文 | 動脈網(wǎng)

從未有創(chuàng)新技術(shù)能如大語言模型一般，能在短短數(shù)月穿透醫(yī)療體系，引得醫(yī)院主動、迅速、成規(guī)模地引入。

截至2025年4月30日，統(tǒng)計第三方榜單中國內(nèi)排名前100的醫(yī)院，已有98家對外宣稱完成了大模型部署。

在這之中，有38家醫(yī)院在通用模型的基礎(chǔ)上進一步展開研發(fā)，打造出55個符合自身需求的垂直醫(yī)療模型。

從“買方”轉(zhuǎn)變?yōu)椤把邪l(fā)方”，醫(yī)生已成為“AI制造”群體中至關(guān)重要的一員。

百強醫(yī)院公開發(fā)布的垂直大模型

（截至2025年4月30日，醫(yī)院排名來源于“2022屆中國醫(yī)院競爭力春季榜”）

大模型進入專科專病時代

2022年末，OpenAI憑借GPT3.5點燃大模型的戰(zhàn)火后，國內(nèi)醫(yī)療領(lǐng)域已經(jīng)掀起多輪“百模大戰(zhàn)”。

但由于GPT時代高昂的部署成本及調(diào)用成本，國內(nèi)只有少數(shù)頂級醫(yī)院完成了大模型的本地化部署，絕大多數(shù)模型均由企業(yè)開發(fā)，訓(xùn)練數(shù)據(jù)主要為醫(yī)療相關(guān)的文本數(shù)據(jù)，沒有觸及醫(yī)院多模態(tài)臨床數(shù)據(jù)的內(nèi)核。

因此，這個時代誕生的大量大模型具備同質(zhì)化高、臨床相關(guān)弱的缺點，鮮有模型能夠為醫(yī)院帶來增量價值，因而未能在醫(yī)療領(lǐng)域掀起太大漣漪。

DeepSeek-R1的橫空出世可以視作醫(yī)療大模型發(fā)展的關(guān)鍵轉(zhuǎn)折點。創(chuàng)新架構(gòu)下，DeepSeek大幅降低了大模型的使用門檻。醫(yī)院只需支付數(shù)十萬元的費用便能本地部署大模型，并對此進行個性化定制，即便是未曾接觸過大模型的醫(yī)院，也不愿錯過這一機遇。

醫(yī)院垂直模型開發(fā)時間分布（單位：個；截至2025年4月30日）

相較于企業(yè)，醫(yī)院能夠調(diào)用的醫(yī)療數(shù)據(jù)體量更龐大，模態(tài)更多元，模型的功能也能更貼近臨床的真實需求。因此，誕生于DeepSeek流行后的醫(yī)院主導(dǎo)的大模型（部署的通用模型可能是DeepSeek外的其他模型）開始朝專病?？瓢l(fā)展，能夠處理的多模態(tài)的醫(yī)學(xué)數(shù)據(jù)，直切臨床問題。

譬如，北京協(xié)和醫(yī)院今年2月發(fā)布的“協(xié)和·太初”便是首個罕見病領(lǐng)域的人工智能大模型，可用于輔助醫(yī)生快速準確地識別診斷罕見病，破解罕見病診療全國范圍內(nèi)同質(zhì)性差的難題。

該大模型基于我國罕見病知識庫的多年積累和中國人群基因檢測數(shù)據(jù)建立，醫(yī)生向模型輸入“發(fā)現(xiàn)孩子從2歲起發(fā)育、語言和動作都明顯落后，交流也無法完成”等癥狀后，僅需數(shù)秒AI便會給出“需警惕罕見遺傳性疾病（如雷特綜合征、天使綜合征等）或復(fù)雜神經(jīng)發(fā)育障礙”的判斷，并給出就診科室、補充檢查等醫(yī)學(xué)建議。

中山大學(xué)附屬第一醫(yī)院與神州醫(yī)療共同研發(fā)的全球首個腹膜透析大模型則是聚焦腹膜透析這一細分場景。該模型采用DHC+DeepSeek雙引擎架構(gòu)，能對臨床文本、影像、病理、基因、時序數(shù)據(jù)等進行深度理解和融合分析捕捉腹膜透析的相關(guān)信息，為醫(yī)生提供診斷分析、治療方案推薦、隨訪建議和風險預(yù)測等功能，進而為尿毒癥等患者緩解治療比例低、社會回歸率低等問題。

類似的垂直模型還有很多。動脈網(wǎng)據(jù)公開資料統(tǒng)計，國內(nèi)目前已有專病?？拼怪蹦Ｐ?2個，覆蓋心血管病、腎病、胸痛、咽喉病變、皮膚病、肝癌等病種，骨科、放射科、病理科、眼科、麻醉科等科室，甚至還專為消化內(nèi)鏡、心超等設(shè)備，以及手術(shù)風險評估、感染控制等環(huán)節(jié)訓(xùn)練大模型。

國內(nèi)專病?？拼怪蹦Ｐ蛥R總（截至2025年4月30日）

同時，垂直大模型的功能也隨醫(yī)生的加入不斷擴展。最初的大模型應(yīng)用主要以患者服務(wù)為主，用生成式AI的多輪對話能力為患者提供更好的診前、診后服務(wù)。常見于智能預(yù)問診、智能導(dǎo)診、智能隨訪等應(yīng)用中，是對過去AI的一次升級。

而如今，醫(yī)院在采用大模型優(yōu)化患者就醫(yī)體驗的同時，也希望大模型能夠更好地服務(wù)于醫(yī)生群體，實現(xiàn)輔助決策、輔助診斷等功能，提供更為優(yōu)質(zhì)、更為高效的醫(yī)療服務(wù)。亦有少量醫(yī)院在探索大模型在醫(yī)學(xué)教育、醫(yī)院管理、科學(xué)研究中的應(yīng)用可能，期望能夠由數(shù)字化醫(yī)院轉(zhuǎn)變?yōu)橹悄芑t(yī)院，從源頭上解決醫(yī)療資源缺失、科研產(chǎn)出有限等問題。

醫(yī)院垂直模型職能分布（截至2025年4月30日）

需要注意的是，雖然百強醫(yī)院都完成了通用模型的部署，但上文展示的垂直模型主要由排名前50的醫(yī)院開發(fā)。換句話說，垂直大模型的研發(fā)非?？简炨t(yī)院的整體實力，不僅需要在研發(fā)過程中保證深度的醫(yī)工融合，還得有能力承擔研發(fā)過程中的精力與費用，這筆費用算下來相當昂貴。

醫(yī)療大模型最為花錢的部分在于算力與數(shù)據(jù)。同深度學(xué)習(xí)時代輔助診斷類AI的訓(xùn)練邏輯相似，好的醫(yī)療大模型需要做好醫(yī)療數(shù)據(jù)方面的工作，有效整合電子健康記錄（EHR）、影像數(shù)據(jù)（DICOM）、實驗室報告等數(shù)據(jù)，確保數(shù)據(jù)多樣性。

此外，數(shù)據(jù)的清洗與標注也同樣重要。要確保大模型在后續(xù)使用中具備客觀的生成結(jié)果質(zhì)量，開發(fā)者們必須在前期數(shù)據(jù)治理工作，剔除異常實驗室值、錯誤電子病歷等重復(fù)、缺失或錯誤數(shù)據(jù)。

以影像大模型為例，訓(xùn)練一個某垂直領(lǐng)域的影像大模型理論上至少需要數(shù)千張經(jīng)過分類和標注的影像，且影像來源需要多元，盡可能收集不同分期、不同年齡的患者影像數(shù)據(jù)，保證大模型的魯棒性。

如果訓(xùn)練模型使用的影像太少，大模型在實際使用時就容易出現(xiàn)幻覺，為了回答問題去編造一些不存在的東西。臨床之中，這樣的模型無法成規(guī)模地應(yīng)用下去。

醫(yī)院主導(dǎo)開發(fā)，垂直模型仍需企業(yè)助力

除了醫(yī)療大模型功能與價值產(chǎn)生路徑上的變化，醫(yī)院的開發(fā)模型也在不斷擴展。

上述提及的55個大模型中，醫(yī)院合作企業(yè)一起研發(fā)依然是主流，有超過一半的項目采用這一模式進行開發(fā)。

但從數(shù)據(jù)可以看出，2025年2月開始，醫(yī)院合作學(xué)校、科研機構(gòu)的項目數(shù)量開始激增。尤其是醫(yī)院獨立開發(fā)這一模式（包括醫(yī)院間的合作），已占比接近25%，成為僅次于合作企業(yè)開發(fā)的重要模式。

這意味著：醫(yī)院正在醫(yī)療大模型的能力躍遷中發(fā)揮愈發(fā)重要的作用。

醫(yī)療垂直模型開發(fā)模式分布（截至2025年4月30日）

不過，由于大多數(shù)醫(yī)院缺乏兼具工程與醫(yī)學(xué)能力的跨專業(yè)人才，醫(yī)院與企業(yè)的聯(lián)合開發(fā)模型依然會是未來的主流。

畢竟，訓(xùn)練模型需要以此完成數(shù)據(jù)準備與處理、模型選擇與配置、模型訓(xùn)練、模型評估與調(diào)優(yōu)、模型部署與集成五個步驟。相較于獨立開發(fā)，醫(yī)生提供領(lǐng)域知識與標注數(shù)據(jù)、AI工程師則負責技術(shù)實現(xiàn)的分工形式或許更能契合當下醫(yī)院的需求。

此外，企業(yè)的介入還能幫助醫(yī)院更好地從商業(yè)化的角度規(guī)劃大模型的未來迭代路徑，推動相關(guān)科研轉(zhuǎn)化的實現(xiàn)。畢竟，當這些成果得到充分地共享，它的價值才能最大化地展示出來。

現(xiàn)階段，華為、中國電信、訊飛醫(yī)療、衛(wèi)寧健康、福鑫科創(chuàng)、神州醫(yī)療等企業(yè)已經(jīng)廣泛參與到了醫(yī)療垂直大模型的開發(fā)中，取得了一定成果。伴隨醫(yī)院大模型應(yīng)用場景的進一步擴大，更多中小企業(yè)亦可與醫(yī)院達成合作，共同開發(fā)細分場景下的醫(yī)療垂直大模型。

邁向下一個時代，醫(yī)療大模型還需邁過三道坎

雖說醫(yī)院這一角色的介入已為醫(yī)療大模型帶來長足的發(fā)展，但要跨越時代，更深入地應(yīng)用大模型，這一行業(yè)至少還需邁過三道坎。

■ 醫(yī)院大模型訓(xùn)練集的局限性

現(xiàn)階段醫(yī)院開發(fā)大模型采用的多是醫(yī)院自身長期積累的數(shù)據(jù)集。吸納這些數(shù)據(jù)后的大模型能夠較好地處理常見的患者，但面對一些復(fù)雜、少見的病灶，大模型很容易因為數(shù)據(jù)的缺失而產(chǎn)生幻覺。要解決這一問題，醫(yī)院在培育大模型時應(yīng)盡可能采用多個地域、多家醫(yī)院的數(shù)據(jù)組成訓(xùn)練集。

目前，已有不少醫(yī)院開始組建專病聯(lián)盟，共同開發(fā)醫(yī)療垂直大模型。這種模式不僅可以保障大模型的準確率和魯棒性，還能提高醫(yī)療數(shù)據(jù)的復(fù)用率，讓這些治理后的數(shù)據(jù)能夠充分發(fā)揮價值。

■ 大模型的形態(tài)暫無定論

到目前為止，行業(yè)圍繞大模型的討論主要集于它的功能，鮮有人去探討它的形態(tài)。當垂直大模型作為一個商業(yè)產(chǎn)品走出醫(yī)院時，我們必須確定它的形態(tài)，是單純的軟件應(yīng)用，還是需要經(jīng)歷審評審批的醫(yī)療器械。

今年3月31日，國家藥監(jiān)局發(fā)布了《關(guān)于優(yōu)化全生命周期監(jiān)管 支持高端醫(yī)療器械創(chuàng)新發(fā)展的舉措（征求意見稿）》，公開征求多病種AI、大模型等新興技術(shù)準入方式的意見，先行一步為大模型的發(fā)展樹立道標。

文件提到要研究制定多病種、大模型人工智能領(lǐng)域相關(guān)技術(shù)指導(dǎo)原則或者審評要點；簡化核心算法不變而算法性能優(yōu)化人工智能醫(yī)療器械產(chǎn)品變更注冊要求；探索完善采用測評數(shù)據(jù)庫開展人工智能醫(yī)療器械性能評價要求。

這或許意味著，醫(yī)院這波新興的輔助診斷、輔助決策模型未來將被視作醫(yī)療器械，經(jīng)過嚴苛的準入審查方能進入市場進行流通。

■ 潛在的安全性問題

到目前為止醫(yī)療行業(yè)尚未曝出大模型相關(guān)的數(shù)據(jù)安全問題，但風險從未遠離過這一領(lǐng)域。

醫(yī)療數(shù)據(jù)承載著患者的基因信息、病史記錄等高度敏感內(nèi)容，一旦泄露，將對個人隱私構(gòu)成嚴重威脅，甚至可能引發(fā)基因歧視、保險欺詐等連鎖風險。

由于現(xiàn)階段醫(yī)院部署的大模型大多來自開源項目，相關(guān)代碼的修改可能會引入后門程序或者安全漏洞。如果醫(yī)院系統(tǒng)架構(gòu)缺陷或數(shù)據(jù)傳輸加密不足，那么這些數(shù)據(jù)便會被暴露于網(wǎng)絡(luò)攻擊之下，面臨非法獲取和濫用的風險。

因此，在醫(yī)療領(lǐng)域應(yīng)用開源AI系統(tǒng)時，醫(yī)院及企業(yè)最好對這些風險進行全面評估，采取嚴格的安全措施，確保系統(tǒng)的安全性和數(shù)據(jù)的保密性。只有做好醫(yī)療數(shù)據(jù)安全方面的保障，醫(yī)療大模型才存在持續(xù)發(fā)展下去的可能。