2025-03-09 智能 0
在中国科技领域，医疗版ChatGPT的直播评测成果显示，其治疗方案与真人医生之间的相似度高达96%。这种技术进步为AI医生和真人医生的合作提供了新的可能，使得两者能够独立工作并给出准确的诊断结果。
尽管MedGPT仍存在一些问题，如偶尔过度推荐治疗方案、重复性检查项目或概念表述不准确的问题，但这些局限性的解决对于提高MedGPT的可用性至关重要。首个医疗大模型的公开试点虽然遇到了一些挑战，但其基本能力如语义理解、多轮对话和多模态识别等都表现出了良好的效果。此外，大模型还能像OpenAI那样通过插件商店链接到各种行业应用，从而实现通用的大模型应用。
从行业角度来看，MedGPT能够基于有效问诊和医学检查数据进行疾病诊断，并为患者设计治疗方案。这意味着它不仅可以提升患者疾病管理效率，还能真正从医学角度为医生提供帮助。
值得一提的是，早在2017年，医联就已经建立起了医疗大数据结构化能力，并且将NLP、CV等AI技术应用落地。在2019年，它还推出了针对单病种/分阶段的AI诊疗模型，与多家医院及机构合作创建了亚洲首个多发性硬化症领域早筛AI模型，这有助于提前1-3年提升患者风险预测和防控能力。
为了保证医疗大模型的准确性和一致性，医联采用了一系列机制，如算法的一致性校验机制、实际使用评测机制以及专家评议真实世界医生的对标机制。这种方法打破了过去AI技术之间壁垒，让系统更具复杂性处理能力。
未来，如果结合云药房、云检验等云化服务，不仅会提升AI医生的管理能力，还能让患者享受到更加便捷、高效的地理无限服务。这将是降本增效、解决行业问题的一个新时代，也是下一个医疗革命的一个重要一步。
此外，大型专业玩家的红利并不完全掌握在科技巨头手中，而是在拥有场景和数据资源的大型企业中。这正如谷歌Med-PaLM 2正在尝试开发具有多模态能力的大型专业玩家，以及微软收购Nuance并集成GPT-4到临床笔记软件DAX中的例子一样。然而，由于没有场景，没有数据，这些产品无法获得保障同样精确的一致性能。而MedGPT则突破了这一难题，为用户带来了全流程诊断功能，这也是其他想入局者的梦寐以求之物。
总之，大型专业玩家的先发优势与雪球效应加速产业落地速度，加上用户反馈不断迭代更新，我们相信很快就会看到更多关于医疗二代（Medical AI 2.0）的发展故事。
