用DeepSeek看病，救了「AI醫療」的命

採訪｜胡香贇

文｜海若鏡 胡香贇

DeepSeek引發的「大模型熱浪」仍在繼續。

有人拿它編程，有人拿它算命，還有人拿它看病。

2月18日，港股「AI+醫療」、A股「AI+製藥」板塊延續漲勢。2月以來，醫渡科技股價接近翻倍，京東健康、阿里健康等股價接連攀升，沉寂許久的AI醫療賽道再現火花。

除了在院外充當普通人的「健康顧問」，對流感、過敏等常見病給予醫療建議外，DeepSeek等大模型已走進醫院，特別是重症監護室ICU、急診科、兒科。

既往，危重急診病人的治療，千鈞一發皆繫於醫生；而今，微調后的DeepSeek能快速分析多種類型數據，幫醫生梳理複雜病例，給出治療思路和建議。

相當於醫生有了一位聰明、隨叫隨到的AI助手，且這位助手還在日夜不休地「進化。」

近日，深圳大學附屬華南醫院、崑山市第一人民醫院、陸軍軍醫大學第二附屬醫院等宣佈已經部署DeepSeek模型；接入DeepSeek-R1(671B)后的醫學模型Med-Go也已在上海東方醫院等臨牀機構應用，並在ICU環境下驗證了能力。

事實上，AI在醫療領域，已引發過多輪輿論關注和投資熱潮。2016年-2023年間，從AI醫學影像、AI藥物研發，到AI手術機器人、醫療大模型等，眾多企業嘗試藉助AI，解決優質醫生供給不足、區域診療水平參差不齊的難題。由此，也催生了多家估值百億的獨角獸。

許多面向臨牀診療的AI產品，拿到了醫療器械註冊證，卻在進入醫院、患者/醫保支付的商業化環節屢屢碰壁。「技術壁壘不夠高（行業內卷），臨牀需求不夠硬（缺付費方）」，一家醫療投資機構的合夥人總結既往AI醫療出現困境的原因。

確實，成就一款出色的AI醫療應用，技術、產品、醫患教育、商業、監管、倫理等板塊都必不可少。時至今日，DeepSeek等大模型在醫學領域展現出的理解和推理能力，令業界沸騰。

所以，接入DeepSeek等大模型的AI醫療公司，有可能改變什麼？

AI技術的長板再次突破性地拉長，能否帶動其它環節快速跟進，借硅基生命的力量，解決碳基生命「看病難、看病貴」的困局？

接入DeepSeek，改變了什麼？

2月，醫渡科技、鷹瞳科技、智雲健康等醫療醫藥公司紛紛接入DeepSeek，藉助這一「國運級」大模型，提升自身醫療數據洞察、AI影像診斷、慢病管理的老業務能力。

其中一家接入DeepSeek的港股醫療上市公司透露：接入DeepSeek后正進行業務賦能和項目拓展，技術團隊十分忙碌，「來問我們的醫院客户很多，當務之急是落地。」

另一家騰訊系的互聯網醫療公司也反饋，技術團隊正在對DeepSeek進行研究，預計兩周后會出詳細的計劃。

熱火朝天背后，多數技術一號位們其實心知，DeepSeek未必稱得上是「顛覆性的技術創新」，但經過「微調」后，其在推理和決策場景下的出色表現，的確能為自家產品在處理複雜醫療數據，或支持精準決策等方面提供更強大的支持。

而這，也恰恰是AI醫療公司此刻的剛需。

「我們接入DeepSeek-R1(671B)主要考慮它的推理能力及數學能力，能夠將病歷診斷準確率提升10%以上，尤其是複雜病例的診斷準確率尤其明顯。」爍樂信息CEO張翰相對36氪表示，去年11月，他們剛剛聯合上海東方醫院推出了AI醫學大模型Med-Go。

張翰相介紹，在診療壓力巨大的重症監護室，接入DeepSeek的醫學大模型能夠快速分析患者的各項數據，包括生命體徵、實驗室檢查結果、影像資料等，提供多個可能的診斷方案。

「比如處理一位多器官功能衰竭患者的病例時，醫生們面臨着多種治療選擇，包括機械通氣、血液淨化、藥物治療等。在這種情況下，微調后的DeepSeek能夠結合患者的病史、檢查結果和最新醫學研究，為醫生提供一個全面的決策支持框架。」

在小紅書等社交媒體上，過年期間，已有家長用DeepSeek解讀孩子的血常規化驗報告、尋求用藥建議，最終「deepseek給出了跟人民醫院主任醫師一樣的診斷」。線下問診時，醫生會給出診斷結果，但解釋通常比較簡單，面對諸多專業術語，關切孩子的家長往往有一連串問題，而AI醫學模型可以持續給予迴應。

當然，AI的「幻覺」問題，在DeepSeek身上同樣存在。儘管基座大模型有極強的推理能力，但其醫療類的語料並不專業，數據處理的細緻程度也有很大提升空間，直接用於嚴肅的診療場景，準確率比較低，給出的用藥和治療建議可能會誤導患者。

這就給予了企業「深度定製」的空間，在開源的基礎上，如應用專家標註準確的數據集、醫生團隊的診斷思維鏈等，以提高準確率。這正是既往AI醫療公司的積累所在。

另外，此前一直困擾AI醫療公司、醫院的「數據隱私安全」問題，在DeepSeek開源+本地化部署的模式下，也得到了有效規避。相關AI智能體在醫院落地時，可進行私有化部署，不僅從源頭解決隱私泄露的問題，且能夠節省雲端服務的成本，降低了企業對第三方雲平臺的依賴。

除了診斷、治療，在2B的醫療流通場景中，DeepSeek也展現出了潛力。專注藥房零售業務的上藥雲健康對36氪表示，已將DeepSeek應用於智能問答、藥師培訓、患者個性化運營等業務環節。「比如在處方審覈的問題上，DeepSeek可以更快識別處方中藥物相互作用、劑量錯誤等潛在問題，從而降低用藥風險。」

尋找醫療版DeepSeek

AI+醫療，已經走過十年興替，如AlphaGo對戰柯潔般的「AI與醫生競技賽」也舉辦過許多場。

這十年間，AI產品一步步從「玩具」變成醫生的工具，又從工具變成醫生助理，隨着技術奇點的來臨，更聰明的「AI智能醫生」也離我們越來越近。

進入到2024年之后，市場對醫療大模型的價值判斷，逐漸從看重模型能力轉為業務導向，即在合適的場景，尋找「殺手級應用」。成就一款醫療殺手級應用，需要技術、產品、醫患教育、商業、監管、倫理等板塊，合圍起一個「深水木桶」。

DeepSeek的價值不僅在於AI技術長板被顯著延長，還在於以洶涌之勢出圈，對醫生和患者羣體進行了「AI使用教育」。

醫生羣體中，有對新技術持擁抱態度的新鋭派，也有相當基數的醫生比較保守，DeepSeek等大模型展現出的能力，令更多醫生擁抱AI技術。對於患者而言，當AI工具已經融入日常生活和工作，藉助AI進行健康諮詢、閲片、問診等也是順理成章。

當前，豆包的常用對話欄，也已新增了小荷健康推出的「AI健康諮詢小助手」，引導用户與之進行健康方向的對話諮詢。

不過，與其他生活場景的諮詢對話不同，醫療類問診諮詢、癌症篩查對準確率要求高，對「AI幻覺」和「胡編亂造」的容錯度低。試想，若AI健康助手出現誤診，而用户聽從其建議用藥，出現一定的身體不適，便可能出現醫療糾紛和責任歸屬問題。這不僅對醫療產品的能力提出了具體要求，也考驗着「准入與監管」方面的能力。

另外，開發AI+醫療應用的企業終究要面臨商業化，「誰來付費買單」這一老生常談的問題，難以規避。

經過十年探索，面向診療場景的AI產品歸攏到商業化上，主要實現「按次付費」，才能在滿足患者臨牀需求的同時，給企業帶來持續收入。既往很多家AI醫療企業都能提供相似服務，內卷中落入「賣軟件一次性收費」的商業模式，使得全行業都很難賺錢。

當然，所謂過往，皆為序章。技術飛速演進，進化后的AI醫療產品在醫院內外、藥企鏈條中，會涌現出怎樣的潛能，36氪將持續跟進。