仅仅两个多月，这场关于CHATGPT的战事已经从出发、激战进入到新中场。

不同于一开始对于参与者的讨论，当前，激辩已经围绕应用层，且声音越演越烈。

从这个迅速崛起的行业发展轨迹看，初期阶段通用大模型是大模型的雏形。而当前，垂直场景应用正在倒逼大模型加快场景的落地。

(资料图片仅供参考)

从互联网、到金融、教育，如今医疗行业如何与技术相结合，已经有了新的答案。就在一个月前，医联发布了国内首款大模型驱动的AI医生——MedGPT，对外称已进入内部测试阶段，并计划于今年5月份正式发布。

如约而至，5月25日，医联揭开了MedGPT的面纱。与通用型的大语言模型产品不同，MedGPT主要致⼒于在真实医疗场景中发挥实际诊疗价值，并实现了全流程智能化诊疗。医联推出的MedGPT，是AI首次具备预防、诊断、治疗、康复的全流程诊疗能力。

历经一个月的内测，MedGPT一经问世，立刻引起了行业的讨论，基于“GPT+医疗”的能力，医联正在引领数字医疗服务进入 2.0 时代，且听良医一一道来。

01

医疗GPT更大的应用场景还是在基层

市场需要一个够好的AI产品

在AI技术席卷所有行业之余，如何与医疗相融合的问题不断被讨论。

事实上，AI赋能行业已经由来已久，对于医疗行业的改造和应用也已经多时。如果按照时间追溯，最早还要回溯到20世纪50年代。当时，AI技术主要用于通过机器学习技术来诊断疾病，但使用体验达不到预期效果。

此后AI开始旁敲侧击，通过AI影像辅助诊断成为最成功的应用之一。在ChatGPT走热之余，海外市场开始试图通过这一语言模型技术能力，助力于健康赛道的问诊。

一个典型就是谷歌的Med-PaLM——专门用于回答医疗保健相关问题的大型医用语言模型。除了这种语言类尝试，还有Nuance，这一项目早在2021年被微软收购，此前，他发布了一款让医生临床记录“iPhone化”的杀手级AI应用，也是医疗行业第一款结合GPT-4模型的应用。

从中国市场看，仍是静悄悄。国内对于医疗+ChatGPT的讨论，有三个质疑。

值不值得做？

能不能做？

谁能做？

关于第一个问题，大健康领域的ChatGPT有多大的市场价值？

Frost & Sullivan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。

之所以有万亿级别的规模，源于中国市场医疗行业巨大的群体、以及极大的智慧医疗空白待填补。中国医疗服务的供给不足，类MedGPT产品可以在效率上有显著的提高，将宝贵的医疗资源解脱于基本的问询。

像中国这样的人口大国，人均医生数量是严重不足的，在这样的情况下，借助MedGPT，可以帮助医生进行诊断、识别、搜索、处置，从而帮助医生更有效率地治疗病人。

值不值得问题，显而易见。

那么，能不能做？

在医疗领域一直有个不可能三角，即提高效率、控制支出、保证医护人员的可持续发展，三者难以同时兼顾。

而ChatGPT的出现，似乎提供了这样一种解决方案。

医联创始人、CEO王仕锐曾就这一问题表示：“AI医生与互联网医院的结合，将为医疗领域带来前所未有的化学反应。我们相信，未来通过医联MedGPT，医生的工作、学习效率将得到大幅提升，与此同时，优质医疗资源将被快速复制并迅速推广，医联互联网医院也将借助MedGPT为广大患者提供更加便捷、高效、可及的医疗服务，有望进一步推动医疗普惠，实现医疗的不可能三角。”

医联所推出的MedGPT，实现从疾病预防、诊断、治疗、康复的全流程智能化诊疗能力。通过人工智能帮助医生进行诊断，进行处置，提升治疗效率。更重要的是，未来随着技术的迭代，MedGPT解决的或许不仅仅是效率问题，而是准确度的问题，人工智能可以帮助人类医生效率更高、诊断更准确。

再比如， HealthGPT替补全周期健康服务的全科医生、AI医生成为医生辅助、场景化服务、医院精细化管理……医疗产业链上的痛点，在某种程度上都需要MedGPT这样的产品来解决。

最后，谁能做？

当前，进入大模型创业的，大多数是互联网大厂。从底层原因看，他们有C端场景、有雄厚的资金。这是他们的入场券。

下沉到垂直行业上，仍需要有这两个先天条件。不同的是，垂直赛道的场景是固定的。下沉到医疗行业的MedGPT需要一个专家里手来掌航。

医联作为首个推出医疗大语言模型 MedGPT的企业，这些条件都已经具备，下个阶段，需要试问的是，MedGPT如何在严肃医疗的范畴内，做好准确度。以及，如何加速落地。

02

从严肃医疗角度出发

医联MedGPT实现三个行业“第一次”

不同于互联网其他行业，医疗与AI的融合总是更令人期待。对于医疗赛道而言，这是一个非常严肃的问题。医疗行业需要高精准度，不容有失。

而通用大语言模型在面对医学问题的准确性上存在天然缺陷，在问诊阶段，通用大语言模型往往会轻易给出结论，但对于医疗应用来说，一致性和准确性是底线问题。

发布会上医联MedGPT的项目负责人描述了一个场景。老的AI线上问诊的产品，新的AI问诊的产品，或者是真实医生的在线问诊产品，都会有两个卡点：其一，AI类问诊准确性没办法得到保证；其二，问诊后很难推进治疗。

那么医联MedGPT如何缓解这两个卡点的？

从专业角度来看，医联MedGPT形成了一套独有的「DIAE」医疗AI建设方法论，分别从Disease（病种覆盖）、Intelligence（智能化）、Accuracy（准确性）、Efficiency（就医效率）四个维度来建设与打磨产品。

从实际就医体验流程中看，医联MedGPT在关键环节点实现了多个行业的“首次”：

首次实现AI医生从有效问诊到准确诊断

MedGPT不会轻易给出诊断结论而是会循序渐进地引导患者给出足够能够支撑有效诊断的病情全貌。也就是说，MedGPT 是通过收集足够信息并做出符合医学的决策，以“治愈”为目的而进行人机交互。

从具体流程上来看，从问诊开始，MedGPT会以一轮一轮的问询形式，引导患者给出更多病例相关的信息，这就与过去传统AI类产品不一样，会根据问询的方式收集一些决策因子。

在收集到足够多的决策因子过后，MedGPT才会去进行诊断。在出诊结束过后，AI收集到足够的信息，MedGPT持续的推进流程，从在线问诊开具医学相关的检验检查。拿到了检验结果，再推进进一步治疗。

首次由AI给出准确诊断与治疗方案

通常的在线问诊产品，给出初诊分析这一步就结束了，但MedGPT还会继续推进这个流程。

患者会收到MedGPT开具的必要医学检查项目以进一步明确病情，患者可以通过医联云检验等多模态能力进行检查，实现问诊到医学检验的无缝衔接。

有了患者的医学检查数据之后，MedGPT就能够做出准确的诊断继而开出具体的诊疗方案，同时，MedGPT与医联互联网医院打通，处方流转到医联的云药房后，患者可以进入到买药阶段。

但开药不是闭环，治愈才是目的。MedGPT会在药品送到患者手中之后，对患者做个性化的用药指导与用药依从性管理，提升治疗效果。同时在持续治疗与用药过程中，MedGPT会根据患者的诊断与用药阶段对患者进行针对性的随访复诊。

可以说，医联MedGPT不仅是行业内首个发布的GPT产品，更打破了传统医疗行业点到点的治疗效果，通过AI能力贯穿了患者从就诊到康复的整个周期。

为验证MedGPT的诊断准确率，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%，覆盖了3000种疾病，充分证明了AI医生在医疗领域的价值和潜力。

为了保证诊断的准确率，MedGPT采用了一致性校验机制，即在为患者输出正式答案之前，会先经过临床医学规则器的校验，确保医学的准确性。

通过独有的将⾃然语⾔⼤模型AI技术与⼀系列⼯程调优技术以及医学⼀致性校验技术相结合，并在模型微调训练阶段采⽤⼤量真实医⽣参与的RLHF（Reinforcement Learning from Human Feedback）监督微调。目前MedGPT基于Transformer架构，参数规模为1000亿，可支持医疗场景下的多模态输入和输出。

其中，预训练阶段使⽤了超过20亿的医学文本数据，微调训练阶段使⽤了800万条的高质量结构化临床诊疗数据，并投入超过100名医⽣参与⼈⼯反馈监督微调训练。

为了强调准确性，医联还建立了基于专家评议的AI诊疗准确性与真实世界医⽣对标测试机制，不断将AI与真实诊疗场景对齐，最终实现准确诊断。

除此之外，王磊还透露，医联MedGPT plugin应用平台整合超过1000+医疗多模态能力，整合多样化的医疗多模态能力，丰富和完善全流程智能化诊疗体验。这也意味着医联数字医院脱离了以互联网医疗连接为根本，以提高效率为主要目的的1.0阶段；进入了基于强大的AI能力，实现疾病管理全流程智能化的数字医疗2.0阶段。

对于市场而言，医联MedGPT是首个官宣的GPT垂直产品，几乎给整个行业定了调。而从医疗角度出发，医联的产品模型、底层架构、核心能力看，MedGPT将给患者带去的意义更为深远。

这条辅助诊疗之路，医联已经在路上了。

03

医疗GPT是块难啃的骨头

医联的三重胜算壁垒

今年1月，工信部等十七部门发布《“机器人(行情300024,诊股)+”应用行动实施方案》，该政策提出到 2025 年，服务机器人行业应用深度和广度要显著提升。适逢当下国内外的大模型纷纷推出，包括商贸物流、医疗健康、养老、商业社区服务等多个机器人行业赛道都成为类大模型技术落地的掘金地。

事实上，虽然接入类GPT应用的接口只是一瞬间的事，但打好机器人“身体底子”、进一步叠技能却仍是一件难度较高的事，不是人人都具备“入场券”。

医联MedGPT一经官宣，市场上的声音不断。对于行业而言，最先发布产品的往往就是挑大梁者。

在严肃医疗的路上，医联MedGPT能够扛得起这面大旗？这场垂直GPT的入场券，需要具备AI技术的基础、医疗专精、以及树立标准的能力。

从技术基础积累看，医联并非第一天杀入AI领域。

国盛证券计算机团队在研报中粗略估算了ChatGPT的访问算力和前期训练两项费用，其中初始投入近十亿美元，单日电费达数万美元。谦询智库合伙人龚斌曾指出，这个游戏要持续能玩，5000万美元只是起步价，快速追赶者的投入起码要5亿美元，计算领域的生产工具和生产资料，正在快速集中化和“寡头化”。

而创建垂直医疗领域的GPT的门槛更高。除了大量的资金，科技人才、医疗人才的投入同样巨大，医联创始人王仕锐早在2019年就开始深度研究AI相关的内容，他对趋势的发展和对AI之于医疗的发展前景有着很强的把控，在他的带领下，医联对于技术的布局也是一以贯之的。

在互联网医疗刚出发时，医联就已经加入了这场战局。最初，医联就通过技术的手段赋能患者、医生、医院。数据不断迭代之下，已经留存了海量数据(行情603138,诊股)，和处理数据的能力。

据官方资料披露，医联平台已经拥有150余万注册医生和2000万患者在使用，这意味着医联参透了中国医患连接的本质，长期且深入的医患互动留下大规模数据，而这也正是医疗GPT类产品中最为宝贵的部分。基于这一点，产品才可以在正确语义背景下进行有效回应。

基于AI能力，医联MedGPT可以和其存量业务，如云检验、云影像、云药房等互补协同。这样一来，互相促进，加深AI技术能力和数据投喂的量级。

从医疗专业领域看，深耕多年的医联，已经是位老船长。

医联MedGPT项目负责人王磊曾表示，“我们可能不是当下最强的AI技术公司，但我们⼀定是最懂如何让AI技术更好地为医生和患者服务的公司。”

目前医联已经涉足肿瘤、心脑血管、糖尿病等常见领域，探索出疾病管理标准化流程近140个，拥有专利或软著近100项。

从树立标准看，医联持续以学科建设为驱动助推行业规范化

医联非常注重对平台上医患交互信息数字化的构建和开拓。这使得其得以构建预防、诊断、治疗、康复的完整闭环，建立起行业内少有的坚固的医患关系链和疾病管理能力。

2021年，医联牵头成立了行业内首个由院士牵头的学术委员会的公司。去年，医联还参与制定《互联网医院开展艾滋病相关医疗服务专家共识》…目前行业中没有既定的标准评测体系，良医了解到，医联内部会有一套评测标准，高要求使用中的准确性与一致性。

这都是医联能够扛起MedGPT大旗的底色。

04

良医财经的思考

AI是工具，医疗GPT要脚踏实地

上世纪70年代末期起源的医疗信息化发展到20世纪初的互联网医疗，再到2016年前后开始的数字医疗创新阶段，可以称之为数字医疗的1.0阶段。

当前，在我国推进“以治病为中心”向“以健康为中心”转变、深入构建中国特色的价值医疗服务体系进程中，数字医疗在缓解医疗供需矛盾、提升医疗服务效率等方面发挥的作用日益凸显。但如何推进，并通过数字化手段解决患者、医生、医院之间的衔接问题仍然存疑。

医联MedGPT提供了一种新的思路和解决办法，带领数字医疗迈向2.0阶段，即借助AI工具，从问诊到康复的全流程管理之外，解决就医难的问题、缓解医生资源紧缺、甚至助力医生精准诊断。

但“GPT+医疗健康”不止如此，未来或许在医保支付、健康科普、患者关怀、个性化服务等领域引入MedGPT会为医学检验提供更快速、高效和准确的工具，带来诊断精度的提高和医疗检测效率的提升。

前景很广阔，但仍需医疗企业脚踏实地。值得注意的是，虽然人工智能在某些场景下有着极其优越的表现，但是不代表它在所有场景下都能提供同样的反馈。

在充分落地前，医疗界、科学家、研究人员、大模型企业等应该尽快开展相关研究，以评估其在哪些场景下可以最大化发挥价值，又如何使风险最小化，并确保在有人监督的情况下使用它。除此之外，在责任和伦理问题上也需要做好充分的准备，比如未来若是模型犯错，谁来担责？

无论技术多么强大，还是要遵循医疗的本质，一切才刚开始。

标签：