Leadleo.com 医疗大模型:智能诊疗,精准医疗的未来之路头豹词条报告系列 陈 陈俐冰·头豹分析师 2024-09-13未经平台授权,禁止转载版权有问题?点此投诉 科学研究和技术服务 信息科技 行业: 行业定义 医疗大模型通常指的是专门针对医疗健康领域的大规… 行业分类 按照应用横纵向的分类方式,医疗大模型行业可以… 行业特征 医疗大模型行业的特征行业发展速度快、技术迭代快… 发展历程 医疗大模型行业 目前已达到4个阶段 产业链分析 上游分析中游分析下游分析 行业规模 医疗大模型行业规模暂无评级报告 SIZE数据 政策梳理 医疗大模型行业相关政策6篇 竞争格局 数据图表 摘要医疗大模型是针对医疗健康领域训练的大规模预训练语言模型,具备多模态信息处理能力,并在医疗实践中得到广泛应用,但仍面临复杂决策、隐私保护等挑战。近年来,随着技术迭代加速、市场需求增长以及政策支持,医疗大模型行业的市场规模迅速扩张,前景广阔。该行业的头部企业凭借数据、技术和财务优势占据市场主导地位。但随着市场逐渐进入成熟阶段,未来的增长速度可能会放缓。尽管如此,随着政策的进一步完善和市场的逐步复苏,医疗大模型将继续扩大市场规模,推动医疗行业的数字化转型。 行业定义[1] 医疗大模型通常指的是专门针对医疗健康领域的大规模预训练语言模型(LLM),其训练数据集包含大规模的医疗科研文献、电子病历、医学图像等,参数量通常在百万级到亿级,通过分析和学习大量的医疗数据,具备处理多模态医疗信息的能力,包括语言信息、视觉信息、语音信息和跨模态信息等,并能够在医疗实践、护理保健、医院管理、药物研发等多个医疗场景中提供辅助决策支持。尽管医疗大模型具备巨大的发展潜力和广阔的发 展前景,但其在复杂决策处理、决策可解释性及准确性、数据隐私保护、实际应用障碍等方面仍有局限性。 [1]1:https://m.thepape… 2:https://mp.weixin.… 3:https://mp.weixin.… 4:https://www.tisi.or… 5:中国信通院云计算与大… 行业分类[2] 按照应用横纵向的分类方式,医疗大模型行业可以分为如下类别: 医疗大模型行业基于应用场景的分类 智能化诊疗 医疗大模型通过分析海量医疗数据,能够辅助医生进行更准确的诊断。如,百度灵医大模型利用其强大的数据处理能力,通过API或插件嵌入的方式,在200多家医疗机构中展开应用;医联推出的MedGPT大模型,实现疾病预防、诊断、治疗到康复的全流程智能化诊疗。 个性化治疗 医疗大模型对患者进行精准画像,介入患者管理,提高效率。如,圆心科技的源泉大模型根据不同特性的人进行针对性关注患者药物依从性、联合用药预防以及疾病康复管理,通过大模型数字化应用为患者生成定制化疾病科普和药品服务。 药物研发 医疗大模型加速候选药物筛选,优化临床试验设计。如,晶泰科技的XpeedPlay平台利用大模型技术,超 高速生成苗头抗体,加速了药物的研发流程;智源研究院研发的全原子生物分子模型OpenComplex2能有效预测蛋白质、RNA、DNA、糖类、小分子等复合物。 医学影像分析 医疗大模型通过深度学习技术,自动识别医学影像中的病变区域。如,首都医科大学附属北京天坛医院联合北京理工大学团队合作推出“龙影”大模型 (RadGPT),基于该模型研发的首个中文数字放射科医生“小君”实现通过分析MRI图像描述快速生成超过百种疾病的诊断意见,平均生成一个病例的诊断意见仅需0.8秒。 医疗大模型分类 医疗质控 医疗大模型能够生成规范的医疗文书模板,快速检测文书和影像的缺陷。如,惠每科技推出的医疗大模型在病历质控场景中的应用可以模拟人工专家,自动分析病历文书中存在的内涵缺陷,并通过CDSS推送缺陷问题和修改意见;信创海河实验室的医疗影像质控大模型可迅速检测X光片在拍摄时有没有摆位不正等问题,及时调整。 患者服务 医疗大模型能够为患者提供智能导诊、症状自查、就医指导等服务。如,百度文心大模型与灵医大模型合力支撑的AI药品说明书支持患者阅读药品说明,支持患者通过文字、语音的方式向AI药品说明书进行提问。 医院管理 医疗大模型为医院管理者提供辅助管理决策支持。如,万仞智慧发布的董奉大模型覆盖全病程的大模型应用,实现医疗资源的智能高效配置。 教学科研 医疗大模型构建医学知识图谱,推动医学教育创新。 如,医渡科技大模型基于超过千亿精细化Token训练,满足高质量数据要求和精细化数据处理,能够从AI阅读总结文献、自然语言病历搜索到智能数据加工、自动化统计分析、论文初稿智能生成等全面支持临床科研人员,将科研产出论文周期从6-12个月加速至1-2月。 中医智能化 医疗大模型对中医相关知识进行数据挖掘,推动中医知识标准化、诊疗标准化发展。如,天士力医药集团与华为云联合发布的“数智本草”中医药大模型,集守正、创新、产业化三大类数据,支持中医药研究。 公共卫生 医疗大模型辅助流行病学的大数据分析及趋势判断。如,平安科技、平安智慧城市与重庆市疾病预防控制中心、陆军军医大学和清华大学联合完成中国首个基于AI和大数据的流感实时预测模型。 医疗大模型行业基于应用深度的分类 通用大模型 通用大模型具备较广泛的知识面和应用范围,整合多模态数据,持续学习与更新,提供临床决策支持以及个性 化医疗。如,MiniMax大模型医疗咨询解决方案。 医疗大模型 分类 垂直领域大模 型 垂直领域大模型专注于特定的医疗子领域,结合针对性 数据集与专业知识,快速响应并提供高准确性的结果。如,ChatDD能够作为生物医药研发的Copilot,提供 全流程服务。 [2]1:http://www.cn-wit… 2:智慧医疗网、大模型测… 行业特征[3] 医疗大模型行业的特征行业发展速度快、技术迭代快、发展前景向好、市场集中度高。 1医疗大模型行业发展速度快,行业技术迭代快。 医疗大模型行业近年来经历迅猛的发展。从2019年至2023年,该行业的市场规模实现显著的扩张,从 0.87亿人民币元激增至22.86亿人民币元。这一增长期内,年复合增长率(CAGR)达到惊人的126.5%,反映出医疗大模型技术在市场需求、技术进步和资本投入的共同推动下,呈现出爆炸性的增长态势。同 时,医疗大模型行业技术迭代呈现较快的态势。医疗大模型技术底座的快速迭代能力,以百度的文心大模型为例,该模型从2023年初的文心一言开始,不断迭代,在十个月的时间里已经进化到4.0版本。据不完全统计,截至2023年10月24日,中国发布至少32个医疗领域生成式AI大模型,应用场景覆盖患者问诊、医生助手、药物研发、健康科普等多个重要领域。医疗大模型行业在产品数量、市场规模、技术发展以及应 用拓展等方面均呈现出快速的技术迭代和行业发展。 2医疗大模型行业发展前景向好。 医疗大模型作为医疗健康领域的创新驱动力,得到了产业链上中下游的全面支持,预示着其未来发展前景广阔。在医疗大模型产业链上游,CoWoS(封装技术)和HBM(存储产品)的供应紧张状态逐渐缓解,面向全球市场的H100芯片以及面向国内市场的H20芯片的供应周期显著缩短至12~16周以下,预计这些产品将会陆续增加出货量。价格下降推动大模型产能扩张,英伟达选择对H20芯片进行降价,H20单卡价格从12.5万下降至10万左右。中国云计算市场掀起“价格战”,阿里云2023合作伙伴大会上,阿里巴巴CEO张勇宣布其核心产品价格全线下降15%至50%;腾讯云宣布部分产品线最高降幅达40%;移动云宣布全线产 品最高直降60%等。低成本计算力使医疗大模型能够覆盖更广泛的领域,智能基础设施投资使经济“资本密度”、“算力密度”和“数据密度”增强,助力全球经济发展。在医疗大模型产业链中游,医疗大模型迎来政策红利,如《北京市加快医药健康协同创新行动计划(2024-2026年)》、《人工智能大模型赋能医疗健康产业白皮书(2023年)》等。医疗行业与大模型行业的融合与创新,推动医疗行业数字化、智能化转型。截至2021年底,中国30个省份超过80%的三级医院已实现电子健康卡(码)受理应用,人口覆盖率近70%。100%的中国省份均建立区域全民健康信息平台,丰富医疗大模型训练与优化的数据资源。2023- 2027年医疗大模型数量呈爆发式增长,超过60%的中国企业计划在未来12至24个月内部署生成式AI。在医疗大模型产业链下游,全球对医疗健康领域高度关注,医疗大模型行业的发展得到下游应用场景的广泛支持,涵盖从智能化诊疗、个性化治疗、药物研发、医学影像分析、教学科研、中医智能化,到公共卫生等多个方面。产业链的全方位支持不仅加速医疗大模型技术的进步,也为整个医疗行业的数字化转型和智能化升级奠定坚实基础,推动着医疗服务向更高效、更精准的方向发展。 3医疗大模型整体市场集中度较高。 在医疗大模型领域,市场竞争呈现出明显的分层现象。头部企业凭借数据资源与整合、技术创新、财务实力等优势,位列行业领先地位,形成第一梯队。拥有特定领域的竞争力的企业,形成第二梯队。第三梯队由众多新兴和细分市场企业组成。在数据资源方面,阿里云的全球企业客户数量已超过300万,其中包括38%的世界500强企业、80%的中国科技企业以及一半以上的A股上市公司,这为其积累大量的行业数据和资源。在财务实力方面,阿里云计算有限公司(第一梯队)2023年营收1,053.96亿元,超过医渡科技2023年营业收入(8.05亿元)1,045.91亿元。在医疗大模型市场中,头部企业拥有丰富的数据资源、雄厚的财务实力,掌握出色的数据整合能力、先进的技术,该特点是医疗大模型市场集中度较高的原因。 [3]1:https://news.mydri… 2:https://news.mydri… 3:https://k.sina.com.… 4:https://new.qq.co… 5:https://agents.bai… 6:https://new.qq.co… 7:https://www.sohu.… 8:https://m.21jingji.c… 9:https://www.51cto…13:https://new.qq.co… 10:https://www.who.…14:世界卫生组织、21世纪… 11:https://m.21jingji… 12:https://www.forb… 发展历程[4] 医疗大模型随着计算机技术和人工智能的发展共经历四段历程,早期阶段(1967-2000年):医疗领域开始尝试将计算机技术和模拟技术应用于医疗服务,该阶段的医学建模主要应用于模拟医院运作流程,如患者流动、资源分配等,这为后续医疗大模型的演进奠定基础。随着时间的推移,这种方法在处理复杂交互和动态环境方面显示出其局限性;数字化转型(2001-2012年):计算机技术和人工智能的快速发展推动医疗行业的数字化转型,这一阶段机器学习以统计算法和先验知识驱动,医疗大模型开始集成更多数据和功能并应用于医疗服务和管理决 数字化转型2001~2012 2008年,随着医学科学的发展,生物医学模型开始逐渐过渡到整体医疗模型,促进整体医疗模型在 临床活动中的全面应用。 2011年,IBM公司推出了IBMWatson,一个具有自然语言处理能力的智能问答系统,能够辅助医生进行临床决策,尤其在肿瘤治疗方面表现出色。 医疗大模型在理论和技术上愈加成熟,应用范围逐渐广泛。 大数据与人工智能融合2013~2017 2017年,自1968年创建以来,安德森模型经过多次修订,获得国际学术界的广泛认可,并在欧美国 家广泛应用于医疗卫生服务研究,分析影响个体就医选择和医疗花费的主要因素。医疗人工智能进入快速发展阶段,在多个细分领域取得了长足发展。 持续发展2018~至今 2019年,百度推出了百度灵医大模型,该模型利用其强大的数据处理能力,在200多家医疗机构中展