在中国，医学AI的主要类型：医学图像，医学基因版，智能诊断和治疗。在智能诊断和治疗类型方面，许多公司拥有强大的医疗基因，例如JD Health，Alibaba Health和优秀的医生。近年来，此类公司主要基于互联网用药销售模式以获得利润。在流行病期间，互联网上出售药物的收入大大增加。但是现在这个市场是一个红色的海洋，具有严重的统一竞争，而特殊时尚时期提供的收入机会已经消失了很长时间，在这方面，分支机构的收入已经进入了一段瓶颈。那么，明智的诊断和治疗公司将来将如何发展新的竞争优势？这次，竞争因素最终集中在AI上。近年来，该国还制定了密集政策，以促进诊断的发展SES和智能治疗。例如，在2024年11月，国家健康保险局（National Health Insurance Agency）纳入了由AI支持的诊断技术，在“卫生服务价格项目”项目批准指南中。我们进行了一次对话，以详细了解智能诊断和治疗公司如何与AI，Zhiwei编辑部负责人Wang Guoxin以及JD Health的Smart算法和算法部以及JD Health Exportoration研究所的科学家负责人Wang Guoxin。 JD Health自2014年以来一直运行，具体取决于其在线药品零售销售，并扩展到诊断和在线治疗。近年来，我们根据AI技术开发了诊断和治疗助理产品的Arange。在王古辛（Wang Guoxin）认为，使用AI解决商业医疗问题是自然的选择。 “医学比其他行业更为特别。在结合人工智能的同时E and Industry，它具有巨大的想象力，面临着现实中漫长的进化过程。”但是，Chatgpt的出现带来了新的机会。从根本上讲，它提供了一种与人和机器互动的方式。先进的Worldia仍然不会面临智能墙的局限性，而DeepSeek的发布对中国的健康有很大影响。此外，AI尚未面临智能墙的局限性，并且可以继续改善。出色的国家DeepSeek团队极大地激发了对中国技术团队在所有班级以及该国对AI领域的投资的理解。当然，卫生行业也不例外。 “从在线销售制药产品到智能诊断和治疗，诸如此类的模型的变化是定性的变化。这意味着医疗AI公司必须参与患者的诊断和治疗过程与医院。因此，要对健康行业有深刻的了解，我们可以参与大多数Majorroduction的大多数信息的引入。行业强调了半自由化或完全自动化的AI，例如运输，物流，发电厂，制造业，农业等，但是AIS的医疗护理需要人类机器的联合合作。具体而言，确定行业是否适合大型模型，大型模型的高应用取决于是否存在高知识密度，专家人才的汇总和高服务成本。 “健康行业的高昂服务成本反映在以下事实上，必须有一个大型组织作为付款人。”我国为大多数公民提供健康保险。今天，如果患者需要去看专家，大多数医院都可以在30分钟内提供医疗服务。这在其他国家是不可能的。 ”和Comp卫生行业统治了法律和金融业，健康行业是健康行业。它是一个具有最高程度，最复杂的规则和几乎所有人类职业之间最严重的后果的行业。因此，营销医疗AI的最大挑战是解决人类的生活和健康问题。这也是几乎所有复杂性的来源。”但是，在健康行业中，有些三角形是不可能的。也就是说，它不能同时拥有可访问性，成本和质量。 “例如，我们的医疗服务通常是普遍的，但是如果您想看到一个出色的专业人员，通常需要支付很高的成本。这是专业人士时期的费用。这次，由于培训高级专业人士所需的巨大成本，这是无价的。”因此，将卫生行业的卫生行业的特征与中国医疗服务的当前状况相结合构成Childza独特的发展促进者“要么医疗成本的问题，卫生经济的问题，区域差异，我们的人都有很大的动力来改善健康行业，医院，患者和患者的经验，并使用人类服务来改善患者的经验。”具体而言，使用AI技术吸收医学知识和主要医院的技能以及服务国家的主要医生，并促进全国所有患者。我们了解到，实现这种普遍化和大型模型的私有部署正在完成大型医院。瓦山（Huashan）是深圳大学的成员，是华山（Huashan）的成员，该成员是医院的深圳一家医院。决策，图像分析，医院管理和其他方案应用。模型，像我们一样的圈子领域的公司，以促进大型项目的研究和开发，以解决数据界。必须同时支持多家医院。 “但是，为了实现多中心联合培训，最中心的问题是医疗数据的交换。技术问题，例如数据标准和数据质量，仍然是第二名并拥有基本权利。”这包括数据验证问题。当前医学数据的特征是不清楚的权利。我不知道它们是否属于患者，医院，部门甚至制造商。例如，如果患者今天有X射线照相，那么对于该图像是否属于制造商，就没有明确的反应。存在政策问题和敏感性问题，人们非常关心他们如何与其重要利益相关。因此，共享医疗数据是最重要的法律和道德问题。 “那么我们如何促进解决这个问题的解决方案？王加辛说：“从政治角度来看，这个国家一直在研究近年来数据元素的分布。我们的优势是我们n集中精力做伟大的事情。因此，对数据元素的研究实际上是全国各地的。北京目前有许多试点项目来促进医院脱敏数据的资本化，但仍然很少。从近年来我们工作的真实情况来看，我们通常遵循科学主题和研究的转变。 “”例如，您可以与医院申请联合项目。对于另一个项目，您可以共享一些科学脱敏研究数据。当然，这不包括数据传输，但是它以更加满足的数据处理方法（例如在医院完成模型培训）进行了更多的操作。从理论上讲，医院不可能将医疗数据转移到任何公司。 “因此，就第三方而言，医疗数据的使用仅在相同之间。另一方面，AI的医疗公司将来必须在很大程度上取决于合成数据并准备更好地提取现有的开放数据。高级医学决策的医学语言模型专家”，王瓜辛团队提出了这种方法。文档.org/pdf/2502.18274临床实践包括两种推理方法：“模式识别方法”和“获取假设的方法”的方法。再次。在接下来的几年中，几个模型团队必须广泛整合实际数据，从而减少了患者数据，医院或行业的使用。这是一个非常重要的方向。当我们获得合成数据的好处时，我们无法直接提供足够的生成模型或培训版本或培训模型。在北京，对于南方患者来说，图像数据很少。人类和动物具有强大的局部特征CH作为身体状况，疾病甚至图像性能。 “但是，如上所述，获得广泛代表性的多中心数据是医生最困难，最痛苦的部分。”合成数据可以是模型的变性，因为它需要通过强大的模型或增强学习连续合成新数据。根据加强学习范式，应用或监视大量这些数据更困难。与对真实数据的痛苦搜索相比，此方法更有效。 “与受监视的学习相比，加固学习的最重要特征是它具有特定的数据搜索功能。但是，强化学习需要适当的偏好，Whate允许您更多地评估搜索地址。例如，DeepSeek-R1-Zero完全基于强化学习，因此该模型是免费的，因此可以通过勘探找到正确的开发路线。NPHAGOGAGOGAGOGAGOGAGOGAIG版本。OT需要国际象棋得分，但代理商不断提高国际象棋，继续前进，并因此是模特的技能。综合和其他数据收集方法包括重写真实数据。除了获得医学数据的困难之外，该领域知识的特征，即分割和动态，还代表了另一个难度。王·古代（Wang Guoxin）说：“健康行业中有很高的细分。即使从患者的角度来看，患者的最大问题是维持哪个部门。几乎没有常用的疾病代码。仅此而已。仅此而已。” “而且医学也是迅速发展的行业。阿兰，人类仍然没有对包括肿瘤疾病在内的许多差异的准确理解，这是最有趣的。因此，医学AI不仅是过去的知识，持续的学习和应用，而且还依靠生物学，遗传学，遗传学，生物学，生物学，生化，药物开发以及药物开发以及药物，药物和药物，以及药物高科技的发展速度不像AI碰撞。 AI您已经提高了医学的发育速度。例如，阿尔法菲尔德（Alfafold）最近获得了诺贝尔（Nobel）生理学奖。在此过程中，大型模型也必须深入参与。这是AI医学教育的问题。 “最后，推理模型，包括数学和代码推理，具有一个特征：正确的答案。尽管可以通过通过问题纠正的配对答案的方法来修改该模型，但坦率地说，健康健康的主要特征是OpenRA，许多问题实际上可能会错过正确的答案。正确的症状可以提及症状，知识的症状，是一种更大的症状，知识的症状，是纠正的，是良好的症状，是回应的，是相同的症状。多种疾病。专家的汤姆是正确的。更重要的是，他们可以逐渐获得反应职业疾病和甚至重要的能力。 “我认为，大型医疗盒CK模型在不同的医疗领域的应用值与大多数行业不同。”在医学领域，很长一段时间以来，大型通用的通用模型不如最大的垂直模型好。当然，大型通用模型积累的培训方法和良好的经验也必须迅速吸收。通用模型检查了AGI，医学模型研究了如何使用特定的医学规范制作具有医学规范的特定医疗情况的问题。使用这样的中央数据。 “但是，直接适应一个零散的健康特性以一一实施并不经济。一般数据字段中的区域。并打破所有医疗子坎波斯？他们最终会取代人类医生吗？王瓜辛说。医学模型中的聊天时刻并不意味着以任何方式替换医生。另一方面，在非常严格的医学情况下，AI和医生可以共同努力为患者提供服务，培训标准化的服务，甚至在指南中写作。在这种健康和通用模型上，对公众的卫生和普遍模式都有更广泛的保健服务。服务。必需品调查。电子病历是一个很好的例子。 “以另一种方式说，医疗模式从未有过聊天。不良产品出现在医疗服务的这些方面。”最后，Wang Guoxin推出了JHIWEI JD Health如何实践以前的概念。自2017年以来，JD Health一直在提供互联网医疗。目前，每天有490,000人就JD Health完成有关JD Health的在线咨询。 “为了实现这一成就，我们将没有IA实现。这个过程也积累了很多数据。”最近，JD Health改善了“ Jingyi Qianxun” Medical Modelversion 2.0，重点是提高AI的能力，以帮助诊断和治疗主要大学的主要专业疾病。尽管传统的AI基于静态数据，但“北京医学Qianxun” 2.0强调了临床诊断中的动态推断，避免了所有可能性的过多，并使用患者数据结合了证据 - 基于证据的数据库和诊所案例库直接提供有效的反应并改善临床实践。目前，“北京Yi Qianxun” 2.0可以为医生提供有关恶性肿瘤，心血管疾病和脑血管疾病的个性化诊断和治疗建议。 “仅AI就无法解决问题。它还必须信任供应链，例如医院，药房，服务机构，与JD.com合作的服务机构和CADENA合作提供服务。否则，它与其他互联网产品没有什么不同。谈论鬼魂，防御性思维和防御性思维，而人工智能的能力正在挣扎着进攻性思想。Oogle和Google，并且离公开很远。领域，我们竞争的是保留能力和快速重复。这是战略定位，资源投资和对行业的理解。 “对于创建大型行业模式的公司，行业理解不可忽视。”对于正在做医疗的公司，一些公司倾向于疾病学，而某些公司倾向于负责该行业。第一个是该国内部的宝贵力量，而且目前仍然很少。尽管以技术为中心的人们可能更喜欢快速销售，但在卫生行业中这非常困难。但是，即使这是竞争性关系，我们也希望共同促进医学AI的发展，这并不重要。 “外部环境的变化使Wang Guoxin可以看到医疗AI正在恢复快速发展。”最大的变化实际上是对医院，医生和专家的人工智能。与以前的保守派态度相比，该小组现在对AI的采用更加开放，这对我们来说是一个很好的呼吸。最终，我们和卫生行业需要开发和促进医疗。当然，必须通过从上到下和国家促销的政策取向来实现这一变化。 “事实是，包括我在内的每个人都希望能够随着年龄的增长而获得更多体面和值得的医疗服务。”