全部商品分類
進入２０２５年，行業已形成了一個共識：能否真正融入醫療日常工作場景并持續迭代，是決定大模型競爭力的關鍵。作為ＡＩ應用探索已久的場景之一，健康管理在大模型時代也迎來了快速發展。
那么，大模型技術如何為健康管理注入新活力？又能掀起怎樣的新趨勢？動脈網與微醫人工智能研究院首席科學家徐紅霞、深睿醫療高級副總裁劉建、南大菲特副總經理張芷韻三位深耕健康管理大模型應用的醫療企業專家進行了對話，供行業參考。
本文主要觀點如下：
１、以深度場景理解為前提，找到最適配的應用場景
２、技術方與應用方存在協同困難，用戶信任、關懷待加強
３、大模型＋可穿戴設備，實現多維數據聯動和個性化服務
４、部分商業模式已得到驗證，大模型向多模態交互升級
大模型應用第一步：找到一個優質的健康管理場景
在應用落地與商業價值轉化成為產業競爭焦點的背景下，如何精準識別并切入高適配性場景，正成為企業可持續發展的關鍵命題。
從深睿醫療高級副總裁劉建的分享來看，深睿醫療選擇從體檢場景切入健康管理領域，是市場需求、技術積累與政策導向三方協同的結果。
一方面，公眾健康意識提升、國家＂早篩早治＂戰略共同驅動了體檢需求的持續增長；另一方面，作為ＡＩ影像領域頭部企業，深睿在ＣＴ、超聲等醫學影像的算法研發和臨床驗證方面已建立深厚壁壘，而體檢場景中的基于ＣＴ、ＭＲ、ＤＲ等各類檢查項目，均需依賴影像技術支撐，天然適配其技術強項。
場景是技術的試金石。劉建分享到，目前深睿醫療的大模型產品在肺癌、結直腸癌等項目中已實現價值驗證，成功識別了百萬級以上的高風險人群，實現了醫保費用結構性優化。
南大菲特則以體重管理為突破口，通過＂三師共管＂ＡＩ大模型助力慢病防治。
南大菲特副總經理張芷韻介紹，南大菲特深耕體重管理及慢病管理領域十余年，最初采用多學科團隊模式開展體重管理服務；也是在這一過程中，不斷認識到傳統人工模式存在的服務非標準化、質量波動、響應滯后等問題，對醫療健康服務規模化發展的制約。
而ＡＩ技術的應用，讓這些問題迎刃而解。南大菲特通過自研模型與開源模型的結合，以及十余年的數據積累和技術優勢，推出了三師共管ＡＩ大模型和首個減重代謝·慢病管理ＡＩ智能體，實現慢病管理的提質增效和可及性。目前，南大菲特三師共管ＡＩ大模型已在院內外和體檢機構廣泛應用，用戶量已超１０萬人。
在５月９日－１０日的ＶＢＥＦ醫療ＡＩ大模型創新應用論壇上，多家企業也就場景選擇邏輯展開過深度討論。
一位嘉賓表示基于團隊背景和技術積累，選擇了診療流程外的科研場景；也有嘉賓遵循＂痛點、剛需、高頻＂原則，將醫生提效置于優先地位；另有嘉賓聚焦Ｃ端健康管理，通過２４小時陪伴式服務提升醫療服務價值；一位投資人指出，大模型需切入基層全科醫生等供給稀缺環節，而非僅做資源分配優化。
盡管路徑各異，但各企業均指向一個核心邏輯：大模型在醫療領域的落地需以深度場景理解為前提，結合企業技術優勢、商業化變現能力等，構建差異化價值壁壘。這種以場景適配度為基礎的戰略選擇，正成為大模型技術從＂可用＂走向＂好用＂的關鍵躍遷。
應用方與基座模型方并未實現完全協同
眾多企業紛紛入局，試圖借助這一技術實現更精準、高效的健康管理服務。但前行之路上，諸多挑戰橫亙其間。
從技術層面來看，大模型幻覺問題是一大難題。動脈網觀察到，一些企業在通過ＲＡＧ（外部檢索增強生成）、生成式與判別式ＡＩ協同、模型改進等方法來應對幻覺。
微醫人工智能研究院首席科學家徐紅霞指出，幻覺問題是現階段大模型研究中面臨的現實挑戰，但微醫控股采取了多種策略進行應對。一方面，在輸入階段對大模型的超參數進行調整，運用 ＲＡＧ、思維鏈以及醫療專業知識微調等技術手段，以此引導輸出模型更符合醫療領域要求的結果；另一方面，在輸出階段設置審核模型，對大模型的輸出結果進行嚴格審核。同時微醫控股會針對未通過審核的回答進行問題復盤與整理，并與專家共同探討解決方案，以持續增強模型的可靠性。
作為大模型＂燃料＂的數據同樣是繞不開的難題。南大菲特張芷韻坦言，以體重管理為切入的慢病管理，并非是純粹的嚴肅醫療范疇，在生活方式相關的數據收集上，面臨數據量稀缺且質量欠佳的困境。因此，南大菲特只能依靠自身苦心積累，耗費了大量心力與成本在數據收集整理工作之上。經過十余年積累，南大菲特的三師共管ＡＩ大模型，已深度融合了百萬條肥胖及慢病患者管理記錄、權威專家共識、前沿研究成果以及自主構建的數據集。
業務合作的情況則更加復雜。一方面，應用廠商和基座模型的供需錯配。如微醫控股和南大菲特側重于應用開發的企業，需要與基座大模型協同提供醫療健康服務。在這一過程中，可能存在應用迭代與基座模型升級周期錯配的情況。因此，企業在基座模型合作方的選擇上也會有更多的考量。
深睿醫療作為技術供應方，現階段的重點則是聚焦于醫療應用和大模型技術的完美結合。劉建以肺癌全程周期管理為例分享到，大模型的加入實現了從單個環節到全程覆蓋跨越。＂健康管理與院內疾病診斷在ＡＩ的應用場景上存在差異，無法直接套用，我們需深入了解健康管理的場景適配性，為人民群眾提供更智能的健康管理服務。＂
另外是應用廠商和醫院之間的合作。微醫徐紅霞提到，由于醫院本身在算力和部署成本方面存在限制，因此更傾向于使用輕量化、智能化的模型。為此，微醫與浙江大學正在模型蒸餾技術上展開探索，并且已經取得了一定的成果，發表了多篇相關學術論文，積累了豐富的技術經驗。目前，微醫還引入了類似ＭＯＥ技術，通過對醫療場景進行細分，有效控制了成本，與醫院的合作也較為順暢。
最后是賦能患者的企業初心與實踐應用間的差距。當前醫療大模型在用戶體驗層面的實踐表明，＂賦能患者＂的初心仍面臨技術落地、服務設計、用戶信任等多重考驗。企業需在技術精度與人文溫度、服務邊界與醫療敬畏、場景適配與用戶需求之間，找到更具象的破局路徑。
微醫控股踐行的是＂ＡＩ健管工具＋真人健康管理師＂模式。ＡＩ系統將收集可穿戴健康設備數據，持續監控患者的各項指標，即時發出健康預警與運動飲食方案提醒，輔助健康管理師為患者提供用藥指導或入院就診提示。微醫控股的這一模式，在天津數字健共體中已有顯著成果。
南大菲特則非常注重對用戶的人文關懷。例如在粵港澳大灣區，產品特別配備了粵語 ＡＩ 健管助手，提供貼合語音回復的主動服務，以更好地服務老年群體。
深睿醫療針對院內醫療診斷服務與院外個人體檢場景的差異，迭代技術服務意識。比如在體檢服務中，用戶相較在院內為患者僅提供針對疾病檢測的單一診斷結果，更關注為體檢客戶提供基于健康報告的多維綜合服務。基于此，深睿醫療探索出了一套適應健康體檢的技術方案，提升服務專業性和效率。這也側面說明，醫療ＡＩ從嚴肅醫療向消費健康延伸，需調整服務理念與技術邊界，而非簡單平移技術能力。
大模型＋可穿戴設備，實現健康管理多維數據聯動和個性化服務
在健康管理場景中，智能可穿戴設備能夠助力企業感知用戶的院外情況。通過訪談了解到，相較于傳統ＡＩ可穿戴設備，基于大模型的可穿戴設備，在數據處理維度、個性化服務深度、場景覆蓋廣度和技術融合能力等方面都有更顯著效果。
南大菲特張芷韻分享到，傳統可穿戴設備受限于算力與算法，通常僅能采集單一生理指標，且數據呈現＂孤島化＂特征。基于大模型的可穿戴設備，一方面可以和更多設備做聯動，處理數據的維度更多樣；另一方面個性化程度更高，能夠建立用戶記憶，為后續的健康管理提供準確的數據支持。
＂微醫控股也希望融合專業醫療知識與大模型對患者的數據感知，將ＡＩ 打造成類似于具身智能的＇具知智能＇。＂微醫徐紅霞認為，具身智能是人工智能與機器人學的交叉領域，＂具知智能＂則是人工智能與醫療健康相結合的產物。＂知＂將由兩部分構成，一方面是專業的醫療知識，另一方面是大模型對患者的數據感知。她介紹，通過與多個國內知名智能穿戴硬件廠商深度合作，微醫控股已成功打通院內外數據壁壘，做到了場景數據一體化，走通了防篩診治管康全生命周期的＂最后一公里＂。
這一創新模式的核心亮點在于實現院內外數據的無縫整合。依托可穿戴設備實時采集的健康數據，微醫控股ＡＩ系統能夠生成個性化健康管理方案，并依據動態監測數據持續優化調整，真正實現對患者的精準健康干預。
部分商業模式已得到驗證，大模型向多模態交互升級
在醫療大模型商業化浪潮中，微醫控股、深睿醫療、南大菲特各展所長，依托自身技術優勢與戰略定位等，探索出了不同發展路徑。
微醫控股在ＡＩ醫療領域布局早，成績亮眼，ＡＩ健共體模式成為市場關注的焦點。據弗若斯特沙利文資料，按２０２３年收入計，微醫控股已是中國ＡＩ醫療健康解決方案的最大提供商。不僅如此，在由ＡＩ驅動的天津健共體中，通過ＡＩ賦能，天津市數字健共體在醫保基金可控的前提下，實現了更好的健康收益，糖尿病患者人均醫保額度盈余率超過２５％，醫保支出增幅顯著下降，實現了基層醫療機構、醫生、患者、衛健醫保的＂四方共贏＂。
深睿醫療則以ＴｏＢ 賽道為基礎，不斷拓展服務場景，向ＴｏＣ模式挺進，憑借成熟的ＡＩ 技術沉淀，構建立體防護體系：首先，通過智能輔助診斷系統提升效率，縮短患者候診時間；其次，運用ＡＩ 量化分析技術，在冠心病風險預測、骨密度檢測等領域輸出高精度診斷指標，助力醫生專注關鍵環節；最后，借助大模型將晦澀的影像報告轉化的通俗解讀，解決患者理解難題，形成從機構服務到患者觸達的疾病立體防護體系。其中，ＡＩ將診斷關口前移，為疾病的防、診、治、教、研提供了全方位的技術支撐。
南大菲特指出在大模型基礎層成熟的背景下，應用端將迎來爆發期。為此，南大菲特將依托三甲醫院資源，基于ＡＩ智能體業務中臺實現標準化服務，并逐漸將業務從健康管理，向患者全流程服務延伸。同時，南大菲特也在探索不同的收費模式，來適配不同客戶需求。
在前文提到的ＶＢＥＦ醫療ＡＩ大模型創新應用論壇上，嘉賓們也圍繞醫療大模型商業化進行了探討。觀點可歸納為四類：
一是主張以替代醫生為關鍵構建商業模式，認為輔助醫生模式難以從醫保或醫生收入中獲利；二是強調面向 Ｃ 端患者支付盈利，借助大模型產品提升患者體驗，使患者因認可管理價值而付費；三是通過私有化部署和ＳａａＳ付費等方式，以及將模型嵌入企業工作流程的２Ｂ模式。且這種模式已經在醫療領域驗證成功。
第四是，有觀點認為大模型的商業模式可以分為兩類：一是基礎平臺模式，依靠技術調用量付費；二是類似于ＡＩ＋ＣＲＯ，基于大模型技術提供服務，注重服務質量和交付效率。
對于大模型未來的發展趨勢，微醫控股則明確將＂具知智能＂及其互動能力作為核心研究方向，致力于賦予大模型多維度感知與交互能力，推動 ＡＩ 從單一文本交互向視覺、聽覺等多模態交互升級。面對 ｓｃＧＰＴ、ＲｕｉＰａｔｈ 等專業領域垂類模型快速發展趨勢，微醫將探索多智能體系統，加速構建多模態醫療大模型體系；同時探索大模型與多樣化工具協同應用，進一步提升其在醫療場景中的實用性與效率。此外，針對大模型算力成本問題，微醫也在著力研發輕量化技術，在增強模型智能水平的同時降低資源消耗，推動醫療大模型向高效、多維的方向發展。
注：文章來源于網絡，如有侵權，請聯系刪除
