生成式 AI 在医疗领域的成规模应用仍处于起步阶段，目前主要集中在聊天机器人等相对成熟的场景，而药物发现、辅助问诊等方向的落地正在打开 AI 医疗市场的规模潜力。AI 医疗市场的增长驱动力，核心来自生成式 AI 在药物发现、疗效评估、个性化医疗等场景的持续渗透，以及医疗垂类专业化模型的逐步成熟。 以谷歌推出的大型医用语言模型 Med-PaLM 2 为例，它专门用于回答医疗保健相关问题，但其技术要普及到普通消费者手中仍需一段时间，这也侧面说明医疗 AI 的规模化应用是一个渐进过程。
从 Med-PaLM 2 看生成式 AI 的医疗应用边界
人工智能技术在医疗领域的应用，主要包括判别式 AI 和生成式 AI 两种不同类型的技术。二者各有分工：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；而生成式 AI 则更关注理解人类意图、复杂场景下的应用以及生成新的数据，在医疗模拟对话以及个性化医疗方面具有不可替代的作用。
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。以 Med-PaLM 2 为例，这类大型医用语言模型可以辅助患者咨询与管理、临床决策支持、医疗教育等场景，但也存在局限——例如模型可能无法提供足够准确的桥接和诊疗建议，甚至可能产生误导性回答，需要引入专业医生进行质量检查和监督。
AI 医疗市场的增长驱动力
从产业链看，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。基础设施主要由工具链和智算平台构成，模型层与应用层则层层递进。对于医疗这一高度专业化、容错率低的领域，医疗垂类专业化模型是未来的关键方向——高质量、用户反馈和专有数据集将会是专业化模型的核心要素。
在研发生产制造环节，AIGC 相关的应用更多集中在药物发现环节以及 CXO 服务领域。例如，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，AI 通过工作流程改进、新数据集成和更加个性化的互动体验，为辅助问诊、健康管理等领域注入了新的活力，并在心理健康等专病领域带来创新应用。
常见问题
Med-PaLM 2 与通用大模型在医疗应用上有何区别？
医疗领域尤其需要高质量的专业化模型。从通用的人工智能模型开始，对其进行实质性的专业化以提高质量，是行业正在探索的路径。Med-PaLM 2 这类医用语言模型正是这一方向的代表，但考虑到医疗信息的敏感性，技术要普及到普通消费者手中还需要一段时间。
生成式 AI 在医疗领域的主要应用场景有哪些？
当前成规模的应用主要集中在聊天机器人领域，包括患者咨询与管理、临床决策支持、医疗教育等。在更前沿的方向上，生成式 AI 在药物发现、疗效评估、模拟数据生成、自动化工作流程等方面拥有广泛的应用前景，未来判别式 AI 与生成式 AI 算法的结合将实现更复杂和精细的任务。
医疗 AI 应用面临哪些挑战？
一方面，模型可能产生误导性回答，需要专业医生进行质量检查和监督；另一方面，医疗领域的应用需要基于大量可靠数据和高质量的临床实践基础，严格遵守相关法律法规和伦理规范。此外，加强用户隐私保护、确保不泄漏用户个人信息，也是未来重要的改进方向。