從未有創新技術能如大語言模型一般，能在短短數月穿透醫療體系，引得醫院主動、迅速、成規模地引入。
截至2025年4月30日，統計第三方榜單中國內排名前100的醫院，已有98家對外宣稱完成了大模型部署。
在這之中，有38家醫院在通用模型的基礎上進一步展開研發，打造出55個符合自身需求的垂直醫療模型。
從“買方”轉變為“研發方”，醫生已成為“AI製造”群體中至關重要的一員。
（截至2025年4月30日，醫院排名來源於“2022屆中國醫院競爭力春季榜”）
01
大模型進入專科專病時代
2022年末，OpenAI憑藉GPT3.5點燃大模型的戰火後，國內醫療領域已經掀起多輪“百模大戰”。
但由於GPT時代高昂的部署成本及呼叫成本，國內只有少數頂級醫院完成了大模型的本地化部署，絕大多數模型均由企業開發，訓練資料主要為醫療相關的文字資料，沒有觸及醫院多模態臨床資料的核心。
因此，這個時代誕生的大量大模型具備同質化高、臨床相關弱的缺點，鮮有模型能夠為醫院帶來增量價值，因而未能在醫療領域掀起太大漣漪。
DeepSeek-R1的橫空出世可以視作醫療大模型發展的關鍵轉折點。創新架構下，DeepSeek大幅降低了大模型的使用門檻。醫院只需支付數十萬元的費用便能本地部署大模型，並對此進行個性化定製，即便是未曾接觸過大模型的醫院，也不願錯過這一機遇。
相較於企業，醫院能夠呼叫的醫療資料體量更龐大，模態更多元，模型的功能也能更貼近臨床的真實需求。因此，誕生於DeepSeek流行後的醫院主導的大模型（部署的通用模型可能是DeepSeek外的其他模型）開始朝專病專科發展，能夠處理的多模態的醫學資料，直切臨床問題。
譬如，北京協和醫院今年2月釋出的“協和·太初”便是首個罕見病領域的人工智慧大模型，可用於輔助醫生快速準確地識別診斷罕見病，破解罕見病診療全國範圍內同質性差的難題。
該大模型基於我國罕見病知識庫的多年積累和中國人群基因檢測資料建立，醫生向模型輸入“發現孩子從2歲起發育、語言和動作都明顯落後，交流也無法完成”等症狀後，僅需數秒AI便會給出“需警惕罕見遺傳性疾病（如雷特綜合徵、天使綜合徵等）或複雜神經發育障礙”的判斷，並給出就診科室、補充檢查等醫學建議。
中山大學附屬第一醫院與神州醫療共同研發的全球首個腹膜透析大模型則是聚焦腹膜透析這一細分場景。該模型採用DHC+DeepSeek雙引擎架構，能對臨床文字、影像、病理、基因、時序資料等進行深度理解和融合分析捕捉腹膜透析的相關資訊，為醫生提供診斷分析、治療方案推薦、隨訪建議和風險預測等功能，進而為尿毒症等患者緩解治療比例低、社會迴歸率低等問題。
類似的垂直模型還有很多。動脈網據公開資料統計，國內目前已有專病專科垂直模型22個，覆蓋心血管病、腎病、胸痛、咽喉病變、皮膚病、肝癌等病種，骨科、放射科、病理科、眼科、麻醉科等科室，甚至還專為消化內鏡、心超等裝置，以及手術風險評估、感染控制等環節訓練大模型。
同時，垂直大模型的功能也隨醫生的加入不斷擴充套件。最初的大模型應用主要以患者服務為主，用生成式AI的多輪對話能力為患者提供更好的診前、診後服務。常見於智慧預問診、智慧導診、智慧隨訪等應用中，是對過去AI的一次升級。
而如今，醫院在採用大模型最佳化患者就醫體驗的同時，也希望大模型能夠更好地服務於醫生群體，實現輔助決策、輔助診斷等功能，提供更為優質、更為高效的醫療服務。亦有少量醫院在探索大模型在醫學教育、醫院管理、科學研究中的應用可能，期望能夠由數字化醫院轉變為智慧化醫院，從源頭上解決醫療資源缺失、科研產出有限等問題。
需要注意的是，雖然百強醫院都完成了通用模型的部署，但上文展示的垂直模型主要由排名前50的醫院開發。換句話說，垂直大模型的研發非常考驗醫院的整體實力，不僅需要在研發過程中保證深度的醫工融合，還得有能力承擔研發過程中的精力與費用，這筆費用算下來相當昂貴。
醫療大模型最為花錢的部分在於算力與資料。同深度學習時代輔助診斷類AI的訓練邏輯相似，好的醫療大模型需要做好醫療資料方面的工作，有效整合電子健康記錄（EHR）、影像資料（DICOM）、實驗室報告等資料，確保資料多樣性。
此外，資料的清洗與標註也同樣重要。要確保大模型在後續使用中具備客觀的生成結果質量，開發者們必須在前期資料治理工作，剔除異常實驗室值、錯誤電子病歷等重複、缺失或錯誤資料。
以影像大模型為例，訓練一個某垂直領域的影像大模型理論上至少需要數千張經過分類和標註的影像，且影像來源需要多元，儘可能收集不同分期、不同年齡的患者影像資料，保證大模型的魯棒性。
如果訓練模型使用的影像太少，大模型在實際使用時就容易出現幻覺，為了回答問題去編造一些不存在的東西。臨床之中，這樣的模型無法成規模地應用下去。
02
醫院主導開發，垂直模型仍需企業助力
除了醫療大模型功能與價值產生路徑上的變化，醫院的開發模型也在不斷擴充套件。
上述提及的55個大模型中，醫院合作企業一起研發依然是主流，有超過一半的專案採用這一模式進行開發。
但從資料可以看出，2025年2月開始，醫院合作學校、科研機構的專案數量開始激增。尤其是醫院獨立開發這一模式（包括醫院間的合作），已佔比接近25%，成為僅次於合作企業開發的重要模式。
這意味著：醫院正在醫療大模型的能力躍遷中發揮愈發重要的作用。
不過，由於大多數醫院缺乏兼具工程與醫學能力的跨專業人才，醫院與企業的聯合開發模型依然會是未來的主流。
畢竟，訓練模型需要以此完成資料準備與處理、模型選擇與配置、模型訓練、模型評估與調優、模型部署與整合五個步驟。相較於獨立開發，醫生提供領域知識與標註資料、AI工程師則負責技術實現的分工形式或許更能契合當下醫院的需求。
此外，企業的介入還能幫助醫院更好地從商業化的角度規劃大模型的未來迭代路徑，推動相關科研轉化的實現。畢竟，當這些成果得到充分地共享，它的價值才能最大化地展示出來。
現階段，華為、中國電信、訊飛醫療、衛寧健康、福鑫科創、神州醫療等企業已經廣泛參與到了醫療垂直大模型的開發中，取得了一定成果。伴隨醫院大模型應用場景的進一步擴大，更多中小企業亦可與醫院達成合作，共同開發細分場景下的醫療垂直大模型。
03
邁向下一個時代，醫療大模型還需邁過三道坎
雖說醫院這一角色的介入已為醫療大模型帶來長足的發展，但要跨越時代，更深入地應用大模型，這一行業至少還需邁過三道坎。
■ 醫院大模型訓練集的侷限性
現階段醫院開發大模型採用的多是醫院自身長期積累的資料集。吸納這些資料後的大模型能夠較好地處理常見的患者，但面對一些複雜、少見的病灶，大模型很容易因為資料的缺失而產生幻覺。要解決這一問題，醫院在培育大模型時應儘可能採用多個地域、多家醫院的資料組成訓練集。
目前，已有不少醫院開始組建專病聯盟，共同開發醫療垂直大模型。這種模式不僅可以保障大模型的準確率和魯棒性，還能提高醫療資料的複用率，讓這些治理後的資料能夠充分發揮價值。
■ 大模型的形態暫無定論
到目前為止，行業圍繞大模型的討論主要集於它的功能，鮮有人去探討它的形態。當垂直大模型作為一個商業產品走出醫院時，我們必須確定它的形態，是單純的軟體應用，還是需要經歷審評審批的醫療器械。
今年3月31日，國家藥監局釋出了《關於最佳化全生命週期監管 支援高階醫療器械創新發展的舉措（徵求意見稿）》，公開徵求多病種AI、大模型等新興技術准入方式的意見，先行一步為大模型的發展樹立道標。
檔案提到要研究制定多病種、大模型人工智慧領域相關技術指導原則或者審評要點；簡化核心演算法不變而演算法效能最佳化人工智慧醫療器械產品變更註冊要求；探索完善採用測評資料庫開展人工智慧醫療器械效能評價要求。
這或許意味著，醫院這波新興的輔助診斷、輔助決策模型未來將被視作醫療器械，經過嚴苛的准入審查方能進入市場進行流通。
■ 潛在的安全性問題
到目前為止醫療行業尚未曝出大模型相關的資料安全問題，但風險從未遠離過這一領域。
醫療資料承載著患者的基因資訊、病史記錄等高度敏感內容，一旦洩露，將對個人隱私構成嚴重威脅，甚至可能引發基因歧視、保險欺詐等連鎖風險。
由於現階段醫院部署的大模型大多來自開源專案，相關程式碼的修改可能會引入後門程式或者安全漏洞。如果醫院系統架構缺陷或資料傳輸加密不足，那麼這些資料便會被暴露於網路攻擊之下，面臨非法獲取和濫用的風險。
因此，在醫療領域應用開源AI系統時，醫院及企業最好對這些風險進行全面評估，採取嚴格的安全措施，確保系統的安全性和資料的保密性。只有做好醫療資料安全方面的保障，醫療大模型才存在持續發展下去的可能。
*封面圖片來源：神筆PRO
如果您認同文章中的觀點、資訊，或想進一步討論，請與我們聯絡；也可加入動脈網行業社群，結交更多志同道合的好友。