医联长期关注医疗与技术的深度融合，已打造了近140个疾病管理标准化流程，涉及肿瘤、心脑血管、糖尿病等常见病症，覆盖1000多个病种，形成了一整套全数字化全流程疾病管理体系。
在互联网医疗时代，这些疾病管理体系可以为行业提供线上管理的有效依据，提升行业整体效率。而在AI赋能下的数字医疗行业来临之时，这便成了AI医疗的重要依托。
至于在AI方面，这家公司很早就开始关注并进行谋划：早在2017年医联就建立起医疗大数据结构化能力；2018年就将NLP、CV等AI技术应用落地，比如智能体液检测、智能分诊、口腔影像识别等场景。
2019年还推出针对单病种/分阶段的AI诊疗模型，曾联手多家医院及机构，创建亚洲首个多发性硬化症领域的早筛AI模型，帮助患者提前1-3年提升多发性硬化症的风险预测和防控能力。
这些前期在AI领域的摸索以及长期的医学与前沿技术的融合，成为医联能率先在行业内推出医疗大模型并应用的基础，可以说这一切绝非偶然。
让我们再往深看一步，为了保证医疗大模型的准确性和一致性，医联从模型到实际应用同样做了不少工作。
包括模型算法的一致性校验机制、多维度诊疗评测机制，以及基于专家评议的真实世界医生一致对标机制。
比如，在为患者输出正式答案前，会先经过临床医学规则器的校验。还有招募真实医生在电脑前判断，然后将两者结果交给专家委员会评议，以此来对标真实医生。
基于这样的方法论，医联团队率先为专业大模型的打造在行业中打了个样。
医疗AI2.0大幕拉开
最后回到MedGPT公开评测这件事情本身，也带来了大模型发展进程中的三点趋势。
第一、医疗AI2.0大幕已经拉开，系统复杂性问题将会得到解决。
以大模型为代表的AI2.0时代的到来——对话即入口，让所有的应用场景都得到了重新定义。被AI所辐射的千行百业也深处于变革之中。
以往AI 1.0，NLP、CV、多模态等单点技术蓬勃发展，医疗AI应用场景丰富多样，他们强规则、具有可控性。但场景、数据之间没有打通，导致泛化能力不强，无法处理系统性、复杂性的问题。
得益于Transformer，打破了模态、数据、任务场景之间的壁垒。医疗场景中，利用海量医学文本与数据中，进行高并发/长距离学习整合，一些复杂性、系统性问题可以得到解决。
如果继续畅想，结合医联的云药房、云检验等云化能力，不仅是AI医生本身疾病管理能力会得到提升，患者甚至可以摆脱地理限制，轻松完成所有疾病从预防、诊断、治疗、康复的全流程管理路径。
这其实也并不难想象，只需要知道有一个能看各个专科领域并且比肩三甲医院医生的AI医生能够24小时在你身边为你出诊，同时，检验检测服务在家附近1公里就能全部完成。
有去三甲医院排队挂号看病经历的同学应该都懂——专家挂不上号、检验检查等一个月，这都是时有发生的事情。降本增效、解决行业问题，走入医疗的下一个时代，就是靠MedGPT这类专业模型做的。
第二、大模型的行业红利并非在科技巨头手中，而在有场景有数据的玩家手里。
相信大家都或多或少有所看到，目前医疗领域的专用大模型和产品正在不断问世，最具代表性的产品来自谷歌和微软这两个大厂。
谷歌Med-PaLM 2目前正在尝试多模态能力，比如自己检查X光片后给出诊断。在今年晚些时候将对一小部分谷歌云用户开放。
还有被微软200亿美元收购的Nuance，借由微软OpenAI合作之便，正在将GPT-4集成到临床笔记软件DAX中，以减轻临床医生的负担。
前者的大模型还没有到真正落地，后者无非是集成通用大模型的API，其行业的准确性和一致性无法得到保障。
但MedGPT一亮相就惊艳全场，并拿下多个行业首次：
首次突破AI医生多轮对话的难题；
首次实现从有效问诊到医学检查的跨越；
首次实现AI给出准确诊断和治疗方案；
首次AI具备全流程诊断能力……
这与垂直领域深耕、有场景有数据有关。
医联在医疗行业有9年深耕，积累了丰富的知识、数据和应用，构筑起了深厚的技术和用户壁垒。
一旦实现大模型技术的应用， 在现有的用户场景基础之下，将会迅速规模化落地。这是其他想入局者无法拥有的先发优势。
上一次AI浪潮来袭时，最终也是场景玩家率先吃掉AI红利。
现在同样也依旧是场景玩家吃掉大模型红利，只不过技术路径已经明晰，落地速度自然要比以往快得多。
第三，医疗AI落地提速，也侧面印证了大模型的发展趋势——
雪球效应展现，从技术到应用部署的飞轮会越转越快。
ChatGPT最开始只会一本正经地胡说八道，短短几个月内基于用户反馈、插件开发生态，真正被各行业的人加入到工作流中，并上线了端侧应用。
还有Midjourney、Stable Diffusion被人诟病无法画手的问题，也能在短短几周内解决；以及国内大模型涌现、更新速度加快，文心一言一个月能迭代四次等等。
“大模型-应用-数据”的加速闭环一旦打通，那么产业落地的速度将会比上一波浪潮更快。
而医联大模型MedGPT一个月就进入到真实患者全流程测试阶段。在此之后，根据数据飞轮迭代大模型，落地速度只会越来越快。
或许很快，医疗AI2.0就会惠及到每个人身边。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。