《科创板日报》7 月 1 日讯（记者 黄心怡）华为、蚂蚁等大厂正在加码布局 AI 医疗健康。

6 月 30 日，瑞金医院宣布与华为开源了病理大模型 "RuiPath"， 并与海内外的 12 家医疗机构共同启动 RuiPath 病理大模型的全球多中心计划，协同推动病理大模型持续迭代。

蚂蚁集团在收购好大夫后，持续布局 AI 医疗。最新推出的 AI 健康应用 "AQ"，提供健康科普、就诊咨询、报告解读、健康档案等上百项 AI 功能。

此外，科大讯飞、百川、Kimi 等也纷纷看中了 AI 医疗这一赛道。从落地场景来看，名医智能体、AI 诊疗、新药研发等是被重点关注的方向。

弗若斯特沙利文预测，中国 AI 医疗市场规模将从 2023 年的 88 亿元增至 2033 年的 3157 亿元，年复合增长率达 43.1%。

不过，《科创板日报》记者在采访中获悉，高质量的医疗数据缺乏，以及数字化建设成本高昂等，仍在一定程度上影响了 AI 在医疗领域的应用。

▍ AI 智能体落地：为名医打造数字分身

AI 应用于医疗服务，已经有很长一段时间。但此前小模型由于其泛化能力有限。

蚂蚁集团 AI 医疗总经理刘军伟认为，大模型时代与此前阶段的区别在于，AI 将成为生产力。比如，医生 AI 分身既可以帮助医生解决问题，也可以快速响应用户的需求。蚂蚁集团的 AI 健康应用 AQ，就整合了全国近 200 位名医 "AI 分身 "。

" 偏远地区的老百姓，如果要想挂到大专家号，甚至进行在线专家问诊，是很困难的。通过 AI 能力打造专家医生分身，偏远山区的老百姓就可以享受 24 小时随时沟通。在不影响工作的情况下，专家也可以收到很多用户的反馈或者用户的需求。"

刘军伟介绍，为专科名医打造 AI 分身，不仅需要形象和声音相似，关键环节在于大模型对医生科室诊疗经验的针对性学习，让智能体真正接近医生本人的问诊逻辑，这是在训练模型、安全评估等一系列深度合作中完成的。当 AI 涉及到诊疗诊断等深入问题时，AI 会为用户匹配医生来做二次判断，在有必要时建议挂号就诊。

" 我们希望 AI 扮演把所有类型的服务串联起来的角色。大模型的关键进化还在于改变了交互方式，不需要任何门槛，一句话就可以。AI 主要做的是咨询，可以帮你直接唤起互联网医院和线下的陪诊。"

▍大模型能否走入临床应用？

华为于今年 3 月组建了医疗卫生军团。《科创板日报》记者了解到，华为希望大模型不止于问答咨询，而是能直接在医生的诊断环节发挥作用。

此次瑞金医院与华为打造的 RuiPath 病理大模型，正是 AI 在诊断方面的一大探索。该模型是基于对百万数字病理切片等数据进行训练，能识别病理切片中的病灶区域。

中国工程院院士、上海交通大学医学院附属瑞金医院院长宁光认为，AI 真正走向实际临床应用，是医疗行业有待跨出的、非常重要的一步。" 我们为什么一直在发布，临床总是不应用？这是所面临的非常重要的问题。"

这是为何瑞金医院选择开源 RuiPath 病理大模型。目前 RuiPath 超越传统小模型，已覆盖 19 个常见癌种，覆盖中国每年全癌种发病人数 90% 的癌种。但在宁光看来，还有 10% 肿瘤未能覆盖。

" 我们能否通过开源的方式，真正可以覆盖百分之百的癌种。只有这样才可能达到临床应用级的大模型，这就需要大家一起来提高和打磨。"

在宁光的期望里，应该集上海所能、集上海所强，所有医院一起合作攻关，这样才可以在上海形成垂直化大模型生态。

" 在卫建委和上海申康医院发展中心的支持和领导下，可以有更多的医院、更多的模型。而每家医院对别家医院的模型，都给予更多的关心支持和率先的使用。相信这样就真正可以看到，不是一家一家医院在发布、在使用，而是整个上海在使用。也只有如此，才可能提高垂直化医学大模型在上海乃至全国，甚至全球的应用。"

▍数据仍是最大挑战

瑞金医院病理科主任助理笪倩表示，在病理人工智能的落地过程当中存在多重挑战，比如数据切片和扫描的质量不合格，会影响模型的精度，数据格式不统一就会形成数据孤岛。

笪倩提到，中国约有 5000 家医院具有病理科，但不足 5% 的医院将数字化应用于日常的诊断过程当中，导致数据的规模很小，影响了智慧化的发展。

在算法的层面上，传统的模式数据标注依赖于病理学的专业知识，导致非常的昂贵而费时，并且具有个人的主观性。

笪倩称，在算力层面上，100 万张的切片对应的是一个 PB 的数据，单张的主流 GPU 显存仅为 80 个 GB，这导致投资成本很高。在存力方面，三甲医院病理数据的增量非常大，也使得存储的成本非常高，数字化建设的门槛高居不下。以瑞金医院为例，每天的增长切片量为 6000 张，所以每年的数据增量达到 1.5 个 PB。

望石智慧创始人 &CEO 周杰龙认为，医药创新的问题分为水面之上和水面之下：水面之上是研发挑战的问题，创新难度大，怎么突破创新的过程，避免 " 专利撞车 "；水面之下，医药行业作为数据密集型产业，很多药企有非常多数据，但今天这些数据沉积在很多数剧仓里，没有实现数据价值最大化。"

"相对于其他行业，医药领域在数字化层面可能更偏落后，面临更大的挑战：一方面，业务每个环节的数据记录可能未必规范，导致很多的数据之间没有打通，或由于保密性原因无法办法共享，导致数据浪费，知识无法沉淀。另一方面，对于工具层面，虽然目前已经有非常多的工具，但这些工具就好像散布在系统里面的一个个点，没有形成从设计目标出发，构建一条系统化的工具链。" 周杰龙表示。

望石智慧也在与亚马逊云科技等厂商合作，推进数据治理方面的技术探索，包括：数据结构化治理、模型输入 / 输出安全控制策略、基础设施和各种高性能计算平台的支持等。

周杰龙表示，在医药领域里，需要训练和学习化学、生物、模态医药的垂类大模型，基于底层的垂类生成模型，再融合文本模型，最终走向智能体（Agent）之路。通过多个智能体（Multi-agents）的方式提高集体智能和决策的方式。