当前AI医疗市场虽然整体仍处于起步阶段，成规模的应用主要集中在聊天机器人领域，但其增长驱动力已经明确指向药物发现、影像诊断等专业场景的扩展，以及高质量专业化模型与专有数据集的持续积累。判别式AI与生成式AI的结合正在从单一对话场景向研发生产与诊疗流程纵深渗透，这才是市场规模持续扩大的核心引擎。

从聊天机器人到全流程渗透

当前AIGC在医疗领域的应用还处于起步阶段，成规模的应用主要在聊天机器人领域——例如谷歌推出专门用于回答医疗保健相关问题的大型医用语言模型Med-PaLM 2。但增长动力正在发生结构性转移：在研发生产制造环节，应用更多集中在药物发现环节以及CXO服务领域，生物制药企业构建Transformer等生成式模型来预测结构、发现药物；CRO企业则在已有数据基础上训练生成式语言模型来更好地服务临床。

在诊疗环节，判别式AI与生成式AI各自发挥优势：判别式AI在识别疾病、分析影像、预测疗效等方面实现更高的准确度和效率；生成式AI则在医疗模拟对话、个性化医疗以及3D医学影像重建、脑部疾病影像分析等需要生成新数据样本的场景中不可替代。两种技术的结合，使得企业能够实现更复杂和精细的任务。

专业化模型是下一阶段的关键变量

医疗领域尤其需要高质量的专业化模型，其中高质量、用户反馈和专有数据集将会是专业化模型的关键。正如业界提出的观点：定义明确的高价值工作流程将主要由专门的人工智能系统而不是通用的人工智能模型来解决。医疗领域容错率低，需要医疗专业人士的专业知识和经验才能正确理解和解释相关问题。

与质量考虑密切相关的是用户反馈的作用——仔细调整高质量的人类“使用”数据（例如偏好、指令、提示和响应等）是推动通用人工智能模型功能的核心。同时，许多高价值、特定于域的工作流依赖于丰富的专有数据集，医疗领域的应用需要基于大量的可靠数据和高质量的临床实践基础，并严格遵守相关的法律法规和伦理规范。

产业链结构决定增长路径

AIGC产业由上游的基础设施、中游的算法模型和下游的应用拓展三部分构成。从成本效益角度，基础层、模型层的搭建适合有规模效应的大厂和平台；而创业公司在应用方面的探索和突破，很有可能成为未来的主要趋势。垂类赛道下的专业化模型被视为解决方案之一——从通用的人工智能模型开始，然后对其进行实质性的专业化以提高质量。

常见问题

AI医疗市场当前最大的应用场景是什么？

当前AIGC在医疗领域的成规模应用主要在聊天机器人领域，例如谷歌的Med-PaLM 2等大型医用语言模型，用于辅助问诊、患者咨询、医疗教育等场景。但药物发现、影像诊断等专业场景的增长潜力正在快速释放。

生成式AI和判别式AI在医疗中各有什么优势？

判别式AI在图像识别、疾病分类等数据集较为单一的场景中效果较好；生成式AI则在数据集丰富的场景和需要生成全新数据样本的场景中更有优势，例如3D医学影像重建、脑部疾病影像分析、医疗模拟对话等。两者结合可以实现更复杂精细的医疗任务。

专业化模型为什么对医疗AI市场增长很重要？

医疗领域是高度专业化的领域，容错率低，定义明确的高价值工作流程将主要由专门的人工智能系统解决。高质量、用户反馈和专有数据集是专业化模型的关键，这将推动AI从通用对话向药物发现、精准诊疗等高价值场景持续扩展。