截至目前，已经有百多个大模型覆盖了生命科学的全领域、医学诊疗全流程，科技巨头BTAH（百度、腾讯、阿里、华为）、AI独角兽（科大讯飞、商汤、零一万物等）悉数到场。

但狂欢背后，井喷式的医疗大模型及AI应用，不是每一个都有长期价值，也不一定能让医院和患者买单。回顾智慧医疗的历史，会发现AI医疗的真正挑战，在于场景之深。Watson医生希望治疗所有癌症，实际不达预期，pass；谷歌google health以尖端AI算法切入诊疗环节，却因商业背景而遭到患者抗拒，pass；机器学习小模型时代的AI辅助医学影像，需要一个个专科一张张图表做标注，成本高收益低，pass；ChatGPT掀起的大模型热潮，数据孤岛、算力成本、伦理红线等怎么解决，仍有非常多的未解之题。

医疗场景的壁垒深厚，唯有以系统性思维和系统工程，才能完成从通用到专用的转变。让大模型真正融入医疗行业的业务流程，解决核心业务问题。

因此，大模型厂商的决胜点，在于能否筑造一柄穿透场景的重剑。

根据国家卫健委发布的《卫生健康行业人工智能应用场景参考指引》，目前已经有84个人工智能应用场景。仅从医疗场景来看，大模型就已经全面覆盖了院前、院中、院后的全流程。

院前阶段，以基于大模型的AI诊疗助手为主，为患者提供实时语音问答、智能分诊、健康教育、疾病预防的健康科普等服务。院阶段，大模型为临床诊疗决策提供支持，成为贯穿全流程的智能中枢。入院时，可以高效完成入院记录生成、检查项目推荐、电子病历自动纠错、手术计划初稿等文书工作。诊断时，传统诊疗方式十分依赖于医院的级别、昂贵的设备、医生的临床经验职称和耐心，这些因素都会影响到疾病的判断和肿瘤的检出率。AI大模型辅助诊疗、AI病理影像，就可以有效减少这些因素对检出率的不良影响，避免延误病情。在治疗或手术期间，AI大模型可以对患者的病史信息了解得更加全面透彻，为医生提供关键参考，从而提高诊疗效果。