由中国医药企业管理协会、中国医药生物技术协会、杭州市投资促进局、杭州市临平区商务局主办，e药经理人、中国医疗健康产业投资50人论坛承办的2023’第十五届中国医药企业家科学家投资家大会于11月1日-3日在杭州隆重召开。
在11月3日举办的“ai+诊疗，创新医疗技术的未来”bt+it杭州生态沙龙上，全诊通创始人薛翀博士受邀出席会议，与远毅资本数字医疗加速器负责人李阳、阿里健康首席投资官杨策、智慧医疗总经理刘军伟、约印医疗**合伙人熊水柔等专注数字**领域的投资人、ai领域的企业负责人展开圆桌对话，围绕“医疗大语言模型的创新与落地”，对数字医疗的未来发展与应用进行**。
拥抱大语言模型，全诊通做了哪些工作？
薛翀博士表示：去年底开始，基于大模型的生成式人工智能涌现出惊人的能力，国内也陆续出现了一些医疗领域大模型的发布，有的处于概念阶段，有的在研发中，有的在尝试落地应用，可谓是"群模乱舞"。随着一项新技术的出现，创新的起步阶段往往会有两种不同的发展路径，一类是拿着技术去找应用场景（拿着锤子找钉子），也有拿着需求去找技术（拿着钉子找锤子），但最后总会殊途同归，应用和技术会高度结合。全诊通能快速拥抱大语言模型，是因为有具体的需求驱动。我们在推进基层医疗机构的电子病历普及工作时，发现医生从纸质病历转变使用电子病历很难适应，这个痛点一直存在且没有被很好的解决，因此我们构建ai来帮助医生书写病历。大模型之前的ai技术研发相对而言是低效的。在解决用户痛点过程中，全诊通也遇到了研发痛点。最后发现这个研发痛点其实可以通过通用大语言模型来解决，用大语言模型技术能够提供更快更精准的自动书写能力，从而更好的解决医生的问题。
用户和研发的双重痛点驱动着我们以最敏捷的速度来拥抱大语言模型技术。目前我们的ai医疗助理已经能够实现从预诊、门诊到住院、手术全流程的医疗文书书写。在门诊场景下，只需2秒的时间就能生成一份符合规范的电子病历；在住院场景下平均30秒能够生成一份住院病历；而手术记录的生成只需要10秒左右。
在产品推出以后，需要考虑不断的提升ai性能，我们的团队对产品设定了几个关键指标：一是速度。这点非常重要，因为在某些医疗应用场景下，比如门诊，是没有太多的时间去等待这个病历生成，因此在生成速度上我们要做到越来越快。
二是精度。为此我们设定了两个指标：医生的引用率和改写率。目前我们精度能够达到98%左右，大大提升了医生工作效率。
三是易用性。虽然生成式ai的人机交互变得非常简单，但是真正落地到院内应用，仍然存在易用性的问题。医生本身工作就非常繁忙，产品如果难用，ai能力再强，医生也会选择放弃使用。
四是安全性。需要对隐私数据做到脱敏，使用专线数据传输等来保障数据的安全。
2b和2c医疗场景，医疗大语言模型的机会在**？
薛翀博士表示：首先要搞明白ai创新应用在院内、院外场景面对的困难与挑战不太一样。ai直接服务于c端患者，会面临两个挑战：一是法律的挑战。ai能否为患者健康决策失误承担法律责任，或者说谁是ai的法律主体？是ai本身？还是开发者？抑或是使用ai去服务患者的医疗机构或公司？谁来为ai背书承担法律责任，目前尚未明确。大模型之前的一些ai医疗产品后来需要通过药监局拿到医疗器械认证才可以在院内使用。第二个挑战来自于通用大模型的能力快速迭代。通用大模型像openai的每一次升级都会把一些专域能力给涵盖并且大大提升，同时也开放能力服务于c端。我们聚焦在解决院内的医疗场景（2b服务），因此看到更多的是院内机会。有患者服务、医生工作、诊断、用药、手术、医院管理等场景，细分到每个科室、每个疾病的诊治都存在机会。10年前，我在美国约翰霍普金斯医学院研究图像介导的ai辅助机器人**，当时通过算法去切割医学图像，然后通过3d重建去做手术的规划。之前通过算法做的图像切割工作都可以用大模型的方式再尝试做一遍。之前一些公司做的影像ai产品，更多是用于分辨病灶的良恶性，现在可以尝试利用大模型的能力，不仅做到识别病灶，还可以自动生成影像报告，减轻了医生的工作量。生成式ai能够帮助医生、**提升工作效率，无论是病历文书、影像资料报告、还是患者随访、管理等，都能够实现提质增效。
大模型时代，医疗ai产品如何商业化落地？
薛翀博士认为：之前医疗ai的商业化变现之路走的都比较艰辛，难以变现的原因比较多。有的是政策因素，在医院提供ai诊疗服务，如果病人付费，需要拿到医疗器械证，后来药监局出台政策，ai产品可以拿医疗器械证破除了政策壁垒。另外ai的精确度如果达不到相比之前方法的显著提升，也会影响其商业化。之前的医疗ai产品构建成本和使用成本高，投入产出比低，这也阻碍了商业化的步伐。
大模型时代来临后，开发医疗ai的整体成本显著降低，并且精度大幅提升。加上一些政策的辅助，这让医疗ai的商业化路途变得更加光明。
回望全诊通创始的初心，是希望通过人工智能技术让精准医疗普惠更多患者。这7年间，我们一直致力于ai在医疗领域的应用，在这过程中，因为市场需求以及ai能力的一定受限，我们的ai医助与电子病历需要深度融合为一体，产品演变为一款带ai辅助功能的电子病历系统，才实现了商业化。现在，因为大模型的能力叠加，我们已经将ai完全独立出来产品化，并且服务了国内一些知名的三甲医院，这1年的成果让我们十分欣慰和激动。因此我判断大模型时代，ai会在医疗领域重新发光。
医疗大语言模型，中美之间的差异在**？
美国的通用大模型比国内起步更早，投入规模更大，因此能力也更强。美国的特点是底层大模型和应用层的创新齐头并进，纷纷拿了大量的融资。在医疗领域，除了gpt4.0通过美国执业医师考试以外，谷歌推出的医疗大模型med-palm也取得优异的成绩。
在医疗的应用层也出现了一些很有意思的创新项目，如：做模拟标准病人用于训练和考核医生；robin healthcare用多模态智能设备（通过**和音频采集门诊数据）为骨科医生书写病历。
国内情况有些不同。从投资角度看，是底层通用大模型比较热闹，除了bat自身在大模型上加大投入以外，像智谱科技、minimax都在大规模的融资。但对于大模型的应用，目前投资者还是处在一个观望和布局的状态中，因此做应用的公司融资速度极为缓慢。因为大语言模型的能力涌现太快，应用层开发者的投入研发时间还很短，国内投资者需要时间观察新一代的ai应用是否能够更好的解决临床痛点以及是否拥有优秀的变现能力。最近几个月已经开始有一些投资机构在应用层布局。我们走在ai创业这条路上，能感悟到这一波大语言模型技术的进步更像是ai领域的一次范式革命。无论之前的产品或服务是否使用ai，我都建议大家去尝试拥抱大语言模型的能力。
AI界的革命 让大语言模型学会自我纠错
人类从错误中学习，这是我们都知道的道理。那么，ai能否也做到这一点呢？微软 北京大学和西安交通大学的研究团队最近就开发出了一种新的技术，让大型语言模型 llms 也能通过学习自己的错误来提高解决数学问题的能力。这项名为 从错误中学习 lema 的新技术，将如何改变我们的ai世界？在最新的研究 中，研...
从小白到大神 语言AI模型创作指令全攻略！
语言ai模型是一个多才多艺的人工智能助手，可以执行各种创作任务。以下是语言ai模型文章创作的指令大全，帮助你更好地使用这一强大工具 写一篇文章 指定主题和字数要求，语言ai模型将为你创作一篇文章。写一篇关于太阳系的文章，包括至少字。写一篇新闻报道 要求语言ai模型生成一篇新闻报道，提供相关信息和事件...
大模型引领AI潮流
chatgpt ai界大热，大模型引领潮流。随着年月底发布，chatgpt迅速成为全球范围内的热门话题，ai界再次掀起了一场新热潮。chatgpt不仅可以为人们带来娱乐和陪伴，还能在各个领域展现出出色的才华，从写 写作业，到写剧本 写 无所不能。与此同时，在chatgpt上线仅两个月的时间里，活跃用...