大厂当“海王”，独角兽专情，谁是AI医生的扛鼎者？热评聚热点

　　采写陈纪英
　　比尔盖茨可能是ChatGPT的“头号铁粉”。
　　他对ChatGPT的“表白”，简直如同情话一般热烈，“这是我一生中见到的两项最具革命性的技术之一”。
　　ChatGPT在医疗领域的落地，则是比尔盖茨最为看好的赛道，他期待全球都束手无策的看病难、看病贵顽疾，借此缓解。
　　比尔盖茨的盖章点赞并非虚美。
　　他有着足够的权威性既是微软的创始人，洞悉人工智能的未来图景，也是顶尖的医疗专家在离开微软后，他把大部分精力投身于医疗慈善事业。
　　不止比尔盖茨，创新工场创始人李开复、奇绩创坛创始人兼CEO陆奇，以及红杉中国等，都对类ChatGPT技术落地医疗（以下简称HealthGPT），有着高度期待。
　　陆奇笃信，好的医护就是“超级模型”，医疗产业本身就是模型驱动，正是AI可以长袖善舞的领域。
　　而在国外，ChatGPT和谷歌打造的“MedPaLM”，也都陆续秀出了“医术”；在国内，互联网医院平台医联刚刚上线了AI医生MedGPT。
　　MedPaLM和MedGPT恰恰代表了两类玩家前者是超级巨头的典型，打造的通用大模型，会在医疗等多个领域尝鲜探路；后者是垂直赛道的玩家，以AI为工具，走向医疗服务终点。
　　投资机构、头部大厂、创业公司的集体涌入之下，AI医生到底能不能替补上位，纾解医疗供给短缺的顽疾？从模型上线，到大规模应用落地，需要闯过哪些关卡？
　　巨头独角兽同向不同路
　　创投机构、巨头和独角兽的汹汹入场，是看中了AI医疗的广阔前景HealthGPT站在了AI和大健康交汇的十字路口，两者都是10万亿量级的超级风口。
　　根据《健康中国2030规划纲要》，2030年，中国大健康产业市场规模有望逼近16万亿元，成为中国经济的支柱产业之一，可以类比的是，2022年，被视为经济支柱的房地产行业，开发投资总额也不过13。29万亿元。
　　另据FrostSullivan发布的《医疗智能行业白皮书》预测，2030年，中国医疗智能行业规模有望超过1。1万亿。
　　而风口正热的ChatGPT，其母公司OpenAI的估值，已经飙涨至300亿美元，还带动大股东微软的市值大涨三四成。
　　陆奇甚至预测，OpenAI的未来市值有望碾压谷歌，成为全球首家超十万亿美元市值的企业。
　　而在李开复看来，类ChatGPT领域，有三种投资机会：一是像OpenAI一样做平台，这是大厂才能玩得起的烧钱游戏；二是AI基础设施；三是细分领域应用，HealthGPT就是最有前景的赛道之一。
　　尽管同向奔赴，但其实，谷歌的MedPaLM，与医联的MedGPT，终点并不相同，必然会渐行渐远。
　　无论是谷歌，还是OpenAI，搭建的头部AI平台，都不会专情于某一垂类领域，必然都抱着“既要又要还要全都要”的“海王”心态，涉足广泛，但浅尝辄止，蹚水医疗领域，也更多是对其底层AI能力的验证和锤炼。
　　在AI大模型布局上，谷歌更担心的是，先发先至的OpenAI，对其赖以为生的主营业务造成致命冲击。
　　今年年初，如临大敌的谷歌CEO皮查伊，招来了谷歌两位创始人拉里佩奇和谢尔盖，连续开会商讨对策，在会上将ChatGPT称作“红色警戒级”的对手。
　　而无论是为了抵御外部冲击，还是内部增长需求驱动，谷歌布局的战略重点，必然是通用型大模型。
　　但医联等垂类玩家不同，AI是路径，医疗是终点。而且，医联主攻的并非泛泛的大健康领域，创始人、CEO王仕锐对公司的定性是“严肃医疗”。
　　从未来的应用思路上，谷歌等泛平台，可能会涉足大众浅层次的大健康服务，比如提供在线咨询等服务；
　　而医联MedGPT则是深入严肃医疗的链条中，借助这步落子，深化其角色定位，从链接者、服务者，延伸到“赋能者”。
　　在既有的资源禀赋上，两者的优势也大不相同，谷歌、OpenAI的优势在于AI技术实力强大，资金雄厚不差钱。
　　ChatGPT本身就是一场烧钱游戏，根据国盛证券的研报，类ChatGPT的AI大模型，一次训练成本，可能就高达数千万美金。
　　医联等垂类玩家不如谷歌那般土壕，但其优势则在于，更专业也更聚焦，一方面其拥有海量的专业数据；另一方面，其力出一口，进窄门花小钱，在专注领域里，未必逊色于头部平台，也许还能表现更好。
　　根据谷歌透露的成绩单。今年3月，比首代产品更聪明的谷歌MedPaLM2面世后，在医学考试中的表现处于“专家”水准，答题准确率超过85，比前一代的结果高出18。
　　而ChatGPT的医学考试成绩单，就乏善可陈了。在三份答卷中，正确率分布在52。4到75之间，徘徊于及格线上下。
　　医联MedGPT的表现，也可圈可点。医联抽取了532名复诊患者档案进行信息脱敏，并进行了模拟首诊实验。结果显示，医联MedGPT的诊断结果与患者原有线下门诊的诊断吻合率超过97。5。
　　头部大厂和垂类玩家同台秀技，各展所长，各有其用，其实并非面贴面的直接竞争关系，双方共存的格局，将会长期存续。
　　“称重”大健康类ChatGPT价值
　　对HealthGPT产品翘首以盼的，不止头不大厂和创投机构，还有医疗行业人士和卫生主管部门。
　　中国工程院院士、国家基层糖尿病防治管理办公室主任贾伟平断言，人工智能在医疗技术研究、临床诊断、手术治疗、早期干预、慢病管理等方面，都能发挥作用。
　　国家肿瘤临床医学研究中心主任郝希山则期待，未来人工智能、大数据处理等方面的专家，可以和临床医生坐在一起，共同为病人出具更加个性化、精准化的诊疗方案。
　　全国政协委员、北京医院放射科主任陈敏则认为，人工智能可以缓解城乡医疗资源供给不平衡。
　　医疗主管政府部门对于人工智能的态度也相当开明。
　　中国政府发布的《“健康中国2030”规划纲要》，多次提及智能化，比如疫情信息智能监测预警、医保智能监控、智能健康电子产品等。
　　在深受医疗短缺之困的中国市场，丰富医疗供给，是类MedGPT产品最为显形的价值。
　　中国医疗服务的供给不足，主要体现在两个层面。
　　一是绝对性短缺，荷兰数据公司EuroRSCG绘制的全球医生资源地图显示，中国医患比例1：950，平均每1000，对应1个医，与之类比的是，在古巴，医患比是1：170，美国则是1：390，短缺一目了然。
　　其次，则是结构性供给不足，城乡、区域医疗资源分配不平衡。
　　而HealthGPT的高效学习、优化，应用，可以推动优质医疗资源快速复用，一旦能力成熟，可以为病人初诊病情，或者辅助医生诊断，以此释放医疗供给。
　　在贾伟平的设想中，新一代人工智能或可进化为个体化的健康管家，未来医生开处方，不一定需要开具体药品，可以根据患者状况，推介不同特质的人工智能或是智慧医疗产品，这种“数字治疗”产品不仅能够提供短期的诊疗方案，还能提供全周期的健康管理服务。
　　对于慢性病患者的价值尤为凸显。根据统计，在中国，慢性病导致的疾病负担占总疾病负担的近70，导致的死亡占总死亡人数的86。6。
　　但由于医疗供给短缺，医生无暇对患者进行长期管理，导致患者依从性不高，全周期的诊疗方案难以延续，而HealthGPT可以接管病人，对其进行长期的跟踪管理。
　　具体而言，医联可以把MedGPT纳入到其慢性病管理服务中，以此释放服务能力，降低服务成本，提升服务精度。
　　也有望促进医疗服务平权。比如，通过MedGPT的智能监测系统，大城市的三甲医院医生可以远程监测边缘地区患者的心率、血压、体温等生理指标，做出远程诊断等等等。
　　其次，中国缺乏提供全周期健康服务的全科医生，HealthGPT可以替补。
　　发展全科医生，是中国新医改的主要举措，但据卫生部提供的数据显示，中国注册的全科医生仅有7。8万名，缺口高达二三十万。
　　而技术过关的HealthGPT可以担当这一角色，成为大众健康的守门人，为其提供导诊和初诊服务。
　　据官方透露，医联MedGPT目前已经拥有近3000种疾病的首诊能力，覆盖80以上的成年人疾病和90以上的012岁儿科疾病，已经初步具备了全科医生的潜质。
　　在内测过程中，用户在求诊糖尿病时，MedGPT给出了详尽的解决方案，与患者线下面诊的结果几近趋同。在问诊环节，甚至对家族遗传病史，也有详细询问。而在用户求诊皮肤问题时，还引导用户上传患部照片，以此提高诊疗准确度等等。
　　其三，对于医护群体而言，MedGPT能成为其功能强大的助理。
　　医生身负科研任务，MedGPT能为其快速梳理资料数据等；
　　可以在某些环节替代医生，解放医生生产力，比如新冠疫情期间，AI根据肺部CT图像识别完成疑似患者初筛等等；
　　作为辅助监测工具，帮助医生减少医疗事故。根据统计，每年有2的住院病人，经历过药错误事故，通常是源于医护群体的无意疏忽，或者流程漏洞所致，而MedGPT可以提供实时预警服务，在医护难以完全避免的懈怠时刻，警戒提醒等等。
　　其四，辅助医院精细化管理。
　　从事多年医院集团化管理的冯庆明博士告诉《财经故事荟》，他在尝试用AI进行科室经营分析，“AI能成为院长和科室主任的好帮手，进行医疗质量和患者安全指标及指数的监测、敏感指标预警等”。
　　此前，国家卫健委的统计显示，全国三级医院的亏损率高达43。5，降本增效、精细管理的需求相当迫切。
　　总之，在医疗服务供给严重短缺的中国市场，HealthGPT肯定会身负重任，可能的使用场景还相当多元，而其商业估值，归根结底，取决于其能提供多少医疗服务价值。
　　过门石与护城河
　　尽管在中国市场，类MedGPT产品的商业前景，已是抬眼可望的集体共识，但啃下这块“硬骨头”，也并非易事。
　　与其他领域不同，医疗服务的独特性在于，其一医疗服务非常专业非常复杂。
　　其二，医疗关涉生命健康，因此服务的容错率极低，安全性是不能逾越的底线，也不能容忍类似ChatGPT一样的信口开河的任性。一个典型的例证是，MedGPT提供的诊疗方案中，最后一条都会相当谨慎的建议如有需要尽快到医院进行后续检查诊疗。
　　正因如此，假如没有任何积累，从0到1贸然布局HealthGPT，难有胜算。要想在此有所作为，起码需要以下三重资源禀赋。
　　其一，HealthGPT的升级打怪，要靠数据和算法一起喂养，因此，海量且专业的医疗数据，必不可少。
　　但难度在于，通常来说，医疗数据较为敏感，外部公司难以拿到专业数据。
　　而医联之所以能够首发MedGPT，也在于其数据优势。
　　目前医联已经聚拢了超过150万注册医生，在线管理了数千万确诊慢性病患者，依赖于上述数据，MedGPT收集整理接近20亿条真实医患沟通对话、检验检测和病例信息进行深度训练学习，才能保障模型的推理质量、准确性与可靠性。
　　谷歌MedPaLM2表现不俗，也赖于海量数据的调用，其依托的PaLM大模型，拥有5400亿参数，是Google迄今为止研发的最大规模的模型。
　　正是依赖于大量数据的浇灌，MedGPT才有所突破过去，医疗行业人士普遍担心，类ChatGPT技术，无法像医生一样“望闻问切”。MedGPT则尝试解决这一难题，首次解决了AI医生无法与真实患者连续自由对话的难点，并在医疗问诊场景中支持多模态的输入和输出。
　　其二，仅有数据还远远不够，还必须深入一线，既懂AI，又懂医疗。
　　HealthGPT刚刚上线时，表现生涩不可避免，如何快速进步？唯一的答案，就是基于大量专业医生的真实反馈，进行强化学习、调优校正。医联链接的数百万医生，未来都能成为MedGPT大模型的“导师”和“教练”。
　　其三，任何大模型的终点，都是应用，无场景则无价值。
　　构建应用场景，一方面能让HealthGPT的技术红利得以变现，医联聚集的150万名医生，让其在应用推广落地中，可以势如破竹。另一方面，更高频更广泛的应用，也能以战代练，持续锤炼优化HealthGPT的能力。
　　而且，医联MedGPT，还可以和其存量业务互补协同。比如，医联已经布局的云检验、云影像、云药房、云医保等，可以助力MedGPT获得更完善的诊疗数据，提升诊断水平，有望在疾病的预防、诊断、治疗、康复、报销等环节，构建全链智能的闭环服务。
　　不过，由于医疗是政府部门高管控的敏感行业，因此，对于谷歌、医联等玩家而言，仅仅突破技术关、业务关还远远不够，也要迈过医疗伦理关，法律法规关。
　　其一，到底如何界定HealthGPT和医生的关系？
　　尽管类MedGPT技术进步神速，但其能力还远未达到独立出诊的水平。因此，现实的选择是，HealthGPT不要妄想替代医生，而是辅助医生。
　　尤其是在疑难杂病重症领域，医生的专业经验，依然不可替代。卫生主管部门出台的《人工智能辅助治疗技术管理规范》，对其界定也是“辅助治疗”。
　　其二，作为医生的助手，HealthGPT该如何纳入主管部门制定的诊疗技术指南临床路径，明确流程，界定角色等，让更多医生和医院科学使用，可能还要等待法律法规的后续完善。
　　其实，早在2009年，卫生部就出台了《人工智能辅助治疗技术管理规范（试行）》，随后又在2017年更新了版本。一方面，上述规范，展示了主管部门拥抱新技术的开明和开放；另一方面，人工智能技术的进化，早已今非昔比，而出于审慎原则的管理规范必然存在滞后性，并不适配当下HealthGPT技术突飞猛进的现实。
　　总之，前景广阔，是HealthGPT值得期待的光明未来；关卡重重，则是HealthGPT必须直面的当下挑战。关关难关关关过，只要方向对了，就不怕路远。