新近结束的腾讯全球生态大会上，久耕医疗AI的腾讯终于拿出了自家的医疗大模型。尽管此时，这一赛道已经相当拥挤。

数月以来，互联网医疗企业、医疗IT企业轮番上阵，不时便将院内医患高频交流的诊前、诊后环节覆盖完毕，更有创新者跃入新药研发、商保理赔等大健康场景。

不过，数字医疗数十年的发展经验早已证实了纯粹技术变革的局限性。大模型想要深度融入医疗场景，需要契合临床的真实需求，展示显著的增量价值，亦需协同其他技术构建体系。

也正因为这些苛刻条件，迟了半步的腾讯，却有可能弯道超车，最快在医疗这一领域实现规模落地。

万亿tokens铸造的大模型，腾讯升级了“数智人医生”

腾讯的医疗大模型能力源自其全链路自研的通用大模型“混元”大模型，后者在算法、数据、知识三个“硬指标”方面，均给出了超一流模型的水平。

先谈模型的体量。作为一个千亿级参数的大模型，混元大模型预训练用到的数据高达2万亿tokens，比不少模型高出一个量级。此规模下，混元大模型的智能化能力已经相当可靠，从会上演示看，它已具备强大的中文创作能力、复杂语境下的逻辑推理能力以及可靠的任务执行能力。

其次是专业数据与知识。为了强化大模型对于医学知识的能力，腾讯医疗大模型陆续加入涵盖285万医学实体、1250万医学关系，覆盖98%医学知识的医学知识图谱和中英文医学文献。这些知识既对大量论文、百科全书、用药说明书中的知识进行了萃取，又纳入了腾讯医典中各个医学专家撰写的针对性的医学文章。所有知识来源都已经过验证，因而可为大模型输出的结果提供权威依据。

最后加上服务于交互能力的对话式训练。一方面来源于患者场景，如线上问诊、医学问答、导诊、预问诊；另一方面来源于医生场景，如医学考题、病历生成、出院小结、检查建议、诊断结果和用药建议。将这些对话场景进行汇集，腾讯的医疗大模型总计投入了超过3000万份覆盖患者、医生、药厂等场景及医疗流程的问答对话，有效提高了模型的医学交互能力。

完成基础能力的构建后，腾讯的医疗大模型已经能像一个真正医生，耐心、专业、准确地回答各类医疗问题。对于医疗这一需要医患高频沟通的领域，该能力可以覆盖诊疗全流程，有效完成患者引导，准确回答患者疑问，消除医患之间的信息不对称。

腾讯健康用户平台总经理吴志刚在会上对腾讯医疗大模型的能力进行了完整的讲解，他表示：目前医学知识图谱与医疗大模型已用于升级AI导辅诊应用，包括医学智能问答、数字人就医助手、智能辅助问诊、病历自动生成、AI合理用药、智能化随访管理、患者全流程管理等，可为医疗决策全流程提供更精准的辅助，助力患者就医体验以及临床医生、药剂师服务效率和质量的双向提升。

患者全流程管理便是大模型赋能的典例。诊前环节，除了落地医学智能问答这一大模型时代的经典应用，腾讯还升级了数字人就医助手，能提供7*24h的智能客服及专业科普服务；诊中环节，可基于大模型的能力学习百万级医患对话及3000多疾病推演解析，升级了模拟自由对话真实度更强的辅助问诊、更符合书写规范的病历自动生成以及能给出可解释性依据的辅助诊断建议等应用；诊后阶段，采用人工智能+互联网医疗的新型模式升级了智能化随访管理和患者全流程管理等应用。

同时，大模型还可以助力进行家庭医生的随访管理工作，如通过标签动态生成随访任务，并通过微信批量投递给患者；根据单次医患沟通内容和问话内容自动生成涵盖饮食、运动、管理等信息的标签，辅助医生进行个性化的宣教。随访结束后，AI还能分类对话当中的有效信息，根据标准模板生成记录和总结，再根据之前的随访建议一并发至患者，于医生、于患者，都是一项管理与体验的跨时代升级。

种上一棵“AI数智树”

尽管大语言模型的实战能力已为人工智能带来跨时代的性能提升，但任何技术都有其局限性，即便是大模型也不能胜任医疗场景中的所有需求。

现有大模型的主要价值输出方向聚集于文本类医疗场景的提质增效，多模态数据的生成分析相对弱势。对于医疗这样存在广泛多模交互的场景，大模型若要真正发挥价值，企业还需构建完整的智能矩阵，匹配医疗机构基础设施，协同各式前沿技术合力解决医疗问题。

譬如在腾讯布局多年的医学影像赛道，大模型虽也能够生成、分析影像，却在训练、部署的成本方面不及深度学习。在这一场景中，大模型的比较优势在于数据的处理上，它能够以更低成本、更高效率治理影像数据，进而加快相关AI应用的研发。

过去腾讯觅影的数智医疗影像平台已经借助深度学习、知识图谱等AI能力，成功打造了肺炎、青光眼、结肠三项临床级AI辅助诊断产品，获批三类医疗器械注册证，并开发了覆盖产、学、研、管一体化医疗影像解决方案，开放了20多个腾讯自研的AI引擎，助力科研机构AI模型自主研发及训练。有了大模型对于数据治理环节的加速，腾讯的医疗AI能力将进一步拓宽，我们或能在更多细分场景中看到腾讯医疗AI的身影，亦会有更多医生因为科研平台的迭代而受益。

新药研发同样需要契合优效的AI技术。据腾讯AIDD技术负责人刘伟介绍，腾讯“云深”（iDrug）平台已同时具备了小分子药物与大分子药物的加速发现能力。尤其是在蛋白质结构预测方面，“云深”（iDrug）平台开发了全新的算法框架tFold，其先进性多次获得国际的蛋白质结构预测评估平台证明；在药物的ADMET属性的预测方面则已研发并上线70+个ADMET性质，并通过结合物理学特征和药企合作等数据训练证明能够超越主流软件。

此外，“云深”平台还利用生成式AI的能力开发了两个骨架跃迁分子生成算法发现nM级先导化合物，并在3—4个项目中得到了有效证明，同时还引入了强化学习技术在药物小分子生成方面达成97%的生成分子满足要求。

腾讯在医疗场景中的布局逐渐长成了一棵“AI数智树”。如今，腾讯已经构建了医疗大模型、医疗知识图谱、医学影像分析、超1000件医疗AI相关专利。以此为基底，腾讯能将智能化的能力优化就诊服务、家庭医生助手、辅助诊断、生命科学、疾病管理等场景，为数智化医疗时代的到来一再提速。

云与“连接”，腾讯医疗AI的核心支撑

如果只是清洗数据打造应用，国内大多数医疗人工智能企业都能或多或少地造出帮助科室提质增效的应用。相较之下，腾讯健康布局的另一优势刻在“AI数智树”的底端。这些强有力的根茎，使得腾讯能为医院开出不只一个智能产品，而是一套完整的方案体系。

以大模型的部署为例，大部分医院的现有资源环境基本都是面向通用计算的CPU，少有医院具备面向图形处理和并行计算的GPU资源，因而大模型要谈落地，必须攻克部署环境这一难题。

对于医院而言，这一问题现存两种可行解法，各有利弊。其一，医疗机构可在购置应用的同时配备GPU运营大模型应用，保证足够的存储和高速的网络连接。这一模式的局限性在于模型的体量，如果模型过大，医院的配置成本会随之直线上升，因而需要控制模型的体量。其二，医疗机构借助通过云计算的方式将大模型的运算过程剥离出内部环境，直接获取云端运算结果。这一模式需要考虑数据的安全问题及医疗机构对于云计算的接受程度。

作为国内最大的云服务提供商，腾讯在第二条路上拥有天然的优势。在本次腾讯全球生态大会上，腾讯针对各类医疗主体，均给出了个性化的云化解决方案。

在医院这一场景中，最先享受到云技术与大模型助力的当属腾讯觅影数智医疗影像平台。腾讯觅影能够以更快速度、更低成本、更高质量铸造AI应用，推动科研进展。而腾讯的云计算，则能将这些智能化能力分发出去，落地每一个存在需求的医疗场景。

落实到产业中，腾讯能够针对多模态的影像类型提供云上应用，帮助医生和患者进行远程的浏览和操作。大模型赋能后，AI能够处理的病种及数据的模态大幅增加，移动端背后的医生也将具备更多能力。

其次是“连接”。“数据孤岛”是国内医疗体系面临的经典问题，其核心问题便是标准化缺失，导致没有一个系统能将各项业务串联起来。如今腾讯凭借生态上的优势，已经搭建了多个连接通路，实现多个医疗场景的标准互通。

众所周知，基层医疗是医疗AI最能发挥价值的场景，也是医疗AI最难部署的场景。尤其是在大模型时代，这些机构没有部署GPU的可能，因而需要云计算进行智能化能力的分发，还需要建立一个入口，以标准化的方式将医患连接起来。在腾讯的基层医疗方案中，这个“连接”，便是“家医助手”。

家医助手定位为家庭医生工作提供智能化助手，该产品一方面得到了微信和企业微信帮助用户和医生建立沟通的渠道，另一方面具备腾讯医疗大模型的加持，其产品和服务得以更加的智能和人性化。

首先，腾讯健康家医助手可确保签约过程的有效性，方便有老幼的家庭使用，产品底层是与基层医疗信息系统打通，方便医生全面获得签约和档案的信息；其次，自研比较精准和全面的标签体系也能够辅助医生更加个性化地为居民提供服务。

目前市面上已有很多智能应用可为家庭医生这一场景降本增效，但这些应用多为独立，没有形成解决方案；又无互联互通，需要医生患者接入多个入口。相比之下，腾讯以其生态优势连接了医患，且能通过这个连接全方位输送腾讯的智能化能力。

再谈药械、新药等场景，这个关键的连接变成了微信。

2023年7月3日，爱创科技和腾讯云签署战略合作协议，双方将面向医药、医疗器械领域推出全流程合规溯源的联合产品解决方案，为药械商品赋予真实、可追溯可验证的唯一“码”数据。用户通过微信“扫一扫”扫描GS1标准二维码，即可获取溯源信息，提升药械溯源的权威性、便利性，获得更安全、更便利的用药保障；工作人员则能摆脱各项手持设备，仅凭一个手机便可随时随时完成“码”的更新审核。

AI介入后，爱创科技与腾讯云在药械数字化溯源方面的合作变得更为量化可控。未来，双方将结合各自优势资源，从产品方案、业务战略、经营模式、用户市场等方向开展深度合作；通过强化监管手段和风控能力为行业健康发展上一道“安全码”，满足药械企业客户更多维度需求，实现共同发展和长期共赢。

探索与技术最为适配的医疗场景

回到最初的问题。之所以说腾讯的大模型可能最快在医疗场景中落地，是因为腾讯拥有全面的AI生态，能够甄别每个医疗场景的真实AI需求，辅以高度匹配的AI技术，避免滥用。

换句话说，腾讯不会将大模型的能力强加于医疗之上，持续探索与之成本、价值最为契合的应用场景，充分发挥大模型的比较优势。

对于一项产业化不足一年的创新技术而言，腾讯的打法可能最为契合当下的环境。

与其关注哪些大模型应用能否最终留存下来，深刻改变医疗场景；不如紧随场景需求，全方位的发展AI技术，与临床紧紧结合在一起。