21世纪经济报道记者 朱萍 武瑛港 实习生朱益孝 北京报道 “数字化浪潮趋势不可逆转，医疗和数字化的结合相比其他行业缓慢一些，仍需要不断积累量变，最终实现质变。但肯定的是，数字化将会带来效率和体验的提升，并有效节约成本。”近日，在2023健康中国产业领袖论坛上，IBM大中华区医疗和生命科学行业总经理李少春表示。

据易观分析《中国智慧医疗行业洞察2022》数据，2022年智慧医疗市场规模超过3500亿元，同比增长32%。智慧医疗已经深入到人们的日常生活，包括使用日常数据进行健康管理、通过人工智能技术对疾病进行预防预控，并将技术应用到生物医学中等。

但是在快速发展的同时，如何实现商业闭环似乎仍是重要问题。“智慧医疗只有找到了场景和应用，以及打通了闭环，才有可能真正创收并上岸，最终还要靠实实在在的收入来证明自己的价值。我们希望能够把握智慧医疗的机遇，做难而正确的事情，做对社会有意义的事情。”君联资本联席首席投资官董事总经理王俊峰表示。

同心智医创始人兼CEO刘伟奇进一步指出，目前智慧医疗仍然不能脱离整体医疗的环境，创新技术和服务真正落地还有漫长的道路要走。“对于企业来说，不管在技术还是商业模式的落地，我们都希望能够领先半步，但不能跨太大。”

AI的发展比想象要快

“国际上最著名两类大模型，一类是以微软和OpenAI为代表的GPT系统，一类是谷歌的大模型系统，这两类系统主导着目前大模型的发展趋势，解决了计算机识别语言的难题。” 中国科学院院士、欧亚科学院院士陈润生在论坛中表示，微软的BioGPT、谷歌的Med -PaLM已经在生物领域取得了重要成果。如果GPT大模型是一个参与考试的医师，那么它能够在美国专业医师考试中获得85分，远高于获准的及格分数，AI发展的速度比人们想象的还要快得多。

对于国内的发展状况，3月16日百度正式发布“国产ChatGPT”产品文心一言，计划将文心一言接入所有业务内测。

百度大健康事业群创新业务负责人兼GBI总经理吴婷婷介绍，百度的大模型在药物研发领域已经产生了很多成果。例如5月3日，百度作为中国科技企业第一次以第一完成作者身份在Nature正刊上发布成果，帮助赛诺菲在疫苗研发领域实现产出。

“在GPT技术蓬勃发展过程中，可以将很多场景嫁接到GBI数据库，包括积累药品靶点、准入政策、公司交易、临床科研人员数据等，从而贴近企业用户的工作需求。GPT还能够大量收集并汇总分析医疗领域的专家会议和医疗咨询，比较产品竞品关系，解决医疗领域的法律问题等，GPT和医疗的结合点非常多。” 吴婷婷指出。

目前AI正在快速地应用于医疗领域，在李少春看来，智慧医疗的发展趋势可以用四个“关键词”概括。

第一是“体验”，远程诊疗、视频监视、物联网设备以及高效的数据采集，让新药研发、患者问诊、药物配送、医生诊疗等环节的体验得到更好的提升。

第二是“高效发现”，例如AIGC技术在新药研发和创新发现上带来了巨大价值。国内外共计有百余家AI制药公司都在大规模采用新型方式，不断加入大模型技术，产生有效且高效的结果，帮助新药发现，AIGC技术能够明显降低药物开发成本，缩短开发时间。

第三是“知识学习和获取”，AI技术在知识学习和知识获取上能够更好地赋能临床医生、科学家和医学学生等，使其更高效地获取相应知识，并加速医药研发、辅助诊疗，赋能学术等创新应用。

最后回归到“数据”。在大数据和新技术融合下，医药行业正在产生新的数字医疗范式，融合人工智能、医疗大数据、远程医疗、物联网、区块链大数据等新技术，赋能诊疗全环节，助力患者全生命周期管理，改变患者行为，改变医生和患者的交互方式，最终改变生态业态。

如何收费、如何商业化？

“AI无所不能，但收费万万不能，可以赋能，但无法收费。”王俊峰用一句话概括了目前智慧医疗所面临的挑战。

虽然医疗AI产品广受用户欢迎，但存在明显的商业化困境。相关分析显示，如果智慧医疗产品营收不能覆盖研发和运营成本，持续依赖投资人输血，可能最终无以为继，目前很多医疗AI企业仍在探索变现方式，例如数坤科技CEO马春娥曾建议将AI医疗纳入医院诊疗收费项目名录。

对此问题，刘伟奇分析称，从国家整体医疗体系角度来看，疫情防控调动了大量社会资源，国家需要进一步减轻医疗负担和财政支出负担，对于新增收费项目，尤其是纳入医保的项目，相关部门会更加谨慎，如果新技术会加重患者的诊疗负担，那么就可能会被暂时搁置收费。

“大部分中国的医疗创新尤其新技术的引入，都是依靠国外药械企业在发达国家完成研究设计新药、产品临床验证、改写临床指南之后才逐步引入中国，即使如此也还需要漫长的过程，而国内初创公司推出的创新药物和技术，进入国家医保体系也并非易事。”刘伟奇表示。

在柏视医疗科技总裁兼联席董事长徐晨阳看来，其实技术本身并不创造价值，技术需要在生活中产生有价值的产品和服务。“目前中国还没有企业团队完整经历过从AI技术到产品再到商业落地以及规模化的过程，和拥有长期医疗基础的美国不一样，中国急需拥有整体经验的成长期团队，否则投资和管理容易扭曲，很难实现落地。但中国的优势在于有很多患者和相关公司，数字领域的人才培养速度也很快。另外需要注意，最重要的是要有理性，这是走向全球并取得成功的关键。”

除了商业化问题，其实AI等智慧医疗在技术方面也仍然面临挑战。

据刘伟奇分析，某个领域技术层次越浅，AI应用就会越快，但是对于壁垒更高、专业知识要求更高，而且出错后果更严重的场景，AI的技术突破仍然需要较长过程。“AI很多时候不能给出背后的逻辑，知其然但不知其所以然，不符合循证医学认知事物的方法，很难被主流的专业界认可。”

另据上述论坛中专家介绍，目前GPT-4已经有万亿的参数，能做人脑远远不可能做到的事，然而大模型没有几十亿资本和大量原始数据和资源就无从开始；拥有800多亿神经元的人类大脑只用25瓦就可以进行各种计划，这同样可以启发大模型数据的研究和应用。

另外美国艺术与科学院院士、美国国家工程院院士陈世卿认为，将来人工智能的世界，应当把大型集中式的超算打碎成数万个小型的、每人都能接触到的超算，进行大数据搜集和应用，就像大脑一样分区，各司其职。“AI不仅能协助人类完成大量工作，还能延伸脑的概念，把大脑的计算能力从琐事中解放出来，更多地进行创新性活动，这样才能够把人工智能和GPT发挥到最好。”