文|動脈網

生成式AI（Generative AI）的市場空間究竟有多大，這個數字隨著新興機會如雨后春筍般冒出正在不斷被改寫。但可以確定的是，正是因為AIGC的火熱，又一家市值萬億美元的企業即將誕生——隨著AI核心算力供應商英偉達（NVIDIA）在5月29日進一步“All-in-AI”，其股價在5月31日一度突破419美元，使其市值超越了萬億美元。

生成式AI概念使英偉達市值破萬億（截圖自納斯達克官網）

迄今為止，全球只有八家公司市值突破過萬億美元。目前市值仍然排在英偉達之上的只有蘋果、Alphabet、微軟和亞馬遜。

無獨有偶，在最近也迎來又一波股價暴漲的微軟，背后的支撐同樣來自生成式AI——其投資的OpenAI在最近以ChatGPT成為引爆生成式AI的關鍵。

在意識到生成式AI的突破性意義后，全球醫療產業以從未有過的速度和熱情迅速開始將生成式AI引入到醫療領域，并已有了初步的成果。動脈網匯總了目前全球生成式AI在醫療應用的前沿案例，以供參考。

微軟、谷歌與英偉達，大廠在生成式AI+醫療上各有路徑

生成式AI在醫療領域探索最大的新聞莫過于Epic與微軟的牽手合作。作為全球頂尖的醫療信息化巨頭，EPIC在美國的電子病歷（EMR）市場上牢牢占據著領導者的位置，也是大型醫療機構的首選，且與其他競爭者的差距呈現出越來越大的趨勢。根據KLAS的研究報告，2022年EPIC在其參與的85次公開招標中居然只輸了一次。

在4月的HIMSS23展會上，EPIC宣布將與微軟合作，在其EHR系統中集成AIGC。使用Epic旗下EHR系統的醫療機構將在未來通過微軟Azure云服務利用到生成式AI的能力——自從GPT-4模型發布以來，微軟已在其Azure云解決方案中快速導入了基于GPT-4模型的服務。

這也是Epic首次擁抱生成式AI。目前，Epic已推出兩款基于生成式的解決方案。其一是在In Basket通信方案中引入生成式AI。它將為醫生自動起草對一些最常見和耗時的患者信息的回復草稿內容。當然，它并不會取代醫生的判斷，醫生可以接受建議，也可以拒絕建議自行編寫。

目前，Epic已開啟該功能的小范圍內測，包括加州大學圣地亞哥分校健康中心、威斯康星大學健康中心和斯坦福醫療保健中心等保健機構已經接入進行測試。Epic表示，這一功能還將進一步擴大內測范圍，一旦內測順利或將在幾個月內正式發布。

第二個方案則是將生成式AI與Epic旗下的Slicer Dicker數據可視化工具相結合。在之前，用戶在這一工具中自定義特定的數據搜索時門檻頗高，需要對數據有較為深入的了解。生成式AI則可以根據用戶的輸入內容為其自動推薦不同的指標。據介紹，這一功能仍在開發中，并預計將于今年晚些時候發布。

事實上，微軟不僅為其他企業提供服務，也通過自有產品上引入生成式AI來強力推動對OpenAI服務的應用。3月，距離GPT-4發布不到一周時間，微軟旗下的Nuance便宣布將在其產品Dragon Ambient eXperience Express中引入GPT-4賦能。

Nuance曾是語音AI領域的領導者，不僅是蘋果Siri語音引擎的開發者，更曾經在全球智能語音市場中占據六成以上的市場份額。在受到科技巨頭的挑戰后，Nuance將業務重心轉向醫療領域，并通過數年深耕建立了很高的競爭壁壘。

2021年4月，Nuance被微軟以197億美元巨資收購。這筆交易是微軟成立迄今第三大收購案，極大地加強了微軟在醫療垂直領域的影響力。

Nuance的產品主要為醫生提供語音識別和轉錄服務。語音AI能夠智能識別醫生與患者的對話內容，并進行語境分析，隨后將數據輸入到電子病歷中自動創建臨床記錄，以提升醫生診斷的有效率。

GPT模型的加入將大幅度提升臨床記錄的生成時間。一般而言，未引入GPT-4模型的DAX生成臨床記錄需要約四個小時左右。依靠GPT-4強大的生成式大語言模型和推理能力，DAX Express將這個過程縮短到僅僅幾秒鐘。

這極大地改善醫生的使用體驗，減少其處理文書工作的負擔，使得無延時的臨床記錄成為可能，并提升了效率。

曾經引領了深度學習的谷歌在生成式AI+醫療上仍然沒有推出可用的服務，比微軟要慢了半步。不過，谷歌也在4月中旬宣布將在有限的用戶群體中測試其專門針對醫療的大模型——Med-PaLM 2。

在過去幾年，谷歌一直在進行醫學大型語言模型的研究，并發布了第一代Med-PaLM，以應對醫療領域所需的專業性和特殊性。Med-PaLM模型取得了不俗的成績。它是第一個在美國醫療許可類問題上獲得“及格分數”（>60%）的AI，不僅準確地回答了多項選擇題和開放式問題，還提供回答理由并對自己的回答進行評估。

Med-PaLM 2的表現則更進一步。在醫學考試中，Med-PaLM 2的表現已經基本接近“專家”醫生的水平，得分達到了85%。它也是第一個在包含印度AIIMS和NEET體檢問題的MedMCQA數據集上達到及格分數的人工智能系統，得分達到了72.3%。

盡管如此，即便是最鐵的谷歌粉，也不得不承認微軟在生成式AI+醫療上的確已經搶跑了半步。不過，在這場馬拉松中，誰將笑到最后還未可知。

作為AI核心算力提供者的英偉達依靠生成式AI的火熱賺得盆滿缽滿。長期以來，英偉達在高性能計算、數據中心方面不斷完善技術和產品布局，如今已擁有AI加速的全套解決方案，占據了95%的機器學習GPU市場，幾乎是AI大模型的唯一選擇。

其數據中心業務營收在其收入中的比例一再提升。根據其第一季度財報顯示，數據中心的業務收入為42.8億美元，占公司總收入的幾乎六成；且同比增長14％，環比增長18％，增長相當迅速。

在生成式AI與醫療的結合上，英偉達也早有布局。2022年，英偉達就與倫敦國王學院使用Cambridge-1超級計算機創建一套包含10萬份大腦合成圖像的數據集，借此訓練AI應用以加快對于癡呆癥、帕金森病及其他腦部疾病的理解。其生成邏輯與文本有相似之處，便是將真實數據拆分為素材，再通過特定邏輯的AI進行組合，進而解決數據量稀缺的問題。

在合成數據上，這并非英偉達唯一的案例，美國佛羅里達大學的學術健康中心UF Health也與英偉達合作開發了生成合成臨床數據的SynGatorTron生成式AI模型。它基于2萬多患者的十年數據進行訓練，可合成患者檔案，以便研究人員用于訓練醫療保健領域的其他AI模型。

此外，英偉達還與Alchemab Therapeutics、InstaDeep、Peptone和Relation Therapeutics等企業合作，為其研發新藥提供生成式AI上的幫助。

如雨后春筍般層出不窮，生成式AI正全面介入醫療各個領域

根據調研，全球生成式AI市場規模增長迅猛，2022年其市場規模約為9億美元，2023年預計將達18億美元，2027年或將達到121億美元，年復合增長率高達60%。在醫療領域，其應用將遍布藥物發現和研發、醫學成像和診斷、個性化醫療干預以及醫院和臨床決策支持系統自動化。

生成式AI+醫療賽道的融資也頗為頻繁，僅僅在5月下半月的半個月時間內，就有對話機器人為主要業務Hyro獲得2000萬美元的B輪融資，及醫療專用生成式AI模型研發Hippocratic AI獲得5000萬美元的種子輪融資。

大量與生成式AI相關的初創醫療企業也如雨后春筍般冒了出來，并開始了自己的“傳奇之路”。

成立于2018年的Abridge是Nuance的競爭對手之一，同樣已開始引入生成式AI。利用生成式AI，Abridge的平臺可以對患者就診的錄音提取對話摘要，并生成報告。據介紹，在利用生成式AI后，醫生可以每天在報告摘要上少平均少花兩個多小時。

與Nuance這樣的巨頭競爭顯然并不容易，不過，Abridge也有自己的獨到之處——它的產品已經在堪薩斯大學衛生系統大規模應用。據介紹，堪薩斯城地區的2000多名醫務人員都在使用這一產品，這也被認為是當前生成式AI在醫療系統中最大規模的應用之一。

目前，Abridge正在將其產品集成到Epic和Cerner等電子病歷系統中。一旦完成集成，將為醫療組織提供一個可選的替代方案。

數字平臺Doximity也為醫生推出了基于GPT的測試功能，可以借助生成式AI的能力簡化一些耗費時間的行政事宜，比如起草和傳真預授權和上訴信給保險公司。

成立于2019年的Syntegra則從創立伊始就致力于利用生成式AI來合成數據，也是最早開始使用生成式AI來合成數據的企業之一。生成式AI可生成大量合成數據進行數據擴充以用于模型訓練。這將有利于研發人員開拓某些數據缺失的場景，如罕見病或數據分布不均的疾病領域。

Syntegra正與強生旗下的楊森制藥合作進行測試。由于Syntegra的合成數據不受與真實患者數據相同的GDPR的約束，從而讓這家總部位于比利時的公司在利用合成數據時有更高的自由度。

行業普遍認為，生成式AI率先被應用到輔助文檔生成和合成數據是因為它們對患者的直接影響較小，風險相對較低。如果將其用于診斷則需要面臨較大的風險。

這并不難理解，生成式AI診斷的準確性與訓練的數據密切相關，可能導致輸出結果真假難辨。ChatGPT可以一本正經地胡說八道，Midjourney也可以輸出一張真假難辨的圖片。這在嚴肅的醫療健康領域是絕對不能允許的。

生成式AI的代表OpenAI也特別指出，其基于大型語言模型的ChatGPT的輸出可能不準確、不真實，有時還具有誤導性；此外，ChatGPT偶爾也可能產生有害的指令或有偏見的內容。

在早先的報道中，GPT-4在美國SAT考試和律師資格考試中獲得了很好的成績。根據JAMA上發表的研究，GPT還能對有關心血管疾病預防的問題給出基本適當的回答。但這種情況并不總是出現，根據最近發表在《美國胃腸病學雜志》上的一項研究，GPT-3和GPT-4在2021年和2022年美國胃腸病學會的自我評估測試中都未能合格。

要通過這項測試，個人必須獲得70%或更高的分數。GPT-3得分為65.1%，GPT-4得分為62.4%。研究認為，GPT的不及格成績可能是由于其訓練數據并不包含需要付費訪問的醫學期刊，使其了解的信息較為過時局限所致。

不過，不能否認的是，生成式AI可以通過獲取海量的醫學文獻和數據來幫助醫生回答臨床問題。因此，如何揚長避短將是未來生成式AI應用中被廣泛關注的部分。對模型進行針對性優化無疑是最為關鍵的一步。谷歌針對醫療的Med-PaLM就是基于通用大模型PaLM針對醫療領域進行了調整，以更準確，更安全地回答醫療問題。

著名的數字醫療企業Babylon以其著名的數字優先的“金字塔”體系為其核心競爭力。這一金字塔體系的底層以移動app為基礎，以實現用戶健康的自我管理。用戶可以在這一級解決他們的大部分需求，包括檢查癥狀、跟蹤自身健康狀況、管理處方及訪問臨床相關的指導等等。

這一層級對于Babylon來說至關重要。通過數字工具的評估，Babylon可以幫助會員了解其健康指標現狀以及趨勢；同時，最為重要的是，對服務群體進行風險分層。之后，Babylon可以提前干預提醒，或者為會員設立健康目標來盡可能保持會員健康，避免其健康狀況惡化。

在一次采訪中，Babylon介紹其正在技術平臺上部署專有的生成式AI模型，以支持會員和醫療保健專業人員提供遠程醫療咨詢，從而更好地了解我們平臺上成員/患者不斷變化的風險狀況，以確保其臨床團隊可以優先考慮最需要的成員。

另一方面，Babylon也開發了針對遠程醫療咨詢優化的生成式AI模型，以近乎實時地自動總結患者和臨床醫生之間的咨詢，從而減輕臨床醫生的行政負擔，并支持與患者進行更有針對性的咨詢。

Babylon還透露正在開發解決方案，通過生成式AI，以對話形式為其臨床團隊提供預測性的見解和護理建議，以支持為患者提供最高質量的護理。

更有意思的是，生成式AI正將科幻電影的場景搬到現實生活中。

十年前，曾經有一部名為《她》的科幻電影。這部電影描述了不遠的將來一位心思細膩的信件撰寫人為排解離婚的郁悶與AI對話并最終不可救藥地愛上由斯嘉麗·約翰遜配音的AI的故事。

DiagnaMed剛剛推出的PalGPT.ai幾乎完美地復刻了這一場景——這個由GPT模型驅動的生成式AI希望能夠為用戶提供一個仿真的AI伴侶，旨在進行自然的、類似人類的聊天，通過短信聊天的方式，以提供有意義的私人對話、友好建議和分享內心想法，從而改善用戶的腦健康。

PalGPT.ai建構在DiagnaMed專門開發的CERVAI生成式AI平臺上。DiagnaMed計劃基于該平臺打造出多個細分領域的生成式AI，PalGPT.ai則是其第二個商業化的產品。一旦用戶注冊了該服務，PalGPT.ai就會根據他們以前的互動情況發送個性化的信息，逐漸成為用戶分享思想、情感、信念、經驗、記憶和夢想的私人空間。

根據埃森哲的報告，98%的醫療服務供應商和89%的醫療支付方高管都認為生成式AI的進步正在開創企業智能的新時代。一半的醫療保健組織計劃將生成式AI用于學習目的，超過一半的組織則計劃今年進行試點案例。根據調查，醫療領域平均約有40%的工作時間可以獲得生成式AI的賦能。

生成式AI將對各行業產生巨大變革（出自埃森哲報告，紅框為醫療行業，紫色代表自動化高潛力，綠色代表賦能高潛力，玫紅色為自動化及賦能普通潛力）

舉例而言，生成式AI可以通過減少臨床醫生花在記錄上的時間并允許他們花更多時間與患者在一起，從而提高員工的效率、質量和績效來創造價值。未來，我們也將持續關注生成式AI在醫療領域的進展。它又將如何改變醫療，對于可以伴隨新時代一起成長的你我而言，值得期待。