被醫療把脈的大模型
在數字化浪潮的推動下,醫療行業正經歷著前所未有的變革。大模型技術以其強大的數據處理能力和智能化應用,成為這一變革中的關鍵力量。本文深入探討了大模型在醫療領域的應用現狀和挑戰,揭示了從制藥公司到互聯網醫療品牌,從AI診療到藥品流通,大模型如何被賦予新的使命和價值。
6月,一家頭部制藥公司迎來了幾位客人,他們手握基于某大廠模型能力打造的“半成品”系統,希望以該廠商提供的用戶數據做敲門磚,達成初步合作。
會議室的空調未能驅散盛夏的暑氣和濕熱,在長達數小時的焦灼磋商后,這家制藥公司最終僅以4角/人的價格購買了集團名下某款藥品的相關數據,并且承諾會在區域內試用“附加”的大模型產品。
“如果是大廠自己來談,這單下不來”,市場部領導李學勤(化名)簡單估算了一下一來一回的成本,決定維護好與這家制藥公司的BD關系,爭取在產研把模型產品搗鼓出來前就把這個客戶徹底拿下。
這僅是時下垂直大模型“火熱落地”中的一隅。李學勤告訴光子星球,自去年下半年起,便有多家大廠的互聯網醫療品牌與他們接觸,希望透過他們的渠道將模型能力賣出去。
當騰訊、字節跳動、百度等廠商在2020年這個節點,各自推出自己的互聯網醫療品牌的時候,估計其未曾料到這條賽道會在短短幾年內如此跌宕起伏。
截至7月5日,過去市值一度高達數千億的阿里健康與京東健康的市值總計分別為514.94億、674.57億?;ヂ摼W醫療的高估值神話破滅,能賣藥的勉強守住了品牌,沒法賣藥的只能暫時邊緣化。
然而在大模型這股東風下,這些邊緣資產有了被激活的跡象。
一、轉向to B
眾所周知,互聯網醫療爆發起始于三年特殊時期,用戶對于求醫問藥的需求。彼時公立醫院通常負載較重,而互聯網也需要進一步增長的新領域,二者一拍即合。
然而隨著時間推移,線上問診逐漸被認為是一種“癢點”。
須知隨三年“黑天鵝”同步進展的是用戶對日常疾病認知的深入,通常的小病小痛已無需求醫,公開數據顯示居民健康素養已自2012年的8.8%提高至2022年的27.78%。至于需求仍然旺盛的重病慢病管理需求,線上問診則顯得“有心無力”。
需求不斷被證偽,導致商業模式始終跑得磕磕絆絆,問診與醫療管理難以觸達用戶,“以醫療之名,行賣藥之實”便成為唯一可行的選項。以阿里健康為例,截至2022年9月30日止六個月,其收入為115億元,其中來自醫藥電商的營收占比近88%。
即便如此,過于依賴既有零售體系,以及醫藥流通偏重即時性的特點,仍然限制了互聯網醫療講出新故事的可能。
以抖音旗下的互聯網醫療品牌“小荷”為例,在缺乏配送能力與網售資質的情況下,其于2022年試圖建立“線上問診——線下轉化”的商業鏈條。然而缺少價格補助的線上診療往往相較線下三甲醫院掛號更貴,流量也未能幫助小荷走出“O2O醫療”的困局,to C的小荷健康App早已于去年初關停。
不過,缺少了“黑天鵝”對互聯網醫療的價值催化,一度在內部被認為是創新業務的to B方向卻頑強地撐過了互聯網醫療的寒冬,最終拿到了進入大模型時代的船票。
“To C方向的診療、藥品銷售與重/慢病管理等業務,用互聯網思維很難做成,因為找不到明確、穩定的支付方。相比之下,B端無論是藥店、診所還是醫院,用戶支付的集中度都高得多”,一位接近一心堂的人士表示。
有趣的是,恰恰是醫療電商對藥品流通的沖擊,倒逼線下流通的多個環節如藥店、診所等以及制藥企業加碼數字化。另一方面,醫藥線下零售也讓追求透明高效與輕資產的互聯網企業望而卻步,即使是互聯網視域下最“重”的京東,其線下自營藥店的門店數量也未能超出200家,與大型藥店連鎖動輒“萬店”相形見絀。
我們自某華南地區的醫藥SaaS企業處了解到,自去年中起,已有包括抖音小荷、騰訊醫典、百度健康等互聯網醫療品牌與之接觸,希望借這些“中間人”啃下國內藥店數字化的新蛋糕,其中抖音小荷更是早已與之有過線上導流相關的合作。
據國家藥監局統計數據,截至2022年12月,全國藥店數量合計已達到62.3萬家。據我們了解到的單位藥店數字化系統單價300元/年來計算,這條B2B2C的賽道儼然逐漸成長為十億乃至百億級。
何況在這次數字化浪潮中,還增加了大模型這個新變量。
二、醫療大模型不賺錢?
作為典型的高人效比行業,在人工智能向垂直領域進發的征途中,醫療一直是所有玩家都高度關注的賽道。
早在上一輪互聯網醫療概念爆發時,AI診療便成為發力AI的互聯網廠商的新故事。就算2022年推出的,首個針對互聯網醫療的文件《互聯網診療監管細則(試行)》劃定了禁止AI替代醫師接診的“紅線”,行業還是借“輔診”之名保留了一定AI提效的空間。
也就是說,醫療行業對AI并不陌生,甚至現實情況是,醫療相關的不同產業角色都在試圖擁抱AI。不過自近一年的實際應用看,大模型并未對過去的醫療AI帶來本質上的提升。
光子星球了解到,診療作為AI切入醫療場景的“排頭兵”,大模型對其性能提升并不大,過去AI診療與輔診的問題仍懸而未決——并不是AI能力不足,而是用戶“能力不足”。
“假如一位感冒患者求醫,AI診療需要他輸入自己的具體癥狀來‘對癥下藥’,但患者往往連癥狀都描述不清楚。一旦輸入有偏差,AI生成的內容偏差會更大”。一位東南地區疾控中心主任表示,“鼻涕狀態、舌苔狀態、發熱畏寒等等,任何錯誤都可能導致誤診?!?/p>
于專業人士而言,AI輔診的能力他們看不上。但從業者素質相對偏低的藥店藥師,卻又缺乏對AI輔診生成內容的判斷能力。因此,與診療相關的內容,自始至終是醫療AI中落地情況最不樂觀的一種。
不過,除AI診療、輔診以及自此衍生的用藥方案之外,AI大模型的提效正逐漸得以驗證。
據悉,東南地區兩家醫科大附院便早在去年便采購了文心一言大模型,用來“寫材料和研究申請、跟進研究項目動向以及商標設計”?!拔覀冡t科大的二附院,在今年初因為大家用得太瘋狂,還讓領導注意到了。后來他們就被禁止使用大模型了,理由是‘學術不端’”,一附院的一位主任醫師調侃道。
也就是說,以醫院醫生為代表的使用群體將大模型聚焦在科研以及考評評審中,在用戶畫像與使用目的上,與高校高度重合。不可否認這些需求即使在垂直行業視域下也相對小眾,商業化價值也不算高,但需求確認且集中,不失為是一個合適的小規格產品的落地思路。
相對而言,更具商業化空間的是連鎖藥企。不似前述疾控中心一般,有基于全國調研的疾病預防管控數據作為支撐,這些零售巨頭往往呈現高度區域化,包括庫存藥品SKU、門店分布、數據來源等方面。這意味著更進一步的市場拓展缺乏相關數據支撐,藥品采買與供應同樣是兩眼一抹黑。
而基于向量數據庫的AI能力可以打造藥品信息大腦,在相對寬泛的現行藥品標準的基礎上提高顆粒度與精確性,同時基于上下文理解來區分藥品描述中難以避免的同義多樣表達問題,為藥店的庫存管理提效?!昂帽韧瑯邮歉忻八帲谐伤幣c西藥的癥狀描述相似,大模型可以幫我們快速區分并落在SKU管理上”,李學勤表示。
在人口老齡化以及慢性病年輕化的當下,以數字人為觸達媒介的智能藥事管理與重、慢病管理同樣值得注意。相比隔壁電商的數字人主播,醫療數字人需要在適老性與專業能力上下更多功夫。
經初步驗證的產品方向已有許多,不過就目前而言,大模型于醫療相關行業的應用還處于產品化的初期。套用一位醫療大模型BD的原話是:“能賺錢的(地方)用不上,不賺錢的倒是挺好用”。
三、信任危機下的中間商
是個大模型都想擁抱千行百業,分發是第一道坎。
隨著騰訊與字節兩個移動互聯網的流量捕手,分別推出了自家的AI智能體開發助手,依附于不同生態的分發權之爭已現雛形。然而這局限于流量的明爭暗斗,對“大模型進入千行百業”而言,聊勝于無。
場景多寡與使用頻率是造成這一局面的直接原因。一個AI開發應用的社群可以輕松拉出數十上百個500人的微信群,其對大模型的訪問與開發調用更是另一個數量級。而面向企業側,尤其是大型企事業單位的模型能力與服務卻少有被采買。
除了相對偏向C端語境的教育業務外,大模型對醫療、法律、工業等社會財富集中的行業的滲透都不盡如人意,尤其是在人效與數據價值較高的領域。除了老生常談的大模型“幻覺”與“黑箱”等問題外,信息安全與信息自主成為老板們擔憂的首要問題。
以醫療行業為例,一家大型連鎖藥店的一把手就曾在一次討論上表達了自己對互聯網行業的不信任,大致意思是:“美團京東做即時零售是來搶食,騰訊阿里做大模型是來偷數據”。
垂直領域的龍頭企業最擔憂的是,自己用了大模型,把積累的數據資產交給云廠商,這部分數據以及精調的模型會不會被廠商多次銷售。
不容置喙的現實是,李學勤之所以能與前文提到的制藥公司達成初步合作,關鍵在于源自大廠的用戶數據這塊“敲門磚”。
既然數據倒賣已然是行業內“不能說的秘密”,而且前文已述連鎖藥企與診所等醫療組織呈高度區域性,而數據則是消弭區域性的關鍵。那么,模型服務商難以深入醫療行業也就不奇怪了。
信任危機下,大模型賽道中的云廠商玩家開始為自己“找代理”,希望讓更貼近垂直行業的SaaS企業做那個觸達大型企業的“中間人”。與此同時,這些行業中不甘于為模型廠商掣肘的企業與組織也開始搗鼓自己的大模型,如中醫愛好者耳熟能詳的“問止中醫”、智云健康的ClouDGPT與叮當健康的HealthGPT等。
一條不算大的賽道,短短一年多時間內便被大廠、醫療SaaS企業、制藥企業等包了個圓。甚至有大廠為了搶奪“中間商”的份額,在報價單上明明白白地為三家大廠互聯網醫療比價。
至于價格之外的競爭,大廠的優勢在于內部生態的打通與搜索流量,而藥企、連鎖藥店等醫療AI新勢力的優勢則在于聚焦與靈活性。
隨著醫療AI的B2B2C的鏈條逐漸打通,沉寂許久的互聯網醫療終于迎來了大模型的新故事。終于,互聯網醫療不止于賣藥了。
本文由人人都是產品經理作者【光子星球】,微信公眾號:【光子星球】,原創/授權 發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自Unsplash,基于 CC0 協議。
- 目前還沒評論,等你發揮!