医疗行业的数字化“症结”

“一般场景/产品，希望用户停留时长越长多越好，使用越多越好，但医院不同于一般场景，”京东健康智能算法部负责人告诉钛媒体APP，“医院的场景中，患者的满意度与停留时长是成反比的。”

医疗行业一方面关系到基本民生，另一方面，医疗行业的数字化程度也略显不足。就目前医疗体系建设来看，仍存在很多痛点，而这些痛点又不仅局限在数字化上。

在数字化方面，尽管医疗信息化建设已有多年，但医疗大数据产业的整体建设速度仍略显乏力，数据壁垒和信息孤岛现象普遍存在。

在整体医疗体系建设方面，传统医疗服务存在就医过程费时费力、缺乏日常健康咨询服务、医疗服务与患者需求不匹配等问题，影响了医疗服务的效率和质量。

除此之外，优质医疗资源集中在大城市和知名医院，基层医疗机构服务能力不足，患者为了获得更好的医疗服务不得不长途跋涉，增加了就医成本和难度。

大模型落地医疗行业

生成式AI可以说是近两年科技圈最火爆的技术，如果说2023年是AI大模型元年的话，那么2024年就是AI大模型在行业侧应用的元年。

今年以来，从行业趋势上不难看出，各大科技巨头已经不仅仅局限于“卷”模型的参数大小，而是将目光投向行业侧，聚焦大模型、小模型在行业侧的应用。

在这个过程中，医疗是AI大模型率先落地的行业之一。医疗行业大模型学习和分析了大量医疗数据，可以自动识别病变特征，辅助医生进行疾病诊断，提高诊断准确率与诊断效率。

IEEE标准协会新标准立项委员会副主席兼IEEE数字金融与经济标准委员会主席林道庄早在年初就曾对钛媒体表示，现阶段，我国医疗资源比较紧缺，许多人排了很久的队才能看上病，而医生也很忙，通过大模型的辅助，能帮助医生快速的识别诸如X光片、CT等病历，从而大幅提升医生工作效率，也能降低患者等待的时间。

在医疗这个垂直领域，各大大模型厂商也展开了“角逐”。以京东为例，早在2023年7月，京东健康就基于京东言犀大模型，推出了医疗大模型“京医千询”。作为行业内首个实物与服务相联通、知识与数据相融合的医疗大模型，“京医千询”整合了大量的临床实践指南、医学文献和专家知识，能快速完成在医疗健康领域各个场景的迁移和学习。

据京东健康智能算法部负责人介绍，目前“京医千询”针对不同场景推出了大、中、小三种体量的模型产品，共有2B（小模型）、14B（中模型）、22B（中模型），以及80B（大模型）四种参数。

其中，2B的小模型仅能在单一服务方面（类似于人工客服、智能问询等）提供服务，“2B的小模型未来发展路径是希望可以移植到移动端。”该名负责人介绍到。

而80B的大模型则是具备专门服务医疗决策和推理能力的模型，“京东健康认为，一个良好的，具备医疗推理能力的模型，是需要一个相对较大体量的模型，这也是京东健康未来在医疗领域大体量模型方面追求的方向。”京东健康智能算法部负责人告诉钛媒体APP。

“目前来看，应用较成熟的是中体量的模型（14B和22B），主要应用在非医疗决策方面的服务。”该名负责人进一步指出。

有了合适体量的模型还不足以支撑起AI模型在行业的应用。还需要有专业领域的数据作为模型的“养分”，用于训练模型。高质量的专业数据已经成为各行业落地行业大模型的关键，甚至对于有些数据质量、数量不足的企业来说，会选择利用一些合成数据以满足行业大模型的训练。

对于医疗行业而言，数据亦是极为重要，京东健康智能算法部负责人告诉钛媒体APP，目前“京医千询”的数据主要来源有三个。

首先是医学课本，“课本是7~8年以前编写完成的，是大家完全认可的专家经验的积累，”该名负责人指出，“不过课本也落后当下最前沿的医学7~8年。”

这时候就需要补充一些近期的数据，“这些数据是4~5年前形成的专家共识，以及专家们的知识库。”该名负责人进一步指出，“有了这些还不够，训练医疗大模型还需要融入近两年的医学研究的文献和医疗出版物等数据作为补充。”

通过近、中、远三个维度提供的不同的医疗语料库，并结合医院内部脱敏的、高质量的数据，对医疗大模型进行深入的训练，才练就了如今“京医千询”的强大能力。

当然，在京东健康智能算法部负责人看来，医疗行业落地大模型产品主要需要解决三个核心的问题。

首先，需要满足医疗本身准确性的要求，“诊断的准确性、处置的准确性，以及医疗方案的有效性是大模型落地医疗行业首要需要关注的问题。”该名负责人强调。

其次，引入大模型的核心是要提升医疗机构的服务能力，从而可以更好地提升患者的体验。

再次，大模型的引入也需要解决一部分医疗成本的问题，“医院不能因为引入大模型产品，而导致整体的医疗成本和科研成本上升，”该名负责人告诉钛媒体APP，“这对于医疗机构来说，是不能接受的。”

据了解，在2023年12月，京东健康就与温州医科大学附属第一医院（一下简称“温州大附一院”）达成了战略合作，共建“未来医院智慧服务”,打造了全国领先的新一代智慧医院的智慧服务系统。

落到具体场景，技术才能发挥价值

与温州大附一院的合作主要围绕智慧分诊展开。原先，患者只能根据自身的病情，先选择一个科室挂科，询诊过后，很可能发现自己的病并不是这个科室能治疗的。

举个例子，当患者皮肤上出现疹子的时候，有可能是因为过敏导致的，也可能是因为内分泌导致的，甚至有可能是患上了皮肤病。但是患者无法基于皮肤上的“表象”自行研判，只能现在内分泌、皮肤科等科室中选择一个挂上，进行几轮筛查，甚至跑好几次医院才能查出病因。而这还是只是一个“小病”。有些大病很可能因此拖延了病情，造成更严重的后果。

而“京医千询”的出现就很好地解决了这个问题，患者通过简单的在小程序中与“京医千询”的几轮对话，大模型可以帮助患者推断出最可能得患病原因，以及最合适挂的科室，并可以提前线上预约，节省了患者时间，也降低了医疗资源浪费，提高医疗效率的同时。

中国医科大学附属第一医院皮肤科郭昊医生就曾分享过一次线上问诊经历——在一次图文问诊中，由于患者首次上传图片模糊，郭昊初步判断为色素痣，当他准备按此进行下一步建议时，京东健康智能医助弹窗提醒“考虑诊断扁平疣可能性是90%，色素痣可能性是60%”，郭昊犹豫片刻后让患者提供了几张更清晰、多角度的照片，最终果然诊断为扁平疣。

数据显示，京东健康皮肤医院基于大模型的AI辅诊准确率超过95%，皮肤医院开发的专病随访服务患者付费转化率已达20%。

“当前的大模型要在医院落地，首先是优化医患之间的交流界面，通过AI提升医疗服务和决策的透明性，让医患双方都能感受到技术带来的体验提升。尤其是对患者来说，从‘被安排’的不知所措到主动服务规划的清晰了然。”京东健康智能算法部负责人强调。

（本文首发于钛媒体APP，作者｜张申宇，编辑丨盖虹达）