21世纪经济报道记者林昀肖 实习生张雅琼 北京报道

近日，北京市人民政府办公厅发布关于印发《北京市加快医药健康协同创新行动计划(2024-2026年)》（以下简称《行动计划》）的通知，其中提到，加快以医疗大模型为代表的人工智能技术赋能产业发展，支持医疗大模型开发和落地应用，推进数字疗法、人工智能辅助治疗等产品的研发应用，推动人工智能技术赋能新药研发。

对于该政策的落地，网经社电子商务研究中心数字生活电商分析师陈礼腾在接受21世纪经济报道记者采访时表示，首先，该政策出台将鼓励企业和研究机构在医疗大模型领域进行更多的技术探索和创新，有望加速推动医疗大模型行业的整体进步。此外，政策强调对医疗大模型落地应用的支持，这将有助于加速医疗大模型其在临床诊疗、疾病预测、健康管理等方面的应用推广。另一方面，医疗大模型不断完善，未来的应用也有助于提高医疗服务的准确性和效率，为患者提供更加精准、个性化的治疗方案。

随着GPT技术的突破，市场对于AI+医疗/医药领域的关注度再度升温，生成式人工智能带来了新一轮技术热潮，国内外面向多领域的大模型产品纷纷问世，数字医疗服务也开始进入2.0时代。当前，国内布局医疗大模型的企业数量仍不断增加，涵盖了互联网科技、医疗健康、人工智能等多个领域。

有行业观点认为，整体而言，医疗大模型能够助力医疗领域降本增效，从诊疗、医药科研、健康管理、基层医疗等多个层面赋能医疗行业，并全方位提升患者的就诊、医疗体验。但与此同时，在生命科学领域，涉及人才、技术、数据、政策等方面，医药大模型的发展痛点和相关风险也不容忽视。陈礼腾指出，在算力需求持续增长、数据安全和隐私保护、商业落地以及监管层面，医疗大模型行业发展仍需克服相应的挑战。

步入快速发展与创新阶段

对此，《行动计划》提出了八个方面的重点任务，包括实施医疗大数据共享与应用，建设全市共享的门急诊、住院、体检、科研等电子病历体系；推动标准化、信息化临床研究数据共享，明确数据脱敏标准，打通医院之间数据链接。推动检验结果、医疗影像在全市三级医院实现互联互通互认；推动医院开展医疗大数据的登记、评估、流通，拓展在创新研发端应用；促进医疗数据安全跨境流动等。

加快以医疗大模型为代表的人工智能技术赋能产业发展，支持医疗大模型开发和落地应用，推进数字疗法、人工智能辅助治疗等产品的研发应用，推动人工智能技术赋能新药研发；加快医疗、医保、药监等数据底座建设，精细化开展数据清洗和治理，推动数据流通；引导算力企业加大对人工智能医疗的支持，探索配置建设可信计算环境。

《2023医疗健康AI大模型行业研究报告》（以下简称《研究报告》）也指出，北京是国内大模型创新基础最好、人才团队最集中、研发能力最强、产品送代最活跃的地区。在北京市科委发布的首批10个人工智能行业大模型应用案例中，涵盖两个医疗相关模型，均由科技企业与医院共同研发。

随着ChatGPT的出圈，生成式人工智能带来了新 一轮技术热潮，国内外面向多领域的大模型产品纷纷问世，作为典型的知识和技术密集型行业，医疗行业大模型能够通过学习大量医疗数据来生成新的数据实例，协助药物研发、医学影像、医疗文本分析等，应用前景十分广泛。

《研究报告》分析称，医疗健康AI大模型使原有医疗场景应用创新的难度被大大降低，预计其会在2023-2027年集中爆发，到2030年，国内医疗健康AI大模型市场规模将超过230亿元。毕马威中国在《医药AI创新面面观》中也指出，全球各大科技巨头加注AI+生命科学以及AI+医疗、大模型爆发式发展、政策及资本等方面的持续加持，加速了AGI时代的到来。

仍需克服风险与挑战

在机器学习、算法模型技术进步的同时，医疗领域对AI大模型的开发和关注，也源自于医疗领域自身的发展需求和痛点。陈礼腾向21世纪经济报道记者介绍，当前国内对医疗大模型的开发应用，一方面是为了提高医疗效率以及辅助决策来提升医疗准确性，给出更加个性化治疗方案。另一方面，医疗大模型还有助于优化医疗资源配置，优化患者服务流程等。

在医疗大模型产品落地方面，《研究报告》介绍，医疗健康AI大模型产品主要在医疗机构、医药企业、零售药店以及互联网医疗这四类企业应用。对医疗机构而言，AI可以助力非结构化数据的处理，如电子病历自动生成，也能基于患者对话进行分诊和导诊。此外，AI可以助力医药企业在药物研发、临床、上市各阶段提升效率，帮助零售药店进行用药咨询服务、患者教育等。

医疗大模型开放和应用前景广阔的同时，其发展痛点和相关风险也不容忽视。毕马威中国就指出，在生命科学领域，人才、技术和数据以及政策等，是在谈及AI发展困境时常被提及的因素。

陈礼腾向21世纪经济报道记者指出，医疗大模型行业发展面临的痛点和挑战，主要包括4个方面。首先，是算力需求持续增长，医疗大模型的训练和应用需要大量的算力支持，随着模型规模不断扩大，算力需求也在持续增长，这对硬件设备和计算能力提出更高要求。

其次，是数据安全和隐私保护，医疗数据涉及患者隐私和敏感信息，如何确保数据在收集、存储、处理和应用过程中的安全性和隐私保护，是医疗大模型发展中必须面对的重要问题。

此外，在商业落地方面，尽管医疗大模型在技术上取得了显著进展，但在实际应用中仍面临诸多挑战，如如何与现有医疗体系有效融合、如何确保模型在临床实践中的准确性和可靠性等。这导致医疗大模型的落地应用相对较慢。

最后，是监管层面的挑战，医疗大模型作为新兴技术，其监管政策尚不完善。如何制定科学合理的监管政策，确保医疗大模型的健康发展，是政府和行业需要共同面对的问题。

为克服上述障碍，《研究报告》认为，企业需要采取措施加强数据保护、获得必要的版权授权、确保模型的公正性和合规性，同时通过提高透明度和公众教育来建立用户信任。这要求在技术创新和社会责任间找到一个平衡点，确保医疗大模型能够以负责任和可持续的方式推向市场。

医疗大数据是医疗大模型开发的数据底座，在医疗领域，数据质量与成本问题、数据共享与安全问题、数据脱敏问题等更为复杂。国家卫健委等10部门于2024年2月发布的《关于加强医疗监督跨部门执法联动工作的意见》就提出，要借助新兴技术，加强业务协同，打通信息壁垒，实现数据共享互通，破除“信息孤岛”。而北京市此次《行动计划》中关于实施医疗大数据共享与应用，以及保障和促进医疗数据安全跨境流动的建议，或许能为解决医疗大数据的痛点提供借鉴。