医疗人工智能：全球科技红利与未来医疗的希望

与通用人工智能（AGI）类似，通用医疗人工智能（Generalist Medical AI - GMAI）致力于构建一个通用的医疗基础模型，该模型无需依赖大量任务特定数据，仅需少量数据即可适配多种医疗下游任务。GMAI的应用场景广泛，涵盖医疗咨询、老人康养陪伴、家庭医生、健康管理、医生助理、临床决策支持、医疗搜索引擎、辅助诊断等。

面对国家老龄化趋势带来的医疗压力方面，通用医疗人工智能展现出巨大潜力。当前，国内医务工作者负担沉重，而民众对医疗服务的期待与日俱增。通用医疗人工智能的应用，有望通过智能化手段提升效率和质量，缓解这一矛盾。

此外，GMAI的普及有望解决医疗资源分布不均问题。通过人工智能技术辅助改善落后地区的医疗条件，有望使非洲等地区的居民也能享受到与香港、日本等地相当的医疗服务，从而促进全球人口的医疗平权。

医疗大模型的初次尝试

王教授团队敏锐地捕捉到医疗行业中需求和资源分配的矛盾，将目光投向医疗领域。王教授指出，许多领域的专家精通某一专业，通常需要上万小时的实践，这种“经验积累”对于人类来说是有限的。但大模型却可以通过计算能力和数据处理来“模拟”无数小时的经验积累，并实现知识的快速迭代。

这种优势使得大模型在医疗等领域的应用前景广阔。它能够快速处理和分析海量数据，为医生和患者提供更精准的决策支持。2023年2月，王教授团队在深圳市大数据研究院和香港中文大学（深圳）的支持下，发布了全球首个垂直领域类ChatGPT大模型——华佗GPT。香港中文大学（深圳）副校长罗智泉院士在中华医院信息网络大会（CHINC）上正式发布这一成果，在国内外引起强烈反响，标志着医疗领域大模型应用的序幕正式拉开。

医疗大模型的技术探索

华佗大模型以其技术创新和卓越表现成为医疗AI领域的标杆。这些技术优势不仅重塑了医疗AI的边界，也为未来智能医疗的发展奠定了坚实基础。

1、大规模医疗知识注入

由深圳市大数据研究院和香港中文大学（深圳）联合开发的第二代华佗GPT成功通过了2023年十月份的国家执业药师考试。二代华佗GPT将海量医学数据整合到通用语言模型中，以提升其在医疗领域的专业性。通过统一数据格式和领域适应，模型（如HuatuoGPT-II）在中医等复杂领域表现优异，甚至超越ChatGPT等主流模型，展现了强大的专业能力和泛化性能。

2023年开发的华佗GPT-II通过当年10月份的国家执业药剂师考试

2、支持影像的多模态大模型

在医疗场景中，CT、MRI等影像理解至关重要，诊断皮肤病等情况也需要视觉能力。然而，现有医疗大模型普遍缺乏影像处理能力，限制了其在诊断中的应用。华佗GPT-Vision的发布填补了这一空白。其具备了卓越的视觉理解能力，不仅能够理解和分析医疗影像，还能完成自动生成影像报告、辅助医生发现潜在病症等任务。这使得它在医疗影像处理上具备了更大的应用潜力。

开源版本的华佗GPT多模态医疗大模型在Huggingface平台上的每月下载量最高值已突破20万次。值得一提的是，从王本友团队毕业的博士生陈志鸿，在斯坦福大学博士后的工作经历之后，于硅谷获得一笔不菲的融资，开启了他在大模型医疗影像领域的创业之路，深圳播种的医疗大模型种子也在太平洋对岸的硅谷开枝散叶。

2024年七月份，华佗GPT的多模态版本在主流的MMMU多模态评测集的健康医疗赛道（MMMU Health & Medicine）上，华佗GPT在所有35个模型中取得了总排名第二（仅次于GPT-4v），开源模型中排名第一的优异表现

3、慢思考长推理的医疗大模型

HautuoGPT-o1首次将o1技术深度应用于医疗场景，显著提升了医学问题解答的准确性和可靠性，同时展示了o1技术在多领域广泛应用的潜力。其独特的“慢思考”能力，模拟了医生在真实问诊中的思维方式，通过不断反思和修正诊断结论，为患者提供尽可能准确的诊断意见。此外，该模型实现了思维过程可视化，增强了模型可解释性，帮助医生在处理复杂病例时获取更多诊断信息和灵感。

 HuatuoGPT-o1在发布一个月内获得了巨大关注量，累计近1000stars

医疗大模型的应用探索

在深圳市龙岗区政府的大力支持下，王本友教授联合龙岗区卫健局、国家健康医疗大数据研究院（深圳）、深圳市大数据研究院，成功将华佗GPT应用于导诊场景。该应用不涉及具体的处方或诊断，具有更好的容错性，有效提升了患者就医体验和医疗资源利用效率。

华佗GPT通过线上对话形式，为患者提供个性化导诊服务，显著降低了"挂错号、找错医生"的发生率。其创新的语音输入功能使老年群体也能便捷使用。

目前，华佗GPT已在龙岗区12家医院上线使用，实现了龙岗各大区属公立医院区域全覆盖。该系统面向龙岗区500万人口12家公立医院提供院前就诊综合性服务，截至目前使用人次达30万，交互次数达52万余次。是全国首个实现的全域多家医院大模型部署联调应用落地，是率先实现基于医院本地知识库与医疗大模型的深度融合，率先实现大模型在区域平台快速应用落地的典型方案。华佗GPT还被纳入《深圳市龙岗区创建人工智能全域全时应用示范区的行动方案（2024—2025年）》。

王本友教授指出，面对人口老龄化和医疗资源紧张的双重挑战，华佗GPT等AI医疗模型的应用将有效缓解医疗压力。通过大模型的智能调控，可实现医疗资源的优化配置，提升诊疗效率，为患者提供更精准、及时的医疗服务。这一实践不仅推动了医疗服务的智能化转型，也为AI技术在医疗领域的深度应用提供了宝贵经验。

让医疗大模型惠及全球80亿人口

目前医疗大模型的开发主要集中在中文和英文等主流语言。但在不使用这些语言的欠发达地区，其应用依然受限。针对这一问题，王本友教授团队发布了Apollo系列多语言医疗大模型。Apollo通过收集不同语言的医疗语料，注入不同语言特定的医疗知识。值得一提的是，Apollo-2模型采用混合专家架构，成功将特定语言的医疗文化知识隔离于特定参数内，这一创新成果已获得ICLR 2025的认可并收录于相关论文中。

王本友教授开发的医疗大模型Apollo 2覆盖到全球50中语言，可以惠及全球八十亿人口

2023年8月，王教授的团队与沙特阿拉伯的阿卜杜拉国王科技大学（KAUST）开启了深度合作，携手打造了专为阿拉伯语量身定制的大语言模型——AceGPT。AceGPT凭借其卓越的性能，迅速在全球范围内崭露头角，成为目前全球最顶尖的阿拉伯语大模型。

华佗GPT和Apollo的问世犹如在医疗行业厚重的大门上轻轻撕开了一道小口，透出了一丝变革的曙光。随着技术的持续精进与应用场景的不断拓展，通用医疗人工智能将在未来对医疗行业掀起一场意义深远的变革浪潮。应用场景将从龙岗区起步，逐步扩展至整个深圳，进而辐射至全国乃至全球，成为推动医疗行业变革的关键力量，为全球医疗事业的发展注入强大动力。

通用医疗人工智能的实践路径

当前，通用医疗人工智能的发展面临两大主要挑战：一是数据壁垒问题，医疗机构之间的数据难以共享，跨医院、跨区域的数据流通渠道尚未建立；二是应用场景对准确率的高要求，尤其是在处理复杂或罕见病例时，任何小错误都可能导致系统无法在实际医疗中应用。针对这些挑战，王教授提出，通过医疗教育可能是实现通用医疗人工智能的关键途径。具体来说，可以构建一个以AI模拟患者为核心的循环系统。AI首先应扮演“患者”的角色，而不是医生。通过让医生或医学生与AI患者进行交互诊断，积累经验，再用这些经验来训练AI医生。逐步在各个科室和医院中建立标准化患者模型和评估体系，形成完整的数据集。同时，医疗教育带来的医生社区可以提供大量可靠的反馈和标注，形成一个持续优化的数据闭环。

通过这种方式积累的高质量医患交互数据、评估标准和大量标注，可以帮助训练更加可靠的医疗AI模型。这些模型将深度整合医疗专业知识和大模型的智能策略，并建立严格的质量控制体系。通过密集的人工标注和验证，确保大模型输出的可靠性和可信度。这种将专业知识与人工智能技术相结合的策略，不仅能让AI更好地理解复杂的医疗情况，还能在实际应用中更加可靠和安全，为通用医疗人工智能的实用化提供一条稳健的发展路径。简而言之，通过让AI先当“患者”，帮助医生积累经验，再用这些经验训练AI医生，逐步建立起一个高质量的数据循环系统，推动医疗AI的落地和应用。

青年教授简介

王本友，香港中文大学（深圳）助理教授和校长青年教授。主要研究方向为大语言模型和自然语言处理（NLP）。迄今为止，他曾获得了SIGIR 2017最佳论文提名奖、NAACL 2019最佳可解释NLP论文、NLPCC 2022最佳论文和欧盟玛丽居里奖学金，担任了EMNLP 2023的Website Chair和NLPCC 2023的Publicity Chair。其团队开发了华佗GPT大模型，华佗GPT是首个垂直大语言模型，也是首个通过当年国家药剂师考试的大模型，迄今有超过40万次访问，已部署在龙岗区全部12家公立医院。在HuggingFace的累计模型下载量近百万，GitHub的star数量逾万次。

王本友教授的研究还得到了国内头部企业的支持，包括华为火花奖、华为AI百校计划、腾讯犀牛鸟计划、滴滴盖亚学者计划等。相关研究工作得到了国内外诸多机构包括Meta、Google、微软、AIlen AI、IBM、CMU、耶鲁、UC Berkeley、商汤、字节、华为、阿里等使用或借鉴。

凭借在大模型领域的卓越贡献，王本友教授团队在全球范围内获得了广泛认可。根据大模型权威网站Huggingface的排名，香港中文大学（深圳）王本友教授团队在全球高校中排名第14位。