2023年医疗健康AI大模型行业研究报告.pdf
《2023年医疗健康AI大模型行业研究报告.pdf》由会员分享,可在线阅读,更多相关《2023年医疗健康AI大模型行业研究报告.pdf(31页珍藏版)》请在咨信网上搜索。
1、2023医疗健康AI大模型行业研究报告亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)前言2023年9月,习近平总书记在黑龙江考察调研期间首次提到“新质生产力”,强调整合科技创新资源,引领发展战略性新兴产业和未来产业,加快形成新质生产力。医疗行业是一个典型的知识和技术密集型行业,其发展水平直接关系到国民健康和生命质量。医疗健康AI大模型,作为人工智能的一个分
2、支,能够通过学习大量的数据来生成新的数据实例,这在医疗领域有着广泛的应用前景,如药物研发、医学影像、医疗文本分析等。这些应用不仅能够提升医疗服务的质量和可及性,还能够推动整个医疗产业的创新发展,形成新的产业生态和生产力。因此,“新质生产力”概念下的科技创新资源整合,对于医疗和生成式AI领域的发展至关重要。基于此,亿欧撰写了本报告,旨在分析当前医疗健康AI大模型在实际应用中的成效,提高医疗各界对医疗健康AI大模型的认识和理解,讨论其对医疗服务可及性和质量的潜在影响,增强医疗各界对新技术的接受度。2亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧
3、智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)mNxPrPnPpPoMoQmRmPmQnMaQ8Q6MtRqQnPpMfQqRmOjMmNwO7NoPpPxNsQsQuOnNsR目录CO N T E N T S医疗健康AI大模型发展背景01医疗健康AI大模型应用场景02国内医疗健康AI大模型市场发展简析03医疗健康AI大模型平台测试结果分析04 医疗健康AI大模型发展过程 医疗健康AI大模型的技术支持 医疗健康AI大模型在医疗场景下的初步表现 医疗健康A
4、I大模型应用场景盘点 医疗健康AI大模型医疗健康场景应用-医学影像 医疗健康AI大模型医疗健康场景应用-药物研发 医疗健康AI大模型健康场景应用-医疗文本处理 医疗健康AI大模型健康场景应用-学术科研 医疗健康AI大模型产品市场规模及增速 医疗健康AI大模型产品应用落地的企业类型 医疗健康AI大模型产品及企业图谱医疗 医疗健康AI大模型合作梳理 医疗健康AI大模型测试背景 医疗健康AI大模型测试核心发现 医疗健康AI大模型测试结果总结亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿
5、欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)4 在1956年的达特茅斯会议上,“人工智能”的概念被首次提出,六十多年以来,历经逻辑推理、专家系统、深度学习等技术的发展,人工智能也经历了数次沉浮,有如日中天的发展时期,也有因技术不足热度退去后的寒潮。而每一次寒潮后,也会经历技术的蛰伏发展,为人工智能带来里程碑式的进步。信息来源:公开资料,经亿欧整理绘制。医疗健康AI大模型技术发展过程:从深度学习过渡到大模型时代2012年以前 机器学习时代以统计算法和先验知识驱动机器学习GPT-1ChatGPTGPT-3.5深度学习
6、Transformer2012-2017年以前 深度学习时代以深度学习为代表得数据驱动模式2017年以后 大模型时代以Transformer为框架,融合多头注意力机制的新算法克服了传统深度学习算法(CNN、RNN)的缺陷,大数据、大模型BertGPT-2GPT-3GPT-420172018.62019.22020.52022.112023.3Open AIGoogle亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智
7、库-may(382112)亿欧智库-may(382112)5 目前众多高校启动了关于中文医疗健康AI大模型的研发并在Github上发布源代码,增加了商业企业对于医疗健康AI产品研发的技术支持。从研发模型的功能分析,大多围绕问诊对话、病历结构化等文字处理相关的功能。信息来源:公开资料,经亿欧整理绘制。众多高校研发医疗健康AI大模型,为行业发展的技术底座提供了坚实的基础研发高校信息模型名称模型功能哈尔滨工业大学社会计算与信息检索研究中心健康智能组本草BenTaso通过医学知识图谱和GPT3.5 API构建了中文医学指令数据集,并在此基础上对LLaMA进行了指令微调,提高了LLaMA在医疗领域的问答
8、效果。此外,项目还尝试利用GPT3.5 API将医学文献中的【结论】作为外部信息融入多轮对话中,在此基础上对LLaMA进行了指令微调。华东师范大学计算机科学与技术学院智能知识管理与服务团队ChatMed医疗问诊ShenNong-TCM-LLM-神农中医药大模型医疗问诊澳门理工大学CareLlama关怀羊驼中文医疗大模型通用大模型MedQA-ChatGLM医学对话XrayGLM首个会看胸部X光片的中文多模态医学大模型华南理工大学未来技术学院广东省数字孪生人重点实验室合作单位包括广东省妇幼保健院、广州市妇女儿童医疗中心和中山大学附属第三医院等BianQue扁鹊-中文医疗对话大模型中文医疗对话Sou
9、lChat灵心健康大模型中文医疗对话华东理工大学信息科学与工程学院孙思邈中文医疗大模型医疗问诊Mindchat漫谈中文心理大模型中文医疗对话-心理咨询、心理评估、心理诊断、心理治疗浙江大学、网新数字健康联合研究中心QiZhenGPT启真医学大模型药品知识问答,医患问答、病历自动生成上海人工智能实验室、上海交通大学-清源研究院、华东理工大学-自然语言处理与大数据挖掘实验室PULSE中文医疗大模型健康教育、医师考试问题、报告解读、医疗记录结构化以及模拟诊断和治疗上海交通大学未来媒体网络协同创新中心和上海人工智能实验室智慧医疗中心MING基于共计28科室的中文医疗共识与临床指南文本,从而生成医疗知识
10、覆盖面更全,回答内容更加精准的高质量指令数据集。上海交通大学DoctorGLM中文问诊模型中国科学院自动化研究所紫东太初2.0智能化疾病管理、医疗多模态鉴别诊断上海人工智能实验室Open-MEDLab医疗多模态基础模型群亿欧智库:开源中文医疗健康AI大模型研发信息亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)数据库的建设对健康医疗大数据的落地应用的至关重要
11、,在医疗领域建立权威、科学、规范的临床重点专科标准数据库,能够支持AI大模型医疗健康场景应用落地以及解决健康需求面临的挑战。2016年,国家卫健委能力建设和继续教育中心开始着手建立数据库,由于中心拥有非常优质的专家资源,保证了数据质量。在数据库建立的过程中,也遇到了非常多的无法解决的问题,而我国将临床专家的智慧发挥到了极致,即根据临床需求来反推中心需要进行的工作。由此,中心制定了入库收集的标准,收集数据,并将其应用起来。由于在数据库建设中,中心一直坚持以临床需求应用为导向,使建立过程虽然历经艰辛但依然坚持走到了现在。信息来源:马兆毅主任于2023年7月8日在WAIC AI医疗发展论坛中的主旨演
12、讲:医学影像人工智能的创新应用与发展国家层面建立高质量医疗数据库,为AI大模型医疗健康场景落地应用减轻阻力6中国首个系统性专病标准数据集50例包含完整影像的全息标准数据全息肝癌高度近视10年随访多维度全构型定量数据集100例包含多年随访信息的标准数据高度近视眼标准化术语描述卵巢肿瘤多维度信息影像数据集300例标准数据(包含100例正常、100例良性、100例恶性)卵巢肿瘤超声公开数据集公开数据集公开数据集亿欧智库:人工智能应用公开数据集亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)
13、亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)7 下表的数据反映了不同研究中对ChatGPT在不同场景下的表现和结果进行评估的情况。可以看出,不同研究对ChatGPT的评价结果存在差异。在回答患有前列腺癌患者的问题时,ChatGPT的回答准确性和全面性较高,易读性和稳定性也较好;在回答有关肝硬化和肝细胞癌的问题时,ChatGPT的准确率和全面性相对较高;在检索临床放射学的信息和参考文献时,ChatGPT的回答准确率为67,但参考文献的可用性较低;在在线医生咨询中,ChatGPT的回答长度较长,质量较高,且被评为富
14、有同理心。数据来源:Chat Generative Pre-Trained Transformer(ChatGPT)usage in healthcare医疗健康AI大模型在医疗场景下的初步表现:在问答的准确性和全面性有优势,但资料搜集方面可用性较低年份场景结果2023年回答患有前列腺癌患者的问题ChatGPT Plus版:准确性:“正确”=93.94;全面性:“非常全面”=91.94;易读性:“非常易懂”=100;稳定性:一致性=90.912023年回答有关肝硬化和肝细胞癌的问题正确率:肝硬化(79.1),肝细胞癌(74.0)全面性:肝硬化(47.3),肝细胞癌(41.1)2023年检索临床
15、放射学的信息和参考文献回答:67正确,33有错误参考文献:36.2可在互联网上找到,63.8由ChatGPT生成2023年美国医学执照考试ChatGPT在4个数据集(AMBOSS-Step1,AMBOSS-Step2,NBME-Free-Step1和NBME-Free-Step2)中的准确率分别为44(44/100),42(42/100),64.4(56/87)和57.8(59/102)。2023年在线医生咨询中的公共对话回答内容长度:平均(IQR):医生:52 17-62个单词;ChatGPT:211 168-245个单词;t=25.4;P 0.001。回答质量:比例:医生:22.1,95置
16、信区间:16.4-28.2;ChatGPT:78.5,95置信区间:72.3-84.1。回答被评为富有同理心:亿欧智库:ChatGPT在不同医疗场景下的反馈结果亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)目录CO N T E N T S医疗健康AI大模型发展背景01医疗健康AI大模型应用场景02国内医疗健康AI大模型市场发展简析03医疗健康AI大模型平台
17、测试结果分析04 医疗健康AI大模型发展过程 医疗健康AI大模型的技术支持 医疗健康AI大模型在医疗场景下的初步表现 医疗健康AI大模型应用场景盘点 医疗健康AI大模型医疗健康场景应用-医学影像 医疗健康AI大模型医疗健康场景应用-药物研发 医疗健康AI大模型健康场景应用-医疗文本处理 医疗健康AI大模型健康场景应用-学术科研 医疗健康AI大模型产品市场规模及增速 医疗健康AI大模型产品应用落地的企业类型 医疗健康AI大模型产品及企业图谱医疗 医疗健康AI大模型合作梳理 医疗健康AI大模型测试背景 医疗健康AI大模型测试核心发现 医疗健康AI大模型测试结果总结亿欧智库-may(382112)亿
18、欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)医疗健康AI大模型为技术底座,赋能医疗行业的多场景9服务对象医院&医生制药企业区域公共卫生(基层医疗)患者及亚健康人群主要痛点大医院医生工作压力大,工作内容繁杂由于生活习惯等原因,患慢病的人群逐渐增多医生科研过程需要阅读分析大量文献药物研发进程缓慢、投入大患者偏好去三甲医院、大医院国内医疗资源少且分配不均基层医疗资源薄弱、能力不足应用场景大类医
19、患双方信息不对称,信息差过大具体应用场景.医疗健康AI大模型+诊疗场景医疗健康AI大模型+医疗科研场景医疗健康AI大模型+健康管理场景医疗健康AI大模型+区域医疗场景医疗健康AI大模型+制药企业场景医学影像筛查电子病历医患沟通医保控费文献检索病理检验诊断预测健康管理数字疗法健康档案管理区域影像诊断药物研发亿欧智库:医疗健康AI大模型应用场景阿里巴巴通义仁心腾讯混元京东京医千询百度文心华为盘古商汤大医智谱AI百川智能信息来源:公开资料,经亿欧整理绘制。亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(
20、382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)医学影像和大模型结合的优势在于提升了疾病诊断的准确性和效率,为医生提供了更全面的信息和更好的治疗方案。但医学影像和大模型结合也存在局限性例如,数据获取困难、兼容性问题、复杂性和可解释性不足。数据来源:ChatGPT from radiologists perspective,公开资料,经亿欧整理绘制。医疗健康AI大模型健康场景应用-医学影像:为患者提供差异诊断,为医生提供诊断建议10差异诊断帮助放射科医生对发现的病变进行差异诊断,并提供额外的影像技术信息
21、来确诊。例如,ChatGPT可以提供关于潜在的骨肿瘤的信息,同时也可以为罕见病变的患者提供有效的随访建议。临床决策支持为放射科医生提供临床决策支持。通过提供相关的医学知识和建议,ChatGPT可以帮助医生制定治疗方案、选择适当的影像技术,并提供随访建议等。教育和培训对于经验不足或非专科的放射科医生来说,医疗健康AI大模型可以作为一个有益的教育和培训工具。它可以提供有关疾病诊断和处理的信息,帮助医生学习和提高技能。问ChatGPT:一个十岁的女孩进行了X射线检查,发现股骨近干骺端皮质旁边有硬化区域。患者的大腿有疼痛。你的诊断是什么?ChatGPT提供了关于潜在骨肿瘤的信息,并表示可能需要进行CT
22、或MRI来确认诊断。因此,ChatGPT可以帮助放射科医生决定是否需要进行CT扫描以获得更准确的诊断或评估。这种联系使得ChatGPT成为一个有用的工具,可以在放射科医生的临床实践中提供有关影像技术选择的建议。亿欧智库:医疗健康AI大模型在医学影像中的作用医学影像中应用案例代表案例:深睿医疗通用大模型全面开启全场景全流程AI数智化新时代深睿医疗智慧影像&大数据通用平台-Deepwise MetAI,融合计算机视觉、NLP、深度学习、大模型等人工智能前沿技术,将影像科日常应用产生的数据结构化、形成优质的数据资产,可以在技师、医生、科室的管理者之间自由流通、实现重建、打印、诊断、会诊、教学、科研的
23、一站式影像数智化,更好地支持诊疗流程、科学研究、科室建设乃至医院整体业务的运转,打造新一代人工智能数据应用新基座,全面助力医院智慧化高质量发展。MetAI,遇见AI,一切皆有可能!医疗混合模态大模型:构建医疗场景中融合多模态信息(影像、文本、视频)的大模型医疗文本大模型:用医疗文本对通用语言大模型进行调优,构建医疗文本/知识模型医疗影像大模型:基于多病种影像数据,训练医疗影像基础模型,可快速衍生到其他新病种代表案例:联影智能多模态大模型涌现式跃迁与突破亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may
24、(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)亿欧智库-may(382112)大模型和药物研发的结合可以提高药物研发效率、降低成本、提高准确性和个性化治疗,是药物研发领域的重要趋势和发展方向。数据来源:Large language models generate functionalprotein sequences across diverse families,公开资料,经亿欧整理绘制。医疗健康AI大模型健康场景应用-药物研发:提升药物研发成功的概率,降低研发成本11ProGen模型传统深度学习数据量需求ProGen是一种基
25、于条件语言模型的蛋白质生成模型,它通过学习大规模的蛋白质序列数据来生成新的蛋白质序列。ProGen的数据需求量相对较小,使用了280万个蛋白质序列进行训练,深度学习模型具有大量的参数,需要足够的数据来约束和优化这些参数。因此,复杂任务深度学习模型需要非常多的样本来达到良好性能。因为参数众多,需要足够数据来优化模型。所需的数百万到数十亿个样本。控制能力ProGen是一种条件语言模型,可以根据输入的控制标签生成具有特定功能的蛋白质序列。ProGen模型可以更好地捕捉到这些家族的序列特征和分布,从而提高生成性能。深度学习模型是一种通用模型,在生成特定家族或功能的蛋白质序列方面可能存在一定的限制。深度
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2023 医疗 健康 AI 模型 行业 研究 报告
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【Stan****Shan】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【Stan****Shan】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。