一、发展历程
近年来，医疗大模型经历了快速发展。2023年被很多人称为“医疗大模型的元年”，国内外均有大量厂家将大语言模型应用于医疗健康领域。据统计，截至2023年10月，我国累计公开的大模型数量已经达到238个，其中垂直类大模型达到103个。而在这段时间内，发布的医疗大模型近50个，涉及智慧诊疗、医疗文本处理、药物研发和学术科研等多个方面。
二、应用领域
医疗大模型在多个领域展现出了巨大的潜力。例如，在诊断方面，基于大语言模型的人工智能如ChatGPT在常见病的正确诊断率高达93.3%。在临床决策方面，ChatGPT也展现出了较高的准确性，能够根据患者的具体情况提供个性化的诊疗建议。此外，医疗大模型还可用于癌症筛查、优化临床决策支持系统、生成医学文件等多个方面，为医生提供了重要的辅助信息。
三、技术挑战
尽管医疗大模型在多个领域展现出了巨大的潜力，但其发展仍面临一些技术挑战。首先，医疗大模型需要处理的数据量庞大且复杂，对数据质量和算法的要求极高。其次，医疗大模型的计算需要大量的算力作为支撑，但医院在算力部署等方面仍存在短板。此外，医疗大模型在应用中还存在一些局限性，如难以处理复杂指令、对专业知识的掌握能力有限等。
四、未来发展趋势
针对医疗大模型的发展现状和技术挑战，未来的发展趋势可能包括以下几个方面：
轻量化、本地化部署：为了解决医院在算力部署等方面的短板，轻量化、本地化部署的大模型将成为重要发展方向。这有助于降低医院使用大模型的门槛和成本。
提高数据质量和算法性能：通过数据清洗、标注和验证等手段控制数据质量，同时加强算法的研究和优化，提高医疗大模型的准确性和可靠性。
拓展应用领域：随着技术的不断进步和应用的深入，医疗大模型将在更多领域展现其潜力，如个性化医疗、远程医疗等。
加强监管和标准化：为了确保医疗大模型在临床实践中的合理和安全应用，需要制定相关政策和监管措施，并加强标准化工作。这有助于推动医疗大模型的健康发展。
实际的落地场景：对于大模型在医疗领域实际业务场景中的落地，比如：病历内涵质控、全病历编码推荐等场景还存在较大的技术和数据挑战。
综上所述，医疗大模型在医疗健康领域具有广泛的应用前景和巨大的发展潜力。然而，其发展仍面临一些技术挑战和问题需要解决。随着技术的不断进步和应用的深入，相信医疗大模型将在未来发挥更加重要的作用。