醫(yī)療領(lǐng)域的人工智能應(yīng)用近年來得到了迅速發(fā)展，ＡＩ　大模型在醫(yī)療領(lǐng)域的應(yīng)用場景可分為診前、診中、診后，涉及診前的藥物研發(fā)、基因研究、預(yù)約就診、預(yù)檢分診以及導(dǎo)診，診中的臨床診斷、臨床治療病歷錄入及藥物檢索，診后的醫(yī)保支付、報告獲取、患者隨訪、康復(fù)管理及遠(yuǎn)程醫(yī)療等。

Ｆｒｏｓｔ＆Ｓａｌｉｖｏｎ　數(shù)據(jù)顯示，２０２０－２０２５　年　Ａｌ＋醫(yī)療市場規(guī)模呈現(xiàn)高增長狀態(tài)，市場總規(guī)模在?。玻埃玻怠∧陮⑦_(dá)３４８　億元，增速維持在４０％左右。觀研數(shù)據(jù)中心數(shù)據(jù)顯示，ＡＩ人工智能細(xì)分市場中，影像、數(shù)據(jù)交換與存儲、綜合輔助診斷占比較高，占比分別為?。常矗ァⅲ玻玻?、１３％。據(jù)動脈橙數(shù)據(jù)顯示，從２０２２　年１月１日至２０２３　年６月２８　日全球生成式ＡＩ醫(yī)療領(lǐng)域累計投融資事件超過　１６０　起累計投資金額超５７．１億美元。

可以說，Ａｌ＋醫(yī)療市場前景廣闊，一級市場活躍。但綜合上半年一二級市場ＡＩ的投資情況，橫向?qū)Ρ葋砜矗c金融、政務(wù)、文娛、教育等行業(yè)相比，醫(yī)療行業(yè)大模型的滲透率仍然較低。

美國較早推行了醫(yī)療信息化，醫(yī)療行業(yè)有著豐富的結(jié)構(gòu)化的數(shù)據(jù)，這也方便了美國企業(yè)在研發(fā)端發(fā)力，其中微軟、谷歌、英偉達(dá)等科技巨頭在　ＡＩ醫(yī)療領(lǐng)域布局積極，比如谷歌早在　２０１４　年就收購了?。模澹澹穑停椋睿洌玻埃保丁∧辍。模澹澹穑停椋睿洹【吞岢鰧⑺惴☉?yīng)用到醫(yī)療保健領(lǐng)域，目前谷歌和?。模澹澹穑停椋睿洹F(tuán)隊發(fā)布的醫(yī)療大模型Ｍｅｄ－ＰａＬＭ在醫(yī)學(xué)考試中已經(jīng)基本接近“專家”醫(yī)生水平，２０２２年７月ＤｅｅｐＭｉｎｄ進(jìn)一步破解了幾乎所有已知的蛋白質(zhì)結(jié)構(gòu)，其ＡＬｐｈａＦｏｌｄ　算法構(gòu)建的數(shù)據(jù)庫中包含了超過２億種已知蛋白質(zhì)結(jié)構(gòu)，為開發(fā)新藥物或新技術(shù)來應(yīng)對饑荒或污染等全球性挑戰(zhàn)鋪平了道路。

從國內(nèi)來看，目前影響大模型在醫(yī)療領(lǐng)域滲透的主要問題在于數(shù)據(jù)，一方面醫(yī)療行業(yè)數(shù)據(jù)量非常大、質(zhì)量較差，將醫(yī)療行業(yè)的數(shù)據(jù)進(jìn)行整理清洗需要一個過程；另一方面醫(yī)療行業(yè)數(shù)據(jù)涉及患者隱私和國家安全等敏感信息，數(shù)據(jù)開放度低。盡管面臨著數(shù)據(jù)困難，但國內(nèi)科技企業(yè)一直在迎難而上，比如華為盤古大模型已經(jīng)助力藥品開發(fā)，百度文心一言發(fā)布了落地醫(yī)藥行業(yè)的產(chǎn)品　ＧＢＩ－Ｂｏｔ，京東健康發(fā)布了“京醫(yī)千詢”醫(yī)療大模型等等。

從一二級市場來看，對于大模型＋醫(yī)療，二級市場更多關(guān)注的是原有醫(yī)療信息化企業(yè)產(chǎn)品的智能化，而一級市場更多關(guān)注大模型在醫(yī)藥研發(fā)、輔助診斷等方面的應(yīng)用。

報告認(rèn)為，美國在?。粒伞〈竽Ｐ桶l(fā)展的基礎(chǔ)理論與基礎(chǔ)數(shù)據(jù)方面，有著獨(dú)特的優(yōu)勢，這也為ＡＩ大模型的使用打下了基礎(chǔ)尤其是在醫(yī)療研發(fā)等方向其會繼續(xù)保持著先發(fā)優(yōu)勢。相比美國，國內(nèi)一直扮演著追隨者的角色，在基礎(chǔ)模型方面，中美之間的差距并不大，“重應(yīng)用輕基礎(chǔ)”的研發(fā)理念，以及國內(nèi)龐大的下游需求，讓國內(nèi)機(jī)構(gòu)更加專注于落地應(yīng)用的研究，可以說，在　ＡＩ　大模型的應(yīng)用上，國內(nèi)更勝一籌。

一方面，國內(nèi)一級市場更多是關(guān)于大模型應(yīng)用的創(chuàng)業(yè)項目，另一方面，各行業(yè)包括醫(yī)療領(lǐng)域較成熟的企業(yè)，均依托在各自行業(yè)的深耕，或外接基礎(chǔ)模型，或利用開源模型自研模型來使所從事的行業(yè)用上ＡＩ　大模型。初衷就是落地而去，可能會在落地應(yīng)用上領(lǐng)先一步。

但與此同時，報告也指出，國內(nèi)某些行業(yè)尚未完成信息化，基礎(chǔ)數(shù)據(jù)的匱乏使得ＡＩ大模型在某些行業(yè)寸步難行，此外，算力制約成為中美ＡＩ　競爭的一把利刃，努力沖破算力制約是ＡＩ發(fā)展路上的頭等大事。