川观智库研究员 罗韬
人工智能在医疗行业的探索步伐正在加快。近日，清华大学对外发布，清华大学智能产业研究院团队打造的首家“AI医院”Agent Hospital正在进行内测，首批42位AI医生亮相，诊断覆盖300余种疾病。同期，上海市东方医院发布人工智能医学大模型“Med-Go”，该AI医生研习了超过6000本国内外医学教材，并通过了执业医师资格考试。
目前来看， “辅助决策”“质控”“患者服务”应用场景是医疗大模型最为集中的细分领域。蛋壳研究院在《2023年医疗人工智能报告》中指出，尽管上述应用数量已成规模，但涉及的场景有些分散、未成体系、深度也有待提高。
对此，厦门市智慧健康研究院的一份研究报告认为，要进一步推动医疗大模型在医院场景的规模化和商业化，还需解决以下问题。
一是基础设施建设。目前，可以完成大模型落地的医院绝大多数都是排名靠前的三甲医院，这些医院有资金、有条件进行大模型的部署。现阶段，大部分医院现有资源环境基本是面向通用计算的CPU，很少有医院有面向图形处理和并行计算的GPU资源。缺乏大模型的部署环境，医院需要在购置应用的同时配备GPU运营大模型应用，并保证足够的存储和高速的网络连接，才能保证大模型的稳定运行。
二是数据整合。由于国内医院信息化系统复杂，涉及众多系统和厂商，整合患者全生命周期数据面临巨大挑战，对于众多医疗大模型公司而言，必须进一步强化大模型对于多模态数据的处理能力。
三是应用局限性。目前，大部分基于大模型构建的智能应用还没有脱离传统医疗 IT 应用的范畴，更像是互联网医疗的Plus版，因此还需要围绕医院需求，研发更多适配应用，进而实现大模型的规模化落地。
【未经授权，严禁转载！联系电话028-86968276】
