21世紀經濟報道記者 閆碩 北京報道
隨著DeepSeek的爆火，AI醫療正迎來新一輪發展機遇。
近日，在一場論壇上，衛寧健康科技集團股份有限公司副總裁兼CTO趙大平表示，現今的推理模型與通用模型各有所長，醫療場景需要在不同場景下分別搭配“慢思考”與“快思考”，由單模型到多種模型組合成的復合型智能系統將是未來趨勢。
基于此，衛寧健康大模型WiNGPT 2.8在自身強化模型訓練基礎上全面接入DeepSeek，相關產品也已在部分醫院落地，為醫療核心領域提供場景應用與智能支持。
有券商分析師向21世紀經濟報道記者表示，生成式AI的普及，不僅僅是簡單地引入幾個算法，而是要對醫療流程進行再造，提升醫護團隊的技能。AI技術的引入，將推動醫療模式從“治已病”向“治未病”轉變，并催生出“AI護理協調員”等新角色。
另一方面，隨著多家醫院宣布完成DeepSeek本地化部署，AI醫療正成為市場熱議的話題，這也引發了市場關于醫療從業者創造力是否會被削弱的擔憂。此外，對DeepSeek等大模型與醫療結合的關注，已經不僅局限于醫療行業內部，不少患者開始拿著DeepSeek的回復去看病。
隨著技術成熟迭代，模型競相追趕，彼此鴻溝縮小，從“模型為先”到“應用為王”成為新的發展趨勢。包括衛寧健康在內的不少企業已然投入其中，一些應用場景已經破圈，未來，AI醫療的故事又將怎樣展開？
衛寧健康對醫療AI的投入和布局始于2017年，那一年，其成立了人工智能實驗室。同年，在IDC Health Insights評選的醫療科技Top50中，衛寧健康成為唯一一家上榜的中國企業。
2023年，衛寧健康發布大語言模型WiNGPT，為醫療行業提供醫療問答、診斷支持和醫學知識等信息服務。目前相關應用已經逐漸落地。
對于為什么要研發醫療行業垂直領域模型，衛寧健康在《2024醫療人工智能年度報告》（以下簡稱“AI年度報告”）中指出，醫療行業垂直大模型可以優化醫療服務流程，提升患者就醫體驗、減輕醫生工作負擔、提高管理效率以及滿足政策管理要求。
以WiNGPT為例，其實現了自動化和智能化病歷書寫、輔助醫療決策，并為醫生提供持續學習的機會。同時，借助數據分析和智能監控確保服務質量，合理調配醫療資源，挖掘數據潛在價值，以輔助醫療決策。
此外，這些模型符合國家電子病歷標準，提供合規的醫療方案推薦和病歷生成，保證病歷內容的質量和完整性，還引入了多樣的輸入和操控模式，如語音和圖像識別，以及靈活的數據處理方式。
近日，衛寧健康推出WiNGPT2.8和WiNEX Copilot 2.1（基于WiNGPT的醫護智能助手），持續賦能醫療領域。據衛寧健康透露，借力DeepSeek的AI推理，WiNGPT2.8新增指令數據約95w，達227.8w，醫療指令重構率達95%。
目前，接入DeepSeek-R1-32B的WiNEX Copilot 2.1已在北京大學人民醫院部署上線，支持電子病歷智能助手、語音查房等場景。浙江省中醫院也已引入國產DeepSeek引擎，并推出WiNEXCopilot和WiNGPT兩款智慧醫療AI助手。
隨著產品的落地，衛寧健康也在加速商業化布局。衛寧健康在答投資者問時透露，其醫療AI助手產品2024年處于試點階段，已取得試點客戶合同，但目前累計合同金額不大，收益尚不明顯。計劃自2025年起，將進行批量化推廣。
在商業化方面，上述券商分析師向記者分析道，生成式AI實現商業化落地的關鍵在于對醫療場景的深度挖掘和產品的反復打磨。高價值場景需要具備兩大特點：專業性要求高和服務范圍廣。要實現這些場景的商業價值，需要高級醫學專業知識的深度融入，深入理解醫療需求，不斷優化算法質量，并強化用戶體驗。
需要指出的是，衛寧健康去年的業績呈現負增長。根據其2024年度業績預告，報告期內歸屬于上市公司股東的凈利潤盈利為8000萬元-1.2億元，比上年同期下降77.65%-66.48%；扣除非經常性損益后的凈利潤盈利為1.1億元-1.5億元，比上年同期下降67.07%-55.05%。
目前，國內外眾多專家學者已達成共識，AI不應成為醫生的競爭對手，而應是其合作伙伴。最近爆火的DeepSeek具有成本優勢，利于推廣普及。北京、上海、浙江、江蘇、安徽等地已有多家醫院宣布完成DeepSeek的本地化部署。
AI醫療的市場熱度持續攀升，在提供高效工具的同時，AI也引發了關于醫療從業者創造力是否會被削弱的擔憂。與此同時，近日湖南發布相關政策明確互聯網醫院嚴禁使用人工智能等自動生成處方，引發市場廣泛關注。
衛寧健康在其發布的AI年度報告中指出，AI對醫療創新會帶來雙重影響，在減輕重復性任務、拓展診療與研究思路的同時，也會帶來一些潛在風險與挑戰。
首先，可能會導致診療方案同質化。AI模型基于既有數據和知識庫訓練，可能導致診療建議模式化。過度依賴AI決策支持系統，或將減少對非常規診療策略的探索。哈佛醫學院在2022年的一項研討指出，缺乏引導時，AI標準路徑可能占據主導，降低創新性的嘗試。
其次，過度信任AI診斷結果，可能導致臨床思維固化，尤其在新藥研發、罕見病診斷和復雜手術中。當決策者成為“被動審稿人”，臨床方案或趨于保守，減少創新。
另外，AI 參與診療決策引發倫理問題。若出現誤判或不當治療，責任歸屬不明晰的情況下，醫生可能會更傾向于機械式地接受AI的輸出，以回避責任，進一步弱化深度思考與創新能力。
有業內專業人士向21世紀經濟報道記者指出，盡管人工智能能夠生成逼真的醫療報告、醫學影像圖片，并進行復雜的病情分析，但這并不等同于真正的“醫學理解”和“臨床思維”。我們對醫療服務的理解可能仍然受限于自身的認知。更重要的是，如何將人工智能的“智能”與醫生的經驗、直覺和同理心相結合，形成人機協同的診療模式，仍然極具挑戰。
“為了更好地應對人工智能對醫療領域的挑戰，我們必須積極探索人機協同的有效路徑。臨床專家應始終是最終決策者。制定明確的臨床路徑審核流程，要求醫生對AI建議進行校核、評估與調整。在團隊會診中，AI作為參考工具，而非最終決策者。同時，要將多元異質數據納入AI訓練，打破數據同質化限制。”衛寧健康表示。
本文鏈接：http://www.wbe-yiqi.com/news-7-17556-0.html從“模型為先”到“應用為王”：企業產品陸續推出，能否推動人機協同診療模式落地？ ｜AI醫療浪潮⑩
聲明：本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
