在優(yōu)質(zhì)醫(yī)療資源稀缺的背景下，AI大模型的介入無疑正在改變傳統(tǒng)的行業(yè)競爭格局和醫(yī)患關(guān)系。

　　本月以來，多地公立和私立醫(yī)院紛紛官宣接入DeepSeek并開啟本地化部署，瑞金、中山、協(xié)和等頭部大三甲醫(yī)院接踵發(fā)布醫(yī)療垂直領(lǐng)域的大模型。而DeepSeek的開源路徑，不僅打破了技術(shù)“黑箱”帶來的應(yīng)用鉗制，也讓“技術(shù)平權(quán)”的思路正植入醫(yī)療生態(tài)中。

　　但熱潮之下也需要冷思考。醫(yī)療場景的嚴(yán)肅性、復(fù)雜性和低容錯性，使得醫(yī)院、醫(yī)生、患者與AI的磨合之路，注定道阻且長。

　　悖論似乎正在增多：當(dāng)普通患者、基層醫(yī)生通過AI獲取海量知識時，理論上有助于分級診療和精準(zhǔn)醫(yī)療，但AI幻覺增加了醫(yī)患間的沖突和不信任；大模型給醫(yī)生減負(fù)也減輕了醫(yī)院管理成本，但大模型的實施和維護(hù)成本高昂；生態(tài)開放降低了醫(yī)療大模型的入局門檻，但大模型的迭代需要大量高質(zhì)量數(shù)據(jù)，強(qiáng)者恒強(qiáng)的故事仍在上演。

　　此外，開放式創(chuàng)新能否找到容他性知識產(chǎn)權(quán)保護(hù)機(jī)制和產(chǎn)業(yè)生態(tài)？在生態(tài)開放下，患者隱私和診療的準(zhǔn)確性又由誰來兜底？

　　醫(yī)療“百模大戰(zhàn)”迎來新入局者

　　“醫(yī)療機(jī)構(gòu)自身投入行業(yè)大模型訓(xùn)練的趨勢，正變得越來越明晰。”優(yōu)實資本董事長邢杰在接受第一財經(jīng)采訪時說。

　　有數(shù)據(jù)顯示，2024年涌入醫(yī)療領(lǐng)域的AI大模型公司已經(jīng)過百。今年，國產(chǎn)推理大模型DeepSeek-R1推出后，掀起新一輪醫(yī)療行業(yè)大模型研發(fā)和應(yīng)用熱潮。如邢杰所言，通用大模型領(lǐng)域的“百模大戰(zhàn)”在DeepSeek的V3和R1發(fā)布后喧囂褪去、格局已定，但醫(yī)療行業(yè)大模型的“百模大戰(zhàn)”正在迎來新入局者、曾經(jīng)的AI應(yīng)用“保守派”——醫(yī)療機(jī)構(gòu)。

　　邢杰表示，在這背后的一個核心的原因在于大模型研發(fā)進(jìn)入到第二個階段，也即從預(yù)訓(xùn)練通用模型進(jìn)入到后訓(xùn)練推理模型主導(dǎo)的階段。醫(yī)院尤其是在某些專病領(lǐng)域掌握權(quán)威數(shù)據(jù)資源又具備一定臨床轉(zhuǎn)化能力的“大三甲”醫(yī)院逐漸意識到：后訓(xùn)練推理模型階段的訓(xùn)練成本遠(yuǎn)低于預(yù)訓(xùn)練階段，用于強(qiáng)化學(xué)習(xí)訓(xùn)練推理模型的數(shù)據(jù)量也遠(yuǎn)低于預(yù)訓(xùn)練階段。

　　2月中旬以來，多家大型公立醫(yī)院宣布大模型研發(fā)的最新成果。

　　上海交大醫(yī)學(xué)院附屬瑞金醫(yī)院發(fā)布單模態(tài)大模型——“瑞智病理大模型”(RuiPath)；復(fù)旦大學(xué)附屬中山醫(yī)院發(fā)布心血管專病大模型“觀心”稱其則結(jié)合多模態(tài)數(shù)據(jù)深度推理能力；北京協(xié)和醫(yī)院官宣“協(xié)和·太初”罕見病大模型進(jìn)入臨床應(yīng)用階段。第一財經(jīng)了解到，該模型采取“數(shù)據(jù)＋知識”雙輪驅(qū)動的“小樣本學(xué)習(xí)”模式并結(jié)合了大模型的強(qiáng)推理能力。

　　但相較于科技企業(yè)、醫(yī)療AI公司和互聯(lián)網(wǎng)醫(yī)療企業(yè)，這些大醫(yī)院的研發(fā)投入更為謹(jǐn)慎，通常從單模型、單病種或特色病種入手。

　　“行業(yè)大模型研發(fā)是個循序漸進(jìn)的過程，目前在醫(yī)療影像診斷等領(lǐng)域，AI診斷的成熟度和準(zhǔn)確性之高，業(yè)界已經(jīng)基本達(dá)成共識。所以，醫(yī)院大都選擇從文字或影像等單模態(tài)入手來訓(xùn)練細(xì)分行業(yè)模型，這樣難度較低。”邢杰說。

　　當(dāng)前，在診療方面，醫(yī)療機(jī)構(gòu)所訓(xùn)練的小模型大體可分為兩類：一類是綜合考慮訓(xùn)練數(shù)據(jù)量、算力、與真實醫(yī)療場景中的適配度以及所需解決的實際醫(yī)療問題，而自研的模型；另一類是在如DeepSeek等通用大模型開源基礎(chǔ)上，“蒸餾”并予以本地化部署的專用模型。

　　京東健康探索研究院(JDH XLab)首席科學(xué)家王國鑫對第一財經(jīng)表示，對于前者，盡管DeepSeek讓業(yè)界看到了通過算法優(yōu)化和深度推理能力，可以以一種更具性價比的方式實現(xiàn)大模型訓(xùn)練，但模型“小樣本學(xué)習(xí)”或者說實時學(xué)習(xí)的能力其實并不容易達(dá)成。在出現(xiàn)顛覆式訓(xùn)練方式之前，模型訓(xùn)練對于算力以及對于高質(zhì)量、大體量的數(shù)據(jù)需求，仍然迫切。

　　對于后者，“大家有時候低估了大模型落地對于醫(yī)院自身軟硬件卓越程度的要求。”王國鑫舉例說，比如醫(yī)院算力消化情況、信息化基礎(chǔ)設(shè)施投入等，這些都關(guān)乎大模型能發(fā)揮真實效力。

　　有醫(yī)院人士告訴第一財經(jīng)，由于算力受限，醫(yī)院需要將大模型上數(shù)據(jù)部署在云平臺上，而非醫(yī)院內(nèi)置服務(wù)器上。出于醫(yī)療數(shù)據(jù)隱私安全考慮，在大模型上問診的患者無法直接跳轉(zhuǎn)醫(yī)院門診預(yù)約平臺，需要重新使用真實ID進(jìn)行注冊和預(yù)約，或者通過醫(yī)務(wù)人員的人工介入，幫助患者與醫(yī)院建立真實診療關(guān)系。如何讓大模型診療與線下就診渠道更“絲滑”？仍待醫(yī)院信息化的持續(xù)變革。

　　小模型打敗大模型？

　　在接受第一財經(jīng)采訪時，DCCI-未來智庫與FutureLabs-未來實驗室首席專家胡延平表達(dá)了一個觀點：鑒于行業(yè)特殊性，醫(yī)療大模型的發(fā)展或是一個從“專用”到“通用”的過程。

　　現(xiàn)階段，一方面，“很難說醫(yī)療領(lǐng)域擁有了所謂的通用大模型”，相反“越通用，可能在某個特定的方向能力越不突出”；另一方面，行業(yè)對大模型的泛化功能需求不太迫切，但更需要使用病理大模型提升檢查效率，通過專病模型切實提升診斷準(zhǔn)確率。

　　前述受訪醫(yī)院人士表達(dá)了類似看法。她舉了一個例子：此前，OpenAI宣稱通過“強(qiáng)化微調(diào)”技術(shù)，使通用型大模型O1為罕見疾病診斷提供了全新的解決方案。在官方示范案例中，O1模型從數(shù)百篇關(guān)于罕見疾病的科學(xué)病例報告中提取出一系列疾病信息，并據(jù)此預(yù)測可能引發(fā)遺傳疾病的基因。

　　該醫(yī)院人士認(rèn)為，在前述案例中，所有疾病表型已知，相當(dāng)于大模型在擁有了完整版的患者信息后，再進(jìn)行決策，這是一種純知識映射。而更貼近現(xiàn)實診療環(huán)節(jié)的模式，則是在醫(yī)患雙方都不知曉疾病種類的情況下，自由地進(jìn)行人機(jī)交互。這一點已有垂類大模型可以做到。

　　一種普遍存在的業(yè)界看法是，部分通用大模型或能實現(xiàn)個別精準(zhǔn)診斷，但個案的成功并不代表模型具備特定疾病精準(zhǔn)診斷的能力。

　　“不過，這并不代表‘小模型打敗大模型’。”胡延平認(rèn)為，原因有兩點：其一，專用(垂類)模型的訓(xùn)練離不開通用模型，或者說專用模型往往是在幻覺較低、推理能力較強(qiáng)的通用模型基礎(chǔ)上微調(diào)、后訓(xùn)練或者模型蒸餾而成的；其二，專用模型的準(zhǔn)確度從50分提升到70分容易，甚至目前已有不少專用模型宣稱其疾病診斷能力達(dá)到80~90分。但再往上，專用模型的性能提升會遇到瓶頸。這時候就需要通用大模型的三個能力進(jìn)行賦能——通識能力、思考推理能力以及多模態(tài)能力。

　　邢杰也認(rèn)為，從疾病診斷來說，通常需要患者影像數(shù)據(jù)、檢查檢驗數(shù)據(jù)、聲音數(shù)據(jù)、文本數(shù)據(jù)等多模態(tài)數(shù)據(jù)以進(jìn)行交叉驗證，所以多模態(tài)大模型始終是行業(yè)趨勢。

　　王國鑫表示，多模態(tài)的推理模型可以視為AI未來在絕大多數(shù)醫(yī)療場景中應(yīng)用的根本技術(shù)。唯其如此，AI才能逐漸具備類似于人的能力，進(jìn)入數(shù)字人階段，乃至實現(xiàn)所謂的“強(qiáng)人工智能”，而不僅僅是一個對話工具。目前，在很多醫(yī)院場景下，小體量、單模態(tài)和專病大模型的應(yīng)用，更多是延續(xù)“AI改造原有的技術(shù)鏈路”的思路，而非“訓(xùn)練AI重新創(chuàng)造一種生產(chǎn)模式”。

　　生態(tài)開放

　　多名受訪業(yè)界人士均提出，無論是如互聯(lián)網(wǎng)醫(yī)療企業(yè)、AI醫(yī)療企業(yè)等先入局者，還是如醫(yī)院等后入局者，均需要進(jìn)行生態(tài)合作和數(shù)據(jù)開放。

　　“回到一個基本的邏輯，醫(yī)療行業(yè)在某種意義上就是一個數(shù)據(jù)驅(qū)動型行業(yè)。大模型和AI醫(yī)生的訓(xùn)練過程需要大量醫(yī)療數(shù)據(jù)。但現(xiàn)在醫(yī)療數(shù)據(jù)不僅量少，而且質(zhì)量欠缺。所以，醫(yī)院間要合作、醫(yī)院要與互聯(lián)網(wǎng)醫(yī)院合作，還要和患者端合作。”王國鑫說。

　　此外，王國鑫稱，大模型天生具備“去ID化”特質(zhì)，脫敏后的醫(yī)療數(shù)據(jù)往往可以達(dá)到更具精度的訓(xùn)練成果，加之目前數(shù)據(jù)安全和隱私計算等技術(shù)日趨成熟，醫(yī)療數(shù)據(jù)的生態(tài)開放在大模型訓(xùn)練上，有實現(xiàn)的可能性。

　　但醫(yī)院的顧慮顯然更多。“作為一個專業(yè)工具而言，醫(yī)療機(jī)構(gòu)訓(xùn)練的疾病診斷大模型并不具備開源的背景和基礎(chǔ)。因為醫(yī)學(xué)診療的執(zhí)行權(quán)不能交給AI工具。對于大模型生成推薦方案，需要醫(yī)生的審核和決策。如果實現(xiàn)大模型的參數(shù)開放，大模型的數(shù)據(jù)和知識來源將不再可控，如果因為產(chǎn)生‘AI幻覺’，不僅患者診療結(jié)局可能受到影響，大模型研發(fā)單位的聲譽(yù)和口碑也可能被殃及。”有受訪醫(yī)生表示。

　　所以，“可信、互信”是開源第一步。正如其他行業(yè)已出現(xiàn)的相關(guān)治理思路，邢杰認(rèn)為，在很多醫(yī)療機(jī)構(gòu)都開始訓(xùn)練自已的小、中、大細(xì)分行業(yè)模型的情況下，會出現(xiàn)幾個權(quán)威的或官方的醫(yī)療健康行業(yè)AI模型評測體系，以驗證各家行業(yè)模型的性能指標(biāo)，如疾病診斷的準(zhǔn)確度、穩(wěn)定性等。在此背景下，醫(yī)療行業(yè)模型會逐步走向一個優(yōu)勝劣汰的階段。

　　醫(yī)療機(jī)構(gòu)也能從開源中獲益。鑒于目前一些醫(yī)療機(jī)構(gòu)訓(xùn)練出的小模型或?qū)２∧Ｐ停谀承┘膊≡\療領(lǐng)域已顯露出比通用模型更高的準(zhǔn)確性和實用價值，邢杰認(rèn)為，即便后續(xù)出現(xiàn)了全行業(yè)、更有權(quán)威性的行業(yè)通用模型，這些專病模型也有足夠的價值與這些行業(yè)通用模型展開各種合作，細(xì)分領(lǐng)域優(yōu)質(zhì)數(shù)據(jù)永遠(yuǎn)是模型訓(xùn)練的稀缺資源。

　　而從現(xiàn)階段來看，醫(yī)療機(jī)構(gòu)的數(shù)據(jù)開放依然推進(jìn)艱難。相比之下，企業(yè)側(cè)的開源生態(tài)已初露端倪。

　　今年，在DeepSeek開源后，國內(nèi)多家科技公司相繼宣布實施大模型開源。在醫(yī)療AI行業(yè)，包括在AI制藥、AI診斷等細(xì)分賽道上，企業(yè)的開源動作雖然不多，但已經(jīng)開始有。

　　比如，京東健康近日官宣旗下“京醫(yī)千詢”醫(yī)療大模型成為國內(nèi)醫(yī)療行業(yè)首個全面開源的垂類大模型。對此，王國鑫表示，目前無論是大模型技術(shù)還是醫(yī)療AI行業(yè)，都在發(fā)展的早期階段。此時，開源和透明的合作方式能夠快速推動技術(shù)的使用和接納，培植行業(yè)生態(tài)。

　　患者挑戰(zhàn)專家？

　　當(dāng)DeepSeek所引發(fā)的“技術(shù)平權(quán)”浪潮席卷醫(yī)療領(lǐng)域，不僅醫(yī)療服務(wù)供給側(cè)的生態(tài)競爭格局出現(xiàn)變化，醫(yī)患關(guān)系也正悄然發(fā)生改變。

　　近日，廣東一名醫(yī)學(xué)博主在社交媒體上發(fā)帖表示，自己為病人開出治療方案，對方查詢DeepSeek后反饋有問題，自己“氣得又查了一遍醫(yī)學(xué)指南”，結(jié)果發(fā)現(xiàn)醫(yī)學(xué)指南更新了。為此，他無奈自嘲：感覺“天塌了”。

　　于是在醫(yī)生群體中，“一石激起千層浪”，有的醫(yī)生產(chǎn)生了危機(jī)感，有的醫(yī)生則認(rèn)為大模型的診斷結(jié)果“大而全，但不一定有用”，有的醫(yī)生譴責(zé)AI幻覺，還有的醫(yī)生認(rèn)為大模型可以訓(xùn)練基層醫(yī)生、提升診療同質(zhì)化水平。

　　在胡延平看來，“患者挑戰(zhàn)專家”不失為一件好事。長期以來，醫(yī)療市場是個醫(yī)患雙方信息高度不對等的市場，患者知識儲備的增強(qiáng)，既能倒逼醫(yī)生提升專業(yè)能力，也能在一定程度上避免過度診療，或者因觀念、利益等因素選擇并不是最有利于患者的治療方案。

　　從更宏觀的維度，胡延平認(rèn)為，AI大模型的應(yīng)用也有利于醫(yī)療的“去中心化”，賦能基層醫(yī)療，并幫助互聯(lián)網(wǎng)醫(yī)療等市場化主體參與到醫(yī)療市場的競爭中，從而減少優(yōu)質(zhì)醫(yī)療資源的壟斷和稀缺問題。

　　他認(rèn)為，誠然如“醫(yī)生有了AI，變懶了”“病人有了AI，不找醫(yī)生”等現(xiàn)象，確實有可能發(fā)生，但從更長周期來看，大模型能夠讓優(yōu)質(zhì)醫(yī)療資源更普惠和可及。

　　在受訪專家中，無論是“技術(shù)審慎主義者”還是“技術(shù)樂觀派”均認(rèn)為，目前距離“AI開處方”還言之過早。

　　持審慎態(tài)度的受訪專家認(rèn)為，醫(yī)學(xué)診療的執(zhí)行權(quán)不能交給AI工具，醫(yī)生需要對患者負(fù)責(zé)，醫(yī)生問診過程也是與患者情感交互過程，可以給予患者更個性化的診療方案，更勿寧說，AI幻覺還難以抑制。

　　持樂觀態(tài)度的受訪專家則認(rèn)為，當(dāng)AI成為一個被醫(yī)患雙方廣泛認(rèn)可的技術(shù)之后，有關(guān)AI處方權(quán)、AI診療支付價格標(biāo)準(zhǔn)問題等，均會被監(jiān)管層重視并予以解決。但目前還處于技術(shù)發(fā)展的初期，醫(yī)療大模型的應(yīng)用場景還有待拓寬。

　　而要想提升醫(yī)患雙方對AI技術(shù)的信任程度，核心之一在于抑制AI幻覺。

　　邢杰分析說，大模型“幻覺”產(chǎn)生主要有六點原因：一是訓(xùn)練數(shù)據(jù)偏差；二是作為概率模型，大模型不可能實現(xiàn)100%精準(zhǔn)；三是在泛化過程中會產(chǎn)生幻覺；四是大模型訓(xùn)練數(shù)據(jù)通常是非實時的；五是對話長度和上下長度都可能導(dǎo)致幻覺問題；六是在反饋微調(diào)過程中，不同公司的偏好也會帶來一定幻覺。

　　王國鑫認(rèn)為，AI幻覺可以得到抑制。“一定要把診斷流程的推理過程白盒化，這不僅僅是讓醫(yī)生隊伍產(chǎn)生信任，更重要的是讓技術(shù)有進(jìn)步。”

　　在他看來，今天的大模型技術(shù)，還是一個“學(xué)生”，但可以通過拉長推理過程，使其自己反復(fù)校驗，從而達(dá)到一個更好的結(jié)果。換言之，在技術(shù)層面，AI幻覺不是不能解決的問題，AI會無限逼近那個準(zhǔn)確性。

　　第一財經(jīng) 吳斯旻