大醫療是指什么,大醫療概念

醫療大模型已過百款，誰能最早盈利？

文 | vb動脈網

2024年尚未結束，涌入醫療領域的大模型已逾百個。

眾多企業涉獵的區域十分廣泛，常見的診療全流程、深度學習加持多年的醫學影像、冷門但有潛力的中醫康復……他們似乎要把科技醫療板塊全部重做一遍。

不過，井噴式發展下的生成式AI并不一定能讓用戶悉數買單。尤其是在當下的經濟周期波動期，一項應用要想順利落地并且實現商業化，必須精準把控用戶的真實需求。

那么，什么樣的醫療大模型應用能夠脫穎而出？答案或能給到“智能體”。

所謂智能體，是指能夠感知環境、進行決策并采取行動的系統。它們可以是軟件程序、機器人或其他自動化設備，具備一定的自主性和智能性，可以通過與環境的交互，不斷學習和適應，從而實現特定的目標。

在ChatGPT風靡之前，各類處理文本的機器人已經廣泛應用于客服、營銷等通用場景。這些機器人的能力與智能體有相似之處，但缺乏生成式AI支持，只能在檢索到關鍵詞后前往數據庫中調用相應的文本，沒辦法對用戶的提問進行分析，亦無法給出多樣化的解答。

置于醫療這樣一個專業領域，此類應用的能力更顯得捉襟見肘。前幾年的特殊環境下，很多企業追趕遠程醫療的熱潮，曾投入大量成本精力建立“智能醫生”“營銷助手”等應用用于診前服務、藥械推廣……他們在推廣階段大肆都買流量，一度賺得盆滿缽滿，但伴隨人們生活回歸正軌，缺乏個性化解決方案的營銷套路已不再奏效，很多聊天助手也因不夠智能逐漸失去了訪問的用戶。

即便如此，數年的實踐還是驗證了診前環節（問診、導診）與線上藥械營銷背后的龐大需求。那么，如果能夠借助新的技術對醫療企業的營銷思維和營銷方式進行一次徹底變革，企業或有可能找到一個新的路徑重新書寫互聯網醫療與數字化藥械營銷。

這正是智能體的價值所在。

借助于生成式AI，智能體能在同樣的場景下交出截然不同的答卷。它能夠“理解”問題，給出準確的、精準的解答，也能同用戶交互，像“真實的人”的那樣進行多輪對話，層層遞進逐一滿足用戶的多元化需求。

此外，智能體還能一定程度解決人力問題，環節人力常見的通宵排班、高培養成本、高離職難，并能精準分析訪問數據，幫助管理者實現動態決策。

憑借這些優勢，智能體已經在互聯網醫療、數字營銷醫院管理登場快速落地。畢竟，有成熟應用在前，它無須再同深度學習一樣需要去創造需求、去培養市場，只需深入這個市場，以舊換新。

2024年發布的各類智能體（非完全統計）

對于眾多著力于智能體的互聯網企業而言，診前場景是一個不得不選的場景。

一方面，診前環節大都存在高頻溝通、快速響應等特征，醫患需求高度匹配智能體優勢，能夠充分發揮生成式AI的能力。

另一方面，往后的診中、診后涉及臨床數據，大部分醫院要求本地化部署，但大多數沒有驅動大模型運行的基礎設施。而診前的導診、問診、分診等場景對于健康數據的安全要求較低，企業的部署難度隨之降低，可能變現的用戶群體也更為廣泛。

此外，互聯網醫療興起之時，企業已為診前環節植入了大量AI，擁有充足的運營經驗。憑借這些優勢，訊飛醫療、騰訊健康、百度靈醫智惠均在此完成布局。

訊飛醫療的星火大模型直面的是醫患溝通這一痛點。在星火大模型的支持下，AI能夠模擬醫生與患者進行自由對話，根據患者的病情描述，智能推薦就診科室和合適的醫生。同時，該大模型還能基于患者的病情描述、病史等信息，自動生成電子病歷，提高病歷記錄的效率和準確性。

騰訊健康與訊飛醫療的邏輯相似，但它更為精細地捕捉到了“預問診”這一需求。基于過往智能導診的經驗，騰訊健康用大模型做了一個AI預問診系統，患者預約掛號后便可同系統進行詳細的預問診回答，提前提供主訴、既往病史、用藥禁忌等信息。正式就診時，醫生對于患者的病情已有一定了解，便能提出更多針對性的問題，診斷的精準度也隨之提升。

百度靈醫智惠走得稍微快一些，在診前環節拿出了智能分導診、智慧加號、智能候診三個應用。首先，智能分導診面向的是患者常見的分導診需求。大模型支持下，AI可模擬診前咨詢流程，引導患者對病癥進行準確描述，借助推理能力進行歸納匯總，為患者精準匹配與病情相適應的臨床科室和專家。通過這種方式，醫院能夠將有效的醫療資源最大化利用，讓每一個醫生都發揮出他們應有的價值。

其次，智慧加號的價值在于補足醫院過去服務體系中的“真空地帶”。智能加號的價值在于能將過去患者單方面的申請轉變為醫患雙方的“協議”。具體而言，患者首先在線上與AI模型進行交互，同時上傳檢查結果，模型隨后會提取病史摘要和關鍵陽性信息，幫助醫生在短時間內判斷患者是否需要接受專家診療，從而實現精準加號。在武漢協和醫院的實際調用結果顯示，這一方式，明顯減少了醫生翻閱資料及同患者溝通的時間，還能幫助醫生更準確地確定病因，有效提升診療質量。

最后，智能候診意在優化醫生的問診效率，提升患者就醫體驗。AI支持下，醫生在診室中接待患者時，只需幾秒鐘瀏覽這份整理好的病歷，迅速了解患者的大致情況。最終，醫生不僅省下了問診與病歷書寫時間，還使得醫患交流更加精準和高效，醫生的診療決策更為準確。

當然，也有不少企業將智能體的價值放在了隨訪、藥品說明書等環節，構建患者社群，最終尋求藥企付費。歸根結底，過去互聯網醫療實現的種種創新，現在智能體帶來了跨時代的升級。

由于診前場景落地快、需求強烈、應用易于搭建等諸多特征存在，這里自然成為智能體扎堆的紅海。因此，也有不少企業選擇跳開競爭押注未來，圍繞B端的藥企或醫院展開布局。

過去數年的藥企數字化轉型及智慧醫院建設，使得醫療行業的B端用戶具備了相當成熟的智能化能力，但也隱藏著一些新的問題。

譬如，一些案例有醫藥企業在推行數字化轉型時，投入大量資金引入多種數字系統，但由于缺乏合理的系統整合，導致各部門系統互不兼容。

還有企業希望通過數字化工具來提高溝通效率，充分挖掘客情。而在實際之中，業務人員缺少必要的培訓和溝通，面對過于復雜的表單抵觸情緒嚴重，常常漏填或者亂填，導致數字化系統在實施過程中碰到極大的阻力。

因此，要在這一基礎上推動智能體落地，一是要保證AI盡可能無縫接入原有系統，二是要保證系統本身的易用性，易于實現與用戶的溝通。

最為重要的是，智能體的能力需要與過去的智慧醫院系統作出區分，充分發揮生成式AI的優勢。

畢竟，現在的管理者已經擁有了大量分析工具，他們需要的不再是鉆頭，而是鉆孔。

舉個例子，熙軟科技最近的醫院運營智能體已在多家醫院完成商業化落地，其創始人、董事長陳沖在采訪中表示：“醫院作為一個專業性強、管理模式復雜的社會組織，國家對其業務有著明確的政策要求，醫院內部也有著完善的管理制度與運營流程規范，其內容龐大和流程復雜常常導致醫務工作者在查詢文件和處理流程上花費諸多的時間與精力。”

為了幫助提升醫院整體運行效率，推動醫院管理制度的全面準確落地，熙軟科技打造的小熙AI運營助理將醫院運營相關政策與制度融入知識庫，借助領域大模型技術、Agent技術、傳統機器學習技術和底層多形態知識庫，實現智能知識問答、智能數據分析、智能操作體驗“三大應用”。

對于醫務工作者而言，他們在申請出差時只要簡單提問，就能清晰了解差旅報銷標準；想要查詢科室的運營數據，只需向小熙AI運營助理發問，便會直接獲取想要的數據。同時，“小熙”還可以對數據進行全面的分析和解讀；無論是預算、報銷還是合同等審批，醫務工作者都可以在和小熙的對話中一鍵進入，輕松操作，無需再去登錄不同界面和不同操作系統……

再談智能化需求更大的醫院管理者。非生成式AI支撐的運營系統雖然也能實現對運營數據進行歸納總結，但其缺陷顯而易見：一是平臺展示的數據維度有限，且難以及時擴充；二是缺乏有效的交互性，管理者只能使用平臺預先設計好的算法進行特定維度數據的分析，無法提出個性化的數據處理需求。

相比之下，醫院運營管理智能體能夠幫助管理者實時獲取所需的各種深度數據分析與服務，并根據管理者的習慣，自動推送其期望掌握的數據。即便初次推送的內容未能完全滿足管理者的管理需求，系統也支持通過多模態交互方式，進一步定制并推送符合期望的信息。

總的來說，醫院運營管理智能體已逐漸成為提升醫療機構效率效益的重要技術實現路徑，并為醫院運營管理效率帶來極大提升。

盡管智能體的技術突破使其有能力快速占據過往已成規模的市場，具備“殺手級應用”的潛質，但在實際運行中，其現有的缺陷仍然顯而易見的。

當大模型能力不達標時，很多智能體并不能在導診、輔助時給出絕對正確的答案，風險隱藏其中。

此外，對于現有的企業而言，搭建一個智能體很簡單，而要使得自己的智能體從眾多同類應用之中脫穎而出，仍然需要企業投以大量優質數據，不斷訓練、喂養、積累模型，才能逐漸形成優秀的業務能力。

對于大多數創業公司而言這都是一個考驗，這意味著企業不僅要維持研發，還需在大模型落地環節加大投入。畢竟愈多的落地案例，才能反哺模型，進一步強化它的泛化能力。

因此，從商業化到盈利，智能體仍有相當長的路要走。尤其是在百模大戰進入白熱化的今天，智能體的運營商們或許需要重新審視一下自己的現金流，保證其能堅持到最終的勝利。

大健康黃金賽道 大健康賽道是一個涵蓋醫療保健

大健康黃金賽道

大健康賽道是一個涵蓋醫療保健、健康管理、健康科技、健康食品及健身休閑等多個領域的綜合產業，旨在通過創新產品和服務提升人們的健康水平和生活質量。以下從十個方面對大健康賽道進行簡要闡述。

定義與范圍

大健康賽道不僅局限于傳統醫療，還包括預防醫學、健康管理和生活方式干預。其目標是通過綜合手段改善人們的整體健康狀況，強調“健康”不僅是沒有疾病，更是身體、心理和社會的全面良好狀態。

#健康觀念大碰撞# #您堅信養生嗎？# .

市場規模與增長

全球人口老齡化及健康意識的提升推動了大健康產業的快速發展。根據市場研究，預計未來幾年，全球大健康市場將以年均超過10%的速度增長，市場規模將達到數萬億美元。

技術創新

科技進步為大健康賽道注入了新活力。遠程醫療、人工智能輔助診斷、可穿戴設備等新興技術的應用，使得健康管理更加精準和高效，極大地提升了用戶體驗和醫療服務的可及性。

消費者需求

隨著人們對健康的重視程度不斷提高，個性化和高質量的健康服務需求急劇上升。這一趨勢促使企業不斷創新，推出更符合消費者需求的產品和服務，如定制化營養方案和智能健身計劃。

政策支持

各國政府紛紛出臺政策以支持大健康產業的發展，包括資金投入、稅收優惠及行業標準制定等。這些政策為企業提供了良好的發展環境，促進了產業的規范化和可持續發展。

投資機會

大健康賽道吸引了大量投資，風險投資、私募股權和政府基金等多元化資金來源，為創新型企業提供了強有力的支持。投資者看好這一領域的未來潛力，紛紛布局相關項目。

企業競爭

賽道內競爭日趨激烈，傳統醫療企業與新興科技公司之間的競爭尤為突出。企業需不斷提升自身技術水平和服務質量，以應對市場的快速變化和消費者的高期望。

跨行業合作

大健康產業的發展需要多領域的協同合作，如醫療與科技、營養與食品、健身與心理健康等。跨行業的合作能夠有效整合資源，實現優勢互補，推動整體產業的進步。

社會影響

大健康賽道的發展不僅有助于提高公眾健康水平，還能降低醫療成本，促進社會經濟發展。通過健康管理和預防措施，可以有效減少疾病發生率，從而減輕社會醫療負擔。

未來趨勢

未來，大健康賽道將朝著個性化、智能化和全球化方向發展。隨著可持續發展理念的深入人心，環境保護和生態健康也將成為重要議題，推動產業向更高質量和更高標準邁進。

結論

大健康賽道是一個充滿機遇與挑戰的領域，隨著科技的進步和社會需求的變化，新的機會將不斷涌現。深入研究大健康賽道的各個方面，有助于把握未來的發展趨勢，推動產業的創新與進步。#健康本源# #健康是這么來的# #健康秘籍共享# #健康未來共創#

【專訪】百度資深副總裁何明科：醫療大模型好不好，最后是用戶說了算

界面新聞記者 | 唐卓雅

界面新聞編輯 | 謝欣

如今，幾乎各行各業都在談論AI，認為AI將是下一個時代的引擎，諸多企業紛紛推出自己的AI大模型。

在各行各業的模型大戰中，醫療行業無疑是最熱鬧的一個。海量的數據、政策的支持和龐大的需求共同推動醫療AI的發展。早先抓住機遇乘風而起的互聯網大廠們不會錯失AI的風口，如百度發布了“靈醫大模型”、騰訊推出了“騰訊醫療大模型”、阿里巴巴旗下支付寶發布多模態醫療大模型、京東健康推出“京醫千詢”醫療大模型，還有不少醫療AI新秀加入這場競賽，如商湯科技發布的大醫模型、醫聯發布的MedGPT等等。

基于各種大模型，醫療AI應用也開始落地使用。其中，百度健康推出了五款大模型應用產品：面向普通用戶的健康智能體家族；面向醫患的在線醫療Copilot；面向醫院的“AI智慧門診”；大模型的私有化產品CDSS（臨床決策支持系統）；面向企業的靈醫開放平臺。阿里巴巴旗下支付寶也在醫療AI領域發布多模態醫療大模型，同時推出包括醫療可信一體機、可信云等多款數智化解決方案以及AI應用產品“AI健康管家”。

大廠們依據自有優勢布局醫療AI，但是產品卻不可避免地出現扎堆同質化。面對這種情況，百度集團資深副總裁、百度大健康事業群組總裁何明科表示，百度健康的優勢一是在大模型領域長時間的積累，二是自有的搜索流量優勢。

盡管各類醫療垂直大模型、醫療AI應用如雨后春筍般問世，但實際上醫療大模型的商業化道路還未完全跑通。何明科直言，現在看起來，還沒有一個應用推出來可以解決所有問題，不僅在醫療健康行業，在全行業都沒有看到這樣的應用。“現在所有的大模型應用都是奔著搜索去的，比如ChatGPT把搜索做得很強，但除此之外，大家都沒找到一個‘killer app’，都在一些很窄的場景里面發揮價值。”

那么，醫療大模型想實現大規模落地還需要做什么？何明科認為，無論是患者、還是醫院、藥企，要的都不是模型，而是實際的應用。也就是說，找準用戶的痛點才是關鍵所在。

如同互聯網的發展軌跡一樣，AI目前仍處于起步階段。當初，互聯網的快速發展得益于5G網絡、數據中心等新型基礎設施建設，而AI發展的基礎是算力。AI技術有三大要素：數據、算法和算力。如果說數據是AI的基礎，AI應用需要大量的數據支持；算法是AI的核心，幫助AI理解和處理復雜數據；算力則是支撐算法的基礎，越復雜的算法所需要消耗的算力資源越多。何明科認為，AI行業要想實現快速發展，首先得把基礎建設做好。

以下是界面新聞對何明科的采訪節選，略作編輯：

界面新聞：百度健康現在在用戶、醫院和藥企三個方向都有AI產品推出，百度健康在這三個方向的規劃是怎樣的，尤其是在藥企端有著怎么樣的布局？

何明科：很多人問過我們這個問題，大家都覺得做一個業務應該聚焦，百度健康為什么三端都做？醫療健康行業是各種行業里面比較特殊的一個，大部分行業實現了三位一體——決策者、消費者和付費者是一個人，醫療健康行業復雜之處在于它的三位徹底分離，決策者是醫院、醫生，付費者是醫保或者商保，消費者是患者本人。

如果只做一端的服務或產品很難商業化，我們需要在三方面都發力，但最終的商業化是在藥企層面實現。國外為藥企提供服務的公司叫CXO公司（醫藥外包賽道總稱），包括CRO（合同定制研發機構）、CDMO（合同定制研發生產機構）、CMO（合同定制生產機構）。像艾昆緯之類的公司，就是提供數據支持、臨床研究等CRO服務，就是我們很好的學習標桿。

界面新聞：在專門服務藥企的領域，艾昆緯已經是比較成熟的公司，百度健康與之相比有什么差異化的優勢？

何明科：首先，我們是一家中國公司，我們有本土優勢。而且中國的藥企還處于方興未艾的狀態。坦白來說，在大部分的行業里，中國企業基本與美國齊頭并進，但在醫藥行業中國的頂級創新藥企較少。但我們相信中國的醫藥行業也會像制造業或科技業一樣出現世界級的企業，我們認為值得伴隨這樣的企業從默默無聞成長為行業領頭羊。我們做CXO服務離中國的公司更近，也更了解中國市場，這就是我們的優勢。

第二，在醫藥行業，之前大家都在提數字化，現在提數智化，數智化和AI有很多的結合，而這是百度的特長。

第三，百度是互聯網公司，我們自己有用戶和醫生的心智以及相應的數據，天然就有數據去提供數智化的服務。

界面新聞：百度健康在藥企這塊主要做臨床前患者招募嗎，還有其他的業務嗎？

何明科：除此之外，我們還有類似于CRO的相關業務，譬如患者教育和醫生教育，給藥企提供數智化的系統和產品等，這都是我們的業務。

界面新聞：現在和哪些藥企已經有合作？

何明科：基本上大部分藥企都和我們有些相關的合作，因為他們有很多中國的臨床實踐項目，在全球占比非常高，僅次于美國，這種項目都需要基本的患者招募。而且隨著現在臨床招募患者不像以前那樣粗線條、大顆粒度，它會越來越精細，這時候百度的無論是海量用戶基礎還是AI技術都能發揮更大的價值。

界面新聞：現在百度健康在患者、藥企和醫院這三方都有布局了，未來還有哪些可以拓展的空間嗎？

何明科：雖然看起來我們在這三方面都有覆蓋，但是還有很多需要做的地方。醫療行業本來就是萬億或者十萬億的行業，隨著逐步往健康方向拓展，特別是從已病到未病防治，健康領域還有很多空間。就算基本覆蓋了患者、醫生和醫院，但實際上還差得很遠。以醫院為例，醫院科室那么多，沒人敢說自己覆蓋了所有的科室。

在藥企方面，剛才說CXO，也有很多服務可以做且天花板很高，國際頂級的這些公司，收入都是大幾百億或者更高的范圍。所以光是做好這三件事，我們要做的就有很多了。

界面新聞：那目前百度健康在臨床前招募患者這個環節，主要偏向哪種類型藥物的招募？

何明科：這和招募患者的難度有關系，現在比較火熱的還是腫瘤領域，自免領域多一些。

界面新聞：除了百度之外，其他大廠也在紛紛布局醫療AI，百度健康的優勢在哪里？

何明科：一方面，我們做這個事情時間比較長，同時一直在利用AI賦能醫院，所以我們對醫院的理解、醫生的理解比較深入。比如我們的“AI智慧門診”在醫院比較受認可，已經在武漢協和醫院全院推廣。這個應用確實能幫醫生提高效率、提升醫院患者的服務體驗，還和國家政策提的智慧管理、智慧服務高度吻合。這是我們的優勢。

第二點，大家想找一個好醫生、好醫院的時候，還是喜歡用百度搜索，我們可以把這種流量和數智化進行更好的結合。

界面新聞：那在和醫院端合作的話，您認為最重要的是什么？

何明科：我覺得還是命中醫生的痛點。第一，醫生是一個專業群體，了解需求，做服務，我覺得是有一定門檻的，所以老是強調時間的積累。

第二，醫院和醫生非常強調合作的穩定性。今天做，明天不做，別人就不會信賴你的服務。藥企也一樣，除了產品服務好，穩定性也很重要。對他們來說，如果老是切換供應商，內部也有很多的切換成本。

界面新聞：百度健康去年推出了靈醫大模型，醫療大模型在研發和應用方面有哪些難點？

何明科：第一，百度有自己的通用大模型文心一言，和其他競爭者相比有很大的優勢。第二，AI技術有三大支柱——算力、算法和數據。在醫療行業，數據是很難得的資源，數據隱私管理也非常嚴格。怎樣合理、合法、合規地拿到數據并用于訓練模型，都是非常難的事情。對于新玩家來說，一個是基礎大模型，一個是數據的分布性和高質量數據，都是難點。

界面新聞：醫療大模型和其他的通用大模型來說，有什么樣的區別和優劣之分？

何明科：通用大模型和行業大模型孰優孰劣一直是大家爭論的話題，其實到最后一個是看場景劃分有多細，是不是能在固定場景解決固定的問題；另一個是看數據，醫療大模型對數據有特定要求，但通用大模型需要適用于所有場景，不一定會用醫療數據進行模型調優。這兩點是醫療大模型的核心競爭優勢。

界面新聞：要評價一個醫療大模型好與不好，主要從這兩個方面來看嗎？

何明科：這兩個方面維度還是很粗，場景粗細和數據多少不是一個可以量化的標準。最后還是要落到實際場景里去看，用戶對它的評價或者醫生、醫院的評價。

界面新聞：大模型開發出來只是第一步，后續落地還有很多困難。從您的觀察來看，醫療大模型想要大規模落地的話，還需要有哪些路要走？

何明科：我覺得無論是患者、還是醫院、藥企，要的都不是模型，而是實際的應用。當我們回到產業視角，用戶更關心應用是什么，比如我們在醫院的應用，像AI智慧門診的智慧候診室功能，通過大模型能夠生成符合要求的病歷，節省醫生的時間，醫生可以花更多的時間和患者做溝通，發現真正的病因，開展更好的治療方案，我覺得這是很有價值的。

我們最近在做的醫保政策查詢，就是切入到行業里面。因為醫保政策是一個非常復雜的事情，它有幾個維度。第一，中國每個省的醫保政策可能是有差異的；第二，不同類別的藥對應的醫保政策不同；第三，個人身份是職工還是農民，還是退休再保的，對應的政策也不一樣；第四，個人今年的狀態不一樣對應的醫保政策不同，比如今年有沒有報銷過，有沒有過基礎線，達沒達到天花板。

對于普通人來說，要想搞清楚醫保政策很麻煩。不光是普通人，無論是醫生，還是保險公司的人，都會面臨這個問題。那在這個時候，AI大模型就可以發揮作用解決這個問題。

界面新聞：現在醫療大模型已經跑出來了成功的商業模式嗎？

何明科：還是為藥企服務。現在看起來，還沒有一個應用推出來可以解決所有問題，不僅在醫療健康行業，在整個行業里面都沒有看到這樣的應用，現在所有的大模型的應用，都是奔著搜索去的，比如ChatGPT把搜索做得很強，但是除此之外，大家都沒找到一個“killer app”，都在一些很窄的場景里面發揮價值。

界面新聞：好像回到了互聯網的最初階段，大家也是從搜索開始。

何明科：我覺得社會發展必然有一個階段，大家都知道這個東西很有用，但是都找不到用戶。我從2008年開始做投資，那會兒最火的是做移動互聯網，大家都知道移動互聯網有價值，但是并沒有發現一個和PC互聯網相比有價值的應用。直到2010年之后，網約車、外賣出現，才算是真正的移動互聯網的應用。所以，無論是互聯網還是AI，發展都需要一個過程。

界面新聞：現在也是在找一個能夠落地的應用場景嗎？

何明科：對，但現在AI發展面臨的一個問題是，技術棧和基建還沒有成熟。AI大模型實際上非常依賴算力，大家預想的高精尖的AI都需要算力支持。站在國家的角度來說，目前的算力無法支持大規模的AI使用。目前，國家在西部地區建造算力中心，手機的硬件在算力上也有待升級，可能算力中心建造好了和硬件升級完成之后，就像當初發展互聯網一樣，移動基站與硬件都完善了互聯網公司才能發展。類比來說，AI行業的發展也是如此。