億歐智庫-2023醫(yī)療健康AI大模型行業(yè)研究報告-2023.12

2023醫(yī)療健康AI大模型行業(yè)研究報告億歐智庫/researchCopyright

reserved

to

EOIntelligence,

December

2023前言?

2023年9月，習近平總書記在黑龍江考察調(diào)研期間首次提到“新質(zhì)生產(chǎn)力”，強調(diào)整合科技創(chuàng)新資源，引領發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)，加快形成新質(zhì)生產(chǎn)力。?

醫(yī)療行業(yè)是一個典型的知識和技術(shù)密集型行業(yè)，其發(fā)展水平直接關(guān)系到國民健康和生命質(zhì)量。醫(yī)療健康AI大模型，作為人工智能的一個分支，能夠通過學習大量的數(shù)據(jù)來生成新的數(shù)據(jù)實例，這在醫(yī)療領域有著廣泛的應用前景，如藥物研發(fā)、醫(yī)學影像、醫(yī)療文本分析等。這些應用不僅能夠提升醫(yī)療服務的質(zhì)量和可及性，還能夠推動整個醫(yī)療產(chǎn)業(yè)的創(chuàng)新發(fā)展，形成新的產(chǎn)業(yè)生態(tài)和生產(chǎn)力。因此，“新質(zhì)生產(chǎn)力”概念下的科技創(chuàng)新資源整合，對于醫(yī)療和生成式AI領域的發(fā)展至關(guān)重要。?

基于此，億歐撰寫了本報告，旨在分析當前醫(yī)療健康AI大模型在實際應用中的成效，提高醫(yī)療各界對醫(yī)療健康AI大模型的認識和理解，討論其對醫(yī)療服務可及性和質(zhì)量的潛在影響，增強醫(yī)療各界對新技術(shù)的接受度。201

醫(yī)療健康AI大模型發(fā)展背景?

醫(yī)療健康AI大模型發(fā)展過程?

醫(yī)療健康AI大模型的技術(shù)支持?

醫(yī)療健康AI大模型在醫(yī)療場景下的初步表現(xiàn)02

醫(yī)療健康AI大模型應用場景?

醫(yī)療健康AI大模型應用場景盤點?

醫(yī)療健康AI大模型醫(yī)療健康場景應用-醫(yī)學影像?

醫(yī)療健康AI大模型醫(yī)療健康場景應用-藥物研發(fā)?

醫(yī)療健康AI大模型健康場景應用-醫(yī)療文本處理?

醫(yī)療健康AI大模型健康場景應用-學術(shù)科研目錄C

O

N

T

E

N

T

S03

國內(nèi)醫(yī)療健康AI大模型市場發(fā)展簡析?

醫(yī)療健康AI大模型產(chǎn)品市場規(guī)模及增速?

醫(yī)療健康AI大模型產(chǎn)品應用落地的企業(yè)類型?

醫(yī)療健康AI大模型產(chǎn)品及企業(yè)圖譜醫(yī)療?

醫(yī)療健康AI大模型合作梳理04

醫(yī)療健康AI大模型平臺測試結(jié)果分析?

醫(yī)療健康AI大模型測試背景?

醫(yī)療健康AI大模型測試核心發(fā)現(xiàn)?

醫(yī)療健康AI大模型測試結(jié)果總結(jié)醫(yī)療健康AI大模型技術(shù)發(fā)展過程：從深度學習過渡到大模型時代◆

在1956年的達特茅斯會議上，“人工智能”的概念被首次提出，六十多年以來，歷經(jīng)邏輯推理、專家系統(tǒng)、深度學習等技術(shù)的發(fā)展，人工智能也經(jīng)歷了數(shù)次沉浮，有如日中天的發(fā)展時期，也有因技術(shù)不足熱度退去后的寒潮。而每一次寒潮后，也會經(jīng)歷技術(shù)的蟄伏發(fā)展，為人工智能帶來里程碑式的進步。2012年以前

機器學習時代以統(tǒng)計算法和先驗知識驅(qū)動2012-2017年以前

深度學習時代以深度學習為代表得數(shù)據(jù)驅(qū)動模式2017年以后

大模型時代以Transformer為框架，融合多頭注意力機制的新算法克服了傳統(tǒng)深度學習算法（CNN、RNN）的缺陷，大數(shù)據(jù)、大模型Open

AIChatGPTGPT-3.52022.11機器學習深度學習TransformerGPT-12018.6GPT-22019.2GPT-32020.5GPT-42023.32017GoogleBert信息來源：公開資料，經(jīng)億歐整理繪制。4眾多高校研發(fā)醫(yī)療健康AI大模型，為行業(yè)發(fā)展的技術(shù)底座提供了堅實的基礎◆

目前眾多高校啟動了關(guān)于中文醫(yī)療健康AI大模型的研發(fā)并在Github上發(fā)布源代碼，增加了商業(yè)企業(yè)對于醫(yī)療健康AI產(chǎn)品研發(fā)的技術(shù)支持。◆

從研發(fā)模型的功能分析，大多圍繞問診對話、病歷結(jié)構(gòu)化等文字處理相關(guān)的功能。億歐智庫：開源中文醫(yī)療健康AI大模型研發(fā)信息研發(fā)高校信息模型名稱模型功能通過醫(yī)學知識圖譜和GPT3.5

API構(gòu)建了中文醫(yī)學指令數(shù)據(jù)集，并在此基礎上對LLaMA進行了指令微調(diào)，提高了LLaMA在醫(yī)療領域的問答效果。此外，項目還嘗試利用GPT3.5

API將醫(yī)學文獻中的【結(jié)論】作為外部信息融入多輪對話中，在此基礎上對LLaMA進行了指令微調(diào)。哈爾濱工業(yè)大學社會計算與信息檢索研究中心健康智能組本草BenTasoChatMed醫(yī)療問診醫(yī)療問診華東師范大學計算機科學與技術(shù)學院智能知識管理與服務團隊澳門理工大學ShenNong-TCM-LLM

-神農(nóng)中醫(yī)藥大模型CareLlama關(guān)懷羊駝中文醫(yī)療大模型通用大模型MedQA-ChatGLMXrayGLM醫(yī)學對話首個會看胸部X光片的中文多模態(tài)醫(yī)學大模型華南理工大學未來技術(shù)學院廣東省數(shù)字孿生人重點實驗室合作單位包括廣東省BianQue扁鵲

-中文醫(yī)療對話大模型中文醫(yī)療對話中文醫(yī)療對話醫(yī)療問診婦幼保健院、廣州市婦女兒童醫(yī)療中心和中山大學附屬第三醫(yī)院等SoulChat靈心健康大模型孫思邈中文醫(yī)療大模型Mindchat漫談中文心理大模型QiZhenGPT啟真醫(yī)學大模型華東理工大學信息科學與工程學院中文醫(yī)療對話-心理咨詢、心理評估、心理診斷、心理治療藥品知識問答，醫(yī)患問答、病歷自動生成浙江大學、網(wǎng)新數(shù)字健康聯(lián)合研究中心上海人工智能實驗室、上海交通大學-清源研究院、華東理工大學-自然語言處理與大數(shù)據(jù)挖掘?qū)嶒炇医】到逃⑨t(yī)師考試問題、報告解讀、醫(yī)療記錄結(jié)構(gòu)化以及模擬診斷和治療PULSE中文醫(yī)療大模型基于共計28科室的中文醫(yī)療共識與臨床指南文本，從而生成醫(yī)療知識覆蓋面更全，回答內(nèi)容更加精準的高質(zhì)量指令數(shù)據(jù)集。上海交通大學未來媒體網(wǎng)絡協(xié)同創(chuàng)新中心和上海人工智能實驗室智慧醫(yī)療中心MING上海交通大學DoctorGLM中文問診模型中國科學院自動化研究所上海人工智能實驗室紫東太初2.0Open-MEDLab智能化疾病管理、醫(yī)療多模態(tài)鑒別診斷醫(yī)療多模態(tài)基礎模型群信息來源：公開資料，經(jīng)億歐整理繪制。5國家層面建立高質(zhì)量醫(yī)療數(shù)據(jù)庫，為AI大模型醫(yī)療健康場景落地應用減輕阻力◆

數(shù)據(jù)庫的建設對健康醫(yī)療大數(shù)據(jù)的落地應用的至關(guān)重要，在醫(yī)療領域建立權(quán)威、科學、規(guī)范的臨床重點?？茦藴蕯?shù)據(jù)庫，能夠支持AI大模型醫(yī)療健康場景應用落地以及解決健康需求面臨的挑戰(zhàn)?！?/p>

2016年，國家衛(wèi)健委能力建設和繼續(xù)教育中心開始著手建立數(shù)據(jù)庫，由于中心擁有非常優(yōu)質(zhì)的專家資源，保證了數(shù)據(jù)質(zhì)量。在數(shù)據(jù)庫建立的過程中，也遇到了非常多的無法解決的問題，而我國將臨床專家的智慧發(fā)揮到了極致，即根據(jù)臨床需求來反推中心需要進行的工作。由此，中心制定了入庫收集的標準，收集數(shù)據(jù)，并將其應用起來。由于在數(shù)據(jù)庫建設中，中心一直堅持以臨床需求應用為導向，使建立過程雖然歷經(jīng)艱辛但依然堅持走到了現(xiàn)在。億歐智庫：人工智能應用公開數(shù)據(jù)集公開數(shù)據(jù)集公開數(shù)據(jù)集公開數(shù)據(jù)集?

中國首個系統(tǒng)性專病標準數(shù)據(jù)集?

50例包含完整影像的全息標準數(shù)據(jù)全息肝癌高度近視眼卵巢腫瘤超聲?

高度近視10年隨訪多維度全構(gòu)型定量數(shù)據(jù)集?

100例包含多年隨訪信息的標準數(shù)據(jù)?

標準化術(shù)語描述卵巢腫瘤多維度信息影像數(shù)據(jù)集?

300例標準數(shù)據(jù)（包含100例正常、100例良性、100例惡性）信息來源：馬兆毅主任于2023年7月8日在WAIC

AI醫(yī)療發(fā)展論壇中的主旨演講:醫(yī)學影像人工智能的創(chuàng)新應用與發(fā)展6醫(yī)療健康AI大模型在醫(yī)療場景下的初步表現(xiàn)：在問答的準確性和全面性有優(yōu)勢，但資料搜集方面可用性較低◆

下表的數(shù)據(jù)反映了不同研究中對ChatGPT在不同場景下的表現(xiàn)和結(jié)果進行評估的情況?？梢钥闯?，不同研究對ChatGPT的評價結(jié)果存在差異?！?/p>

在回答患有前列腺癌患者的問題時，ChatGPT的回答準確性和全面性較高，易讀性和穩(wěn)定性也較好；在回答有關(guān)肝硬化和肝細胞癌的問題時，ChatGPT的準確率和全面性相對較高；在檢索臨床放射學的信息和參考文獻時，ChatGPT的回答準確率為67％，但參考文獻的可用性較低；在在線醫(yī)生咨詢中，ChatGPT的回答長度較長，質(zhì)量較高，且被評為富有同理心。億歐智庫：ChatGPT在不同醫(yī)療場景下的反饋結(jié)果年份場景結(jié)果2023年回答患有前列腺癌患者的問題ChatGPT

Plus版：準確性：“正確”=

93.94％；全面性：“非常全面”=

91.94％；易讀性：“非常易懂”=

100％；穩(wěn)定性：一致性=

90.91％2023年2023年2023年2023年回答有關(guān)肝硬化和肝細胞癌的問題檢索臨床放射學的信息和參考文獻美國醫(yī)學執(zhí)照考試正確率：肝硬化（79.1％），肝細胞癌（74.0％）全面性：肝硬化（47.3％），肝細胞癌（41.1％）回答：67％正確，33％有錯誤參考文獻：36.2％可在互聯(lián)網(wǎng)上找到，63.8％由ChatGPT生成ChatGPT在4個數(shù)據(jù)集（AMBOSS-Step1，AMBOSS-Step2，NBME-Free-Step1和NBME-Free-Step2）中的準確率分別為44％（44/100），42％（42/100），64.4％（56/87）和57.8％（59/102）。在線醫(yī)生咨詢中的公共對話回答內(nèi)容長度：平均（IQR）：醫(yī)生：52

[17-62]個單詞；ChatGPT：211[168-245]個單詞；t=

25.4；P<0.001?；卮鹳|(zhì)量：比例：醫(yī)生：22.1％，95％置信區(qū)間：16.4％-28.2％；ChatGPT：78.5％，95％置信區(qū)間：72.3％-84.1％?；卮鸨辉u為富有同理心：數(shù)據(jù)來源：ChatGenerativePre-Trained

Transformer

(ChatGPT)usageinhealthcare701

醫(yī)療健康AI大模型發(fā)展背景?

醫(yī)療健康AI大模型發(fā)展過程?

醫(yī)療健康AI大模型的技術(shù)支持?

醫(yī)療健康AI大模型在醫(yī)療場景下的初步表現(xiàn)02

醫(yī)療健康AI大模型應用場景?

醫(yī)療健康AI大模型應用場景盤點?

醫(yī)療健康AI大模型醫(yī)療健康場景應用-醫(yī)學影像?

醫(yī)療健康AI大模型醫(yī)療健康場景應用-藥物研發(fā)?

醫(yī)療健康AI大模型健康場景應用-醫(yī)療文本處理?

醫(yī)療健康AI大模型健康場景應用-學術(shù)科研目錄C

O

N

T

E

N

T

S03

國內(nèi)醫(yī)療健康AI大模型市場發(fā)展簡析?

醫(yī)療健康AI大模型產(chǎn)品市場規(guī)模及增速?

醫(yī)療健康AI大模型產(chǎn)品應用落地的企業(yè)類型?

醫(yī)療健康AI大模型產(chǎn)品及企業(yè)圖譜醫(yī)療?

醫(yī)療健康AI大模型合作梳理04

醫(yī)療健康AI大模型平臺測試結(jié)果分析?

醫(yī)療健康AI大模型測試背景?

醫(yī)療健康AI大模型測試核心發(fā)現(xiàn)?

醫(yī)療健康AI大模型測試結(jié)果總結(jié)醫(yī)療健康AI大模型為技術(shù)底座，賦能醫(yī)療行業(yè)的多場景億歐智庫：醫(yī)療健康AI大模型應用場景主要痛點服務對象應用場景大類具體應用場景醫(yī)學影像篩查電子病歷醫(yī)患溝通醫(yī)?？刭M文獻檢索病理檢驗診斷預測健康管理數(shù)字療法健康檔案管理區(qū)域影像診斷藥物研發(fā)……大醫(yī)院醫(yī)生工作壓力大，工作內(nèi)容繁雜醫(yī)生科研過程需要閱讀分析大量文獻患者偏好去三甲醫(yī)院、大醫(yī)院由于生活習慣等原因，患慢病的人群逐漸增多醫(yī)患雙方信息不對稱，信息差過大國內(nèi)醫(yī)療資源少且分配不均醫(yī)療健康AI大模型+診療場景醫(yī)療健康AI大模型+醫(yī)療科研場景醫(yī)療健康AI大模型+健康管理場景醫(yī)療健康AI大模型+區(qū)域醫(yī)療場景醫(yī)療健康AI大模型+制藥企業(yè)場景醫(yī)院&醫(yī)生患者及亞健康人群區(qū)域公共衛(wèi)生（基層醫(yī)療）基層醫(yī)療資源薄弱、能力不足藥物研發(fā)進程緩慢、投入大制藥企業(yè)......阿里巴巴通義仁心騰訊混元京東京醫(yī)千詢百度文心華為盤古商湯大醫(yī)智譜AI百川智能信息來源：公開資料，經(jīng)億歐整理繪制。9醫(yī)療健康AI大模型健康場景應用-醫(yī)學影像：為患者提供差異診斷，為醫(yī)生提供診斷建議◆

醫(yī)學影像和大模型結(jié)合的優(yōu)勢在于提升了疾病診斷的準確性和效率，為醫(yī)生提供了更全面的信息和更好的治療方案。但醫(yī)學影像和大模型結(jié)合也存在局限性例如，數(shù)據(jù)獲取困難、兼容性問題、復雜性和可解釋性不足。億歐智庫：醫(yī)療健康AI大模型在醫(yī)學影像中的作用代表案例：深睿醫(yī)療通用大模型全面開啟全場景全流程AI數(shù)智化新時代差異診斷深睿醫(yī)療智慧影像&大數(shù)據(jù)通用平臺-DeepwiseMetAI，融合計算機視覺、NLP、幫助放射科醫(yī)生對發(fā)現(xiàn)的病變進行差異診斷，并提供額外的影像技術(shù)信息來確診。例如，ChatGPT可以提供關(guān)于潛在的骨腫瘤的信息，同時也可以為罕見病變的患者提供有效的隨訪建議。深度學習、大模型等人工智能前沿技術(shù)，將影像科日常應用產(chǎn)生的數(shù)據(jù)結(jié)構(gòu)化、形成優(yōu)質(zhì)的數(shù)據(jù)資產(chǎn)，可以在技師、醫(yī)生、科室的管理者之間自由流通、實現(xiàn)重建、打印、診斷、會診、教學、科研的一站式影像數(shù)智化，更好地支持診療流程、科學研究、科室建設乃至醫(yī)院整體業(yè)務的運轉(zhuǎn)，打造新一代人工智能數(shù)據(jù)應用新基座，全面助力醫(yī)院智慧化高質(zhì)量發(fā)展。MetAI，遇見AI，一切皆有可能！臨床決策支持為放射科醫(yī)生提供臨床決策支持。通過提供相關(guān)的醫(yī)學知識和建議，ChatGPT可以幫助醫(yī)生制定治療方案、選擇適當?shù)挠跋窦夹g(shù)，并提供隨訪建議等。代表案例：聯(lián)影智能多模態(tài)大模型涌現(xiàn)式躍遷與突破教育和培訓對于經(jīng)驗不足或非?？频姆派淇漆t(yī)生來說，醫(yī)療健康AI大模型可以作為一個有益的教育和培訓工具。它可以提供有關(guān)疾病診斷和處理的信息，幫助醫(yī)生學習和提高技能。醫(yī)學影像中應用案例問ChatGPT：一個十歲的女孩進行了X射線檢查，發(fā)現(xiàn)股骨近干骺端皮質(zhì)旁邊有硬化區(qū)域。患者的大腿有疼痛。你的診斷是什么？ChatGPT提供了關(guān)于潛在骨腫瘤的信息，并表示可能需要進行CT或MRI來確認診斷。因此，ChatGPT可以幫助放射科醫(yī)生決定是否需要進行CT掃描以獲得更準確的診斷或評估。這種聯(lián)系使得ChatGPT成為一個有用的工具，可以在放射科醫(yī)生的臨床實踐中提供有關(guān)影像技術(shù)選擇的建議。醫(yī)療影像大模型：基于多病種影像數(shù)據(jù)，訓練醫(yī)療

療文本對通用語言大模影像基礎模型，可快速衍

型進行調(diào)優(yōu)，構(gòu)建醫(yī)療醫(yī)療文本大模型：用醫(yī)醫(yī)療混合模態(tài)大模型：構(gòu)建醫(yī)療場景中融合多模態(tài)信息（影像、文本、視頻）的大模型生到其他新病種文本/知識模型數(shù)據(jù)來源：ChatGPTfrom

radiologists‘

perspective，公開資料，經(jīng)億歐整理繪制。10醫(yī)療健康AI大模型健康場景應用-藥物研發(fā)：提升藥物研發(fā)成功的概率，降低研發(fā)成本◆

大模型和藥物研發(fā)的結(jié)合可以提高藥物研發(fā)效率、降低成本、提高準確性和個性化治療，是藥物研發(fā)領域的重要趨勢和發(fā)展方向。億歐智庫：Insilico

Medicine發(fā)布ChatPandaGPT和知識圖譜億歐智庫：大模型vs傳統(tǒng)深度學習在生成人工蛋白質(zhì)的效果對比ProGen模型是一個基于Transformer架構(gòu)的大模型，擁有12億個可訓練參數(shù)。在一項關(guān)于ProGen的模型中，研究者發(fā)現(xiàn)：與通用的深度學習算法進行對照試驗后，

ProGen這種專門設計的語言模型可以生成具有可預測功能的蛋白質(zhì)序列，并且在不同蛋白質(zhì)家族上具有廣泛的適用性。ProGen模型傳統(tǒng)深度學習?ProGen是一種基于條件語言模型的蛋白質(zhì)生成模型，它通過學習大規(guī)模的蛋白質(zhì)序列數(shù)據(jù)來生成新的蛋白質(zhì)序列。?深度學習模型具有大量的參數(shù)，需要足夠的數(shù)據(jù)來約束和優(yōu)化這些參數(shù)。因此，復雜任務深度學習模型需要非常多的樣本來達到良好性能。數(shù)據(jù)量需求?ProGen的數(shù)據(jù)需求量相對較小，使

?因為參數(shù)眾多，需要足夠數(shù)據(jù)來優(yōu)化用了280萬個蛋白質(zhì)序列進行訓練，模型。所需的數(shù)百萬到數(shù)十億個樣本。?ProGen是一種條件語言模型，可以根據(jù)輸入的控制標簽生成具有特定功能的蛋白質(zhì)序列。?ProGen模型可以更好地捕捉到這些家族的序列特征和分布，從而提高生成性能。?深度學習模型是一種通用模型，在生成特定家族或功能的蛋白質(zhì)序列方面可能存在一定的限制。?深度學習方法在蛋白質(zhì)生成和設計任務中可能難以學習到特定蛋白質(zhì)家族的特征和分布。?

Insilico

Medicine公司將最新版本的高級AI聊天工具ChatGPT集成到其PandaOmics平臺中，從而實現(xiàn)了名為"ChatPandaGPT"的新功能。?

該功能使得研究人員能夠更加高效、準確、個性化地訪問有關(guān)分子生物學、治療靶點發(fā)現(xiàn)和藥物開發(fā)的信息。?

Insilico

Medicine還發(fā)布了一個基于Transformer的知識圖譜，從科學出版物列表中提取相關(guān)信息，并生成一個視覺上吸引人的圖表，將基因、疾病、化合物和生物過程聯(lián)系起來，提供了對疾病分子機制以及疾病背景下基因和化合物生物活性的見解。控制能力?ProGen模型的生成結(jié)果可以與生物物理建模相結(jié)合，這種結(jié)合可以提供對生成蛋白質(zhì)的更深入理解和評估。?深度學習方法通常難以直接預測蛋白質(zhì)的結(jié)構(gòu)和功能，生成的蛋白質(zhì)的結(jié)構(gòu)和功能驗證仍然需要結(jié)合生物物理建模等方法進行進一步的驗證。生物物理建模數(shù)據(jù)來源：Largelanguagemodels

generate

functionalprotein

sequences

across

diverse

families，公開資料，經(jīng)億歐整理繪制。11醫(yī)療健康AI大模型健康場景應用-醫(yī)療文本處理：能夠提供準確、快速、個性化的診斷和建議◆

使用大型語言模型處理醫(yī)療文本可以為醫(yī)療專業(yè)人員提供更準確、快速、個性化的診斷和治療建議，從而提高醫(yī)療效果和患者滿意度。億歐智庫：醫(yī)療健康AI大模型應用于醫(yī)療文本處理的具體場景1

臨床記錄自動化2

醫(yī)療文獻分析將醫(yī)生的口述或非結(jié)構(gòu)化的記錄轉(zhuǎn)換為結(jié)構(gòu)化的電子健康記錄從大量醫(yī)學文獻中提取關(guān)鍵信息，幫助研究人員快速了解研究趨勢和發(fā)現(xiàn)。應用案例3

病例報告和研究摘要的生成4

自動問答系統(tǒng)開源中文醫(yī)療大模型華佗GPT自動生成病例報告和研究摘要，減少醫(yī)療專業(yè)人員的文檔負擔。為患者和醫(yī)療專業(yè)人員提供基于證據(jù)的醫(yī)療信息，支持臨床決策。香港中文大學（深圳）和深圳市大數(shù)據(jù)研究院的王本友教授團隊開發(fā)了HuatuoGPT醫(yī)療大模型。它結(jié)合了ChatGPT和醫(yī)生回復的數(shù)據(jù)，使語言模型具備像醫(yī)生一樣的診斷能力和提供有用信息的能力，同時保持對用戶的流暢交互和內(nèi)容豐富性，讓對話更加順暢。5

醫(yī)療編碼和計費幫助將臨床服務轉(zhuǎn)化為標準化的醫(yī)療計費代碼。信息來源：公開資料，經(jīng)億歐整理繪制。12醫(yī)療健康AI大模型健康場景應用-學術(shù)科研：在使用過程中，具有抄襲、可信度等諸多風險億歐智庫：醫(yī)療AI大模型應用于學術(shù)科研的具體場景億歐智庫：

醫(yī)療AI大模型應用于學術(shù)科研的風險與挑戰(zhàn)可信度挑戰(zhàn)生成初稿01010203040506由于ChatGPT是基于大量文本數(shù)據(jù)進行訓練的語言模型，它生成的內(nèi)容可能缺乏可信度。它可能會產(chǎn)生不準確、不完整或有偏見的信息，這可能會對醫(yī)學寫作的準確性和可靠性產(chǎn)生負面影響。ChatGPT和LLMs可以用于生成學術(shù)論文、研究提案或其他學術(shù)文件的初稿。它們可以為作者提供一個起點，幫助加快寫作過程。編輯和完善文本ChatGPT和LLMs可以用于編輯和完善學術(shù)文本。它們可以提出風格、語法和清晰度方面的改進意見，幫助作者提高寫作質(zhì)量。抄襲風險02030405在醫(yī)學寫作中，抄襲是嚴重違反學術(shù)道德和版權(quán)法的行為。使用ChatGPT時，作者需要確保生成的內(nèi)容不會侵犯他人的版權(quán)，并采取適當?shù)囊煤蛥⒖嘉墨I的方式。文獻綜述和數(shù)據(jù)分析LLM可以幫助研究人員找到相關(guān)研究、提取關(guān)鍵信息和分析大型數(shù)據(jù)集，節(jié)省時間和精力。透明度挑戰(zhàn)ChatGPT生成的文本可能缺乏透明度，即無法追溯其來源和生成過程。這可能導致讀者無法確定文本的可靠性和準確性。在醫(yī)學寫作中，讀者需要了解文本的來源和基礎數(shù)據(jù)，以便評估其可信度。語言翻譯LLMs可以用于語言翻譯，使研究人員能夠訪問和理解不同語言的科學文獻。這有助于促進國際間的合作和知識交流。責任和權(quán)威性挑戰(zhàn)在醫(yī)學寫作中，作者需要對他們使用ChatGPT生成的內(nèi)容負責，并確保其準確性和權(quán)威性。醫(yī)學寫作需要經(jīng)過專業(yè)人士的審查和驗證，以確保內(nèi)容的準確性和可靠性。臨床決策支持LLMs可以在臨床決策中提供支持，通過分析患者數(shù)據(jù)、醫(yī)療記錄和研究文獻，幫助醫(yī)療專業(yè)人員診斷疾病。隱私和數(shù)據(jù)保護風險醫(yī)學教育和培訓LLMs可以在醫(yī)學教育和培訓項目中使用。它們可以提供互動學習體驗，回答學生的問題，并模擬患者接觸，增強學習過程。使用ChatGPT時，需要確?；颊吆蛡€人的隱私和數(shù)據(jù)保護。生成的文本可能包含敏感信息，因此需要采取適當?shù)拇胧﹣肀Ｗo數(shù)據(jù)的安全性和隱私。數(shù)據(jù)來源：ChatGPTand

large

languagemodel

(LLM)chatbots:The

current

stateofacceptability

andaproposal

forguidelines

onutilization

in

academicmedicine，公開資料，經(jīng)億歐整理繪制。13北京市首批10個人工智能行業(yè)大模型應用案例發(fā)布，涉及兩個醫(yī)療健康案例◆

2023年6月27日，北京市科委、中關(guān)村管委會舉辦首期北京市人工智能策源地引領推介活動，發(fā)布了北京市首批人工智能行業(yè)大模型應用案例?！?/p>

北京是國內(nèi)大模型創(chuàng)新基礎最好、人才團隊最集中、研發(fā)能力最強、產(chǎn)品迭代最活躍的地區(qū)。一大批一線科學家和創(chuàng)業(yè)者集聚北京，涌現(xiàn)出文心一言、ChatGLM等一批具有代表性的大模型產(chǎn)品。科技部新一代人工智能發(fā)展研究中心發(fā)布的《中國人工智能大模型地圖研究報告》顯示，我國10億參數(shù)規(guī)模以上的大模型已發(fā)布79個，其中北京發(fā)布的數(shù)量最多，共38個，占全國近一半，大模型學者指數(shù)、模型開源數(shù)量和影響力等指標均位居全國第一。首批應用案例中，涵蓋兩個醫(yī)療相關(guān)模型。北京智譜華章科技有限公司和北京中醫(yī)藥大學東方醫(yī)院共同開發(fā)的數(shù)字中醫(yī)大模型示范應用云知聲智能科技股份有限公司和北京友誼醫(yī)院共同開發(fā)的基于山海大模型的門診病歷生成系統(tǒng)示范應用在智慧醫(yī)療領域，基于云知聲700億參數(shù)規(guī)模的自研“山?！贝竽Ｐ?，結(jié)合前端聲音信號處理、聲紋識別、語音識別、語音合成等全棧式智能語音交互技術(shù)，預計可提升醫(yī)生的電子病歷錄入效率超過400%，節(jié)約單個患者問診時間超過40%，提升醫(yī)生門診效率超過66%。在智慧醫(yī)療領域，基于智譜華章高精度千億中英雙語稠密模型“GLM-130B”，面向中醫(yī)領域名醫(yī)經(jīng)驗挖掘整理需求，構(gòu)建數(shù)字中醫(yī)服務平臺，探索高危肺結(jié)節(jié)人工智能臨床診療和臨床評價研究等解決方案，實現(xiàn)中醫(yī)臨床經(jīng)驗的智慧化復制新模式。數(shù)據(jù)來源：公開資料，經(jīng)億歐整理繪制。1401

醫(yī)療健康AI大模型發(fā)展背景?

醫(yī)療健康AI大模型發(fā)展過程?

醫(yī)療健康AI大模型的技術(shù)支持?

醫(yī)療健康AI大模型在醫(yī)療場景下的初步表現(xiàn)02

醫(yī)療健康AI大模型應用場景?

醫(yī)療健康AI大模型應用場景盤點?

醫(yī)療健康AI大模型醫(yī)療健康場景應用-醫(yī)學影像?

醫(yī)療健康AI大模型醫(yī)療健康場景應用-藥物研發(fā)?

醫(yī)療健康AI大模型健康場景應用-醫(yī)療文本處理?

醫(yī)療健康AI大模型健康場景應用-學術(shù)科研目錄C

O

N

T

E

N

T

S03

國內(nèi)醫(yī)療健康AI大模型市場發(fā)展簡析?

醫(yī)療健康AI大模型產(chǎn)品市場規(guī)模及增速?

醫(yī)療健康AI大模型產(chǎn)品應用落地的企業(yè)類型?

醫(yī)療健康AI大模型產(chǎn)品及企業(yè)圖譜醫(yī)療?

醫(yī)療健康AI大模型合作梳理04

醫(yī)療健康AI大模型平臺測試結(jié)果分析?

醫(yī)療健康AI大模型測試背景?

醫(yī)療健康AI大模型測試核心發(fā)現(xiàn)?

醫(yī)療健康AI大模型測試結(jié)果總結(jié)原有醫(yī)療場景應用創(chuàng)新的難度被大大降低，預計2023-2027年為醫(yī)療健康AI大模型集中爆發(fā)階段◆

隨著技術(shù)成熟度以及數(shù)據(jù)可用性增加，醫(yī)療健康AI大模型對醫(yī)療場景中（如藥物發(fā)現(xiàn)、個性化醫(yī)療、醫(yī)學影像、數(shù)據(jù)增強）的部分研發(fā)阻礙給出解決方案，加快醫(yī)療研發(fā)速度。同時，其生成式人工智能操作難度低，更能夠被醫(yī)療領域的專業(yè)人員接受并使用。因此根據(jù)億歐預測，2023-2027年為醫(yī)療健康AI大模型集中爆發(fā)的階段?！?/p>

雖然醫(yī)療健康AI大模型在一定程度上降低了某些方面的成本，但它們的使用和維護仍然需要相當?shù)馁Y源投入，特別是對于需要高度定制化和專業(yè)化的應用場景。億歐智庫：2023-2030年中國醫(yī)療健康AI大模型產(chǎn)品市場規(guī)模及增速爆發(fā)原因一：市場規(guī)模（億元）增速研發(fā)效率大大提升。醫(yī)療健康AI大模型能夠自動生成內(nèi)容、代碼、數(shù)據(jù)分析報告等。這可以幫助開發(fā)者和醫(yī)療科學家快速原型開發(fā)和測試，從而減少時間和成本的投入。集中爆發(fā)242.0%131.2%106.2%81.2%51.1%46.7%163.636.0%222.5爆發(fā)原因二：更易于接入的API服務。很多公司提供了基于這些醫(yī)療健康AI大模型的API服務，這意味著即使是沒有深厚技術(shù)背景的用戶也可以通過簡單的API調(diào)用來利用AI的能力。111.6爆發(fā)原因三：73.8大型預訓練模型可以被開發(fā)者直接使用。這減少了從頭開始訓練模型的需求。開發(fā)者可以通過微調(diào)這些模型來適應特定的應用場景，這大大降低了數(shù)據(jù)收集和計算資源的成本。40.819.88.62.520232024E2025E2026E2027E2028E2029E2030E數(shù)據(jù)來源：專家訪談，公開資料，經(jīng)億歐整理繪制。16醫(yī)療健康AI大模型產(chǎn)品主要在醫(yī)療機構(gòu)、醫(yī)藥企業(yè)、零售藥店以及互聯(lián)網(wǎng)醫(yī)療這四類企業(yè)應用億歐智庫：醫(yī)療健康AI大模型產(chǎn)品應用落地的企業(yè)類型醫(yī)療機構(gòu)：1）加速醫(yī)療非結(jié)構(gòu)化數(shù)據(jù)的處理，如電子病歷自動生成。2）通過與患者進行對話，更精準的進行分診和導診。3）快速檢索能力加速了醫(yī)療工作人員的科研效率。醫(yī)藥企業(yè)：1）加速藥企在研發(fā)階段，如藥物發(fā)現(xiàn)、蛋白質(zhì)結(jié)構(gòu)預測；臨床階段，如臨床試驗設計、應用合規(guī)文檔管理；上市階段，如與患者溝通、銷售預測等提供技術(shù)支持。企業(yè)類型醫(yī)療健康AI大模型零售藥店：產(chǎn)品1）根據(jù)患者的用藥需求，提供對話式的用藥咨詢服務。2）通過醫(yī)療健康AI大模型儲備的醫(yī)療信息，為患者提供健康教育等信息?；ヂ?lián)網(wǎng)醫(yī)療：1）醫(yī)療大模型企業(yè)作為上游技術(shù)服務商，能夠為擁有患者資源的互聯(lián)網(wǎng)醫(yī)療企業(yè)提供技術(shù)支持，輔助其管理患者。資料來源：公開資料，經(jīng)億歐整理繪制。17醫(yī)療健康AI大模型產(chǎn)品及企業(yè)圖譜患者問診全流程醫(yī)生助手/醫(yī)院管理中醫(yī)智譜華章·數(shù)字中醫(yī)大模型百度-靈醫(yī)大模型騰訊-混元大模型阿里·通義仁心岐黃問道大模型東軟·YiduCore添翼大模型大模型WiNEX

Copilot醫(yī)學影像京醫(yī)千詢星火大模型商湯大醫(yī)DeepwiseMetAI白澤曉醫(yī)療大模型百度·靈醫(yī)大模型藥物研發(fā)MEDGPT左手醫(yī)生·云知聲·微脈·左醫(yī)GPT山海大模型CareGPT盤古大模型婦科健康科普BSoftGPTClouDGPT大模紫微平臺大模型型AI助手春雨慧問輕松問醫(yī)HealthGPT愛巢GPT18醫(yī)療科技企業(yè)與基礎大模型企業(yè)積極合作，AI大模型醫(yī)療健康生態(tài)正在逐步建立◆

當前醫(yī)療科技企業(yè)與基礎大模型企業(yè)合作數(shù)量較多，雙方借助各自在科技及醫(yī)療的優(yōu)勢，打造行業(yè)生態(tài)。億歐智庫：2023年1-11月醫(yī)療健康AI大模型部分企業(yè)或組織間合作梳理合作方式發(fā)布時間合作內(nèi)容2023年7月9日醫(yī)渡科技&華為云：醫(yī)渡科技攜手華為啟動大模型聯(lián)合創(chuàng)新2023年6月7日2023年5月8日2023年7月10日潤達醫(yī)療&華為云：潤達醫(yī)療與華為云戰(zhàn)略合作

打造普惠AI醫(yī)療服務大模型嘉會醫(yī)療&商湯科技：嘉會醫(yī)療攜手商湯科技，AI賦能打造國際化智慧醫(yī)院樣板金域醫(yī)學&華為云：金域醫(yī)學攜手華為云打造醫(yī)檢行業(yè)大模型文心一言&有來醫(yī)生/莫廷醫(yī)療/啟灝醫(yī)療/醫(yī)學界/東軟醫(yī)療：百度牽手多家醫(yī)療企業(yè)，類ChatGPT模式加速醫(yī)療產(chǎn)業(yè)升級醫(yī)療科技企業(yè)+基礎大模型企業(yè)

2023年2月19日2023年7月10日2023年7月20日2023年9月8日2023年11月1日萬達信息&華為云：萬達信息與華為云共同簽署盤古大模型合作協(xié)議靈醫(yī)智惠&固生堂：靈醫(yī)智惠與固生堂聯(lián)合開展大模型戰(zhàn)略合作騰訊健康&邁瑞醫(yī)療：邁瑞醫(yī)療與騰訊健康達成戰(zhàn)略合作騰訊健康與圓心科技：騰訊健康與圓心科技舉行戰(zhàn)略合作簽約聯(lián)影智能&中山醫(yī)院：聯(lián)影智能聯(lián)影智能攜手中山醫(yī)院，打造全病程智醫(yī)診療大模型全球首個醫(yī)療多模態(tài)基礎模型群“OpenMEDLab浦醫(yī)”醫(yī)療科技企業(yè)+醫(yī)院2023年7月7日2023年6月29日科研機構(gòu)、高校及醫(yī)院合作資料來源：公開資料，經(jīng)億歐整理繪制。19醫(yī)療健康AI大模型的應用仍存在諸多風險，將有可能阻礙其商業(yè)化路徑，國內(nèi)外陸續(xù)推出相關(guān)政策◆

醫(yī)療大模型的商業(yè)化面臨數(shù)據(jù)隱私、知識產(chǎn)權(quán)和道德責任等挑戰(zhàn)，會嚴重損害企業(yè)聲譽并帶來經(jīng)濟損失，增加了運營成本，這可能會阻礙大模型的商業(yè)化?！?/p>

為了克服這些障礙，企業(yè)需要采取措施加強數(shù)據(jù)保護、獲得必要的版權(quán)授權(quán)、確保模型的公正性和合規(guī)性，同時通過提高透明度和公眾教育來建立用戶信任。這要求在技術(shù)創(chuàng)新和社會責任之間找到一個平衡點，確保醫(yī)療大模型能夠以負責任和可持續(xù)的方式推向市場。億歐智庫：使用醫(yī)療大模型在醫(yī)療場景中存在的風險國內(nèi)外推出相關(guān)政策，希望推動醫(yī)療大模型平穩(wěn)落地道德風險（數(shù)據(jù)隱私安全及偏見問題）抄襲風險30.0%?

2023年12月8日，歐盟就全球首個全面監(jiān)管AI的《人工智能法案》達成初步協(xié)議，該協(xié)議對所有通用人工智能模型都提出了透明度要求，對更強大的模型則提出了更嚴格的規(guī)定。23.3%引用參考文獻不足或不準確信息透明度問題法律問題16.7%16.7%?

在我國推出的《國家限制類技術(shù)臨床應用管理規(guī)范（2022年版）》針對使用人工智能輔助治療技術(shù)，在人員配備、培訓等多方便做出了規(guī)定。11.7%8.3%8.3%6.7%6.7%錯誤信息傳播過于詳細的內(nèi)容版權(quán)問題構(gòu)建安全可信的人工智能：數(shù)據(jù)保護、透明度與倫理公平性?

加強數(shù)據(jù)加密和匿名處理，確保符合數(shù)據(jù)保護法規(guī)；建立透明度和問責制度，增強用戶信任；在模型開發(fā)和部署過程中考慮到倫理和公平性，確保模型的公正性。缺乏原創(chuàng)性數(shù)據(jù)來源：ChatGPTUtilityin

Healthcare

Education,Research,

andPractice:

SystematicReviewonthe

Promising

Perspectives

andValidConcerns，公開資料，經(jīng)億歐整理繪制。2001

醫(yī)療健康AI大模型發(fā)展背景?

醫(yī)療健康AI大模型發(fā)展過程?

醫(yī)療健康AI大模型的技術(shù)支持?

醫(yī)療健康AI大模型在醫(yī)療場景下的初步表現(xiàn)02

醫(yī)療健康AI大模型應用場景?

醫(yī)療健康AI大模型應用場景盤點?

醫(yī)療健康AI大模型醫(yī)療健康場景應用-醫(yī)學影像?

醫(yī)療健康AI大模型醫(yī)療健康場景應用-藥物研發(fā)?

醫(yī)療健康AI大模型健康場景應用-醫(yī)療文本處理?

醫(yī)療健康AI大模型健康場景應用-學術(shù)科研目錄C

O

N

T

E

N

T

S03

國內(nèi)醫(yī)療健康AI大模型市場發(fā)展簡析?

醫(yī)療健康AI大模型產(chǎn)品市場規(guī)模及增速?

醫(yī)療健康AI大模型產(chǎn)品應用落地的企業(yè)類型?

醫(yī)療健康AI大模型產(chǎn)品及企業(yè)圖譜醫(yī)療?

醫(yī)療健康AI大模型合作梳理04

醫(yī)療健康AI大模型平臺測試結(jié)果分析?

醫(yī)療健康AI大模型測試背景?

醫(yī)療健康AI大模型測試核心發(fā)現(xiàn)?

醫(yī)療健康AI大模型測試結(jié)果總結(jié)醫(yī)療健康AI大模型測試背景自大模型受到廣泛關(guān)注以來，出現(xiàn)了較多關(guān)于醫(yī)療大模型的測試文章，但測試大多圍繞GPT在回答美國執(zhí)業(yè)醫(yī)師資格考試（USMLE）的結(jié)果進行。選取的醫(yī)療大模型測試平臺數(shù)量選取的醫(yī)療大模型測試平臺類型在此背景下，億歐圍繞國內(nèi)醫(yī)療大模型展開測試……8個（其中7個國內(nèi)平臺以及GPT4平臺）綜合類大模型平臺、垂類醫(yī)療大模型平臺測試題目測試方式測試時間國家執(zhí)業(yè)醫(yī)師資格考試API接口測試/網(wǎng)頁對話界面輸2023年10月-2023年11月入測試題目22大部分平臺均能通過執(zhí)業(yè)醫(yī)師筆試部分的考試，但大模型平臺在測試過程中存在不穩(wěn)定性◆

七個平臺中，有六個平臺都通過了執(zhí)業(yè)醫(yī)師綜合筆試的考試。根據(jù)國家執(zhí)業(yè)醫(yī)師資格考試要求，執(zhí)業(yè)醫(yī)師考試有600道選擇題，每道題1分，合格分數(shù)線為360分，即準確率超過60%為通過。在本次測試結(jié)果中，有六個平臺的準確率都超過了60%，而公開數(shù)據(jù)顯示執(zhí)業(yè)醫(yī)師綜合筆試通過率在20%-25%之間，由此可見，醫(yī)療大模型平臺可能具有比一般考生更高的專業(yè)水平或者更好的準備情況。億歐智庫：國內(nèi)七個大模型平臺關(guān)于執(zhí)業(yè)醫(yī)師題目的首次測試結(jié)果大模型平臺在測試執(zhí)業(yè)醫(yī)師題目過程中，存在不穩(wěn)定性7個平臺中，有6個平臺的準確率超過了60%?在各平臺測試過程得出結(jié)果后，我們將部分錯誤題目在同一平臺上再次輸入，發(fā)現(xiàn)兩次返回的答案存在差異，包括第一次答案正確、第二次錯誤或反之的情況。84.3%65.0%65.0%64.8%62.7%60.8%58.3%??由于大模型平臺測試返回答案存在不穩(wěn)定性，所以測試結(jié)果選取了首次返回的答案用以計算準確性。大模型平臺測試存在不穩(wěn)定性的原因可能是由于模型過載、數(shù)據(jù)問題、網(wǎng)絡波動、系統(tǒng)兼容性、動態(tài)環(huán)境變化以及配置錯誤等等Top1Top2Top3Top4Top5Top6Top7數(shù)據(jù)來源：億歐通過調(diào)研統(tǒng)計得出，經(jīng)億歐整理繪制。23醫(yī)療大模型在做不同國家執(zhí)業(yè)醫(yī)師考試題目時，準確率差異較小，

GPT4的表現(xiàn)略優(yōu)于大部分國內(nèi)醫(yī)療大模型平臺◆

醫(yī)療大模型在做不同國家執(zhí)業(yè)醫(yī)師考試題目時，準確率差異較小?！禤erformance

of

MultimodalGPT-4VonUSMLE

withImage:Potential

for

ImagingDiagnosticSupportwith

Explanations》一文中指出，GPT-4V，在回答帶有圖像的美國醫(yī)學執(zhí)照考試問題時，取得了62%的準確率。由于帶有圖像的考試問題難度較大，文字類分析難度較小，但考慮到中文分析理解難度較大，因此二者的準確率相當。◆

GPT4的表現(xiàn)優(yōu)于大部分國內(nèi)醫(yī)療大模型平臺。GPT4的準確率為69%，國內(nèi)平臺平均值為66%。國家臨床執(zhí)業(yè)醫(yī)師資格考試在不同大模型平臺的準確率國家臨床執(zhí)業(yè)醫(yī)師資格考試題目美國執(zhí)業(yè)醫(yī)師資格考試題目國內(nèi)多平臺平均值GPT4平臺66%62%66%69%數(shù)據(jù)來源：億歐通過調(diào)研統(tǒng)計得出，經(jīng)億歐整理繪制。24醫(yī)療大模型對于中文執(zhí)業(yè)醫(yī)師考試需要分析的案例題目，錯誤率較高◆

在分析八個平臺的返回的答案后，我們發(fā)現(xiàn)對于場景類題目，醫(yī)療健康AI大模型產(chǎn)品回答的錯誤率較高。如在題目闡述了性別、年齡、患者癥狀后，需要給出診斷、或下一步治療的建議時，往往會出現(xiàn)分析錯誤的情況。根據(jù)回答情況分析，目前錯誤題目中，34%的題目都是場景相關(guān)的題目（即題干中給出詳細信息，需要判斷）?！?/p>

因此，億歐認為，雖然整套試題的準確率較高，但在面臨醫(yī)療實際行為時，醫(yī)療健康AI大模型仍然無法對復雜的醫(yī)療信息給出專業(yè)的判斷。其使用場景更適合用于院外場景，如患者在掛號前的問診（具體需要掛哪一個科室）等?！?/p>

除此之外，我們發(fā)現(xiàn)在中文執(zhí)業(yè)醫(yī)師考試題目中，類似“選擇不正確答案”的題目，錯誤率較高，也反映出了醫(yī)療健康AI大模型在進行邏輯分析時存在漏洞。億歐智庫：國內(nèi)七個大模型平臺關(guān)于執(zhí)業(yè)醫(yī)師題目的首次測試結(jié)果推理過程理解題目和推理過程是最容易出現(xiàn)錯誤的步驟。03?

因為它們需要模型具有高級的語言理解能力和信息整合0204生成答案邏輯推理能力。這些錯誤可能是由于模型的訓練數(shù)據(jù)不足、過于依賴字面信息、缺乏對特定領域的深入理解或者是模型內(nèi)在的算法局限性。?

此外，即使是在數(shù)據(jù)充足且算法先進的模型中，復雜的推理問題也可能因為其固有的難度而導致錯誤。理解題目0105驗證答案數(shù)據(jù)來源：億歐通過調(diào)研統(tǒng)計得出，經(jīng)億歐整理繪制。25對比臨床執(zhí)業(yè)醫(yī)師的測試結(jié)果，部分醫(yī)療大模型在處理中醫(yī)相關(guān)問題的表現(xiàn)稍顯不足◆

根據(jù)測試結(jié)果顯示，部分醫(yī)療大模型在回答中醫(yī)執(zhí)業(yè)醫(yī)師問題的準確率略低于臨床執(zhí)業(yè)醫(yī)師的題目?！?/p>

醫(yī)療健康AI大模型在處理中醫(yī)相關(guān)問題時存在以下幾個方面的難點：1）文化和語境的理解：中醫(yī)的理論包含了大量的象征性語言和概念（如陰陽、五行等）。醫(yī)療大模型可能難以準確理解和解釋這些概念的深層含義。2）診療方法的差異：中醫(yī)診斷依賴于醫(yī)師對患者的觀察、聽診、問診和切脈等手段，這些方法與西醫(yī)的診斷方式（如實驗室檢測、影像學檢查）有很大差異。大模型可能難以模擬中醫(yī)的診療過程，因為這需要對非標準化信息的高度解讀能力。3）治療個體化：中醫(yī)強調(diào)根據(jù)個體的體質(zhì)和病情來調(diào)整治療方案，這種個體化的治療方法要求醫(yī)師具有豐富的經(jīng)驗，而這些是大模型難以完全復制的。4）跨學科整合的復雜性：將中醫(yī)與現(xiàn)代醫(yī)學知識結(jié)合起來是一個跨學科的挑戰(zhàn)，需要深入理解兩種體系的原理和方法。大模型可能在沒有足夠跨學科訓練數(shù)據(jù)的情況下難以實現(xiàn)有效的整合。億歐智庫：國內(nèi)四個大模型平臺關(guān)于部分中醫(yī)執(zhí)業(yè)醫(yī)師題目的首次測試結(jié)果臨床

中醫(yī)67%65%65%63%58%57%57%43%平臺一平臺二平臺三平臺四數(shù)據(jù)來源：億歐通過調(diào)研統(tǒng)計得出，經(jīng)億歐整理繪制。26醫(yī)療健康AI大模型平臺使用測試結(jié)論結(jié)論一：醫(yī)療健康AI大模型在執(zhí)業(yè)醫(yī)師資格考試中表現(xiàn)優(yōu)異，甚至超過真實考生。?

醫(yī)療健康AI大模型在事實型題目有突出的優(yōu)勢。醫(yī)療健康AI大模型模型訓練于海量的醫(yī)學文獻、指南、教科書和臨床案例，且醫(yī)療健康AI大模型信息檢索能力極強，能迅速準確地提供答案，特別是在選擇題和需要直接回憶事實的題目上表現(xiàn)突出。?

醫(yī)療健康AI大模型在答題過程中不會收到情緒干擾。醫(yī)療健康AI大模型提供的答案通?；卺t(yī)學指南和證據(jù)，因此更加標準化，而人類考生可能受個人經(jīng)驗和偏見影響。結(jié)論二：在面對非標準化或模糊的臨床情況時，AI無法像經(jīng)驗豐富的醫(yī)生作出最佳判斷。?

在處理非標準化或模糊的臨床情況時無法像經(jīng)驗豐富的醫(yī)生那樣作出最佳判斷，主要是因為它缺乏醫(yī)生的臨床直覺、深度的情境理解、靈活的適應性和人際溝通能力。在診療尤其是在中醫(yī)的診療場景中，醫(yī)學中常常存在不確定性和模糊性，醫(yī)生能夠基于經(jīng)驗和臨床知識處理這些不確定性，做出最合適的判斷。?

AI也難以處理醫(yī)療決策中的倫理道德問題，以及在面對不確定性時運用創(chuàng)造性思維。結(jié)論三：穩(wěn)定性不足確實是醫(yī)療健康AI大模型在實際應用中面臨的一個重要障礙。?

如果AI系統(tǒng)在不同的臨床環(huán)境和患者群體中表現(xiàn)出波動或不可預測的結(jié)果，它們的可靠性和信任度就會受到質(zhì)疑。這可能導致誤診、治療延誤或不必要的治療，增加患者的風險和醫(yī)療成本。?

因此，確保醫(yī)療健康AI系統(tǒng)的穩(wěn)定性和可泛化性是推廣其臨床應用的關(guān)鍵。這需要通過廣泛的驗證、持續(xù)的監(jiān)測和嚴格的臨床測試來實現(xiàn)，以確保系統(tǒng)在各種條件下都能提供準確和一致的支持。27醫(yī)療健康AI大模型發(fā)展未來趨勢應用場景拓展：趨勢一從診斷輔助向治療規(guī)劃和患者監(jiān)護擴展，例如在遠程醫(yī)療和慢病管理中的應用。??

AI在藥物發(fā)現(xiàn)和設計中的作用將進一步增強，縮短藥物研發(fā)周期。?

AI在公共衛(wèi)生和疾病預防領域的應用，如通過大數(shù)據(jù)分析預測突發(fā)性的疾病爆發(fā)。AI相關(guān)法案加速建立：趨勢二相關(guān)部門建立標準化的評估流程，對醫(yī)療健康AI應用的安全性和有效性進行驗證。??

制定專門的法律法規(guī)，明確醫(yī)療健康AI的責任歸屬和使用規(guī)范。?

相關(guān)部門加強對醫(yī)療健康AI系統(tǒng)的倫理審查，確保其決策過程公正、透明。生成式AI加快了人機交互協(xié)助：趨勢三生成式AI增強醫(yī)療人員對AI工具的信任和依賴性，通過培訓和教育提高他們的AI素養(yǎng)。??

各科技企業(yè)將開發(fā)更為直觀的用戶界面，使醫(yī)療人員能夠更容易地與AI系統(tǒng)交互。?

各科技企業(yè)將研究人機交互的最佳實踐，確保醫(yī)療健康AI輔助下的決策過程既高效又人性化。關(guān)于億歐◆

團隊介紹：億歐智庫（EO

Intelligence）是億歐旗下的研究與咨詢機構(gòu)。為全球企業(yè)和政府決策者提供行業(yè)研究、投資分析和創(chuàng)新咨詢服務。億歐智庫對前沿領域保持著敏銳的洞察，具有獨創(chuàng)的方法論和模型，服務能力和質(zhì)量獲得客戶的廣泛認可。億歐智庫長期深耕新科技、消費、大健康、汽