乒铃乓啷跌啊跌倒百模大战，已然打响，渗透数个行业。面对具有高严肃性、专业性、复杂性的医疗健康领域，行业各方也在探索关于大模型的价值和应用。星火认知、Uni-talk、MedGPT、华佗GPT、HealthGPT等一系列大模型，正在席卷甚至重构医疗健康领域。不过，医疗数据良莠不齐、数据获取和使用的合规性、需要基于人类道德伦理进行模型把关等，均对医疗大模型的应用形成考验。

　　而更进一步，作为与医养健康具有高度适配性的保险业，也在探路大模型，各方正在试图将大模型与保险融合，围绕着医疗健康、保障服务等场景，形成一场新的赋能。

　　近日，蓝鲸财经记者专访到腾讯健康智慧医疗总经理张国栋、圆心惠保信息技术中心总经理兰洁，探讨医疗健康领域大模型应用的多元价值与布局准则，同时，延伸至保险领域，以近年来大热的惠民保为场景，探讨关于“医疗健康+保险”领域背后大模型的应用与落地。

　　近来，医疗健康领域成为大模型应用的“沃土”。有业内人士评价，ChatGPT，让人们可以窥见颠覆医疗未来的可能性。

　　科大讯飞的星火认知大模型，意在升级讯飞医疗诊后康复管理平台，将专业的诊后管理和康复指导延伸到院外；香港中文大学（深圳）和深圳市大数据研究院王本友团队训练并开源的华佗GPT，力在使语言模型具备像医生一样的诊断能力和提供有用信息的能力；上海人工智能实验室牵头发布的全球首个医疗多模态基础模型群“OpenMEDLab浦医”，覆盖医学图像、医学文本、生物信息、蛋白质工程等10余种医疗数据模态……

　　事实上，严肃、专业、敏感的医疗行业，给科技的应用设定了更高的门槛，大模型应用时必须给出最为专业和严谨的答案。而其背后的驱动力之一，重在大模型在医疗健康领域应用的广泛价值。

　　对于这一问题，张国栋向蓝鲸财经从咨询、诊断和治疗辅助以及药物研发方面拆解了医疗健康大模型应用的价值，也即必要性。

　　“首先，大模型可以充当咨询顾问。”这是基础作用。张国栋说道，“大模型基于海量算力，可以在短期内消化大量的知识，从而快速回答各类专业问题，节省业务人员的学习时间和学习成本。同时帮助业务人员快速成为一专多能的专家。”

　　再迈前一步，是在辅助诊断和治疗方面，“大模型可以利用大量的医疗数据，通过深度学习和模式识别的方法，来提高诊断和治疗的准确性。大模型还可以实时处理大量的医学文献和数据，帮助医学研究人员更有效的进行疾病机制的研究，药物作用机制的研究等等。”

　　“同时，在药物研发提效方面，大模型可以通过模拟药物和生物体的相互作用，加速药物的研发过程，来提高研发的效率”，张国栋补充道。

　　就此，张国栋从明确应用场景、海量数据支撑、专业知识指导，以及对效果预期的人工把关四个方面做出总结。

　　“实际应用的业务场景要明确，我们不建议为了追热点而盲目的上大模型”，张国栋提出，历史上在互联网发展的过程里面，当年有“千团大战”，今天也有“百模大战”，有非常多的人在往前追热点。一定要结合企业业务切实需要的，能够用的上的大模型场景，并且需要在每个业务场景下能够沉下心来，不断打磨和优化。

　　数据，是基石。张国栋认为，大模型的训练必须要海量的高质量的医学数据。“在实际的情况中，我们现在遇到的医疗数据在质量上是良莠不齐的。同时医疗数据因为涉及到隐私和合规，在这个过程里，医疗数据的获取和使用还是一个挑战，一定要合规合法。”

　　其次，专业知识的指导。在大模型应用的过程里面需要具备医学、药学知识的专业基础人员，对大模型的调优进行指导，并且在这个过程里不断的在实际使用中有反馈，持续的迭代更新。

　　此外还有对大模型效果的预期。张国栋认为，“目前大模型对个别问题的回答会有些脱离实际，模型本身对事实、道德、伦理、医学严肃性甚至社会影响等方面还是缺乏人类的判断力的，这个过程有时候还是需要人工来把关。”

　　在医疗健康的闭环之中，保险业发挥着越来越重要的作用。当前，业内已有明显的感知，健康保险行业迫切的从一次性费用给付理赔模式，向长期持续向客户提供健康管理服务转型。

　　在转型之中，科技承担着重要角色。而保险业作为数据密集型行业，与大模型的应用，具有天然的接洽口。架构于医疗健康大模型的基础上，贴合保险特征，应对具体痛点，行业正在摸索医险大模型的落地。

　　2024年度北京普惠健康保，在近日发布，金融监管总局北京监管局局长李明肖给出的数据，2023年度北京普惠健康保参保人数突破350万，60岁以上参保人超过了110万人，新市民超16万人。截至2023年三季度末，北京普惠健康保已经有超过8万人次参保人员发生的大额医疗支出获得理赔款。

　　近年来，惠民保作为覆盖范围最广的普惠型保险，正在形成独有的生态和业务模式。那么，在惠民保场景下，大模型又能起到怎样的作用？行业已有探索，北京惠民保服务商之一的圆心惠保，在此次以惠民保为切入场景，与腾讯合作推出“惠保大模型”。

　　第一步，是基于大模型在自动学习、回复问答方面的价值。张国栋介绍，“每年第4季度是惠民保业务的高峰期，在高峰期内，客服人员面临较大的工作压力：需要短期内快速掌握新出台的保险政策，以及理赔的政策。并且给用户专业的回复。但基于巨大的咨询量和内容量，阶段性的售卖高峰和短期的专业化咨询回复之间其实是存在矛盾的，”

　　传统的人工智能更多是通过配置问答的方式去穷举变例问题和答案，人力维护的工作量是比较大的，同时对知识变化的响应其实是不及时的，回答的问题也比较泛，也比较差。由此，大模型客服产品通过实时的自动学习海量的专业知识，自动的生成问答对，自己能够从文献、条款中学习保险知识，并且给用户快速的回复。

　　“相较于传统AI工具，大模型的迁移学习能力非常强”，兰洁以惠保大模型为例分析。“我们把相关的大模型的底座能力构建起来，形成基础的大模型，并进行一定的指令微调，对保险，包括医保以及商保的行业知识进行反馈和强化学习，形成文本总结、推理、转化、拓展能力。”

　　“在惠民保业务本身的咨询问题解决以后，大模型需要更深地向健康管理方面延伸。基于用户的健康状况，给予咨询和适当的保险品类，甚至一些增值服务的推荐”，张国栋继续分析称。

　　这意味着惠保大模型在营销员角度的赋能，作为展业工具之一，帮助营销员快速成为营销、理赔、健康管理知识集一身的健康保险专业管家，提升服务能力。

　　“惠保大模型可以将保险保障领域和健康管理服务领域的大模型合二为一，形成双模集成的模式，从而从销售到服务为客户全生命周期形成支撑。大模型赋能下，从销售传导到服务，再以服务反哺给销售，便于二次开发和后续对于客户的精细化运营和服务，助推形成快捷的平台化服务能力”，兰洁总结道。

　　再换一种解读方式，兰洁从技术端向蓝鲸财经解析了惠保大模型背后的逻辑，“首先是分场景识别业务对象，在相关的保险保障以及长期的健康管理、交付履约这一侧，探索怎么去对B端客户以及最终服务的C端客户，通过这种大模型的加持，优化、升级和改善业务对象目前的生产力，形成从销售到最后交付、履约、服务端全新的交互和范式。不是传统的让客户去点选，而是通过较为人性化的、拟人化的机器问答的方式，去提升整个客户交互的效率。”（石雨）