2023医疗健康AI大模型行业研究报告

2023医疗健康AI大模型行业研究报告 亿欧智库httpswwwiyioucomresearchCopyrightreservedtoEOIntelligenceDecember2023 前言 2023年9月，习近平总书记在黑龙江考察调研期间首次提到“新质生产力”，强调整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力。 医疗行业是一个典型的知识和技术密集型行业，其发展水平直接关系到国民健康和生命质量。医疗健康AI大模型，作为人工智能的一个分支，能够通过学习大量的数据来生成新的数据实例，这在医疗领域有着广泛的应用前景，如药物研发、医学影像、医疗文本分析等。这些应用不仅能够提升医疗服务的质量和可及性，还能够推动整个医疗产业的创新发展，形成新的产业生态和生产力。因此，“新质生产力”概念下的科技创新资源整合，对于医疗和生成式AI领域的发展至关重要。 基于此，亿欧撰写了本报告，旨在分析当前医疗健康AI大模型在实际应用中的成效，提高医疗各界对医疗健康AI大模型的认识和理解，讨论其对医疗服务可及性和质量的潜在影响，增强医疗各界对新技术的接受度。 2 01医疗健康AI大模型发展背景 医疗健康AI大模型发展过程 医疗健康AI大模型的技术支持 医疗健康AI大模型在医疗场景下的初步表现 目录 CONTENTS 医疗健康AI大模型应用场景 02 医疗健康AI大模型应用场景盘点 医疗健康AI大模型医疗健康场景应用医学影像 医疗健康AI大模型医疗健康场景应用药物研发 医疗健康AI大模型健康场景应用医疗文本处理 医疗健康AI大模型健康场景应用学术科研 03 国内医疗健康AI大模型市场发展简析 医疗健康AI大模型产品市场规模及增速 医疗健康AI大模型产品应用落地的企业类型 医疗健康AI大模型产品及企业图谱医疗 医疗健康AI大模型合作梳理 04 医疗健康AI大模型平台测试结果分析 医疗健康AI大模型测试背景 医疗健康AI大模型测试核心发现 医疗健康AI大模型测试结果总结 机器学习 ChatGPTGPT35 深度学习 GPT2 GPT3 GPT4 在1956年的达特茅斯会议上，“人工智能”的概念被首次提出，六十多年以来，历经逻辑推理、专家系统、深度学习等技术的发展，人工智能也经历了数次沉浮，有如日中天的发展时期，也有因技术不足热度退去后的寒潮。而每一次寒潮后，也会经历技术的蛰伏发展，为人工智能带来里程碑式的进步。 2012年以前机器学习时代 以统计算法和先验知识驱动 20122017年以前深度学习时代 以深度学习为代表得数据驱动模式 2017年以后大模型时代 以Transformer为框架，融合多头注意力机制的新算法 克服了传统深度学习算法（CNN、RNN）的缺陷，大数据、大模型 OpenAI TransformerGPT1 201720186201922020520221120233 Google Bert 目前众多高校启动了关于中文医疗健康AI大模型的研发并在Github上发布源代码，增加了商业企业对于医疗健康AI产品研发的技术支持。 从研发模型的功能分析，大多围绕问诊对话、病历结构化等文字处理相关的功能。 亿欧智库：开源中文医疗健康AI大模型研发信息 研发高校信息 模型名称 模型功能 哈尔滨工业大学社会计算与信息检索研究中心健康智能组 本草BenTaso 通过医学知识图谱和GPT35API构建了中文医学指令数据集，并在此基础上对LLaMA进行了指令微调，提高了LLaMA在医疗领域的问答效果。此外，项目还尝试利用GPT35API将医学文献中的【结论】作为外部信息融入多轮对话中，在此基础上对LLaMA进行了指令微调。 华东师范大学计算机科学与技术学院智能知识管理与服务团队 ChatMed 医疗问诊 ShenNongTCMLLM神农中医药大模型 医疗问诊 澳门理工大学 CareLlama关怀羊驼中文医疗大模型 通用大模型 MedQAChatGLM 医学对话 XrayGLM 首个会看胸部X光片的中文多模态医学大模型 华南理工大学未来技术学院广东省数字孪生人重点实验室合作单位包括广东省妇幼保健院、广州市妇女儿童医疗中心和中山大学附属第三医院等 BianQue扁鹊中文医疗对话大模型 中文医疗对话 SoulChat灵心健康大模型 中文医疗对话 华东理工大学信息科学与工程学院 孙思邈中文医疗大模型 医疗问诊 Mindchat漫谈中文心理大模型 中文医疗对话心理咨询、心理评估、心理诊断、心理治疗 浙江大学、网新数字健康联合研究中心 QiZhenGPT启真医学大模型 药品知识问答，医患问答、病历自动生成 上海人工智能实验室、上海交通大学清源研究院、华东理工大学自然语言处理与大数据挖掘实验室 PULSE中文医疗大模型 健康教育、医师考试问题、报告解读、医疗记录结构化以及模拟诊断和治疗 上海交通大学未来媒体网络协同创新中心和上海人工智能实验室智慧医疗中心 MING 基于共计28科室的中文医疗共识与临床指南文本，从而生成医疗知识覆盖面更全，回答内容更加精准的高质量指令数据集。 上海交通大学 DoctorGLM 中文问诊模型 中国科学院自动化研究所 紫东太初20 智能化疾病管理、医疗多模态鉴别诊断 上海人工智能实验室 OpenMEDLab 医疗多模态基础模型群 国家层面建立高质量医疗数据库，为AI大模型医疗健康场景落地应用减轻阻力 数据库的建设对健康医疗大数据的落地应用的至关重要，在医疗领域建立权威、科学、规范的临床重点专科标准数据库，能够支持AI大模型医疗健 康场景应用落地以及解决健康需求面临的挑战。 2016年，国家卫健委能力建设和继续教育中心开始着手建立数据库，由于中心拥有非常优质的专家资源，保证了数据质量。在数据库建立的过程中，也遇到了非常多的无法解决的问题，而我国将临床专家的智慧发挥到了极致，即根据临床需求来反推中心需要进行的工作。由此，中心制定了入库收集的标准，收集数据，并将其应用起来。由于在数据库建设中，中心一直坚持以临床需求应用为导向，使建立过程虽然历经艰辛但依然坚持走到了现在。 亿欧智库：人工智能应用公开数据集 全息肝癌 公开数据集 中国首个系统性专病标准数据集 50例包含完整影像的全息标准数据 高度近视眼 公开数据集 高度近视10年随访多维度全构型定量数据集 100例包含多年随访信息的标准数据 卵巢肿瘤超声 公开数据集 标准化术语描述卵巢肿瘤多维度信息影像数据集 300例标准数据（包含100例正常、100例良性、100例恶性） 医疗健康AI大模型在医疗场景下的初步表现：在问答的准确性和全面性有优势，但资料搜集 方面可用性较低 下表的数据反映了不同研究中对ChatGPT在不同场景下的表现和结果进行评估的情况。可以看出，不同研究对ChatGPT的评价结果存在差异。 在回答患有前列腺癌患者的问题时，ChatGPT的回答准确性和全面性较高，易读性和稳定性也较好；在回答有关肝硬化和肝细胞癌的问题时，ChatGPT的准确率和全面性相对较高；在检索临床放射学的信息和参考文献时，ChatGPT的回答准确率为67，但参考文献的可用性较低；在在线医生咨询中，ChatGPT的回答长度较长，质量较高，且被评为富有同理心。 亿欧智库：ChatGPT在不同医疗场景下的反馈结果 年份 场景 结果 2023年 回答患有前列腺癌患者的问题 ChatGPTPlus版：准确性：“正确”9394；全面性：“非常全面”9194；易读性：“非常易懂”100；稳定性：一致性9091 2023年 回答有关肝硬化和肝细胞癌的问题 正确率：肝硬化（791），肝细胞癌（740）全面性：肝硬化（473），肝细胞癌（411） 2023年 检索临床放射学的信息和参考文献 回答：67正确，33有错误参考文献：362可在互联网上找到，638由ChatGPT生成 2023年 美国医学执照考试 ChatGPT在4个数据集（AMBOSSStep1，AMBOSSStep2，NBMEFreeStep1和NBMEFreeStep2）中的准确率分别为44（44100），42（42100），644（5687）和578（59102）。 2023年 在线医生咨询中的公共对话 回答内容长度：平均（IQR）：医生：521762个单词；ChatGPT：211168245个单词；t254；P0001。回答质量：比例：医生：221，95置信区间：164282；ChatGPT：785，95置信区间：723841。回答被评为富有同理心： 01 医疗健康AI大模型发展背景 医疗健康AI大模型发展过程 医疗健康AI大模型的技术支持 02医疗健康AI大模型应用场景 医疗健康AI大模型应用场景盘点 医疗健康AI大模型医疗健康场景应用医学影像 医疗健康AI大模型医疗健康场景应用药物研发 医疗健康AI大模型健康场景应用医疗文本处理 医疗健康AI大模型健康场景应用学术科研 医疗健康AI大模型在医疗场景下的初步表现 目录 CONTENTS 03 国内医疗健康AI大模型市场发展简析 医疗健康AI大模型产品市场规模及增速 医疗健康AI大模型产品应用落地的企业类型 医疗健康AI大模型产品及企业图谱医疗 医疗健康AI大模型合作梳理 04 医疗健康AI大模型平台测试结果分析 医疗健康AI大模型测试背景 医疗健康AI大模型测试核心发现 医疗健康AI大模型测试结果总结 药物研发进程缓慢、投入大 基层医疗资源薄弱、能力不足 国内医疗资源少且分配不均 由于生活习惯等原因，患慢病的人群逐渐增多 患者偏好去三甲医院、大医院 医疗健康AI大模型制药企业场景 医疗健康AI大模型区域医疗场景 医疗健康AI大模型医疗科研场景 医院医生 患者及亚健康人群 医疗健康AI大模型健康管理场景 区域公共卫生 （基层医疗） 制药企业 医学影像筛查 电子病历医患沟通医保控费文献检索病理检验诊断预测健康管理数字疗法 健康档案管理区域影像诊断药物研发 医生科研过程需要阅读分析大量文献 医疗健康AI大模型诊疗场景 大医院医生工作压力大，工作内容繁杂 亿欧智库：医疗健康AI大模型应用场景 主要痛点 服务对象 应用场景大类 具体应用场景 医患双方信息不对称，信息差过大 阿里巴巴 通义仁心 腾讯 混元 京东 京医千询 百度 文心 华为 盘古 商汤大医 智谱AI 百川智能 医学影像和大模型结合的优势在于提升了疾病诊断的准确性和效率，为医生提供了更全面的信息和更好的治疗方案。但医学影像和大模型结合也存 在局限性例如，数据获取困难、兼容性问题、复杂性和可解释性不足。 差异诊断 帮助放射科医生对发现的病变进行差异诊断，并提供额外的影像技术信息来确诊。例如，ChatGPT可以提供关于潜在的骨肿瘤的信息，同时也可以为罕见病变的患者提供有效的随访建议。 临床决策支持 为放射科医生提供临床决策支持。通过提供相关的医学知识和建议，ChatGPT可以帮助医生制定治疗方案、选择适当的影像技术，并提供随访建议等。 代表案例：深睿医疗通用大模型全面开启全场景全流程AI数智化新时代 深睿医疗智慧影像大数据通用平台DeepwiseMetAI，融合计算机视觉、NLP、深度学习、大模型等人工智能前沿技术，将影像科日常应用产生的数据结构化、形成优质的数据资产，可以在技师、医生、科室的管理者之间自由流通、实现重建、打印、诊断、会诊、教学、科研的一站式影像数智化，更好地支持诊疗流程、科学研究、科室建设乃至医院整体业务的运转，打造新一代人工智能数据应用新基座，全面助力医院智慧化高质量发展。MetAI，遇见AI，一切皆有可能！ 亿欧智库：医疗健康AI大模型在医学影像中的作用 代表案例：联影智能多模态大模型涌现式跃迁与突破 医学影像中应用案例 问ChatGPT：一个十岁的女孩进行了X射线检查，发现股骨近干骺端皮质旁边有 硬化区域。患者的大腿有疼痛