大型医疗模型的决胜点，在于铸重剑。

3月份，华为宣布成立医疗服务军团，AI医疗概念股爆发。到目前为止，自2023年以来，这个“大模型” “医疗”竞赛，又被推到了一个新的高度。

到目前为止，BTAH(百度、腾讯、阿里、华为)已经有100多个大型模型覆盖了生命科学的整个领域和医疗诊断和治疗的全过程。、所有的AI独角兽(科大讯飞、商汤、零一万物等)都在场。

但是狂欢的背后，爆发式医疗大模型和AI应用，并非每个人都有长远的价值，也未必能让医院和病人买单。

回顾智能医疗的历史，你会发现AI医疗的真正挑战在于场景的深刻性。。Watson医生希望治愈所有的癌症，但实际上并没有达到预期，pass；谷歌google health以尖端AI算法切入诊断和治疗阶段，但由于商业背景，患者遭到抵触，pass；AI协助医学影像在机器学习小模型时代，需要一张一张地标注专科图表，成本高，收益低，pass；ChatGPT掀起的大模型热潮，如何解决数据孤岛、计算成本、伦理红线等问题，还有很多未解决的问题。

医疗场景有很强的堡垒。只有通过系统的思维和系统的工程，才能完成从通用到特殊的转变。让大模型真正融入医疗行业的工作流程，处理核心业务问题。

所以，大型厂商的决胜点，在于能否打造出一把重剑，穿过场景。

整个医疗场景，都有大模型

根据国家卫生健康委发布的《卫生健康行业人工智能应用场景参考指南》，目前已有84个人工智能应用场景。单从医疗场景来看，大模型已经完全覆盖了医院前、医院、医院后的全过程。

医院前期，基于大型AI诊疗助手，为患者提供即时语音问答、智能分诊、健康教育、疾病防治等服务。

医院阶段，大模型为临床诊疗决策提供支持，成为贯穿全过程的智能中心。入院时，能有效地完成入院记录生成、检查项目推荐、电子病历自动纠错、手术计划原稿等文件工作。诊断时，传统的诊断和治疗方法非常依赖于医院的水平、昂贵的设备、医生的诊断和治疗经验职称和耐心，各种因素都会影响疾病的判断和肿瘤的诊断率。AI大模型辅助诊断和AI病理影像，可有效减少各种因素对诊断率的不利影响，防止延误病情。AI大模型在临床或手术过程中，可以更全面、更深入地了解病人的病史信息，为医生提供关键参考，从而提高诊断和治疗效果。

在医院后期，关怀性随诊可增强患者的依从性，达到较好的愈后效果，降低自行停药风险。然而，由于医生少，时间和精力有限，大多数患者很难获得及时随访和持续的健康服务。此时，基于大型智能随访系统，可以结合患者的综合诊断和治疗信息，立即有效地进行随访，记录患者的反应，提前干预一些停药、复发等风险。

从横向上看，在医疗场景中，大模型已经蓬勃发展。

但是纵向来看，会发现不同细分的情景深度，却大不相同。

比如院前院后的AI问答，容错率相对较高，研发难度较低，通过deepseek、文心、盘古、混合元等基本通用大模型，可以结合医疗场景专用数据进行微调，所以也是本轮医疗大模型中最拥堵、布局最多的，绝大多数科技巨头BATH、运营商，以及AI医疗服务商，医院，都推出了相关服务。

在诊断阶段，需要大型模型作为智能中心，帮助诊断和治疗，打破传统医疗信息化的数据烟囱，提供可靠可靠的专业建议。容错率极低，开发难度大，耗时长，需要多部门配合和专有隐私数据进行实践，非常依赖医院、大型模型制造商和第三方服务提供商的深度互信。

可以发现，发布并推出大型医疗模式并不难，但浅层应用是一片红海，很难脱颖而出。然而，要跨越医院和科技巨头壁垒严密的领域，深度融入医疗业务并不容易。

由于大型医疗模式的商业模式尚不清楚，为什么仍然迎来爆发，吸引了众多巨头争夺海滩？

经过多年的探索，仍然没有透过：AI为医疗场景设置的堡垒

自AI诞生以来，医疗一直被认为是AI落地的高价值场景。既然医疗行业对AI并不陌生，为什么大模型的到来会掀起一场狂欢？

要理解这一问题，我们必须回到历史，看看在没有大模型的岁月里，AI 医学究竟留下了哪些未解决的问题。

AI医疗按技术跨代划分，有两个重要阶段。首先，以Watson健康为代表的专家系统，当时，许多医院和医疗机构都希望在临床上应用专家系统和知识计算的新技术。最后，大量机构撤出合作，Watson以超低的价格结束。

另一个阶段是2015年左右的互联网时代，医疗行业电子化、信息化初步完成。，JD.COM、阿里、腾讯、百度等互联网巨头已经开始布局医疗卫生领域。但当时AI作为客服是“人工智障”，计算机视觉技术脱颖而出。AI帮助医学影像系统，比如腾讯拍照，支持AI医疗的概念。

在大型模型时代，ChatGPT问世后出现了100多个大型模型。使用大型模型。 AI独角兽在医疗领域，业务进展缓慢，利润周期长。

由于AI医疗的方向是正确的，那么多年来，这里面最痛苦的问题是什么？

医学场景之深，仅靠AI技术是无法独立透过的，这也成为医学大模型要解决的核心问题。

除了行业大模型面临的一些通用问题，如数据稀缺、项目开发困难、人才要求高、开发进度失控等。，医疗场景中还有许多独特的堡垒:

第一，信任堡垒，数据难以共享。为了促进医疗机构和科研机构之间的数据交流和共享，国家也在推广多中心的R&D，打消了“不敢交流”的顾忌。然而，当信息共享时，高质量的数据和低质量的数据对模型有不同的贡献。如何合理分配不同数据产生的价值？缺乏合理的机制牵引。

第二，技术壁垒，不符合要求。AI算法的性能达到85%，通常可以发送paper，但是要落地临床场景，通常需要95%。、超过99%的表现。很多榜单上非常出色的大模型，在现实中却面临着“叫好不叫座”的困境。Med-PaLM在谷歌的医疗大模型中得到了92.6%的答案，与人类临床医生相当，谷歌首席健康官Karen “我不希望每个人都认为，只有一个AIGC模型，才能治愈所有的健康问题和疾病，”DeSalvoy也谨慎地提示。”

第三，专业壁垒，做AI不了解医疗场景的需要。一位智能医疗领域的从业者告诉我们，客户不在乎你采用什么技术路线，他们最关心的是你能否提供满足他需求的产品和服务，所以你必须有一个场景思维。办公室里的大型制造商想象不到很多麻烦。

例如，泌尿科医生在腹腔镜操作中会产生大量的烟雾。他希望使用AI算法来去除图像的雾气，这需要很高的实时性。因此，模型必须在当地部署，当地模型对端侧算率有更高的要求。如果调用云服务器，需要网络延长几毫秒。

可以看出，仅仅依靠一个大的医疗模型，没有配套的网络和端侧设备，连一个腹腔镜图像去雾的小场景都做不好。

所以，大模型赋能医疗，看上去并不缺少方向和案例，但是商业上的成功却一直在迷雾中。

所以，下一个问题是，大型模型是否可以通过上述堡垒？

透过场景，大型医疗模型需要铸重剑。

DeepSeek的开源策略，大大降低了医疗机构和中小企业布署大模型的成本，DeepSeek 升腾、昆仑、寒武纪等国产推理芯片的适应也降低了算率门槛，促进了医院医疗模式的普及。AI医疗应用开始进入“平等权利时代”。

但是，我们也必须看到，堡垒的高医疗场景并不意味着引入deepseek和大模型就会一切顺利。大型厂商不能依靠接入API等浅层组合，脚不沾泥的方式，而是要求铸造重剑。

现在看来，医疗大模型领域出现了两把“重剑”：

第一把剑叫“联盟”。医院、大型模型制造商、医疗信息服务提供商、ISV和数据服务提供商等。通过产业链之间的相互信任和合作，打造符合专业需求的大型专业模型。比如迈瑞医疗和腾讯联合开发的重症医疗模式，华为联合上海瑞金医院开发的RuiPath(瑞智)，复旦大学附属中山医院联合上海科学智能研究院联合开发的CardioMind模型。湘雅医院也没有直接引进DeepSeek，而是选择了AI。 医疗公司医渡科技合作，由后者搭建。、多种大型模型，如医渡大模型，构成AI中台。

第二把剑，叫做“聚焦”。一些模厂通过内部聚焦和资源整合来促进大模型与医疗的深度结合。比如百川智能调整了业务线，将资源集中在医疗领域。华为成立了医疗服务军团，整合了华为多个部门的各种技术能力，准确匹配了华为的内部解决方案和外部困扰，重点建立了AI辅助诊断解决方案体系，促进了医疗大模型的临床实践。华为军团也是准确切入医疗场景的利刃。

总的来说，AI和医疗，也许是本世纪最伟大的相遇，这次相遇不可能匆忙完成。

医疗与大模型的融合，需要运用场景化、系统化的思维和技术集成的综合解决方案，在设备、流程、制度等各方面给予支持。因此，未来有实力铸造重剑的大型模型制造商将获得更多医疗数字智化浪潮的机会。

本文来自微信微信官方账号“脑极体”（ID：作者：藏狐，36氪经授权发布，unity007)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com