比尔·盖茨可能是ChatGPT的“头号铁粉”。
他对ChatGPT的“表白”，简直如同情话一般热烈，“这是我一生中见到的两项*革命性的技术之一”。
ChatGPT在医疗领域的落地，则是比尔·盖茨最为看好的赛道，他期待全球都束手无策的看病难、看病贵顽疾，借此缓解。
比尔·盖茨的盖章点赞并非虚美。
他有着足够的权威性——既是微软的创始人，洞悉人工智能的未来图景，也是*的医疗专家——在离开微软后，他把大部分精力投身于医疗慈善事业。
不止比尔·盖茨，创新工场创始人李开复、奇绩创坛创始人兼CEO陆奇，以及红杉中国等，都对类ChatGPT技术落地医疗（以下简称HealthGPT），有着高度期待。
陆奇笃信，好的医护就是“超级模型”，医疗产业本身就是模型驱动，正是AI可以长袖善舞的领域。
而在国外，ChatGPT和谷歌打造的“Med-PaLM”，也都陆续秀出了“医术”；在国内，互联网医院平台医联刚刚上线了AI医生——MedGPT。
Med-PaLM和MedGPT恰恰代表了两类玩家——前者是超级巨头的典型，打造的通用大模型，会在医疗等多个领域尝鲜探路；后者是垂直赛道的玩家，以AI为工具，走向医疗服务终点。
投资机构、头部大厂、创业公司的集体涌入之下，AI医生到底能不能替补上位，纾解医疗供给短缺的顽疾？从模型上线，到大规模应用落地，需要闯过哪些关卡？
一
巨头独角兽同向不同路
创投机构、巨头和独角兽的汹汹入场，是看中了AI医疗的广阔前景——HealthGPT站在了AI和大健康交汇的十字路口，两者都是10万亿量级的超级风口。
根据《健康中国2030规划纲要》，2030年，中国大健康产业市场规模有望逼近16万亿元，成为中国经济的支柱产业之一，可以类比的是，2022年，被视为经济支柱的房地产行业，开发投资总额也不过13.29万亿元。
另据Frost & Sullivan发布的《医疗智能行业白皮书》预测，2030年，中国医疗智能行业规模有望超过1.1万亿。
而风口正热的ChatGPT，其母公司OpenAI的估值，已经飙涨至300亿美元，还带动大股东微软的市值大涨三四成。
陆奇甚至预测，OpenAI的未来市值有望碾压谷歌，成为全球首家超十万亿美元市值的企业。
而在李开复看来，类ChatGPT领域，有三种投资机会：一是像OpenAI一样做平台，这是大厂才能玩得起的烧钱游戏；二是AI基础设施；三是细分领域应用，HealthGPT就是最有前景的赛道之一。
尽管同向奔赴，但其实，谷歌的Med-PaLM，与医联的MedGPT，终点并不相同，必然会渐行渐远。
无论是谷歌，还是OpenAI，搭建的头部AI平台，都不会专情于某一垂类领域，必然都抱着“既要又要还要全都要”的“海王”心态，涉足广泛，但浅尝辄止，蹚水医疗领域，也更多是对其底层AI能力的验证和锤炼。
在AI大模型布局上，谷歌更担心的是，先发先至的OpenAI，对其赖以为生的主营业务造成致命冲击。
今年年初，如临大敌的谷歌CEO皮查伊，招来了谷歌两位创始人拉里·佩奇和谢尔盖，连续开会商讨对策，在会上将ChatGPT称作“红色警戒级”的对手。
而无论是为了抵御外部冲击，还是内部增长需求驱动，谷歌布局的战略重点，必然是通用型大模型。
但医联等垂类玩家不同，AI是路径，医疗是终点。而且，医联主攻的并非泛泛的大健康领域，创始人、CEO王仕锐对公司的定性是“严肃医疗”。
从未来的应用思路上，谷歌等泛平台，可能会涉足大众浅层次的大健康服务，比如提供在线咨询等服务；
而医联MedGPT则是深入严肃医疗的链条中，借助这步落子，深化其角色定位，从链接者、服务者，延伸到“赋能者”。
在既有的资源禀赋上，两者的优势也大不相同，谷歌、OpenAI的优势在于AI技术实力强大，资金雄厚不差钱。
ChatGPT本身就是一场烧钱游戏，根据国盛证券的研报，类ChatGPT的AI大模型，一次训练成本，可能就高达数千万美金。
医联等垂类玩家不如谷歌那般土壕，但其优势则在于，更专业也更聚焦，一方面其拥有海量的专业数据；另一方面，其力出一口，进窄门花小钱，在专注领域里，未必逊色于头部平台，也许还能表现更好。
根据谷歌透露的成绩单。今年3月，比首代产品更聪明的谷歌Med-PaLM 2面世后，在医学考试中的表现处于“专家”水准，答题准确率超过85%，比前一代的结果高出18%。
而ChatGPT的医学考试成绩单，就乏善可陈了。在三份答卷中，正确率分布在 52.4% 到 75% 之间，徘徊于及格线上下。
医联MedGPT的表现，也可圈可点。医联抽取了532名复诊患者档案进行信息脱敏，并进行了模拟首诊实验。结果显示，医联MedGPT的诊断结果与患者原有线下门诊的诊断吻合率超过97.5%。
头部大厂和垂类玩家同台秀技，各展所长，各有其用，其实并非面贴面的直接竞争关系，双方共存的格局，将会长期存续。
二
“称重”大健康类ChatGPT价值
对HealthGPT产品翘首以盼的，不止头不大厂和创投机构，还有医疗行业人士和卫生主管部门。
中国工程院院士、国家基层糖尿病防治管理办公室主任贾伟平断言，人工智能在医疗技术研究、临床诊断、手术治疗、早期干预、慢病管理等方面，都能发挥作用。
国家肿瘤临床医学研究中心主任郝希山则期待，未来人工智能、大数据处理等方面的专家，可以和临床医生坐在一起，共同为病人出具更加个性化、精准化的诊疗方案。
全国政协委员、北京医院放射科主任陈敏则认为，人工智能可以缓解城乡医疗资源供给不平衡。
医疗主管政府部门对于人工智能的态度也相当开明。
中国政府发布的《“健康中国2030”规划纲要》，多次提及智能化，比如疫情信息智能监测预警、医保智能监控、智能健康电子产品等。
在深受医疗短缺之困的中国市场，丰富医疗供给，是类MedGPT产品最为显形的价值。
中国医疗服务的供给不足，主要体现在两个层面。
一是*性短缺，荷兰数据公司Euro RSCG绘制的全球医生资源地图显示，中国医患比例1:950，平均每1000⼈，对应1个医⽣，与之类比的是，在古巴，医患比是1:170，美国则是1：390，短缺一目了然。
其次，则是结构性供给不足，城乡、区域医疗资源分配不平衡。
而HealthGPT的高效学习、优化，应用，可以推动优质医疗资源快速复用，一旦能力成熟，可以为病人初诊病情，或者辅助医生诊断，以此释放医疗供给。
在贾伟平的设想中，新一代人工智能或可进化为个体化的健康管家，未来医生开处方，不一定需要开具体药品，可以根据患者状况，推介不同特质的人工智能或是智慧医疗产品，这种“数字治疗”产品不仅能够提供短期的诊疗方案，还能提供全周期的健康管理服务。
对于慢性病患者的价值尤为凸显。根据统计，在中国，慢性病导致的疾病负担占总疾病负担的近70%，导致的死亡占总死亡人数的86.6%。
但由于医疗供给短缺，医生无暇对患者进行长期管理，导致患者依从性不高，全周期的诊疗方案难以延续，而HealthGPT可以接管病人，对其进行长期的跟踪管理。
具体而言，医联可以把MedGPT纳入到其慢性病管理服务中，以此释放服务能力，降低服务成本，提升服务精度。
也有望促进医疗服务平权。比如，通过MedGPT的智能监测系统，大城市的三甲医院医生可以远程监测边缘地区患者的心率、血压、体温等生理指标，做出远程诊断等等等。
其次，中国缺乏提供全周期健康服务的全科医生，HealthGPT可以替补。
发展全科医生，是中国新医改的主要举措，但据卫生部提供的数据显示，中国注册的全科医生仅有7.8万名，缺口高达二三十万。
而技术过关的HealthGPT可以担当这一角色，成为大众健康的守门人，为其提供导诊和初诊服务。
据官方透露，医联MedGPT目前已经拥有近3000种疾病的首诊能力，覆盖80%以上的成年人疾病和90%以上的0-12岁儿科疾病，已经初步具备了全科医生的潜质。
在内测过程中，用户在求诊糖尿病时，MedGPT给出了详尽的解决方案，与患者线下面诊的结果几近趋同。在问诊环节，甚至对家族遗传病史，也有详细询问。而在用户求诊皮肤问题时，还引导用户上传患部照片，以此提高诊疗准确度等等。
其三，对于医护群体而言，MedGPT能成为其功能强大的助理。
医生身负科研任务，MedGPT能为其快速梳理资料数据等；
可以在某些环节替代医生，解放医生生产力，比如新冠疫情期间，AI根据肺部CT图像识别完成疑似患者初筛等等；
作为辅助监测工具，帮助医生减少医疗事故。根据统计，每年有2%的住院病人，经历过药错误事故，通常是源于医护群体的无意疏忽，或者流程漏洞所致，而MedGPT可以提供实时预警服务，在医护难以完全避免的懈怠时刻，警戒提醒等等。
其四，辅助医院精细化管理。
从事多年医院集团化管理的冯庆明博士告诉《财经故事荟》，他在尝试用AI进行科室经营分析，“AI能成为院长和科室主任的好帮手，进行医疗质量和患者安全指标及指数的监测、敏感指标预警等”。
此前，国家卫健委的统计显示，全国三级医院的亏损率高达43.5%，降本增效、精细管理的需求相当迫切。
总之，在医疗服务供给严重短缺的中国市场，HealthGPT肯定会身负重任，可能的使用场景还相当多元，而其商业估值，归根结底，取决于其能提供多少医疗服务价值。
三
过门石与护城河
尽管在中国市场，类MedGPT产品的商业前景，已是抬眼可望的集体共识，但啃下这块“硬骨头”，也并非易事。
与其他领域不同，医疗服务的独特性在于，其一医疗服务非常专业非常复杂。
其二，医疗关涉生命健康，因此服务的容错率极低，安全性是不能逾越的底线，也不能容忍类似ChatGPT一样的信口开河的任性。一个典型的例证是，MedGPT提供的诊疗方案中，最后一条都会相当谨慎的建议——如有需要尽快到医院进行后续检查诊疗。
正因如此，假如没有任何积累，从0到1贸然布局HealthGPT，难有胜算。要想在此有所作为，起码需要以下三重资源禀赋。
其一，HealthGPT的升级打怪，要靠数据和算法一起喂养，因此，海量且专业的医疗数据，必不可少。
但难度在于，通常来说，医疗数据较为敏感，外部公司难以拿到专业数据。
而医联之所以能够首发MedGPT，也在于其数据优势。
目前医联已经聚拢了超过150万注册医生，在线管理了数千万确诊慢性病患者，依赖于上述数据，MedGPT收集整理接近20亿条真实医患沟通对话、检验检测和病例信息进行深度训练学习，才能保障模型的推理质量、准确性与可靠性。
谷歌Med-PaLM2表现不俗，也赖于海量数据的调用，其依托的PaLM大模型，拥有5400亿参数，是Google迄今为止研发的*规模的模型。
正是依赖于大量数据的浇灌，MedGPT才有所突破——过去，医疗行业人士普遍担心，类ChatGPT技术，无法像医生一样“望闻问切”。MedGPT则尝试解决这一难题，首次解决了AI医生无法与真实患者连续自由对话的难点，并在医疗问诊场景中支持多模态的输入和输出。
其二，仅有数据还远远不够，还必须深入一线，既懂AI，又懂医疗。
HealthGPT刚刚上线时，表现生涩不可避免，如何快速进步？*的答案，就是基于大量专业医生的真实反馈，进行强化学习、调优校正。医联链接的数百万医生，未来都能成为MedGPT大模型的“导师”和“教练”。
其三，任何大模型的终点，都是应用，无场景则无价值。
构建应用场景，一方面能让HealthGPT的技术红利得以变现，医联聚集的150万名医生，让其在应用推广落地中，可以势如破竹。另一方面，更高频更广泛的应用，也能以战代练，持续锤炼优化HealthGPT的能力。
而且，医联MedGPT，还可以和其存量业务互补协同。比如，医联已经布局的云检验、云影像、云药房、云医保等，可以助力MedGPT获得更完善的诊疗数据，提升诊断水平，有望在疾病的预防、诊断、治疗、康复、报销等环节，构建全链智能的闭环服务。
不过，由于医疗是政府部门高管控的敏感行业，因此，对于谷歌、医联等玩家而言，仅仅突破技术关、业务关还远远不够，也要迈过医疗伦理关，法律法规关。
其一，到底如何界定HealthGPT和医生的关系？
尽管类MedGPT技术进步神速，但其能力还远未达到独立出诊的水平。因此，现实的选择是，HealthGPT不要妄想替代医生，而是辅助医生。
尤其是在疑难杂病重症领域，医生的专业经验，依然不可替代。卫生主管部门出台的《人工智能辅助治疗技术管理规范》，对其界定也是“辅助治疗”。
其二，作为医生的助手，HealthGPT该如何纳入主管部门制定的诊疗技术指南临床路径，明确流程，界定角色等，让更多医生和医院科学使用，可能还要等待法律法规的后续完善。
其实，早在2009年，卫生部就出台了《人工智能辅助治疗技术管理规范(试行)》，随后又在2017年更新了版本。一方面，上述规范，展示了主管部门拥抱新技术的开明和开放；另一方面，人工智能技术的进化，早已今非昔比，而出于审慎原则的管理规范必然存在滞后性，并不适配当下HealthGPT技术突飞猛进的现实。
总之，前景广阔，是HealthGPT值得期待的光明未来；关卡重重，则是HealthGPT必须直面的当下挑战。关关难关关关过，只要方向对了，就不怕路远。
