12 月 8 日，叮当健康（09886.HK）早盘强劲拉升超 21%，截至收盘，涨幅 8.33% 至 2.21 港元 / 股。

消息面上，叮当健康发布叮当 HealthGPT，并应用型医药 AI 产品——叮当药师、营养师 AI 助手，用科技助力健康中国。

市场分析称，随着 HealthGPT 的投入应用，公司有望进一步实现降本增效、精细管理，释放业绩增长潜力。

事实上，叮当 HealthGPT 大模型的推出，只是医疗大模型竞赛的一个缩影。今年以来，伴随着 ChatGPT 的爆火，企业一拥而上，国内外的 AI 大模型如雨后春笋般涌现，以革命性姿态冲击各行各业，这其中就包括医疗产业。

大模型之风吹向医疗

所谓 AI+ 医疗，即利用大数据、云计算等人工智能技术手段促进疾病筛查、诊断、治疗、管理、康复等环节的技术升级，为药师、营养师、医生赋能。

据悉，在人工智能的所有应用中，医疗行业位列首位。据中商产业研究院统计，2020 年 AI+ 医疗已占人工智能市场的 18.9%。据 IDC 统计数据，到 2025 年人工智能应用市场总值将达 1270 亿美元，其中医疗行业将占市场规模的五分之一。

民生证券研报指出，国内 AI 正走向高景气度，医疗行业 +AI 是对医疗待解决需求的挖掘和供给问题的解决，通用大模型向医疗专用大模型的升级有望彻底改变医疗全生命周期的存在形态，从降本增效和技术能力提升两种路线上实质性满足医疗需求，通过 AI 设备、AI 诊断、AI 决策、AI 个性化医疗等应用场景落地。

可见，医疗 AI 广阔市场大有可为。巨大的想象空间和市场潜力，吸引着越来越多的医疗企业竞相在 AI+ 医疗领域布局，特别是有着互联网基因的互联网医疗平台对 AI 明显需求更高。

今年以来，国内多家互联网医疗平台竞相推出 AI 大模型，利用 AI 大模型提升平台的工作效率和服务质量。

5 月底，互联网医院——医联基于 Transformer 架构的国内首款医疗大语言模型—— MedGPT。

据 MedGPT 真实世界测试结果显示，其诊断结果与三甲医院医生医学一致性达到 96%。

6 月底，数字医疗健康到家服务商——叮当健康发布叮当 HealthGPT，并首推基于此研发的应用型医药 AI 产品——叮当药师、营养师 AI 助手。

7 月中旬，国内互联网医疗行业龙头——京东健康建立在京东言犀通用大模型基础上，推出了面向医疗健康行业的大模型 " 京医千询 "，覆盖全流程医疗需求、实现智能决策、支持多模态的医疗大模型。

8 月 17 日，全国最大的全病程管理平台——微脉发布国内首款健康管理领域大语言模型应用 CareGPT。据悉，微脉 CareGPT 基于国内开源大语言模型，主要致力于在真实的医疗服务场景中充分发挥健康管理价值，实现预防、咨询、预约、康复的全周期智能化健康管理能力。

从上述企业的布局可见，虽然都是医疗大模型，但方向和优势各不相同。未来，随着医疗大模型的创新与应用，医疗 AI 行业或将迎来洗牌，布局方向、应用价值都将成为企业竞争的关键节点。

国金证券研报称，基于人工智能技术的快速发展和在医药健康领域的应用，考虑近期多个 AI 大模型的推出和云服务未来在医药领域展开应用的前景，人工智能在医药健康领域的应用有望进入加速发展阶段。

AI 医疗影像应用最为广泛

从医疗 AI 的应用场景来看，主要包括医学影像诊断、智能诊疗、个性化治疗、药物研发、患者管理和远程护理、机器人手术、病例管理系统等。

这当中，AI 在医学影像领域的应用最为广泛。早在 2018 年，腾讯、阿里、科大讯飞等企业就开始布局 AI+ 医学影像行业，发展至今已经有 70 个 AI 医学影像产品获得了三类证。

AI 医疗影像的应用，能够提高医生的诊断准确性和效率。如，CT、MRI、PET 等多种医学影像都可以通过 AI 进行辅助分析，帮助医生更准确地诊断肿瘤、心脏病等疾病。同时，它还可以挖掘大量的医学数据，促进医学科学的快速发展。

太平洋证券分析师谭紫媚指出，医学影像占所有临床数据的 80% 以上，人体器官和组织的可视化呈现，是临床诊断、疾病治疗及健康管理的基石。当前，传统医学图像领域面临医生供不应求、医疗资源失衡等痛点， AI 医学影像解决方案有助于解决上述痛点。

据艾瑞建模测算，2020 年，中国 AI 医疗影像市场规模为 4 亿元，而到 2025 年，市场规模可达 100 亿元，2020-2025 年 CAGR 达 87.5%。

AI 医疗面临的挑战

需要指出的是，虽然医疗 AI 已经取得了显著的进展，但在技术、数据等方面仍面临巨大挑战，需要不断地发展和探索。

首先要保证数据的质量，确保医疗行业的安全和可靠性。以医学影像 AI 技术为例，它的缺点就在于其依赖于训练数据集的质量和准确性，如果训练数据集存在偏差或错误，就会影响模型的准确性。

但国内大部分医疗数据存储于各级医疗机构，业务系统相对独立，数据较难实现共享，存在明显的 " 数据孤岛 " 现象，可供训练的真实场景数据集有限。

其次，在技术层面，医疗行业的严谨性对模型的精确度要求更高，从而对算法和算力提出了更高的要求。

此外，医疗与人类生命息息相关，因此对于 AI+ 医疗应用场景的监管也会极为严格。随着相应的监管规则不断出炉，未来 AI 医疗的发展将会充满更多不确定性。

综上所述，从现阶段看，AI 在医疗应用端仍在探索阶段，并不能替代医生的诊断，但前景值得期待。

ZAKER旗下Web3.0元宇宙平台

ZAKER旗下新媒体协同创作平台