从写诗敲代码到临床问诊，AI大模型会是智慧医疗的强力催化剂吗？

从写诗作画，到回邮件敲代码，自ChatGPT火出圈成为一款现象级的AI大模型产品以来，围绕AI大模型的应用开发一发不可收拾。现在，懂得临床语言，可以自如问诊“AI医生”来了，在AI大模型的加持下，水平或媲美临床医生。

5G无线网络的引入进一步增强了这一趋势。随着雾化器和胰岛素输送系统等治疗技术的不断发展，患者可以在家中舒适地接受全方位的医疗护理。

这些设备与医院笨重的大型设备完全不同。微型化的电子设计催生了新一代的可穿戴技术，使患者能够在接受监测和治疗的同时继续他们的日常生活。

数字疗法既可单独使用，也可与常规疗法和药物相结合，以改善患者的预后，降低医疗成本，并提供便捷可及的医疗服务。经过证实，数字疗法在控制糖尿病、高血压、抑郁症等疾病方面非常有效，此外还可以帮助焦虑、药物滥用和慢性疼痛患者。

AI大模型

数字医疗的超强催化剂？

数字医疗是充分应用计算机技术、信息技术建立的新型医疗方式。医疗领域也同样经历了数字化、信息化的不同阶段。从20世纪80年代医院开始的医疗信息化，到本世纪初出现的医药电商，再到之后推出的远程诊疗，直至近些年推进的互联网医院和互联网医疗。

随着数字化在医疗大健康行业的深入，当前以物联网、大数据、云计算、人工智能（AI）为代表的新一代信息技术在医疗健康领域中的应用日渐增多，以智慧化为特征的数字医疗正逐步成为医疗健康领域的新趋势。

德勤在《2023年全球医疗行业展望》中指出，COVID-19疫情之前，数字健康与传统医学融合成为治疗范式，进程缓慢，而监管机构为应对疫情在一定程度上加快了这一进程。

例如，美国疫情爆发期间，FDA意识到，数字疗法可以在隔离和封锁期间改善心理健康和生理健康，因此当局为扩大其使用豁免了某些要求。疫情“放大”了多种需求，例如，在传统医疗机构之外提供护理和远程患者监控、患者使用各种连接设备进行自我监测、以及通过App干预的数字疗法。

而AI大模型和数字医疗的结合，或将成为更多智慧医疗应用场景落地的有力催化剂。

比如，为了进一步推进AI在应用层面的落地，OpenAI大模型推出插件可以对接下游应用程序，为开发者提供接入平台。据悉，OpenAI在今年年初推出的GPT-4已实现在医疗领域的商用合作。

不久前，微软旗下Nuance Communications发布与OpenAI的GPT-4集成的支持语音的医疗病历生成应用程序DAX（Dragon Ambient eXperience）。据官方公布的数据显示，GPT-4对于事实的阐述精度对比GPT-3.5高出40%，在医学知识自测评论考试表现更优秀，支持多模态输入。业界对此有相当高的关注度，并预期将对医疗信息化、互联网医疗、公卫、医保信息化细分领域产生效率的变革性推动。

那么与传统医疗AI框架相比，已GPT-4为代表的AI大模型有哪些进步之处？

图1：资料来源：IDC、CSDN、电子工程世界、浙商证券研究所等

如图1所示，医疗人工智能平台包括数据资源层、人工智能平台和医疗应用层。其中，开源框架和算法占有重要地位，如选择工程化能力较强的TensorFlow或在图像方面表现良好的Caffe等开源框架，选择在图像识别方面常用的卷积神经网络（CNN），循环神经网络（RNN）算法模型等。而GPT-4（Generative Pre-Training 4）则开启了多模态通用AI大模型时代，预示着NLP、CV、科学计算多模态大模型AI通用时代的到来。

值得一提的是，多模态，即意味着用户可以输入不同类型的信息，包括视频、声音、图像和文本。相应地，具备多模态能力的GPT-4也可以根据用户提供的信息输出视频、音频、图片和文本。

今年4月，互联网医院医联发布的国内首款大模型驱动的AI医生medGPT，该模型基于医疗知识图谱为模型提供丰富、准确、结构化的医疗知识，并收集整理接近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，同时利用医生真实反馈进行强化学习，以保障模型的推理质量、准确性与可靠性。

据医联官网介绍，medGPT首次突破了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，在疾病的预防、诊断、治疗、康复四个重要环节全面实现智能化。为了验证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%。

加速应用生态构建是关键

据不完全统计，目前在医疗领域，从医学科研、药物研发、智慧诊疗、医疗设备运维、医院管理等，国产大模型产品数量不少于40个。

但AI大模型要如何长期实现为生命健康服务？

今年以来，随着科技大厂博弈、中小企业的入局，以及投资和科研界的落地探讨，基本有一个初步的共识，那就是“光卷大模型本身并无意义”，更重要的是要持续深入耕耘应用生态。“AI大模型技术+细分场景服务”的深度组合绑定的基础上，才有可能带来长期的生态发展

图2：资料来源：IDC、CSDN、电子工程世界、浙商证券研究所等

ChatGPT等大模型在医疗端的应用包括：

01

生成电子病历、个性化的医疗报告：

用GPT-4来生成电子病历，将有效解放医生文书工作，而GPT-4可以多模态输入数据并理解梳理信息，这也就意味着可以输入患者和医生的对话并摘取关键信息，医生不用边问诊边记录，可以快速耐心询问患者情况，只需要几秒钟，就能自动生成电子病历，然后自动导入当前的医疗信息化系统。此外，还可以用于生成个性化的医疗报告、制定个性化的治疗方案、提供个性化的医疗建议等。

02

实现在线医疗咨询：

通过对话机器人技术，ChatGPT可以用于实现在线医疗咨询、远程医疗诊断、自动医疗指导等。而GPT4可以极大提升在线问诊效率，更机动灵活地跟患者对话，并从患者的描述中提取详细的信息，改善患者体验，同时缓解医生线上沟通压力降低沟通成本。

03

实现自动医疗指导：

ChatGPT可以基于患者的健康状况，包括生活习惯、运动情况、饮食习惯等，实现自动医疗指导。这些指导可以为患者提供个性化的健康指导与提醒，提高患者用药治疗的依从性，从而保障患者的健康状况。

04

审查医疗记录：

OpenAI大模型与Kepro合作，AI大模型助力医疗记录审查，提高医疗记录审查准确性，预计将缩短多达30%的临床审查时间。

05

提供个性化的医疗建议：

通过自我理解和自我修正技术，ChatGPT可以用于实现医疗数据挖掘、疾病预测、诊断推理等。

此外，AI大模型还有望助力药物研发。今年1月，美国加州伯克利一家创业公司利用类似ChatGPT的LLM模型“Progen”合成了自然界不存在的新鸡蛋白，为 GPT未来在药物研发应用方向提供方向——即读取不同氨基酸序列，合成新型蛋白质。

ProGen是一个具有1亿参数的条件蛋白语言模型。基于Transformer架构，ProGen通过自注意力机制模拟残基的相互作用，可以根据输入控制标签生成跨蛋白质家族的不同人工蛋白质序列。

据悉，为了创建该模型，研究人员输入了280.56亿种不同蛋白质的氨基酸序列，模型在几周内“消化”。过去，在自然界中挖掘蛋白质或将蛋白质调整到所需的功能是非常费力的。如果能够定向将氨基酸序列数据输入GPT进行训练，参数量更为庞大的GPT大模型理论上可以取得更加精准的效果。

结语

虽然还不够完善，但是业内已开始探索ChatGPT和GPT-4等生成式AI大模型工具在医疗健康以及医药研究领域中的价值。

Nature Medicine近期在一篇文章中也探讨了ChatGPT、GPT-4等大模型未来在医疗健康领域的应用潜力，并对于AI大模型子在提高医疗健康的服务水平和患者的生活质量方面寄予希望，认为这些模型有望应用于治疗失语症等言语障碍、改善语言能力退化的神经退行性疾病患者的病情进展。未来AI医疗大模型甚至有可能整合到语音脑机接口设计和开发中。

公开资料显示，OpenAI方面正在与一家旨在帮助盲人和视力障碍人士的技术公司Be My Eyes合作，将GPT-4提供的从动态图像输入到文本输出功能集成到虚拟志愿者功能中，用户可以通过GPT-4应用程序将图像发送给AI虚拟志愿者，该志愿者将针对各种任务提供即时识别、解释和对话帮助。

该发布文章为独家原创文章，转载请注明来源。对于未经许可的复制和不符合要求的转载我们将保留依法追究法律责任的权利。