據相關統計，已面世的醫療大模型數量已達三位數之多。然而，隨著數量的增多，在業內引發討論的是，醫療大模型目前真能賦能醫療機構嗎？在臨床一線應用時面臨著哪些卡點？

醫學具有極高的嚴謹性要求，任何細微的差錯都可能導致嚴重的后果，這就意味著醫療大模型所輸出的信息、給出的診斷建議、提供的治療方案等必須精準無誤，否則將引發不可估量的負面影響。

面臨這樣的情境，持續關注著醫療大模型發展動態的浙江大學醫學院附屬第二醫院人工智能與信息化部主任相鵬以及華東某大三甲醫院人工智能醫學大模型發明人武東（化名），對于醫療大模型的院內應用給出了自己的見解。

卡點尚沒有完全打通

「真正懂大模型技術的團隊，和臨床應用大模型的人目前是脫節的。」相鵬對健康界強調道，加強跨學科合作是推動大模型發展的關鍵。在頂尖的高等院校，包括大模型訓練在內的這一批算法工程師，中國并不遜色于國外，但他們跟醫療幾乎沒有交叉。懂技術的往往不懂醫學，懂醫學并且能夠提出醫學科學問題的人，又沒有接觸過大模型技術、沒有計算機基礎或者說人工智能基礎，不知道技術能給醫學帶來什么改變。

已于11月離職的百度集團原大健康事業群總裁何明科曾公開表示，醫療是少見的「三位分離」的行業，決策者、付費者和使用者是三個完全不同的主體，分別是醫生醫院，保險、醫保，以及患者。

綜上所述，醫療大模型的開發與應用并非簡單地依靠跨學科合作就能實現，而是需要深度整合多個學科領域，如計算機科學、統計學等，不同學科背景的專業人才相互協作、知識互通，如此才能更好地推動醫療大模型從開發到應用的落地，使其切實服務于醫療行業。

但這并不是一件易事，核心還是技術邏輯和應用邏輯。相鵬認為，醫療領域的大模型還處在理解階段，應用的人也只是摸索性嘗試，底層的技術問題大家還沒有理解透，何談已經開始摸索了。

「摸索說白了其實是我已經知道了這個點的所有原理，就看我怎么去摸索技術把它做好。因此，目前設計開發出的應用都還比較膚淺。」相鵬說。在他看來，盡管市場上關于大模型的說法五花八門、各式各樣，但實際上大模型的進展目前較為緩慢，「許多只是打著 AI 的旗號，套上大模型的外殼，故而不能對此盲目樂觀、一片歡欣鼓舞」。

相鵬認為整個市場還是處在浮躁期，過于看重概念和商業回報。他表示，醫療大模型研發團隊要非常懂技術、懂醫療、懂場景，而且這幾個方向的人要高度契合，比如說研究方向正確、技術路徑合理、最后效果良好，才有可能在醫療大模型方面取得成效。

當下最重要的是能夠打通卡點嗎，以及怎么把這些卡點挨個去打通？相鵬認為，業內并沒有真正認識到國內和國際的差距。

回到如何定義大模型上，相鵬認為目前市面上沒有什么模型可以嚴格意義上稱之為醫療大模型，如果僅僅是輔助作用，那對技術的理解太過簡單了。對于醫療大模型如何大規模地賦能醫院，相鵬始終抱有著擔憂。

對于醫療行業如何運用人工智能，眾多醫學專家仍處于探索階段，尚未完全明晰，而另一邊是未曾涉足醫學領域的技術人員，已經開始說「大模型能夠用在醫院了」，所以這種隔閡導致了很多人的錯誤理解，「把它想的太簡單了」。

百川智能創始人兼CEO王小川曾在2024年11月發表的一場以《大模型時代的AI醫療變革》為主題的演講中提到，「上個時代互聯網并沒有在醫療行業帶來任何改變，但這一次會有巨大的不同，因為今天的這樣一個機器不僅僅是簡單的工具，而是AI醫生。我們稱為它是能夠像人一樣的思考工作。」

或許，面對醫療大模型，行業需要的是一個強有力的應用，要讓醫務人員認可它的作用，還有很長的路要走。

醫學與商業的交叉點上

尚有眾多問題存在

醫療大模型應如何賦能醫生、醫院以及患者？相鵬認為，「在硬件‘卡著脖子’、軟件也‘卡著脖子’的當下，我們該去思考的是好的芯片或者大量能夠讓大模型的技術跑起來的機房該如何設立起來。」

但在當下，擁有 GPU 卡、充足資源以及跨界人才的情況不多見。可以想象，在全國范圍內，能夠集齊這些資源開展相關事務的團隊數量并不多。畢竟使用如此昂貴的 GPU 卡，若不關注產出效益，還愿意持續投入進行研究，這在很多人看來是難以理解的。

人們往往會有這樣的疑問：有英偉達的 GPU 卡，為何不投身于更具盈利性的商業活動，而選擇開展研究工作呢？有算力、有算法、有數據、有場景、有應用，能夠整合以上資源的團隊還是非常少的。「在這樣的觀念下，這個市場怎么起得來，科研市場怎么起得來？」相鵬說道。

值得注意的是，Anthropic創始人達里奧·阿莫迪（Dario Amodei）曾在播客里談到，正在訓練的一些模型的成本接近 10 億美元，且這個數字未來還會上漲，未來三年可能會達到 100 億美元至 1000 億美元。

在高昂的成本和不確定的投入產出比下，越來越多公司開始衡量預訓練的性價比，尤其在預訓練有可能「撞墻」的趨勢下。

另外一方面，相鵬也提到，在與醫學的交叉領域，往往最難取得顯著成效。就拿大模型來說，在手機端已經出現了一些收費軟件，因為這些應用在商業方面更具盈利潛力。所以當前無論市場投入，還是整體的發展導向，都傾向于能夠快速獲得回報。然而，醫學領域與之不同，在醫學與商業的交叉點上，存在著諸多需要面對的沖突。

例如，如何在追求醫學價值與實現商業利益之間找到平衡？怎樣確保商業行為不會對醫學研究和臨床應用的嚴謹性、公正性產生負面影響？以及如何在商業驅動的大環境下，依然保障醫學研究的深度和廣度，使其能夠真正推動醫療大模型在醫學領域發揮實質性的、有益的作用，而不是僅僅淪為一種商業噱頭或短期逐利的工具，這些都是亟待解決的問題。

相鵬補充道，只是頭部醫院在研發、在應用，不能大規模覆蓋到醫療機構的話，大模型真的對醫療行業有幫助嗎？

更新自己的世界觀

扭轉自己的認知

「大模型本身就是一種進步，除了生產力的提升，也改變著我們的世界觀。」武東告訴健康界，這次技術革命不僅是提質增效的應用，也會改變世界觀。首先，醫務人員得更新自己的世界觀，對世界的認知需要隨著技術、人工智能迭代，從思維上去扭轉自己的認知。

比如醫療大模型容錯率極低這一問題，武東認為，目前市面上所有模型都存在幻覺、偏見與歧視現象，這屬于正常的發展過程。面對大模型幻覺這一問題，難道極其離譜的幻覺就可以放任不管嗎？當然不是，武東表示仍需加以管控，畢竟不同模型產生幻覺的程度存在差異。并且大模型并非承擔主要工作的主體，當下的作用更多是輔助醫生。不過，其最終會朝著越來越精準、越來越準確的方向發展，儲備量也會越來越大。

北京大學第三醫院一位副主任醫師也對健康界提到，她很好看大模型的未來，作為醫生需要不斷的訓練它，就像一個剛畢業的學生一樣，剛開始肯定不夠專業，但通過反復的訓練，它還是能夠幫助到醫生，尤其是基層醫生。

王小川對大模型則一直抱有極高的期待。他認為醫療大模型應該是一個具有充分密集知識的，幫助醫生能夠去做決策、做溝通或者做思考的引擎。因此，他認為社會更應該以造人的心思去看待大模型，它像醫生、像藥劑師、像臨床實驗設計員，甚至有溝通能力，很多應用場景它不應該是躲在背后處理數據，要能夠去做溝通交流。在醫生、醫療資源如此緊缺的現在，行業需要的不僅僅是一個提質增效的輔助工具，而是擁有巨大改變力量的存在。

2024年12月，首都醫科大學宣武醫院的頸動脈支架手術數據集（登記時包含2550條數據）在北京國際大數據交易所進行了資產確權登記，同時完成交易。

這是北京市史上第一筆公立醫院健康數據交易。據宣武醫院表示：該交易數據經過嚴格的匿名化、數據清洗、整合和標準化處理，嚴格保護患者隱私，確保了數據的準確性和可用性。未來，該數據集將應用于國產頸動脈支架產品的研發，助力醫療機構更加精準地理解中國人群的腦血管疾病。

首都醫科大學宣武醫院數據資產登記憑證

鑒于醫療數據具有隱私性高、數據處理難度大等特性，致使醫療大模型訓練面臨重重困難，而宣武醫院此次健康數據交易的成功無疑是大模型發展歷程中具有歷史性意義的關鍵一步。

正如武東所言，不論市場如何，當下人們不應該一直將目光投向商業，廠商在研發的時候要具備這樣的意識。還是要回歸到技術本身，腳踏實地、一步一步把事情做好。

或許，無論對于醫療大模型持悲觀還是樂觀態度，亦或是大模型市場至今仍魚龍混雜，若期望其能夠在真正意義上實現大規模為醫院賦能，人們首先應當秉持一種扎實深入鉆研、穩步有序推進的開發理念，將關注點聚焦于技術層面的持續完善與優化升級，同時擁抱新技術的到來。堅決摒棄浮躁、短視的商業思維模式，而是憑借嚴謹細致且持之以恒的不懈努力，使醫療大模型能夠切實貼合醫療場景并有效發揮其應有的價值與作用。

唯有如此，大模型方能在未來的發展道路上走得更為長遠，進而真正為更多的醫院提供有力的賦能支持，助推醫療行業的創新與變革。

健康界將持續關注報道醫療大模型的研究開發與應用推廣，歡迎廣大有識之士留言評論提供線索。