医疗大模型狂热下，他们给出了几点冷思考
AI大模型医疗健康生态正在逐步建立。
文丨肖伞伞
历次AI寒潮沉淀的技术，终在算法、算力、数据三者共振的情况下诞生出大模型，一经问世，便惊艳了产研学界。
随着通用大模型的走红，药物研发、问诊与诊断等垂直领域大模型正逐渐浮出水面，资本迅速涌入，赛道也极速升温。狂热下，人们不免好奇：为什么需要医疗垂直大模型？AI大模型在医疗场景中究竟应用何种程度？产业落地还有多远？医疗垂类大模型应用的发展前景何如？
为了尝试回答以上问题，由世界生命科学大会联合组织主办，亿欧大健康承办的“乘势·破局：2023AI大模型医疗场景应用论坛”于7月11日下午在北京中国国际展览中心成功举办。在大模型千帆竞发的时代，“乘势”才能破局。
01
缺乏优质数据，让中文大模型患上“心脏病”尽管大模型让众多细分行业为之震荡，但是医疗行业的严肃性、实时性、数据敏感性、优质数据稀缺性性、可解释性、复杂性等特质，让生成式人工智能在医疗场景的应用仍要跨越一堵高墙。
亿欧董事总经理、亿欧大健康总裁高昂《在2023AI大模型医疗健康场景应用研究预热》中指出，中国决策式AI已达到世界一流水平，而生成式AI还与国外存在基础要素的不足。究其原因，缺乏优质数据，让中文大模型患上“心脏病”。
亿欧董事总经理、亿欧大健康总裁高昂
生成式大模型由PGC和UGC进行内容支撑，缺乏过往内容的将会直接性影响大模型，缺乏高质量的中文数据资料，将会影响到中文大模型在知识领域的能力。此外，国内拥有大量高价值数据的互联网企业更倾向于将数据封闭在APP和平台中，不同APP间数据不能连通，无法进行搜索，形成“数据孤岛”现象。
为了破局，国家层面也正在着实建立高质量医疗数据库，为AI大模型医疗健康场景落地应用减轻阻力。“医疗科技企业与基础大模型企业积极合作，AI大模型医疗健康生态正在逐步建立。行业推进的速度很快，留给产业观察、学习、思考的时间不多，有更多资源更强生态能力的企业、机构、政府可以更大力度的参与。”高昂一针见血指出。
企业正在凭借自己各自积累的积累，打开大模型的应用大门。深睿医疗联合创始人、CTO李一鸣指出，基于Transformer架构的多模型大模型可以深度地处理多模态的临床数据，在临床中发挥积极的作用，也具备更广泛的应用场景。
基于Transformer架构的图像大模型，深睿自主研发了通用医学影像理解模型的DeepWise—CIRP Model，可以自动从原始影像和报告信息中学习理解医学影像，不需要过多的人为标注。
深睿医疗联合创始人、CTO李一鸣
医渡云首席数据科学家彭滔做了《AI大模型在智能医疗行业的技术创新和创新模式》主题演讲，从LLM短期爆发与长期演进、垂直医疗大模型的构建与评测、医疗大模型弥补“最后一公里”、机器的对齐与行业调整四方面阐述了AI大模型的过往与未来技术展望。
“自然语言有非常强大的表达能力，通过场地专家与AI的交流，解决不同场地繁杂的差异，但是它也存在天然的歧义和不精确性。展望未来，每个行业都会发展出与AI协作的语言。”彭滔畅想道。
医渡云首席数据科学家彭滔
02
大模型+医疗，勾勒数字医疗新轮廓一众企业摩拳擦掌之时，OpenAI创始人山姆·奥特曼曾警示道“短期内围绕AI的狂热太多了，这是短期过度炒作，但长期炒作不足。”
寥寥数语，其实不难看出，企业们与其追逐AI大模型概念，不如结合自身业务特点，实现大模型的应用场景落地。亚马逊云科技大中华区医疗与生命科学行业总监余昶信心满满表示，生成式人工智能正在广泛应用于生命科学的各个领域，包括药物研究与设计、临床前后实验、原料与制造、上市推广与患者支持。
亚马逊云科技大中华区医疗与生命科学行业总监余昶
今年5月25日，医联正式发布了自主研发的基于Transformer架构的医疗大语言模型——MedGPT，其会循序渐进通过多轮问诊引导患者收集足够的诊断决策因⼦之后再进⼊到诊断环节，从而保证有效诊断。
经验医疗范式之下，医疗服务水平无论线上/线下，都依赖于好医生的供给，医疗不可能三角矛盾突出。“大语言模型的技术跃迁，补全了医疗人工智能的全脑模型结构，优质医疗资源和服务能力将有可能被无限复制。”医联技术负责人王磊感叹道。
医联技术负责人王磊
医疗行业独特属性催生垂直大模型，在左手医生产品负责人彭彧看来，通用模型较难直接应用于严肃且复杂的医疗场景，基于高通量、高质量、高壁垒医疗数据打造的专业医疗大语言模型可以更快满足复杂医疗场景，打造医疗模型底座协同细分场景。
左手医生产品负责人彭彧
这背后不乏优质数据获取的难题，专业医疗数据大多呈私域存在，获取难度大。通用大模型大规模抓取数据训练会稀释最优质的的知识，或者泛泛而谈给方案。左医GPT作为专注于医疗健康领域的大模型，可赋能行业各应用场景。
精彩演讲结束后，锦瑟医疗CTO陈亮、一二三数字医疗集团CTO王恒定、医药大脑首席科学家李坡、英矽智能智能机器人实验室负责人王海彬、微软生态伙伴事业部高级总监郭宇峰、亿欧大健康内容负责人肖伞伞围绕《AI大模型在生物制药价值链的重点场景探索与应用》进行了一番热烈探讨。
“ChatGPT是很好的自然交互工具，更容易理解人的需求。将来我们应当探索如何在交流方式上做一些变革，从底层重构产品与应用的开发，去适应GPT而不是让它适应我们。”陈亮结合自身经验分享道，大模型对于小企业而言是一种挑战。首先它的门槛并不高，并且技术更迭非常快，对于团队的要求非常高，几乎需要All-in资源去跟进。对于整个生态中的企业而言，现在需要快速学习，才能立于不败之地。
大模型作为一种新的知识型生产工具，能大幅提高知识生产处理效率，创造新的解决方案。但现阶段大模型还面临着大量调整，存在技术准确度、伦理、政策制度及责任认定等社会问题。
王恒定指出，一二三数字医疗集团致力于从重大疾病数字化管理服务的具体场景落地服务从而产生价值，现阶段他们的患者管理场景中仍采用执业医师和疗程管团队管理全程参与的病程管理模式。希望通过训练使大模型有更高的准确性和精准性，更好地利用模型能力服务患者，提高患者生存质量。
李坡则剖析道，GPT还是要依赖于人类创造新的知识，然后进行总结与提炼。中国市场广阔，有大量的数据积累与丰富的应用场景，这恰好是GPT这样的大模型所欠缺的。
对于数字营销而言，大家目前主要集中在聊天对话、内容生成等医学教育和学术推广场景进行探索。然而，这些只是对现有场景的优化，仍然需要不断尝试和发酵，医药大脑目前重点探索大模型在广域市场低成本覆盖和数字营销生态中各方高效协同两大方向的应用场景。他们期待医疗大模型在数字营销领域能有真正的革命性场景落地。
从大模型赋能医疗健康产业来讲，王海彬认为，除了技术角度上有许多难点需要攻克，还需要数据共享、政策支持等多方配合。特别是想要把AI在医药研发中用好，发挥出最大的潜力，不只需要产学研，还需要评审、监管等机构的共同参与。
针对新药研发流程中的三大主要阶段，英矽智能已经提出了基于生成式人工智能的解决方案，并串联成经过检验的端到端AI平台，其中就包括由AI指导、又以真实数据反哺AI平台的智能机器人实验室。
在技术的热潮中，生态也十分重要。郭宇峰表示，AI为核心的新一轮科技创新浪潮已至，微软深度绑定OpenAI，全面拥抱AI，积极推动生态合作，全面赋能每个人和组织实现AI转型，引领并加速生命科学领域的发展。
尾声
通过本场论坛各位嘉宾的发言，我们不难感知到AI大模型是一场艰苦的马拉松竞赛，要想在医疗领域实现颠覆式变革仍需攻克不少难题。在这一过程中，我们需要不断克服技术难题、推动社会认知，才能在这场科技变革的浪潮中引领潮流。
本文首发于亿欧网2023年7月12日
请尊重原创，转载需获得许可
内容推荐
我知道你 在看 哦