2023医疗健康AI大模型行业研究报告

作为人工智能的一个分支，医疗健康AI大模型能通过学习大量数据生成新的数据实例，在医疗领域有着广泛的应用前景，如药物研发、医学影像、医疗文本分析等，不仅能提升医疗服务的质量和可及性，还能够推动整个医疗产业的创新发展，形成新的产业生态和生产力。

01 医疗健康AI大模型发展背景

自“人工智能”概念首次提出，历经逻辑推理、专家系统、深度学习等技术，经过数十年发展，从深度学习过渡到大模型时代，以Transformer为框架，融合多头注意力机制的新算法，克服了传统深度学习算法（CNN、RNN）的缺陷，为人工智能带来里程碑式的进步。

在国家层面，我国已经建立高质量医疗数据库，为AI大模型医疗健康场景落地应用减轻阻力。2016年，国家卫健委能力建设和继续教育中心开始着手建立数据库，根据临床需求来反推中心需要进行的工作。由此，中心制定了入库收集的标准，收集数据，并将其应用起来。目前，我国人工智能应用公开数据集包括全息肝癌（50例包含完整影像的全息标准数据）、高度近视眼（100例包含多年随访信息的标准数据）、卵巢肿瘤超声（300例标准数据）。

在学术角度，众多高校启动了关于中文医疗健康AI大模型的研发并在Github上发布源代码，增加了商业企业对于医疗健康AI产品研发的技术支持，大多围绕问诊对话、病历结构化等文字处理相关的功能。在医疗场景应用中，医疗健康AI大模型的问答准确性和全面性有优势，在线医生咨询中，ChatGPT的回答长度较长，质量较高，且被评为富有同理心。02 医疗健康AI大模型应用场景医疗健康AI大模型为技术底座，可赋能医疗行业的多场景，如医学诊疗、医疗科研、健康管理、区域医疗建设、制药等等。在医学影像方面，医学影像和大模型结合提升了疾病诊断的准确性和效率，为医生提供了更全面的信息和更好的治疗方案，但也存在数据获取困难、兼容性问题、复杂性和可解释性不足等局限。在药物研发方面，大模型和药物研发的结合可以提高药物研发效率、降低成本、提高准确性和个性化治疗，是药物研发领域的重要趋势和发展方向，基于医疗健康AI大模型，研究人员能够更加高效、准确、个性化地访问有关分子生物学、治疗靶点发现和药物开发的信息。在医疗文本处理方面，使用大型语言模型处理医疗文本可以为医疗专业人员提供更准确、快速、个性化的诊断和治疗建议，从而提高医疗效果和患者满意度，具体应用场景包括临床记录自动化、医疗文献分析、病例报告和研究摘要的生成、自动问答系统、医疗编码和计费等。在学术科研方面，医疗AI大模型可帮助研究者生成初稿、编辑和完善文本、进行文献综述和数据分析、用于语言翻译、辅助临床决策以及医学教育和培训等，但在具体应用时，由于学术的严谨性，使用大模型存在诸多风险，如生成内容的可信度、来源追溯、患者隐私数据的保护等等。北京是国内大模型创新基础最好、人才团队最集中、研发能力最强、产品迭代最活跃的地区，涌现出文心一言、ChatGLM等一批具有代表性的大模型产品。2023年6月27日，北京市科委、中关村管委会举办首期北京市人工智能策源地引领推介活动，发布了北京市首批人工智能行业大模型应用案例，其中，涵盖两个医疗相关模型：数字中医大模型示范应用和基于山海大模型的门诊病历生成系统示范应用。03 国内医疗健康AI大模型市场发展简析随着技术成熟度以及数据可用性增加，医疗健康AI大模型对医疗场景中的部分研发阻碍给出解决方案，加快医疗研发速度。同时，其生成式人工智能操作难度低，更能够被医疗领域的专业人员接受并使用。在此背景下，预计2023-2027年为医疗健康AI大模型集中爆发阶段。在产品应用落地时，将以医疗机构、医药企业、零售药店以及互联网医疗这四类企业应用为主。医疗机构：加速医疗非结构化数据的处理，如电子病历自动生成；通过与患者进行对话，更精准的进行分诊和导诊；快速检索能力加速了医疗工作人员的科研效率。医药企业：研发阶段，加速药物发现、蛋白质结构预测等；临床阶段，支持临床试验设计、合规文档管理；上市阶段，加强患者沟通、为销售预测提供技术支持等。零售药店：根据患者的用药需求，提供对话式的用药咨询服务；通过医疗健康AI大模型储备的医疗信息，为患者提供健康教育等信息。互联网医疗：为拥有患者资源的互联网医疗企业提供技术支持，辅助其管理患者。当前，医疗科技企业与基础大模型企业合作数量较多，双方借助各自在科技及医疗的优势，打造行业生态，AI大模型医疗健康生态正在逐步建立。然而，医疗大模型的商业化面临数据隐私、知识产权和道德责任等挑战。为克服这些障碍，企业需要加强数据保护、获得必要的版权授权、确保模型的公正性和合规性，同时通过提高透明度和公众教育来建立用户信任，在技术创新和社会责任间寻找平衡点，确保医疗大模型能够以负责任和可持续的方式推向市场。

04 医疗健康AI大模型平台测试结果分析

自大模型受到广泛关注以来，出现了较多关于医疗大模型的测试文章，但测试大多围绕GPT在回答美国执业医师资格考试（USMLE）的结果进行。在此背景下，亿欧选取8个医疗大模型测试平台（7个国内平台以及GPT4平台），通过API接口测试/网页对话界面输入测试题目展开测试。

（1）医疗健康AI大模型在执业医师资格考试中表现优异，甚至超过真实考生。七个平台中，有六个平台通过执业医师综合笔试，准确率超过60%，而公开数据显示，执业医师综合笔试通过率在20%-25%之间，由此可见，医疗大模型平台可能具有比一般考生更高的专业水平或者更好的准备情况。（2）在面对非标准化或模糊的临床情况时，AI表现不及经验丰富的医生。医疗大模型在做不同国家执业医师考试题目时，准确率差异较小。GPT4的准确率为69%，国内平台平均值为66% ，GPT4的表现优于大部分国内医疗大模型平台。对于中文执业医师考试需要分析的案例题目，医疗健康AI大模型产品回答的错误率较高。因此，在面临医疗实际行为时，医疗健康AI大模型仍然无法对复杂的医疗信息给出专业的判断，其使用场景更适合用于院外场景，如患者在挂号前的问诊（具体需要挂哪一个科室）等。（3）稳定性不足确实是医疗健康AI大模型在实际应用中面临的一个重要障碍。在得出结果后，将部分错误题目在同一平台上再次输入，发现两次返回的答案存在差异，包括第一次答案正确、第二次错误或反之的情况。大模型平台测试存在不稳定性的原因可能是由于模型过载、数据问题、网络波动、系统兼容性、动态环境变化以及配置错误等。（4）医疗健康AI大模型发展未来趋势应用场景拓展：从辅助诊断向治疗规划和患者监护扩展；在药物发现和设计中的作用将进一步增强；在公共卫生领域预测突发性的疾病爆发；相关法案加速建立：相关部门建立标准化的评估流程，验证医疗健康AI应用的安全性和有效性；制定专门法律法规，明确责任归属和使用规范、伦理审查等。加快人机交互协助：生成式AI增强医疗人员对AI工具的信任和依赖性；企业将开发更为直观的用户界面，提高AI系统交互的便捷性，确保决策过程既高效又人性化。

相关知识

健康医疗大数据研究报告
2023年中国AI健康管理行业市场规模、市场结构、产业链及重点企业分析「图」
中国医药研发服务行业发展分析与未来研究报告（2023
2023年行业报告
大健康产业发展报告
互联网+医疗健康行业报告
[头豹研究院]：2023年中国AI健康管理行业概览：以AI科技助力智能健康管理
沙利文报告：华为云位居医疗&药物大模型市场领导者象限
智研咨询发布：中国功能性食品行业市场研究报告（2023
中国移动健康产业研究报告2023

网址: 2023医疗健康AI大模型行业研究报告 https://www.trfsz.com/newsview207638.html