文章主题：叮当健康, 涨幅, HealthGPT, AI医疗
在12月8日的股市开盘之际，叮当健康（股票代码：09886.HK）呈现出了强势上涨的态势，其股价早盘强劲拉升超过21%。到了收盘时，该公司的股票价格已经上涨了8.33%，达到了2.21港元/股的水平。这一表现充分展示了该企业在市场中的强大实力和广阔的发展前景。
在今日的新闻领域，我国知名的健康科技公司叮当健康正式推出了其全新的产品线——叮当HealthGPT，这一革命性的健康解决方案不仅整合了最先进的人工智能技术，还结合了型医药AI产品——叮当药师、营养师AI助手，旨在通过科技创新为我国的健康事业注入强大的动力，共同推动健康中国的发展进程。
根据市场调查分析，随着 HealthGPT 的成功运用，企业有望更加降低成本、提高效率，进而挖掘出更强的业绩增长潜力。
实际上，叮当 HealthGPT 大模型的问世，仅是医疗大模型竞赛的一个侧影。今年初以来，随着 ChatGPT 的火爆，众多企业纷纷跟进，国内外 AI 大模型如雨后春笋般涌现，以革命性的姿态横扫各行各业，其中自然也包括医疗领域。
大模型之风吹向医疗
AI 医疗是一种通过运用大数据、云计算等人工智能技术来推动医疗领域各个环节的技术革新,包括疾病筛查、诊断、治疗、管理以及康复等方面。这种技术的进步将为药师、营养师和医生提供更好的支持,使他们能够更有效地为患者提供服务。
据悉，在人工智能的所有应用中，医疗行业位列首位。据中商产业研究院统计，2020年AI+医疗已占人工智能市场的18.9%。据IDC统计数据，到2025年人工智能应用市场总值将达1270亿美元，其中医疗行业将占市场规模的五分之一。
根据民生证券的研究报告，我国AI产业正在步入高度繁荣的阶段。在这个背景下，医疗行业的AI应用显得尤为重要，因为它旨在解决医疗领域中存在的诸多问题。通过利用通用大模型向医疗专用大模型的升级，有望彻底改变医疗全生命周期的运营模式。这不仅可以通过AI设备、AI诊断、AI决策以及AI个性化医疗等应用场景的实施来实现，同时也能有效地满足医疗需求，从而提高效率并降低成本。
可见，医疗AI广阔市场大有可为。巨大的想象空间和市场潜力，吸引着越来越多的医疗企业竞相在AI+医疗领域布局，特别是有着互联网基因的互联网医疗平台对AI明显需求更高。
今年以来，国内多家互联网医疗平台竞相推出AI大模型，利用AI大模型提升平台的工作效率和服务质量。
5月底，互联网医院——医联基于Transformer架构的国内首款医疗大语言模型——MedGPT。
据MedGPT真实世界测试结果显示，其诊断结果与三甲医院医生医学一致性达到96%。
6月底，数字医疗健康到家服务商——叮当健康发布叮当HealthGPT，并首推基于此研发的应用型医药AI产品——叮当药师、营养师AI助手。
7月中旬，国内互联网医疗行业龙头——京东健康建立在京东言犀通用大模型基础上，推出了面向医疗健康行业的大模型“京医千询”，覆盖全流程医疗需求、实现智能决策、支持多模态的医疗大模型。
8月17日，全国最大的全病程管理平台——微脉发布国内首款健康管理领域大语言模型应用CareGPT。据悉，微脉CareGPT基于国内开源大语言模型，主要致力于在真实的医疗服务场景中充分发挥健康管理价值，实现预防、咨询、预约、康复的全周期智能化健康管理能力。
从上述企业的布局可见，虽然都是医疗大模型，但方向和优势各不相同。未来，随着医疗大模型的创新与应用，医疗AI行业或将迎来洗牌，布局方向、应用价值都将成为企业竞争的关键节点。
国金证券研报称，基于人工智能技术的快速发展和在医药健康领域的应用，考虑近期多个AI大模型的推出和云服务未来在医药领域展开应用的前景，人工智能在医药健康领域的应用有望进入加速发展阶段。
AI医疗影像应用最为广泛
从医疗AI的应用场景来看，主要包括医学影像诊断、智能诊疗、个性化治疗、药物研发、患者管理和远程护理、机器人手术、病例管理系统等。
这当中，AI在医学影像领域的应用最为广泛。早在2018年，腾讯、阿里、科大讯飞等企业就开始布局AI+医学影像行业，发展至今已经有70个AI医学影像产品获得了三类证。
AI医疗影像的应用，能够提高医生的诊断准确性和效率。如，CT、MRI、PET等多种医学影像都可以通过AI进行辅助分析，帮助医生更准确地诊断肿瘤、心脏病等疾病。同时，它还可以挖掘大量的医学数据，促进医学科学的快速发展。
太平洋证券分析师谭紫媚指出，医学影像占所有临床数据的80%以上，人体器官和组织的可视化呈现，是临床诊断、疾病治疗及健康管理的基石。当前，传统医学图像领域面临医生供不应求、医疗资源失衡等痛点，AI医学影像解决方案有助于解决上述痛点。
据艾瑞建模测算，2020年，中国AI医疗影像市场规模为4亿元，而到2025年，市场规模可达100亿元，2020-2025年CAGR达87.5%。
AI医疗面临的挑战
需要指出的是，虽然医疗AI已经取得了显著的进展，但在技术、数据等方面仍面临巨大挑战，需要不断地发展和探索。
首先要保证数据的质量，确保医疗行业的安全和可靠性。以医学影像AI技术为例，它的缺点就在于其依赖于训练数据集的质量和准确性，如果训练数据集存在偏差或错误，就会影响模型的准确性。
但国内大部分医疗数据存储于各级医疗机构，业务系统相对独立，数据较难实现共享，存在明显的“数据孤岛”现象，可供训练的真实场景数据集有限。
其次，在技术层面，医疗行业的严谨性对模型的精确度要求更高，从而对算法和算力提出了更高的要求。
此外，医疗与人类生命息息相关，因此对于AI+医疗应用场景的监管也会极为严格。随着相应的监管规则不断出炉，未来AI医疗的发展将会充满更多不确定性。
综上所述，从现阶段看，AI在医疗应用端仍在探索阶段，并不能替代医生的诊断，但前景值得期待。
本文源自财华网
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
