近日，醫聯正式發布其自主研發的基于Transformer架構的國內首款醫療大語言模型——MedGPT。與通用型的大語言模型產品不同，MedGPT主要致?于在真實醫療場景中發揮實際診療價值，實現從疾病預防、診斷、治療到康復的全流程智能化診療能力。

醫聯MedGPT項目負責人王磊向21世紀經濟報道等媒體表示，基于MedGPT，醫聯引領數字醫療服務正式進入2.0時代，即醫聯數字醫院脫離以互聯網醫療連接為根本、以提高效率為主要目的的1.0階段，進入了基于AI能力實現疾病管理全流程智能化的數字醫療2.0階段。

【資料圖】

近年來，隨著醫療數據集的快速擴張、硬件設備的迭代升級、算法模型的優化改進，AI在醫療場景中技術積累越發成熟，應用場景日益豐富，而近期GPT技術的突破再次引燃市場關于AI+醫療/醫藥的討論關注。除醫聯外，谷歌、Hippocratic AI、衛寧健康、聯通、創業慧康等國內外行業頭部企業在醫療AI領域均有布局，行業應用加速探索。

其中，谷歌于5月11日推出PaLM2語言大模型，其中針對醫療AI領域的Med-PaLM2在USMLE問題測試中的準確率為85.4%，達到醫療專家的水平；生成式AI平臺Hippocratic AI能夠模擬不同類型的病人與醫生進行對話，在114項證書和考試測試中，其中105項均超出GPT-4。在國內企業中，衛寧健康也推出大語言模型WiNGPT，共包含7大類基礎任務與20多項子任務，在與ChatGPT問診對比中，WiNGPT更為專業、準確、簡練地生成主訴、現病史、診斷和建議。

賦能數字醫療服務進入2.0階段

據介紹，通用大語言模型在面對醫學問題的準確性上存在天然缺陷，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，一致性和準確性是底線問題。針對該問題，醫聯方面認為，MedGPT能夠通過多輪問診引導患者收集足夠的診斷決策因?后，再進?到診斷環節，從而保證準確性。

王磊向21世紀經濟報道等媒體表示，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，即MedGPT通過收集足夠信息并做出符合醫學的決策，以“治愈”為目的而進行人機交互。通過將?然語言大模型AI技術、?系列?程調優技術以及醫學?致性校驗技術相結合，并在模型微調訓練階段采??量真實醫?參與的RLHF(Reinforcement Learning from Human Feedback)監督微調，從而提升模型的疾病特征判斷與模式識別能力。

此外，醫聯還建立基于專家評議的AI診療準確性與真實世界醫?對標測試機制，不斷將AI與真實診療場景對齊，以實現準確診斷。

醫聯方面認為，基于Transformer架構，MedGPT 可以整合多種醫學檢驗檢測模態能力，首次實現線上問診到醫學檢查的?縫銜接。在問診環節結束后，MedGPT會給患者開具必要的醫學檢查項目以進一步明確病情，患者則可以通過醫聯云檢驗等多模態能力進行檢查。基于問診以及醫學檢查數據，MedGPT可進行準確的疾病診斷，并為患者設計疾病治療方案。患者可以通過醫聯互聯網醫院實現送藥到家，MedGPT會在患者收到藥品后，主動為患者進行用藥指導與管理、智能隨訪復診、康復指導等智能化疾病診療動作。

除此之外，王磊還認為，醫聯MedGPT plugin應用平臺整合超過1000+醫療多模態能力，完善全流程智能化診療體驗。“這也意味著醫聯數字醫院脫離以互聯網醫療連接為根本，以提高效率為主要目的的1.0階段，進入了基于AI 能力實現疾病管理全流程智能化的數字醫療2.0階段。”

作為一項疾病全流程診療的醫療專業大語言模型，醫聯MedGPT也形成其自身的醫療AI建設方法論，分別從Disease（病種覆蓋）、Intelligence（智能化）、Accuracy（準確性）、Efficiency（就醫效率）四個維度來建設產品，以提升MedGPT的實際醫療應用價值。

目前，醫聯正不斷加速 MedGPT 的研發，醫聯MedGPT目前的參數規模為100B規模，預訓練階段使?超過20億的醫學文本數據，微調訓練階段使?800萬條的高質量結構化臨床診療數據，并投?超過100名醫?參與??反饋監督微調訓練。

王磊介紹，目前醫聯 MedGPT 已經覆蓋 ICD10的60%疾病病種，并在近期將研發重心傾斜在多發疾病，以提升數字醫院的普惠率。預計在 2023 年底，可以覆蓋80%病種的就診需求。

多家廠商布局醫療大語言模型

據中泰證券研報分析，人工智能主要指利用計算機通過大量訓練學習并模仿人類行為的技術，包括物理發現和識別、自然語言處理、自動推理、語音識別、知識管理等。近年來，隨著醫療數據集的快速擴張、硬件設備的迭代升級、算法模型的優化改進，AI在醫療場景中的技術積累越發成熟，應用場景日益豐富。

這實際也是一個積累的過程，如王磊也指出，此前醫聯已在整體數據積累和技術積累有一定沉淀，但此前卻“沒有暴露”，因為彼時的產品始終無法實現順暢的全流程AI診療體驗，也無法單獨推出使用，會受到醫生或醫助對系統的批評，直到最近Transformer架構大語言模型技術的應用，才使該問題得到解決。“我們對這一領域關注較早，但一直沒有敢行動，因為該領域投入太大但不確定性強，而目前進行投入，是因為該技術已得到驗證。”

基于當下，中泰證券認為，AI+醫療/醫藥未來空間廣闊，AI在藥品開發、病理診斷、醫學影像等領域將有廣泛應用。

根據Statista的報告預測，全球醫療AI市場規模將從2021年的110.6億美元增長到2030年的1879.5億美元，期間復合年增長率為37.0%。同時，根據艾瑞咨詢測算結果，2020年中國醫療AI市場規模為29億元，市場呈現高增長狀態，2020年-2025年期間的復合年增長率為43.9%，總規模在2025年將達179億元，增速領跑全球市場。

在此趨勢下，多家頭部企業布局醫療大語言模型，多個醫療AI應用相繼落地。2023年5月11日，谷歌在GoogleI/O開發者大會上推出PaLM2語言大模型，其中在醫療AI領域推出Med-PaLM2。Med-PaLM2是基于PaLM2的醫療專業大模型，經過醫學專業知識的微調，可以進行醫療問答、總結醫學文本。Med-PaLM2在USMLE問題測試中的準確率為85.4%，達到醫療專家的水平。

在市場火熱下，醫療AI領域醫患模擬對話產品也獲高額融資。據浙商證券研報介紹，2023年5月17日，生成式AI平臺Hippocratic AI宣布獲得5000萬美元種子輪融資，Hippocratic AI能夠模擬不同類型的病人與醫生進行對話，為醫學生模擬臨床環境，在114項證書和考試測試中，其中105項Hippocratic AI表現均超出GPT-4。

從產品角度而言，Hippocratic AI具有4方面性能，首先模擬具有不同疾病、性格、情緒和疾病史的患者和醫學生進行對話；其次，醫學生可以練習通過模擬檢查來形成臨床診斷；第三，為醫學生的臨床技能提供反饋；此外醫學生上傳自己的醫學筆記，根據上傳內容將筆記劃成不同部分形成問答，便于后續學習。

與此同時，國內頭部廠商積極布局，除醫聯外，聯通、衛寧健康、創業慧康等行業頭部企業在醫療AI領域均有布局，行業應用加速探索。

同樣在5月17日，上海聯通攜手華山醫院、上海超算中心和華為公司等聯合發布“Uni-talk”算力網絡醫療大模型。在通用模型基礎能力之上，融入醫學領域專業知識，大幅提升場景感知和理解能力，逐步實現通用人工智能到醫療人工智能領域的融會貫通。“Uni-talk”在通用大規模多語言語料知識庫基礎上，基于醫療知識圖譜收集整理接近億條醫療專業知識資料進行深度訓練學習，保障模型的推理質量、準確性與可靠性。

衛寧健康也推出了大語言模型WiNGPT，據浙商證券研報介紹，衛寧人工智能實驗室已完成WiNGPT可行性驗證并開始內測，其采用通用GPT架構、60億參數。2023年5月，WiNGPT訓練的數據量已達到9720項藥品知識、7200余項疾病知識、2800余項檢查檢驗知識、1100余份指南文檔，總訓練Token數達37億。共包含7大類基礎任務與20多項子任務，在與ChatGPT問診對比中，WiNGPT更為專業、準確、簡練地生成主訴、現病史、診斷和建議。

未來WiNGPT將以Colipot方式將互聯網問診等功能融合到WiNEX產品中。通過候診患者預問診，人工智能快速記錄數據并給出回答，醫生可以實時看到和引用AI生成的內容，提升回答效率。

創業慧康則推出智能就醫助手，擁有就醫咨詢、導診、在線問診、預問診等功能，已在浙江大學醫學院附屬婦產科醫院成功運行，可針對文字提問提出智能解決方案。當咨詢具體疾病問題時，就醫助手具有智能自診和預問診兩項功能。智能自診功能會根據患者癥狀描述針對性提問，在詢問具體疼痛位置時生成一張人體圖，供患者選擇位置，最后自動生成智能問診結果；預問診功能會根據問答生成患者信息、主訴、現病史，用樹狀圖形式畫出患者的主要癥狀和伴隨癥狀，為醫生后續了解病人情況節省時間打下基礎。

關于當前醫療AI技術的發展，浙商證券認為，國內醫療IT廠商首先發力和受益的AI產品即為與患者文字互動的智能問診/就醫輔助類產品。當前就醫助手類AI產品不需要大量適配院內流程，可以以醫療知識庫訓練大模型，極大提升問診類產品的準確性和智能化程度，實現高效導診、分診等就醫輔助功能，并在醫護人員的監督下對患者基礎咨詢進行自動回復，將極大提升醫院運轉效率。