在医疗这种专业领域里，其实是最适合AI大模型发挥的地方。这篇文章，作者就从医学影像领域，从如何赋能、如何监管和如何商业化三个维度进行初探，供大家参考。

自去年11月30日美国AI公司OpenAI发布旗下基于大语言模型GPT-3.5的AI聊天机器人程序ChatGPT以来，引发全球大模型开发和商业化应用浪潮。同样这股浪潮也深刻影响着医疗行业，根据《2023医疗健康AI大模型行业研究报告》数据显示，截至2023年10月，国内累计公开的医疗大模型近50个，涉及患者问诊、医生助手、药物研发、健康科普等多个领域。

当医学影像遇到AI大模型又会擦出什么火花，笔者将从如何赋能、如何监管和如何商业化三个维度进行初探。

一、如何赋能

从2023年开始业内发布多个医学影像类AI大模型，包括：

• 联影智能uAI影智大模型：作为垂直医疗领域的大模型基座，可在文本、影像、混合模态产品开发上带来全维助力。通过大量的数据训练，具备对医学影像的通用底层学习技能，并具备了快速迁移到新疾病类型的能力。
• 深睿医疗医学图像通用分割大模型SAMI：适配X-Ray、CT、MRI、PET、超声、病理切片、内镜、皮肤镜、牙片、血涂片等多模态医疗数据，实现从器官到病灶甚至病理细胞、病变组织、细胞元素等级别的亚秒级分割,为医疗实践中的一切图像分割任务提供了AI一键式解决方案。
• 数坤科技多模态医疗大模型ShukunGPT：图像模态能力支持以多模态全人体器官病灶的通用分割和识别，协助医生实现精准阅片和诊断。视频模态能力实现超声视频流的实时理解，并融合文字模态生成高质量超声报告。在视频生成方面，可以实现电影级全人体器官结构渲染，为医生更直观地查看器官病灶以及为手术规划提供准确依据。ShukunGPT多模态能力能够实现对用户和患者医疗数据的全模态理解，真正实现像医生一样理解患者的一切。
• 柏视医疗PVmed Zeus肿瘤治疗AI基础模型：在通用大模型（L0大模型）的基础上，通过大规模、多模态、诊疗全流程肿瘤数据特征库，精准建模刻画肿瘤异质性，应用于个性化肿瘤治疗方案。

医疗大模型作为一种工具，场景是其发展的关键，目前已在预问诊、病历书写等高频场景，以及科研场景下广泛应用。

• 预问诊：早先的预问诊功能主要基于知识图谱和NLP技术，由AI发起的问诊多是基于固定的流程和语序，无法应对患者个性化需求，体验不佳因此并未受到患者端的欢迎。而基于大模型技术的预问诊则真正变成了一个开放式的对话模式，患者体验有质的提升。
• 病历书写：基于对人类语言的理解、推理和归纳能力，大模型技术可以从医患对话中萃取出有价值的信息，自动生成一个符合医院系统的结构化病历。
• 科研：以前针对某一种影像类型的数据和某一种疾病类型需要开发特定的算法，现在通过大模型可以对任意医学影像中任意病灶进行勾画标注，有效提升了科研效率。

目前关于人工智能软件的审评审评标准主要参考《人工智能医疗器械注册审查指导原则》、《深度学习辅助决策医疗器械软件审评要点》、《人工智能辅助检测医疗器械（软件）临床评价注册审查指导原则》等，现有的审评审批文件中并未涉及大模型相关产品的审批要点，因此在审评审批环节还需要监管机构与行业一起探索前行。

三、如何商业化

从价值角度分析，AI大模型更多的是对既有系统的提质增效，而不是替换，因此不会马上产生全新的应用形态，而是让既有的产品变成一个被广泛接受的、适用度大得多的产品。

再者医院是一个相对封闭的系统，集合了多个厂商的设备或系统，虽然采用标准的接口或协议进行互联互通，但是实现接入还是困难重重，不是简单的从市场上买个标准件替换即可，而是涉及复杂的商务问题，想想几年前医学影像AI厂商初次进行医院时的艰难情形。因此通过与医疗信息化企业或者医疗设备厂商合作将大模型产品在医院进行落地是相对可行的商业化模式。

四、写在最后

大模型很好，但不是“万能药“，需要理性看待。就像2012年提出深度学习后引发人工智能热潮，AI将替代医生的声音叫嚣甚喧，可10多年过去了，深度学习技术在医学影像领域的应用还是局限在辅助检测、辅助分诊等领域。至于辅助诊断方面，国内第一个肺结节CT图像辅助诊断软件也才由深睿医疗在今年9月刚刚获批。

AI大势所趋，道路阻且长。

本文由 @毛利辉 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自Unsplash，基于CC0协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务