医渡科技医疗垂类大模型这张牌，打对了吗？丨亿欧健谈

以下文章来源于亿欧健谈 ，作者肖伞伞

烈火烹油的医疗大模型赛道，已经迎来了四十余款产品。随着参与者众多，应用进程加深，深度行业理解及专业服务等能力的考验才真正拉开帷幕。

12月21日，寒冬凛冽的北京，医渡科技携自研医疗大模型亮相，试图以大模型变革之力，助力医疗领域生产力跃迁，为医疗领域增添一些暖意。深耕医疗大数据近十年之久，刻在企业基因里的专业知识数据优势，让这位选手在进场前便被投射诸多期待。

医渡科技CTO、首席人工智能科学家闫峻发布医渡科技大模型

“之所以选择这个节点发布，是因为我们必须要经过早期验证，且B端、C端的商业化落地上均已取得一定进展，真正验证了大模型价值。”对于医渡科技自研大模型千呼万唤始出来的原因，医渡科技CTO、首席人工智能科学家闫峻解释到。

在当天发布大模型的环节中，他出场的前5分钟内，“价值”一词被提及了10次，以价值创造为导向贯穿医渡科技大模型始终。正如闫峻办公室所悬挂的一副书法：真正改变医疗的，其发心必是慈悲，其目光必是敬畏，其道路必是时间。

闫峻办公室悬挂书法蕴含企业长期主义价值观

大模型带来的医疗变革与整合，令人兴致勃然。

一个典型的案例是，美国患者Alex，病痛缠身三年，辗转看了17名不同科室医生，却始终查不出病因。沮丧的母亲，试图求助ChatGPT。令人意外的是，综合输入Alex的症状细节以及MRI检查报告后，ChatGPT立马给出了“脊髓栓系综合症”可能性的回答，后被证实。

今年6月15日，《美国医学会杂志》（JAMA）上刊文指出，生成式人工智能GPT—4在近40%的时间里选择了正确的诊断作为其首要诊断，并在三分之二的具有挑战性的病例中提供了正确的潜在诊断。

论文第一作者、哈佛医学院医学助理教授 Zahir Kanjee 表示，虽然聊天机器人还不能取代训练有素的医疗专业人员的专业知识，但生成式人工智能是人类诊断认知的一个很有前途的潜在辅助工具。它有可能帮助医生理解复杂的医疗数据，拓宽或改进我们的诊断思维。

大模型给医疗领域带来的不仅是冲击，更是未来变革与整合医疗资源的无限可能，其在生命科学、医疗服务、医院管理等领域都展现了惊人潜力。

目前国内40余款医疗垂类大模型，产品发展上各有特色，多聚焦在医疗服务、患者服务、运营管理、传统的中医学、药品供应、临床科研、公共卫生、智慧医保和健康管理等领域，广泛的普及和应用正稳步推进。

“回归到大模型本质来看，尽管成本这么重，大家还非常愿意在此投入，就是在于大模型是一个多任务的引擎，它能解决很多的问题，有些潜力甚至开发者暂时都不知道。”闫峻分析到，单纯解决一个或多个应用场景永远满足不了医院的需求，也永远实现不了大模型的价值，真正价值实现应该是给予医院足够大的创新空间，而不是开发商把所有问题解决完。

两者看似都是解决医院端需求，但是本质、路径的不同决定了到底是AIGC时代，还是人工智能赋能的定制化开发。“这是两个完全不同的概念。”他补充道。

医疗资源分布不均和快速增长的医疗需求，使得医疗大模型成为未来的流金之地。根据亿欧智库预测，2023-2027年为医疗健康AI大模型集中爆发的阶段，市场规模将达70亿元。

以近十年医疗场景积淀，锤炼大模型

不同于通用大模型，医疗垂类大模型在数据集、领域知识、模型结构等方面要求专业与深度兼备，极其考验入局者对垂直领域是否具备足够深刻的认知。

“算力、算法、数据和场景形成闭环，才能推动大模型技术的全面、可持续发展。”闫峻一针见血指出，之所以称为闭环，原因在于这四个关键环节中，只要有一个环节欠佳，整个大模型表现都会受到影响。

医渡科技在算力、算法、数据和场景4个层面形成了闭环，可推动大模型技术全面可持续发展

换言之，在这场“百模大战”中，算力、算法、数据、场景单点的不同，很难形成医疗垂类大模型真正的差异性，唯有面面俱长，才能带来真正的价值赋能。

从算力层面看，医渡科技自建了A100集群算力中心，拥有多个算力云资源合作伙伴，并与华为深度合作，是医疗领域首个与昇腾AI完全适配成功的大模型。

而数据，向来是医渡科技的优势所在。它在医疗智能领域驰骋近10年，“医疗智能大脑”YiduCore经授权处理分析了超过40多亿份医疗记录，沉淀了大量多维度可量化的知识图谱。他们基于自研的数据生成技术，将这些知识图谱应用于大模型训练。“近10年的积累沉淀，构筑了医渡科技大模型的核心壁垒。”闫峻表示。

算法层面，医渡科技早早组建了以人工智能和医学人才为主的专业大模型团队，具备了从硬件组网到训练微调、推理的完整技术能力。

应用场景层面，医渡科技强调将技术应用于解决实际痛点和需求，基于此前实践经验中对医疗场景的理解，专注于医院、政府大数据平台业务以及保险、慢病管理和生物制药临床试验服务，真正围绕用户痛点展开大语言模型的研发。

“在医疗健康领域，并不缺场景，而是场景太多，但每个场景究竟是否存在实际应用的落地有待验证。”闫峻指出，经过高度凝练抽象总结，医疗垂域大模型主要帮忙解决两方面的问题：一是提升现有工作场景的质量与效率，二是提供创造新场景的可能性，让听到炮声的人呼唤炮火，构建场景延展的可能性。

医渡科技将其大模型定位为新一代“医疗超级大脑”，为医疗健康产业各应用场景提供易使用、高质量、可定制的强大支持。基于领先的大模型技术，医渡科技已经对原有的数据治理、医院管理、临床科研、临床诊疗等多个场景的解决方案进行了焕新升级，加速拥抱大模型。

如何将潜能释放并落诸于实际，让更多用户受惠？当下，面向C端用户，医渡科技大模型提供专业医学级别的个性化服务，通过多轮“问诊”收集足够的决策因子之后再给出更为严谨的回答。医渡科技大模型已在“惠民保”领域先行试点。

B端，医渡科技大模型不仅能够利用强大的专业能力助力“医、教、研、管”等场景各个环节提质增效，还可以在训练好的医渡科技大模型基础上，根据需要训练，让医疗行业每一位工作者都能轻松构建自己的应用。

越过层层门槛，对医疗场景创造真正价值，才是大模型意义所在。目前医渡科技医疗大模型在分导诊、基础医学、全科医学、临床内科、临床外科、执业资格考试等多个医疗明确任务场景上的评测表现已经超过GPT3.5，表现极为亮眼。

再以大模型常见的评估指标——准确率与召回率来看，医渡科技医疗大模型在数据结构化任务上也远远高于同等参数的大模型。

医渡科技大模型对比评测

无论是评测数据，还是多任务医疗场景，医渡科技大模型均交出了一份满意的答卷。这种以价值创造为导向的笃定，也吸引了多家全国排名前20的大三甲医院。他们打开院门，以大模型之力，对其医学科研、临床辅助、数据治理等多场景进行赋能。

“我们的业务均按照技术逻辑的整体闭环逻辑来布局。”闫峻剖析到，从大数据平台——大模型——商业化落地场景，不仅向用户赋能，还能反向迭代大模型，持续驱动此商业闭环运转。他们以大模型重构已有的产品和解决方案，同时在大模型应用上不断创新探索，推动整个医疗生态系统的升级和进步。

牵手华为，强强联合下的商业布局

眼下，应用落地成为医疗大模型角逐关键，然而医疗领域素来有堵关于安全、精确等高墙。

在医疗场景中，容错性极低，医疗大模型需要提供高度、专业和精准的建议；其次医疗数据多模态特性，使得海量医疗大数据分散至各个场景中，难以达到大模型涌现效果；最后医疗大模型主要服务于B端和G端，需要提供精准的判断和支持决策的依据。

医渡科技与华为签署合作协议