今天小编分享的科技经验：医疗大模型已过百款，谁能最早盈利？，欢迎阅读。
文 | vb 动脉网
2024 年尚未结束，涌入医疗领網域的大模型已逾百个。
众多企业涉猎的区網域十分广泛，常见的诊疗全流程、深度学习加持多年的医学影像、冷门但有潜力的中医康复……他们似乎要把科技医疗板块全部重做一遍。
不过，井喷式发展下的生成式 AI 并不一定能让用户悉数买单。尤其是在当下的经济周期波动期，一项应用要想顺利落地并且实现商业化，必须精准把控用户的真实需求。
那么，什么样的医疗大模型应用能够脱颖而出？答案或能给到 " 智能体 "。
智能体的价值在哪里？
所谓智能体，是指能够感知环境、进行决策并采取行动的系统。它们可以是軟體程式、机器人或其他自动化设备，具备一定的自主性和智能性，可以通过与环境的互動，不断学习和适应，从而实现特定的目标。
在 ChatGPT 风靡之前，各类处理文本的机器人已经广泛应用于客服、营销等通用场景。这些机器人的能力与智能体有相似之处，但缺乏生成式 AI 支持，只能在检索到关键词后前往数据库中调用相应的文本，没办法对用户的提问进行分析，亦无法给出多样化的解答。
置于医疗这样一个专业领網域，此类应用的能力更显得捉襟见肘。前几年的特殊环境下，很多企业追赶远程医疗的热潮，曾投入大量成本精力建立 " 智能医生 "" 营销助手 " 等应用用于诊前服务、药械推广……他们在推广阶段大肆都买流量，一度赚得盆满钵满，但伴随人们生活回归正轨，缺乏个性化解决方案的营销套路已不再奏效，很多聊天助手也因不够智能逐渐失去了访问的用户。
即便如此，数年的实践还是验证了诊前环节（问诊、导诊）与线上药械营销背后的庞大需求。那么，如果能够借助新的技术对医疗企业的营销思维和营销方式进行一次彻底变革，企业或有可能找到一个新的路径重新书写互联网医疗与数字化药械营销。
这正是智能体的价值所在。
借助于生成式 AI，智能体能在同样的场景下交出截然不同的答卷。它能够 " 理解 " 问题，给出准确的、精准的解答，也能同用户互動，像 " 真实的人 " 的那样进行多轮对话，层层递进逐一满足用户的多元化需求。
此外，智能体还能一定程度解决人力问题，环节人力常见的通宵排班、高培养成本、高离职难，并能精准分析访问数据，帮助管理者实现动态决策。
凭借这些优势，智能体已经在互联网医疗、数字营销医院管理登场快速落地。毕竟，有成熟应用在前，它无须再同深度学习一样需要去创造需求、去培养市场，只需深入这个市场，以旧换新。
2024 年发布的各类智能体（非完全统计）
大模型绕不开的诊前环节
对于众多着力于智能体的互联网企业而言，诊前场景是一个不得不选的场景。
一方面，诊前环节大都存在高频沟通、快速响应等特征，医患需求高度匹配智能体优势，能够充分发挥生成式 AI 的能力。
另一方面，往后的诊中、诊后涉及临床数据，大部分医院要求本地化部署，但大多数没有驱动大模型运行的基础设施。而诊前的导诊、问诊、分诊等场景对于健康数据的安全要求较低，企业的部署难度随之降低，可能变现的用户群体也更为广泛。
此外，互联网医疗兴起之时，企业已为诊前环节植入了大量 AI，拥有充足的运营经验。凭借这些优势，讯飞医疗、腾讯健康、百度灵医智惠均在此完成布局。
讯飞医疗的星火大模型直面的是医患沟通这一痛点。在星火大模型的支持下，AI 能够模拟医生与患者进行自由对话，根据患者的病情描述，智能推荐就诊科室和合适的医生。同时，该大模型还能基于患者的病情描述、病史等信息，自动生成电子病历，提高病历记录的效率和准确性。
腾讯健康与讯飞医疗的逻辑相似，但它更为精细地捕捉到了 " 预问诊 " 这一需求。基于过往智能导诊的经验，腾讯健康用大模型做了一个 AI 预问诊系统，患者预约挂号后便可同系统进行详细的预问诊回答，提前提供主诉、既往病史、用药禁忌等信息。正式就诊时，医生对于患者的病情已有一定了解，便能提出更多针对性的问题，诊断的精准度也随之提升。
百度灵医智惠走得稍微快一些，在诊前环节拿出了智能分导诊、智慧加号、智能候诊三个应用。首先，智能分导诊面向的是患者常见的分导诊需求。大模型支持下，AI 可模拟诊前咨询流程，引导患者对病症进行准确描述，借助推理能力进行归纳汇总，为患者精准匹配与病情相适应的临床科室和专家。通过这种方式，医院能够将有效的医疗资源最大化利用，让每一个医生都发挥出他们应有的价值。
其次，智慧加号的价值在于补足医院过去服务体系中的 " 真空地带 "。智能加号的价值在于能将过去患者单方面的申请转变为医患双方的 " 協定 "。具体而言，患者首先在线上与 AI 模型进行互動，同时上传检查结果，模型随后会提取病史摘要和关键阳性信息，帮助医生在短时间内判断患者是否需要接受专家诊疗，从而实现精准加号。在武汉协和医院的实际调用结果显示，这一方式，明显减少了医生翻阅资料及同患者沟通的时间，还能帮助医生更准确地确定病因，有效提升诊疗质量。
最后，智能候诊意在优化医生的问诊效率，提升患者就医体验。AI 支持下，医生在诊室中接待患者时，只需几秒钟浏览这份整理好的病历，迅速了解患者的大致情况。最终，医生不仅省下了问诊与病历书写时间，还使得医患交流更加精准和高效，医生的诊疗决策更为准确。
当然，也有不少企业将智能体的价值放在了随访、药品说明书等环节，构建患者社群，最终寻求药企付费。归根结底，过去互联网医疗实现的种种创新，现在智能体带来了跨时代的更新。
用智能体制造一个 " 钻孔 "
由于诊前场景落地快、需求强烈、应用易于搭建等诸多特征存在，这里自然成为智能体扎堆的红海。因此，也有不少企业选择跳开竞争押注未来，围绕 B 端的药企或医院展开布局。
过去数年的药企数字化转型及智慧医院建设，使得医疗行业的 B 端用户具备了相当成熟的智能化能力，但也隐藏着一些新的问题。
譬如，一些案例有医药企业在推行数字化转型时，投入大量资金引入多种数字系统，但由于缺乏合理的系统整合，导致各部门系统互不兼容。
还有企业希望通过数字化工具来提高沟通效率，充分挖掘客情。而在实际之中，业务人员缺少必要的培训和沟通，面对过于复杂的表单抵触情绪严重，常常漏填或者乱填，导致数字化系统在实施过程中碰到极大的阻力。
因此，要在这一基础上推动智能体落地，一是要保证 AI 尽可能无缝接入原有系统，二是要保证系统本身的易用性，易于实现与用户的沟通。
最为重要的是，智能体的能力需要与过去的智慧医院系统作出区分，充分发挥生成式 AI 的优势。
毕竟，现在的管理者已经拥有了大量分析工具，他们需要的不再是钻头，而是钻孔。
举个例子，熙软科技最近的医院运营智能体已在多家医院完成商业化落地，其创始人、董事长陈冲在采访中表示：" 医院作为一个专业性强、管理模式复杂的社会组织，国家对其业务有着明确的政策要求，医院内部也有着完善的管理制度与运营流程规范，其内容庞大和流程复杂常常导致医务工作者在查询檔案和处理流程上花费诸多的时间与精力。"
为了帮助提升医院整体运行效率，推动医院管理制度的全面准确落地，熙软科技打造的小熙 AI 运营助理将医院运营相关政策与制度融入知识库，借助领網域大模型技术、Agent 技术、传统机器学习技术和底层多形态知识库，实现智能知识问答、智能数据分析、智能操作体验 " 三大应用 "。
对于医务工作者而言，他们在申请出差时只要简单提问，就能清晰了解差旅报销标准；想要查询科室的运营数据，只需向小熙 AI 运营助理发问，便会直接获取想要的数据。同时，" 小熙 " 还可以对数据进行全面的分析和解读；无论是预算、报销还是合同等审批，医务工作者都可以在和小熙的对话中一键进入，轻松操作，无需再去登录不同界面和不同作業系統……
再谈智能化需求更大的医院管理者。非生成式 AI 支撑的运营系统虽然也能实现对运营数据进行归纳总结，但其缺陷显而易见：一是平台展示的数据维度有限，且难以及时扩充；二是缺乏有效的互動性，管理者只能使用平台预先设计好的算法进行特定维度数据的分析，无法提出个性化的数据处理需求。
相比之下，医院运营管理智能体能够帮助管理者实时获取所需的各种深度数据分析与服务，并根据管理者的习惯，自动推送其期望掌握的数据。即便初次推送的内容未能完全满足管理者的管理需求，系统也支持通过多模态互動方式，进一步定制并推送符合期望的信息。
总的来说，医院运营管理智能体已逐渐成为提升医疗机构效率效益的重要技术实现路径，并为医院运营管理效率带来极大提升。
智能体之间，不止考验模型能力
尽管智能体的技术突破使其有能力快速占据过往已成规模的市场，具备 " 杀手级应用 " 的潜质，但在实际运行中，其现有的缺陷仍然显而易见的。
当大模型能力不达标时，很多智能体并不能在导诊、辅助时给出绝对正确的答案，风险隐藏其中。
此外，对于现有的企业而言，搭建一个智能体很简单，而要使得自己的智能体从众多同类应用之中脱颖而出，仍然需要企业投以大量优质数据，不断训练、喂养、积累模型，才能逐渐形成优秀的业务能力。
对于大多数创业公司而言这都是一个考验，这意味着企业不仅要维持研发，还需在大模型落地环节加大投入。毕竟愈多的落地案例，才能反哺模型，进一步强化它的泛化能力。
因此，从商业化到盈利，智能体仍有相当长的路要走。尤其是在百模大战进入白热化的今天，智能体的运营商们或许需要重新审视一下自己的现金流，保证其能坚持到最终的胜利。
