯MedGPT實作三個行業“第一次”
不同于網際網路其他行業，醫療與AI的融合總是更令人期待。對于醫療賽道而言，這是一個非常嚴肅的問題。醫療行業需要高精準度，不容有失。
而通用大語言模型在面對醫學問題的準确性上存在天然缺陷，在問診階段，通用大語言模型往往會輕易給出結論，但對于醫療應用來說，一緻性和準确性是底線問題。
釋出會上醫聯MedGPT的項目負責人描述了一個場景。老的AI線上問診的産品，新的AI問診的産品，或者是真實醫生的線上問診産品，都會有兩個卡點：其一，AI類問診準确性沒辦法得到保證；其二，問診後很難推進治療。
那麼醫聯MedGPT如何緩解這兩個卡點的？
從專業角度來看，醫聯MedGPT形成了一套獨有的「DIAE」醫療AI建設方法論，分别從Disease（病種覆寫）、Intelligence（智能化）、Accuracy（準确性）、Efficiency（就醫效率）四個次元來建設與打磨産品。
從實際就醫體驗流程中看，醫聯MedGPT在關鍵環節點實作了多個行業的“首次”：
- 首次實作AI醫生從有效問診到準确診斷
MedGPT不會輕易給出診斷結論而是會循序漸進地引導患者給出足夠能夠支撐有效診斷的病情全貌。也就是說，MedGPT 是通過收集足夠資訊并做出符合醫學的決策，以“治愈”為目的而進行人機互動。
從具體流程上來看，從問診開始，MedGPT會以一輪一輪的問詢形式，引導患者給出更多病例相關的資訊，這就與過去傳統AI類産品不一樣，會根據問詢的方式收集一些決策因子。
在收集到足夠多的決策因子過後，MedGPT才會去進行診斷。在出診結束過後，AI收集到足夠的資訊，MedGPT持續的推進流程，從線上問診開具醫學相關的檢驗檢查。拿到了檢驗結果，再推進進一步治療。
- 首次由AI給出準确診斷與治療方案
通常的線上問診産品，給出初診分析這一步就結束了，但MedGPT還會繼續推進這個流程。
患者會收到MedGPT開具的必要醫學檢查項目以進一步明确病情，患者可以通過醫聯雲檢驗等多模态能力進行檢查，實作問診到醫學檢驗的無縫銜接。
有了患者的醫學檢查資料之後，MedGPT就能夠做出準确的診斷繼而開出具體的診療方案，同時，MedGPT與醫聯網際網路醫院打通，處方流轉到醫聯的雲藥房後，患者可以進入到買藥階段。
但開藥不是閉環，治愈才是目的。MedGPT會在藥品送到患者手中之後，對患者做個性化的用藥指導與用藥依從性管理，提升治療效果。同時在持續治療與用藥過程中，MedGPT會根據患者的診斷與用藥階段對患者進行針對性的随訪複診。
可以說，醫聯MedGPT不僅是行業内首個釋出的GPT産品，更打破了傳統醫療行業點到點的治療效果，通過AI能力貫穿了患者從就診到康複的整個周期。
為驗證MedGPT的診斷準确率，醫聯抽取了532名複診患者檔案進行資訊脫敏，并進行了模拟首診實驗。結果顯示，醫聯MedGPT的診斷結果與患者原有線下門診的診斷吻合率超過97.5%，覆寫了3000種疾病，充分證明了AI醫生在醫療領域的價值和潛力。
為了保證診斷的準确率，MedGPT采用了一緻性校驗機制，即在為患者輸出正式答案之前，會先經過臨床醫學規則器的校驗，確定醫學的準确性。
通過獨有的将⾃然語⾔⼤模型AI技術與⼀系列⼯程調優技術以及醫學⼀緻性校驗技術相結合，并在模型微調訓練階段采⽤⼤量真實醫⽣參與的RLHF（Reinforcement Learning from Human Feedback)監督微調。目前MedGPT基于Transformer架構，參數規模為1000億，可支援醫療場景下的多模态輸入和輸出。
其中，預訓練階段使⽤了超過20億的醫學文本資料，微調訓練階段使⽤了800萬條的高品質結構化臨床診療資料，并投入超過100名醫⽣參與⼈⼯回報監督微調訓練。
為了強調準确性，醫聯還建立了基于專家評議的AI診療準确性與真實世界醫⽣對标測試機制，不斷将AI與真實診療場景對齊，最終實作準确診斷。
除此之外，王磊還透露，醫聯MedGPT plugin應用平台整合超過1000+醫療多模态能力，整合多樣化的醫療多模态能力，豐富和完善全流程智能化診療體驗。這也意味着醫聯數字醫院脫離了以網際網路醫療連接配接為根本，以提高效率為主要目的的1.0階段；進入了基于強大的AI能力，實作疾病管理全流程智能化的數字醫療2.0階段。
對于市場而言，醫聯MedGPT是首個官宣的GPT垂直産品，幾乎給整個行業定了調。而從醫療角度出發，醫聯的産品模型、底層架構、核心能力看，MedGPT将給患者帶去的意義更為深遠。
這條輔助診療之路，醫聯已經在路上了。
03
醫療GPT是塊難啃的骨頭
醫聯的三重勝算壁壘
今年1月，工信部等十七部門釋出《“機器人+”應用行動實施方案》，該政策提出到 2025 年，服務機器人行業應用深度和廣度要顯著提升。适逢當下國内外的大模型紛紛推出，包括商貿物流、醫療健康、養老、商業社群服務等多個機器人行業賽道都成為類大模型技術落地的掘金地。
事實上，雖然接入類GPT應用的接口隻是一瞬間的事，但打好機器人“身體底子”、進一步疊技能卻仍是一件難度較高的事，不是人人都具備“入場券”。
醫聯MedGPT一經官宣，市場上的聲音不斷。對于行業而言，最先釋出産品的往往就是挑大梁者。
在嚴肅醫療的路上，醫聯MedGPT能夠扛得起這面大旗？這場垂直GPT的入場券，需要具備AI技術的基礎、醫療專精、以及樹立标準的能力。
從技術基礎積累看，醫聯并非第一天殺入AI領域。
國盛證券計算機團隊在研報中粗略估算了ChatGPT的通路算力和前期訓練兩項費用，其中初始投入近十億美元，單日電費達數萬美元。謙詢智庫合夥人龔斌曾指出，這個遊戲要持續能玩，5000萬美元隻是起步價，快速追趕者的投入起碼要5億美元，計算領域的生産工具和生産資料，正在快速集中化和“寡頭化”。
而建立垂直醫療領域的GPT的門檻更高。除了大量的資金，科技人才、醫療人才的投入同樣巨大，醫聯創始人王仕銳早在2019年就開始深度研究AI相關的内容，他對趨勢的發展和對AI之于醫療的發展前景有着很強的把控，在他的帶領下，醫聯對于技術的布局也是一以貫之的。
在網際網路醫療剛出發時，醫聯就已經加入了這場戰局。最初，醫聯就通過技術的手段賦能患者、醫生、醫院。資料不斷疊代之下，已經留存了海量資料，和處理資料的能力。
據官方資料披露，醫聯平台已經擁有150餘萬注冊醫生和2000萬患者在使用，這意味着醫聯參透了中國醫患連接配接的本質，長期且深入的醫患互動留下大規模資料，而這也正是醫療GPT類産品中最為寶貴的部分。基于這一點，産品才可以在正确語義背景下進行有效回應。
基于AI能力，醫聯MedGPT可以和其存量業務，如雲檢驗、雲影像、雲藥房等互補協同。這樣一來，互相促進，加深AI技術能力和資料投喂的量級。
從醫療專業領域看，深耕多年的醫聯，已經是位老船長。
醫聯MedGPT項目負責人王磊曾表示，“我們可能不是當下最強的AI技術公司，但我們⼀定是最懂如何讓AI技術更好地為醫生和患者服務的公司。”
目前醫聯已經涉足惡性良性腫瘤、心腦血管、糖尿病等常見領域，探索出疾病管理标準化流程近140個，擁有專利或軟著近100項。
從樹立标準看，醫聯持續以學科建設為驅動助推行業規範化
醫聯非常注重對平台上醫患互動資訊數字化的建構和開拓。這使得其得以建構預防、診斷、治療、康複的完整閉環，建立起行業内少有的堅固的醫患關系鍊和疾病管理能力。
2021年，醫聯牽頭成立了行業内首個由院士牽頭的學術委員會的公司。去年，醫聯還參與制定《網際網路醫院開展艾滋病相關醫療服務專家共識》…目前行業中沒有既定的标準評測體系，良醫了解到，醫聯内部會有一套評測标準，高要求使用中的準确性與一緻性。
這都是醫聯能夠扛起MedGPT大旗的底色。
04
良醫财經的思考
AI是工具，醫療GPT要腳踏實地
上世紀70年代末期起源的醫療資訊化發展到20世紀初的網際網路醫療，再到2016年前後開始的數字醫療創新階段，可以稱之為數字醫療的1.0階段。
目前，在大陸推進“以治病為中心”向“以健康為中心”轉變、深入建構中國特色的價值醫療服務體系程序中，數字醫療在緩解醫療供需沖突、提升醫療服務效率等方面發揮的作用日益凸顯。但如何推進，并通過數字化手段解決患者、醫生、醫院之間的銜接問題仍然存疑。
醫聯MedGPT提供了一種新的思路和解決辦法，帶領數字醫療邁向2.0階段，即借助AI工具，從問診到康複的全流程管理之外，解決就醫難的問題、緩解醫生資源緊缺、甚至助力醫生精準診斷。
但“GPT+醫療健康”不止如此，未來或許在醫保支付、健康科普、患者關懷、個性化服務等領域引入MedGPT會為醫學檢驗提供更快速、高效和準确的工具，帶來診斷精度的提高和醫療檢測效率的提升。
前景很廣闊，但仍需醫療企業腳踏實地。值得注意的是，雖然人工智能在某些場景下有着極其優越的表現，但是不代表它在所有場景下都能提供同樣的回報。
在充分落地前，醫療界、科學家、研究人員、大模型企業等應該盡快開展相關研究，以評估其在哪些場景下可以最大化發揮價值，又如何使風險最小化，并確定在有人監督的情況下使用它。除此之外，在責任和倫理問題上也需要做好充分的準備，比如未來若是模型犯錯，誰來擔責？
無論技術多麼強大，還是要遵循醫療的本質，一切才剛開始。