GPT-4成功诊断宠物疑难病并获得验证，这个案例折射出AI医疗市场增长的核心逻辑：医疗数据爆炸、大模型算法能力跃升、医疗服务人力成本持续上升，以及宠物医疗等新兴场景扩容，正在共同驱动AI医疗市场快速增长。

一个真实的案例是，一位宠物主人因爱宠久治不愈，将所有检查信息输入GPT-4后，GPT-4给出了免疫介导性溶血性贫血（IMHA）作为诊断选项，狗狗最终因此得救。这一案例展现了AI在临床辅助决策中的潜力。随着AI医疗的发展，经由专业训练的GPT们未来或将在临床发挥更大作用。

数据、算法与算力：AI医疗的三大基石

AI的三大基石是数据、算法和算力，其中数据被称为AI时代的“石油”，是基石中的基石。在医疗领域，大数据集表现为全基因组序列、高分辨率图像、可穿戴设备的连续数据输出等形式。医疗数据不断井喷的背后，是人类对于这些数据的“无能为力”——而AI的突破恰恰提供了驾驭并掌握这些数据、从中迭代出改变时代力量的可能。

不过，医疗数据也是AI医疗永远的痛点。医疗数据属于患者隐私，所有权归属复杂，目前AI模型训练所需的医疗数据，大都是通过企业和医院签署研发协议获得，且实际操作中通常做到“数据不出院、模型出院”。正如埃里克·托普在《深度医疗》中所分析的，对现阶段的AI医疗产品来说，理解医疗数据远比获得数据更重要也更困难。

鲍莫尔成本病：人力成本上升倒逼AI替代

AI医疗市场增长的另一大驱动力，来自医疗服务领域特有的“鲍莫尔成本病”现象。《福布斯》专栏作家蒂姆·沃斯托在《改变医疗服务价格曲线的方式：解雇医生》中阐释了这一理论：简单来说，雇用他人来获得服务的方式正变得越来越昂贵，而解决这个问题的最好方式是用机器来替代医生。

医疗服务正是典型的“停滞部门”——随着生产力提升，医生单位时间能提供的诊疗服务相对刚性，人力成本不断上升。这就给AI在医疗领域的应用带来了巨大的想象空间：通过远程医疗虚拟助手、临床辅助决策、远程患者监护等应用，AI可以帮助临床医生节省时间、减少错误并改善患者护理，同时降低医疗成本曲线。

新兴场景扩容：宠物医疗等需求持续释放

除了人类医疗，宠物医疗等新兴需求场景也在持续扩容。前述GPT-4成功诊断狗狗免疫介导性溶血性贫血的案例，正是这一趋势的缩影。随着远程医疗的兴起，AI在心理咨询、病历保存、医疗翻译、药物管理、疾病监测等领域都有着广泛的应用空间。

科学、教育、医疗是OpenAI最为关注的三个领域，也是整个社会最根本的行业。需要指出的是，AI医疗仍处在L1到L2的发展阶段，与自动驾驶达到L3的水平仍有差距，且面临更严重的伦理问题——正如埃里克·托普所言，AI医疗不太可能超越自动设备的3级水平，任何时候都不能容忍没有人类医生和临床医生监督的医疗行为。

常见问题

AI医疗市场增长的核心驱动力是什么？

核心驱动力包括三方面：一是医疗数据爆炸式增长，AI能处理人类无法驾驭的海量数据；二是算法能力持续提升，以大模型为代表的AI技术不断突破；三是医疗服务人力成本持续上升（鲍莫尔成本病），AI替代部分人力可降低成本曲线。此外，宠物医疗等新兴需求场景的扩容也在拓展市场边界。

GPT-4在宠物医疗诊断中能发挥什么作用？

在临床辅助决策方面，GPT-4可以向医疗保健提供者提供实时的、基于证据的建议。曾有案例中，宠物主人将狗狗的所有检查信息输入GPT-4后，GPT-4给出了免疫介导性溶血性贫血（IMHA）作为诊断选项，狗狗最终因此得救。不过，AI医疗仍处于发展早期，任何情况下都不能缺少人类医生的监督。

AI医疗发展面临哪些主要挑战？

医疗数据是AI医疗永远的痛点：数据权属复杂，且目前主要通过企业和医院签署研发协议获得，实际操作中通常“数据不出院、模型出院”。更重要的是，理解医疗数据远比获得数据更困难——如果不能深刻理解所服务的行业，再多的数据也只是徒耗电力。同时，AI医疗还面临比自动驾驶更严重的伦理问题。