醫療行業的數字化 " 癥結 "
" 一般場景 / 產品，希望用戶停留時長越長多越好，使用越多越好，但醫院不同于一般場景，" 京東健康智能算法部負責人告訴鈦媒體 APP，" 醫院的場景中，患者的滿意度與停留時長是成反比的。"
醫療行業一方面關系到基本民生，另一方面，醫療行業的數字化程度也略顯不足。就目前醫療體系建設來看，仍存在很多痛點，而這些痛點又不僅局限在數字化上。
在數字化方面，盡管醫療信息化建設已有多年，但醫療大數據產業的整體建設速度仍略顯乏力，數據壁壘和信息孤島現象普遍存在。
在整體醫療體系建設方面，傳統醫療服務存在就醫過程費時費力、缺乏日常健康咨詢服務、醫療服務與患者需求不匹配等問題，影響了醫療服務的效率和質量。
除此之外，優質醫療資源集中在大城市和知名醫院，基層醫療機構服務能力不足，患者為了獲得更好的醫療服務不得不長途跋涉，增加了就醫成本和難度。
大模型落地醫療行業
生成式 AI 可以說是近兩年科技圈最火爆的技術，如果說 2023 年是 AI 大模型元年的話，那么 2024 年就是 AI 大模型在行業側應用的元年。
今年以來，從行業趨勢上不難看出，各大科技巨頭已經不僅僅局限于 " 卷 " 模型的參數大小，而是將目光投向行業側，聚焦大模型、小模型在行業側的應用。
在這個過程中，醫療是 AI 大模型率先落地的行業之一。醫療行業大模型學習和分析了大量醫療數據，可以自動識別病變特征，輔助醫生進行疾病診斷，提高診斷準確率與診斷效率。
IEEE 標準協會新標準立項委員會副主席兼 IEEE 數字金融與經濟標準委員會主席林道莊早在年初就曾對鈦媒體表示，現階段，我國醫療資源比較緊缺，許多人排了很久的隊才能看上病，而醫生也很忙，通過大模型的輔助，能幫助醫生快速的識別諸如 X 光片、CT 等病歷，從而大幅提升醫生工作效率，也能降低患者等待的時間。
在醫療這個垂直領域，各大大模型廠商也展開了 " 角逐 "。以京東為例，早在 2023 年 7 月，京東健康就基于京東言犀大模型，推出了醫療大模型 " 京醫千詢 "。作為行業內首個實物與服務相聯通、知識與數據相融合的醫療大模型，" 京醫千詢 " 整合了大量的臨床實踐指南、醫學文獻和專家知識，能快速完成在醫療健康領域各個場景的遷移和學習。
據京東健康智能算法部負責人介紹，目前 " 京醫千詢 " 針對不同場景推出了大、中、小三種體量的模型產品，共有 2B（小模型）、14B（中模型）、22B（中模型），以及 80B（大模型）四種參數。
其中，2B 的小模型僅能在單一服務方面（類似于人工客服、智能問詢等）提供服務，"2B 的小模型未來發展路徑是希望可以移植到移動端。" 該名負責人介紹到。
而 80B 的大模型則是具備專門服務醫療決策和推理能力的模型，" 京東健康認為，一個良好的，具備醫療推理能力的模型，是需要一個相對較大體量的模型，這也是京東健康未來在醫療領域大體量模型方面追求的方向。" 京東健康智能算法部負責人告訴鈦媒體 APP。
" 目前來看，應用較成熟的是中體量的模型（14B 和 22B），主要應用在非醫療決策方面的服務。" 該名負責人進一步指出。
有了合適體量的模型還不足以支撐起 AI 模型在行業的應用。還需要有專業領域的數據作為模型的 " 養分 "，用于訓練模型。高質量的專業數據已經成為各行業落地行業大模型的關鍵，甚至對于有些數據質量、數量不足的企業來說，會選擇利用一些合成數據以滿足行業大模型的訓練。
對于醫療行業而言，數據亦是極為重要，京東健康智能算法部負責人告訴鈦媒體 APP，目前 " 京醫千詢 " 的數據主要來源有三個。
首先是醫學課本，" 課本是 7~8 年以前編寫完成的，是大家完全認可的專家經驗的積累，" 該名負責人指出，" 不過課本也落后當下最前沿的醫學 7~8 年。"
這時候就需要補充一些近期的數據，" 這些數據是 4~5 年前形成的專家共識，以及專家們的知識庫。" 該名負責人進一步指出，" 有了這些還不夠，訓練醫療大模型還需要融入近兩年的醫學研究的文獻和醫療出版物等數據作為補充。"
通過近、中、遠三個維度提供的不同的醫療語料庫，并結合醫院內部脫敏的、高質量的數據，對醫療大模型進行深入的訓練，才練就了如今 " 京醫千詢 " 的強大能力。
當然，在京東健康智能算法部負責人看來，醫療行業落地大模型產品主要需要解決三個核心的問題。
首先，需要滿足醫療本身準確性的要求，" 診斷的準確性、處置的準確性，以及醫療方案的有效性是大模型落地醫療行業首要需要關注的問題。" 該名負責人強調。
其次，引入大模型的核心是要提升醫療機構的服務能力，從而可以更好地提升患者的體驗。
再次，大模型的引入也需要解決一部分醫療成本的問題，" 醫院不能因為引入大模型產品，而導致整體的醫療成本和科研成本上升，" 該名負責人告訴鈦媒體 APP，" 這對于醫療機構來說，是不能接受的。"
據了解，在 2023 年 12 月，京東健康就與溫州醫科大學附屬第一醫院（一下簡稱 " 溫州大附一院 "）達成了戰略合作，共建 " 未來醫院智慧服務 ", 打造了全國領先的新一代智慧醫院的智慧服務系統。
落到具體場景，技術才能發揮價值
與溫州大附一院的合作主要圍繞智慧分診展開。原先，患者只能根據自身的病情，先選擇一個科室掛科，詢診過后，很可能發現自己的病并不是這個科室能治療的。
舉個例子，當患者皮膚上出現疹子的時候，有可能是因為過敏導致的，也可能是因為內分泌導致的，甚至有可能是患上了皮膚病。但是患者無法基于皮膚上的 " 表象 " 自行研判，只能現在內分泌、皮膚科等科室中選擇一個掛上，進行幾輪篩查，甚至跑好幾次醫院才能查出病因。而這還是只是一個 " 小病 "。有些大病很可能因此拖延了病情，造成更嚴重的后果。
而 " 京醫千詢 " 的出現就很好地解決了這個問題，患者通過簡單的在小程序中與 " 京醫千詢 " 的幾輪對話，大模型可以幫助患者推斷出最可能得患病原因，以及最合適掛的科室，并可以提前線上預約，節省了患者時間，也降低了醫療資源浪費，提高醫療效率的同時。
中國醫科大學附屬第一醫院皮膚科郭昊醫生就曾分享過一次線上問診經歷——在一次圖文問診中，由于患者首次上傳圖片模糊，郭昊初步判斷為色素痣，當他準備按此進行下一步建議時，京東健康智能醫助彈窗提醒 " 考慮診斷扁平疣可能性是 90%，色素痣可能性是 60%"，郭昊猶豫片刻后讓患者提供了幾張更清晰、多角度的照片，最終果然診斷為扁平疣。
數據顯示，京東健康皮膚醫院基于大模型的 AI 輔診準確率超過 95%，皮膚醫院開發的專病隨訪服務患者付費轉化率已達 20%。
" 當前的大模型要在醫院落地，首先是優化醫患之間的交流界面，通過 AI 提升醫療服務和決策的透明性，讓醫患雙方都能感受到技術帶來的體驗提升。尤其是對患者來說，從‘被安排’的不知所措到主動服務規劃的清晰了然。" 京東健康智能算法部負責人強調。
