圖片來源 @視覺中國
文｜财經故事荟
比爾 · 蓋茨可能是 ChatGPT 的 " 頭号鐵粉 "。
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 "。
ChatGPT 在醫療領域的落地，則是比爾 · 蓋茨最爲看好的賽道，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。
他有着足夠的權威性——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——在離開微軟後，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複、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），有着高度期待。
陸奇笃信，好的醫護就是 " 超級模型 "，醫療産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 "；在國内，互聯網醫院平台醫聯剛剛上線了 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；後者是垂直賽道的玩家，以 AI 爲工具，走向醫療服務終點。
投資機構、頭部大廠、創業公司的集體湧入之下，AI 醫生到底能不能替補上位，纾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 和大健康交彙的十字路口，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，中國大健康産業市場規模有望逼近 16 萬億元，成爲中國經濟的支柱産業之一，可以類比的是，2022 年，被視爲經濟支柱的房地産行業，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，已經飙漲至 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，成爲全球首家超十萬億美元市值的企業。
而在李開複看來，類 ChatGPT 領域，有三種投資機會：一是像 OpenAI 一樣做平台，這是大廠才能玩得起的燒錢遊戲；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 平台，都不會專情于某一垂類領域，必然都抱着 " 既要又要還要全都要 " 的 " 海王 " 心态，涉足廣泛，但淺嘗辄止，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，對其賴以爲生的主營業務造成緻命沖擊。
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裏 · 佩奇和謝爾蓋，連續開會商讨對策，在會上将 ChatGPT 稱作 " 紅色警戒級 " 的對手。
而無論是爲了抵禦外部沖擊，還是内部增長需求驅動，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，谷歌等泛平台，可能會涉足大衆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 "。
在既有的資源禀賦上，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 本身就是一場燒錢遊戲，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，在專注領域裏，未必遜色于頭部平台，也許還能表現更好。
根據谷歌透露的成績單。今年 3 月，比首代産品更聰明的谷歌 Med-PaLM 2 面世後，在醫學考試中的表現處于 " 專家 " 水準，答題準确率超過 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，正确率分布在 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 名複診患者檔案進行信息脫敏，并進行了模拟首診實驗。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台秀技，各展所長，各有其用，其實并非面貼面的直接競争關系，雙方共存的格局，将會長期存續。
" 稱重 " 大健康類 ChatGPT 價值
對 HealthGPT 産品翹首以盼的，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、早期幹預、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，共同爲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爲，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态度也相當開明。
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、智能健康電子産品等。
在深受醫療短缺之困的中國市場，豐富醫療供給，是類 MedGPT 産品最爲顯形的價值。
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 ⼈，對應 1 個醫⽣，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複用，一旦能力成熟，可以爲病人初診病情，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爲個體化的健康管家，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産品，這種 " 數字治療 " 産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爲凸顯。根據統計，在中國，慢性病導緻的疾病負擔占總疾病負擔的近 70%，導緻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，導緻患者依從性不高，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、體溫等生理指标，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，成爲大衆健康的守門人，爲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。
在内測過程中，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，以此提高診療準确度等等。
其三，對于醫護群體而言，MedGPT 能成爲其功能強大的助理。
醫生身負科研任務，MedGPT 能爲其快速梳理資料數據等；
可以在某些環節替代醫生，解放醫生生産力，比如新冠疫情期間，AI 根據肺部 CT 圖像識别完成疑似患者初篩等等；
作爲輔助監測工具，幫助醫生減少醫療事故。根據統計，每年有 2% 的住院病人，經曆過藥錯誤事故，通常是源于醫護群體的無意疏忽，或者流程漏洞所緻，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《财經故事荟》，他在嘗試用 AI 進行科室經營分析，"AI 能成爲院長和科室主任的好幫手，進行醫療質量和患者安全指标及指數的監測、敏感指标預警等 "。
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 産品的商業前景，已是擡眼可望的集體共識，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複雜。
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，最後一條都會相當謹慎的建議——如有需要盡快到醫院進行後續檢查診療。
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。要想在此有所作爲，起碼需要以下三重資源禀賦。
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，醫療數據較爲敏感，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，在線管理了數千萬确診慢性病患者，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、準确性與可靠性。
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 迄今爲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态的輸入和輸出。
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，未來都能成爲 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，醫聯已經布局的雲檢驗、雲影像、雲藥房、雲醫保等，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、康複、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症領域，醫生的專業經驗，依然不可替代。衛生主管部門出台的《人工智能輔助治療技術管理規範》，對其界定也是 " 輔助治療 "。
其二，作爲醫生的助手，HealthGPT 該如何納入主管部門制定的診療技術指南臨床路徑，明确流程，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後續完善。
其實，早在 2009 年，衛生部就出台了《人工智能輔助治療技術管理規範 ( 試行 ) 》，随後又在 2017 年更新了版本。一方面，上述規範，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範必然存在滞後性，并不适配當下 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。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
