文 | 動(dòng)脈網(wǎng)
2024年尚未結(jié)束，涌入醫(yī)療領(lǐng)域的大模型已逾百個(gè)。
眾多企業(yè)涉獵的區(qū)域十分廣泛，常見的診療全流程、深度學(xué)習(xí)加持多年的醫(yī)學(xué)影像、冷門但有潛力的中醫(yī)康復(fù)……他們似乎要把科技醫(yī)療板塊全部重做一遍。
不過，井噴式發(fā)展下的生成式AI并不一定能讓用戶悉數(shù)買單。尤其是在當(dāng)下的經(jīng)濟(jì)周期波動(dòng)期，一項(xiàng)應(yīng)用要想順利落地并且實(shí)現(xiàn)商業(yè)化，必須精準(zhǔn)把控用戶的真實(shí)需求。
那么，什么樣的醫(yī)療大模型應(yīng)用能夠脫穎而出？答案或能給到“智能體”。
智能體的價(jià)值在哪里？
所謂智能體，是指能夠感知環(huán)境、進(jìn)行決策并采取行動(dòng)的系統(tǒng)。它們可以是軟件程序、機(jī)器人或其他自動(dòng)化設(shè)備，具備一定的自主性和智能性，可以通過與環(huán)境的交互，不斷學(xué)習(xí)和適應(yīng)，從而實(shí)現(xiàn)特定的目標(biāo)。
在ChatGPT風(fēng)靡之前，各類處理文本的機(jī)器人已經(jīng)廣泛應(yīng)用于客服、營銷等通用場景。這些機(jī)器人的能力與智能體有相似之處，但缺乏生成式AI支持，只能在檢索到關(guān)鍵詞后前往數(shù)據(jù)庫中調(diào)用相應(yīng)的文本，沒辦法對用戶的提問進(jìn)行分析，亦無法給出多樣化的解答。
置于醫(yī)療這樣一個(gè)專業(yè)領(lǐng)域，此類應(yīng)用的能力更顯得捉襟見肘。前幾年的特殊環(huán)境下，很多企業(yè)追趕遠(yuǎn)程醫(yī)療的熱潮，曾投入大量成本精力建立“智能醫(yī)生”“營銷助手”等應(yīng)用用于診前服務(wù)、藥械推廣……他們在推廣階段大肆都買流量，一度賺得盆滿缽滿，但伴隨人們生活回歸正軌，缺乏個(gè)性化解決方案的營銷套路已不再奏效，很多聊天助手也因不夠智能逐漸失去了訪問的用戶。
即便如此，數(shù)年的實(shí)踐還是驗(yàn)證了診前環(huán)節(jié)（問診、導(dǎo)診）與線上藥械營銷背后的龐大需求。那么，如果能夠借助新的技術(shù)對醫(yī)療企業(yè)的營銷思維和營銷方式進(jìn)行一次徹底變革，企業(yè)或有可能找到一個(gè)新的路徑重新書寫互聯(lián)網(wǎng)醫(yī)療與數(shù)字化藥械營銷。
這正是智能體的價(jià)值所在。
借助于生成式AI，智能體能在同樣的場景下交出截然不同的答卷。它能夠“理解”問題，給出準(zhǔn)確的、精準(zhǔn)的解答，也能同用戶交互，像“真實(shí)的人”的那樣進(jìn)行多輪對話，層層遞進(jìn)逐一滿足用戶的多元化需求。
此外，智能體還能一定程度解決人力問題，環(huán)節(jié)人力常見的通宵排班、高培養(yǎng)成本、高離職難，并能精準(zhǔn)分析訪問數(shù)據(jù)，幫助管理者實(shí)現(xiàn)動(dòng)態(tài)決策。
憑借這些優(yōu)勢，智能體已經(jīng)在互聯(lián)網(wǎng)醫(yī)療、數(shù)字營銷醫(yī)院管理登場快速落地。畢竟，有成熟應(yīng)用在前，它無須再同深度學(xué)習(xí)一樣需要去創(chuàng)造需求、去培養(yǎng)市場，只需深入這個(gè)市場，以舊換新。
大模型繞不開的診前環(huán)節(jié)
對于眾多著力于智能體的互聯(lián)網(wǎng)企業(yè)而言，診前場景是一個(gè)不得不選的場景。
一方面，診前環(huán)節(jié)大都存在高頻溝通、快速響應(yīng)等特征，醫(yī)患需求高度匹配智能體優(yōu)勢，能夠充分發(fā)揮生成式AI的能力。
另一方面，往后的診中、診后涉及臨床數(shù)據(jù)，大部分醫(yī)院要求本地化部署，但大多數(shù)沒有驅(qū)動(dòng)大模型運(yùn)行的基礎(chǔ)設(shè)施。而診前的導(dǎo)診、問診、分診等場景對于健康數(shù)據(jù)的安全要求較低，企業(yè)的部署難度隨之降低，可能變現(xiàn)的用戶群體也更為廣泛。
此外，互聯(lián)網(wǎng)醫(yī)療興起之時(shí)，企業(yè)已為診前環(huán)節(jié)植入了大量AI，擁有充足的運(yùn)營經(jīng)驗(yàn)。憑借這些優(yōu)勢，訊飛醫(yī)療、騰訊健康、百度靈醫(yī)智惠均在此完成布局。
訊飛醫(yī)療的星火大模型直面的是醫(yī)患溝通這一痛點(diǎn)。在星火大模型的支持下，AI能夠模擬醫(yī)生與患者進(jìn)行自由對話，根據(jù)患者的病情描述，智能推薦就診科室和合適的醫(yī)生。同時(shí)，該大模型還能基于患者的病情描述、病史等信息，自動(dòng)生成電子病歷，提高病歷記錄的效率和準(zhǔn)確性。
騰訊健康與訊飛醫(yī)療的邏輯相似，但它更為精細(xì)地捕捉到了“預(yù)問診”這一需求?；谶^往智能導(dǎo)診的經(jīng)驗(yàn)，騰訊健康用大模型做了一個(gè)AI預(yù)問診系統(tǒng)，患者預(yù)約掛號后便可同系統(tǒng)進(jìn)行詳細(xì)的預(yù)問診回答，提前提供主訴、既往病史、用藥禁忌等信息。正式就診時(shí)，醫(yī)生對于患者的病情已有一定了解，便能提出更多針對性的問題，診斷的精準(zhǔn)度也隨之提升。
百度靈醫(yī)智惠走得稍微快一些，在診前環(huán)節(jié)拿出了智能分導(dǎo)診、智慧加號、智能候診三個(gè)應(yīng)用。首先，智能分導(dǎo)診面向的是患者常見的分導(dǎo)診需求。大模型支持下，AI可模擬診前咨詢流程，引導(dǎo)患者對病癥進(jìn)行準(zhǔn)確描述，借助推理能力進(jìn)行歸納匯總，為患者精準(zhǔn)匹配與病情相適應(yīng)的臨床科室和專家。通過這種方式，醫(yī)院能夠?qū)⒂行У尼t(yī)療資源最大化利用，讓每一個(gè)醫(yī)生都發(fā)揮出他們應(yīng)有的價(jià)值。
其次，智慧加號的價(jià)值在于補(bǔ)足醫(yī)院過去服務(wù)體系中的“真空地帶”。智能加號的價(jià)值在于能將過去患者單方面的申請轉(zhuǎn)變?yōu)獒t(yī)患雙方的“協(xié)議”。具體而言，患者首先在線上與AI模型進(jìn)行交互，同時(shí)上傳檢查結(jié)果，模型隨后會(huì)提取病史摘要和關(guān)鍵陽性信息，幫助醫(yī)生在短時(shí)間內(nèi)判斷患者是否需要接受專家診療，從而實(shí)現(xiàn)精準(zhǔn)加號。在武漢協(xié)和醫(yī)院的實(shí)際調(diào)用結(jié)果顯示，這一方式，明顯減少了醫(yī)生翻閱資料及同患者溝通的時(shí)間，還能幫助醫(yī)生更準(zhǔn)確地確定病因，有效提升診療質(zhì)量。
最后，智能候診意在優(yōu)化醫(yī)生的問診效率，提升患者就醫(yī)體驗(yàn)。AI支持下，醫(yī)生在診室中接待患者時(shí)，只需幾秒鐘瀏覽這份整理好的病歷，迅速了解患者的大致情況。最終，醫(yī)生不僅省下了問診與病歷書寫時(shí)間，還使得醫(yī)患交流更加精準(zhǔn)和高效，醫(yī)生的診療決策更為準(zhǔn)確。
當(dāng)然，也有不少企業(yè)將智能體的價(jià)值放在了隨訪、藥品說明書等環(huán)節(jié)，構(gòu)建患者社群，最終尋求藥企付費(fèi)。歸根結(jié)底，過去互聯(lián)網(wǎng)醫(yī)療實(shí)現(xiàn)的種種創(chuàng)新，現(xiàn)在智能體帶來了跨時(shí)代的升級。
用智能體制造一個(gè)“鉆孔”
由于診前場景落地快、需求強(qiáng)烈、應(yīng)用易于搭建等諸多特征存在，這里自然成為智能體扎堆的紅海。因此，也有不少企業(yè)選擇跳開競爭押注未來，圍繞B端的藥企或醫(yī)院展開布局。
過去數(shù)年的藥企數(shù)字化轉(zhuǎn)型及智慧醫(yī)院建設(shè)，使得醫(yī)療行業(yè)的B端用戶具備了相當(dāng)成熟的智能化能力，但也隱藏著一些新的問題。
譬如，一些案例有醫(yī)藥企業(yè)在推行數(shù)字化轉(zhuǎn)型時(shí)，投入大量資金引入多種數(shù)字系統(tǒng)，但由于缺乏合理的系統(tǒng)整合，導(dǎo)致各部門系統(tǒng)互不兼容。
還有企業(yè)希望通過數(shù)字化工具來提高溝通效率，充分挖掘客情。而在實(shí)際之中，業(yè)務(wù)人員缺少必要的培訓(xùn)和溝通，面對過于復(fù)雜的表單抵觸情緒嚴(yán)重，常常漏填或者亂填，導(dǎo)致數(shù)字化系統(tǒng)在實(shí)施過程中碰到極大的阻力。
因此，要在這一基礎(chǔ)上推動(dòng)智能體落地，一是要保證AI盡可能無縫接入原有系統(tǒng)，二是要保證系統(tǒng)本身的易用性，易于實(shí)現(xiàn)與用戶的溝通。
最為重要的是，智能體的能力需要與過去的智慧醫(yī)院系統(tǒng)作出區(qū)分，充分發(fā)揮生成式AI的優(yōu)勢。
畢竟，現(xiàn)在的管理者已經(jīng)擁有了大量分析工具，他們需要的不再是鉆頭，而是鉆孔。
舉個(gè)例子，熙軟科技最近的醫(yī)院運(yùn)營智能體已在多家醫(yī)院完成商業(yè)化落地，其創(chuàng)始人、董事長陳沖在采訪中表示：“醫(yī)院作為一個(gè)專業(yè)性強(qiáng)、管理模式復(fù)雜的社會(huì)組織，國家對其業(yè)務(wù)有著明確的政策要求，醫(yī)院內(nèi)部也有著完善的管理制度與運(yùn)營流程規(guī)范，其內(nèi)容龐大和流程復(fù)雜常常導(dǎo)致醫(yī)務(wù)工作者在查詢文件和處理流程上花費(fèi)諸多的時(shí)間與精力?！?/p>
為了幫助提升醫(yī)院整體運(yùn)行效率，推動(dòng)醫(yī)院管理制度的全面準(zhǔn)確落地，熙軟科技打造的小熙AI運(yùn)營助理將醫(yī)院運(yùn)營相關(guān)政策與制度融入知識庫，借助領(lǐng)域大模型技術(shù)、Agent技術(shù)、傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)和底層多形態(tài)知識庫，實(shí)現(xiàn)智能知識問答、智能數(shù)據(jù)分析、智能操作體驗(yàn)“三大應(yīng)用”。
對于醫(yī)務(wù)工作者而言，他們在申請出差時(shí)只要簡單提問，就能清晰了解差旅報(bào)銷標(biāo)準(zhǔn)；想要查詢科室的運(yùn)營數(shù)據(jù)，只需向小熙AI運(yùn)營助理發(fā)問，便會(huì)直接獲取想要的數(shù)據(jù)。同時(shí)，“小熙”還可以對數(shù)據(jù)進(jìn)行全面的分析和解讀；無論是預(yù)算、報(bào)銷還是合同等審批，醫(yī)務(wù)工作者都可以在和小熙的對話中一鍵進(jìn)入，輕松操作，無需再去登錄不同界面和不同操作系統(tǒng)……
再談智能化需求更大的醫(yī)院管理者。非生成式AI支撐的運(yùn)營系統(tǒng)雖然也能實(shí)現(xiàn)對運(yùn)營數(shù)據(jù)進(jìn)行歸納總結(jié)，但其缺陷顯而易見：一是平臺展示的數(shù)據(jù)維度有限，且難以及時(shí)擴(kuò)充；二是缺乏有效的交互性，管理者只能使用平臺預(yù)先設(shè)計(jì)好的算法進(jìn)行特定維度數(shù)據(jù)的分析，無法提出個(gè)性化的數(shù)據(jù)處理需求。
相比之下，醫(yī)院運(yùn)營管理智能體能夠幫助管理者實(shí)時(shí)獲取所需的各種深度數(shù)據(jù)分析與服務(wù)，并根據(jù)管理者的習(xí)慣，自動(dòng)推送其期望掌握的數(shù)據(jù)。即便初次推送的內(nèi)容未能完全滿足管理者的管理需求，系統(tǒng)也支持通過多模態(tài)交互方式，進(jìn)一步定制并推送符合期望的信息。
總的來說，醫(yī)院運(yùn)營管理智能體已逐漸成為提升醫(yī)療機(jī)構(gòu)效率效益的重要技術(shù)實(shí)現(xiàn)路徑，并為醫(yī)院運(yùn)營管理效率帶來極大提升。
智能體之間，不止考驗(yàn)?zāi)Ｐ湍芰?/h4>
盡管智能體的技術(shù)突破使其有能力快速占據(jù)過往已成規(guī)模的市場，具備“殺手級應(yīng)用”的潛質(zhì)，但在實(shí)際運(yùn)行中，其現(xiàn)有的缺陷仍然顯而易見的。
當(dāng)大模型能力不達(dá)標(biāo)時(shí)，很多智能體并不能在導(dǎo)診、輔助時(shí)給出絕對正確的答案，風(fēng)險(xiǎn)隱藏其中。
此外，對于現(xiàn)有的企業(yè)而言，搭建一個(gè)智能體很簡單，而要使得自己的智能體從眾多同類應(yīng)用之中脫穎而出，仍然需要企業(yè)投以大量優(yōu)質(zhì)數(shù)據(jù)，不斷訓(xùn)練、喂養(yǎng)、積累模型，才能逐漸形成優(yōu)秀的業(yè)務(wù)能力。
對于大多數(shù)創(chuàng)業(yè)公司而言這都是一個(gè)考驗(yàn)，這意味著企業(yè)不僅要維持研發(fā)，還需在大模型落地環(huán)節(jié)加大投入。畢竟愈多的落地案例，才能反哺模型，進(jìn)一步強(qiáng)化它的泛化能力。
因此，從商業(yè)化到盈利，智能體仍有相當(dāng)長的路要走。尤其是在百模大戰(zhàn)進(jìn)入白熱化的今天，智能體的運(yùn)營商們或許需要重新審視一下自己的現(xiàn)金流，保證其能堅(jiān)持到最終的勝利。