比爾·蓋茨可能是ChatGPT的“頭號鐵粉”。

他對ChatGPT的“表白”，簡直如同情話一般熱烈，“這是我一生中見到的兩項最具革命性的技術之一”。

(資料圖片)

ChatGPT在醫療領域的落地，則是比爾·蓋茨最為看好的賽道，他期待全球都束手無策的看病難、看病貴頑疾，借此緩解。

比爾·蓋茨的蓋章點贊并非虛美。

他有著足夠的權威性——既是微軟的創始人，洞悉人工智能的未來圖景，也是頂尖的醫療專家——在離開微軟后，他把大部分精力投身于醫療慈善事業。

不止比爾·蓋茨，創新工場創始人李開復、奇績創壇創始人兼CEO陸奇，以及紅杉中國等，都對類ChatGPT技術落地醫療（以下簡稱HealthGPT），有著高度期待。

陸奇篤信，好的醫護就是“超級模型”，醫療產業本身就是模型驅動，正是AI可以長袖善舞的領域。

而在國外，ChatGPT和谷歌打造的“Med-PaLM”，也都陸續秀出了“醫術”；在國內，互聯網醫院平臺醫聯剛剛上線了AI醫生——MedGPT。

Med-PaLM和MedGPT恰恰代表了兩類玩家——前者是超級巨頭的典型，打造的通用大模型，會在醫療等多個領域嘗鮮探路；后者是垂直賽道的玩家，以AI為工具，走向醫療服務終點。

投資機構、頭部大廠、創業公司的集體涌入之下，AI醫生到底能不能替補上位，紓解醫療供給短缺的頑疾？從模型上線，到大規模應用落地，需要闖過哪些關卡？

巨頭獨角獸同向不同路

創投機構、巨頭和獨角獸的洶洶入場，是看中了AI醫療的廣闊前景——HealthGPT站在了AI和大健康交匯的十字路口，兩者都是10萬億量級的超級風口。

根據《健康中國2030規劃綱要》，2030年，中國大健康產業市場規模有望逼近16萬億元，成為中國經濟的支柱產業之一，可以類比的是，2022年，被視為經濟支柱的房地產行業，開發投資總額也不過13.29萬億元。

另據Frost & Sullivan發布的《醫療智能行業白皮書》預測，2030年，中國醫療智能行業規模有望超過1.1萬億。

而風口正熱的ChatGPT，其母公司OpenAI的估值，已經飆漲至300億美元，還帶動大股東微軟的市值大漲三四成。

陸奇甚至預測，OpenAI的未來市值有望碾壓谷歌，成為全球首家超十萬億美元市值的企業。

而在李開復看來，類ChatGPT領域，有三種投資機會：一是像OpenAI一樣做平臺，這是大廠才能玩得起的燒錢游戲；二是AI基礎設施；三是細分領域應用，HealthGPT就是最有前景的賽道之一。

盡管同向奔赴，但其實，谷歌的Med-PaLM，與醫聯的MedGPT，終點并不相同，必然會漸行漸遠。

無論是谷歌，還是OpenAI，搭建的頭部AI平臺，都不會專情于某一垂類領域，必然都抱著“既要又要還要全都要”的“海王”心態，涉足廣泛，但淺嘗輒止，蹚水醫療領域，也更多是對其底層AI能力的驗證和錘煉。

在AI大模型布局上，谷歌更擔心的是，先發先至的OpenAI，對其賴以為生的主營業務造成致命沖擊。

今年年初，如臨大敵的谷歌CEO皮查伊，招來了谷歌兩位創始人拉里·佩奇和謝爾蓋，連續開會商討對策，在會上將ChatGPT稱作“紅色警戒級”的對手。

而無論是為了抵御外部沖擊，還是內部增長需求驅動，谷歌布局的戰略重點，必然是通用型大模型。

但醫聯等垂類玩家不同，AI是路徑，醫療是終點。而且，醫聯主攻的并非泛泛的大健康領域，創始人、CEO王仕銳對公司的定性是“嚴肅醫療”。

從未來的應用思路上，谷歌等泛平臺，可能會涉足大眾淺層次的大健康服務，比如提供在線咨詢等服務；

而醫聯MedGPT則是深入嚴肅醫療的鏈條中，借助這步落子，深化其角色定位，從鏈接者、服務者，延伸到“賦能者”。

在既有的資源稟賦上，兩者的優勢也大不相同，谷歌、OpenAI的優勢在于AI技術實力強大，資金雄厚不差錢。

ChatGPT本身就是一場燒錢游戲，根據國盛證券的研報，類ChatGPT的AI大模型，一次訓練成本，可能就高達數千萬美金。

醫聯等垂類玩家不如谷歌那般土壕，但其優勢則在于，更專業也更聚焦，一方面其擁有海量的專業數據；另一方面，其力出一口，進窄門花小錢，在專注領域里，未必遜色于頭部平臺，也許還能表現更好。

根據谷歌透露的成績單。今年3月，比首代產品更聰明的谷歌Med-PaLM 2面世后，在醫學考試中的表現處于“專家”水準，答題準確率超過85%，比前一代的結果高出18%。

而ChatGPT的醫學考試成績單，就乏善可陳了。在三份答卷中，正確率分布在 52.4% 到 75% 之間，徘徊于及格線上下。

醫聯MedGPT的表現，也可圈可點。醫聯抽取了532名復診患者檔案進行信息脫敏，并進行了模擬首診實驗。結果顯示，醫聯MedGPT的診斷結果與患者原有線下門診的診斷吻合率超過97.5%。

頭部大廠和垂類玩家同臺秀技，各展所長，各有其用，其實并非面貼面的直接競爭關系，雙方共存的格局，將會長期存續。

“稱重”大健康類ChatGPT價值

對HealthGPT產品翹首以盼的，不止頭不大廠和創投機構，還有醫療行業人士和衛生主管部門。

中國工程院院士、國家基層糖尿病防治管理辦公室主任賈偉平斷言，人工智能在醫療技術研究、臨床診斷、手術治療、早期干預、慢病管理等方面，都能發揮作用。

國家腫瘤臨床醫學研究中心主任郝希山則期待，未來人工智能、大數據處理等方面的專家，可以和臨床醫生坐在一起，共同為病人出具更加個性化、精準化的診療方案。

全國政協委員、北京醫院放射科主任陳敏則認為，人工智能可以緩解城鄉醫療資源供給不平衡。

醫療主管政府部門對于人工智能的態度也相當開明。

中國政府發布的《“健康中國2030”規劃綱要》，多次提及智能化，比如疫情信息智能監測預警、醫保智能監控、智能健康電子產品等。

在深受醫療短缺之困的中國市場，豐富醫療供給，是類MedGPT產品最為顯形的價值。

中國醫療服務的供給不足，主要體現在兩個層面。

一是絕對性短缺，荷蘭數據公司Euro RSCG繪制的全球醫生資源地圖顯示， 中國醫患比例1:950，平均每1000?，對應1個醫?，與之類比的是，在古巴，醫患比是1:170，美國則是1：390，短缺一目了然。

其次，則是結構性供給不足，城鄉、區域醫療資源分配不平衡。

而HealthGPT的高效學習、優化，應用，可以推動優質醫療資源快速復用，一旦能力成熟，可以為病人初診病情，或者輔助醫生診斷，以此釋放醫療供給。

在賈偉平的設想中，新一代人工智能或可進化為個體化的健康管家，未來醫生開處方，不一定需要開具體藥品，可以根據患者狀況，推介不同特質的人工智能或是智慧醫療產品，這種“數字治療”產品不僅能夠提供短期的診療方案，還能提供全周期的健康管理服務。

對于慢性病患者的價值尤為凸顯。根據統計，在中國，慢性病導致的疾病負擔占總疾病負擔的近70%，導致的死亡占總死亡人數的86.6%。

但由于醫療供給短缺，醫生無暇對患者進行長期管理，導致患者依從性不高，全周期的診療方案難以延續，而HealthGPT可以接管病人，對其進行長期的跟蹤管理。

具體而言，醫聯可以把MedGPT納入到其慢性病管理服務中，以此釋放服務能力，降低服務成本，提升服務精度。

也有望促進醫療服務平權。比如，通過MedGPT的智能監測系統，大城市的三甲醫院醫生可以遠程監測邊緣地區患者的心率、血壓、體溫等生理指標，做出遠程診斷等等等。

其次，中國缺乏提供全周期健康服務的全科醫生，HealthGPT可以替補。

發展全科醫生，是中國新醫改的主要舉措，但據衛生部提供的數據顯示，中國注冊的全科醫生僅有7.8萬名，缺口高達二三十萬。

而技術過關的HealthGPT可以擔當這一角色，成為大眾健康的守門人，為其提供導診和初診服務。

據官方透露，醫聯MedGPT目前已經擁有近3000種疾病的首診能力，覆蓋80%以上的成年人疾病和90%以上的0-12歲兒科疾病，已經初步具備了全科醫生的潛質。

在內測過程中，用戶在求診糖尿病時，MedGPT給出了詳盡的解決方案，與患者線下面診的結果幾近趨同。在問診環節，甚至對家族遺傳病史，也有詳細詢問。而在用戶求診皮膚問題時，還引導用戶上傳患部照片，以此提高診療準確度等等。

其三，對于醫護群體而言，MedGPT能成為其功能強大的助理。

醫生身負科研任務，MedGPT能為其快速梳理資料數據等；

可以在某些環節替代醫生，解放醫生生產力，比如新冠疫情期間，AI根據肺部CT圖像識別完成疑似患者初篩等等；

作為輔助監測工具，幫助醫生減少醫療事故。根據統計，每年有2%的住院病人，經歷過藥錯誤事故，通常是源于醫護群體的無意疏忽，或者流程漏洞所致，而MedGPT可以提供實時預警服務，在醫護難以完全避免的懈怠時刻，警戒提醒等等。

其四，輔助醫院精細化管理。

從事多年醫院集團化管理的馮慶明博士告訴《財經故事薈》，他在嘗試用AI進行科室經營分析，“AI能成為院長和科室主任的好幫手，進行醫療質量和患者安全指標及指數的監測、敏感指標預警等”。

此前，國家衛健委的統計顯示，全國三級醫院的虧損率高達43.5%，降本增效、精細管理的需求相當迫切。

總之，在醫療服務供給嚴重短缺的中國市場，HealthGPT肯定會身負重任，可能的使用場景還相當多元，而其商業估值，歸根結底，取決于其能提供多少醫療服務價值。

過門石與護城河

盡管在中國市場，類MedGPT產品的商業前景，已是抬眼可望的集體共識，但啃下這塊“硬骨頭”，也并非易事。

與其他領域不同，醫療服務的獨特性在于，其一醫療服務非常專業非常復雜。

其二，醫療關涉生命健康，因此服務的容錯率極低，安全性是不能逾越的底線，也不能容忍類似ChatGPT一樣的信口開河的任性。一個典型的例證是，MedGPT提供的診療方案中，最后一條都會相當謹慎的建議——如有需要盡快到醫院進行后續檢查診療。

正因如此，假如沒有任何積累，從0到1貿然布局HealthGPT，難有勝算。要想在此有所作為，起碼需要以下三重資源稟賦。

其一，HealthGPT的升級打怪，要靠數據和算法一起喂養，因此，海量且專業的醫療數據，必不可少。

但難度在于，通常來說，醫療數據較為敏感，外部公司難以拿到專業數據。

而醫聯之所以能夠首發MedGPT，也在于其數據優勢。

目前醫聯已經聚攏了超過150萬注冊醫生，在線管理了數千萬確診慢性病患者，依賴于上述數據，MedGPT收集整理接近20億條真實醫患溝通對話、檢驗檢測和病例信息進行深度訓練學習，才能保障模型的推理質量、準確性與可靠性。

谷歌Med-PaLM2表現不俗，也賴于海量數據的調用，其依托的PaLM大模型，擁有5400億參數，是Google迄今為止研發的最大規模的模型。

正是依賴于大量數據的澆灌，MedGPT才有所突破——過去，醫療行業人士普遍擔心，類ChatGPT技術，無法像醫生一樣“望聞問切”。MedGPT則嘗試解決這一難題，首次解決了AI醫生無法與真實患者連續自由對話的難點，并在醫療問診場景中支持多模態的輸入和輸出。

其二，僅有數據還遠遠不夠，還必須深入一線，既懂AI，又懂醫療。

HealthGPT剛剛上線時，表現生澀不可避免，如何快速進步？唯一的答案，就是基于大量專業醫生的真實反饋，進行強化學習、調優校正。醫聯鏈接的數百萬醫生，未來都能成為MedGPT大模型的“導師”和“教練”。

其三，任何大模型的終點，都是應用，無場景則無價值。

構建應用場景，一方面能讓HealthGPT的技術紅利得以變現，醫聯聚集的150萬名醫生，讓其在應用推廣落地中，可以勢如破竹。另一方面，更高頻更廣泛的應用，也能以戰代練，持續錘煉優化HealthGPT的能力。

而且，醫聯MedGPT，還可以和其存量業務互補協同。比如，醫聯已經布局的云檢驗、云影像、云藥房、云醫保等，可以助力MedGPT獲得更完善的診療數據，提升診斷水平，有望在疾病的預防、診斷、治療、康復、報銷等環節，構建全鏈智能的閉環服務。

不過，由于醫療是政府部門高管控的敏感行業，因此，對于谷歌、醫聯等玩家而言，僅僅突破技術關、業務關還遠遠不夠，也要邁過醫療倫理關，法律法規關。

其一，到底如何界定HealthGPT和醫生的關系？

盡管類MedGPT技術進步神速，但其能力還遠未達到獨立出診的水平。因此，現實的選擇是，HealthGPT不要妄想替代醫生，而是輔助醫生。

尤其是在疑難雜病重癥領域，醫生的專業經驗，依然不可替代。衛生主管部門出臺的《人工智能輔助治療技術管理規范》，對其界定也是“輔助治療”。

其二，作為醫生的助手，HealthGPT該如何納入主管部門制定的診療技術指南臨床路徑，明確流程，界定角色等，讓更多醫生和醫院科學使用，可能還要等待法律法規的后續完善。

其實，早在2009年，衛生部就出臺了《人工智能輔助治療技術管理規范(試行)》，隨后又在2017年更新了版本。一方面，上述規范，展示了主管部門擁抱新技術的開明和開放；另一方面，人工智能技術的進化，早已今非昔比，而出于審慎原則的管理規范必然存在滯后性，并不適配當下HealthGPT技術突飛猛進的現實。

總之，前景廣闊，是HealthGPT值得期待的光明未來；關卡重重，則是HealthGPT必須直面的當下挑戰。

關鍵詞：