本文来自微信公众号： 健闻咨询 ，作者：健闻咨询


一家医疗AI初创公司，正试图绕开通用大模型的底座，从零开始构建原生医疗模型。


这家公司叫Ortet，今年9月刚在美国纽约成立。


公司的核心产品是一款叫做Ortet health model的医疗模型，仍处于在研阶段，其公开定位是以患者为中心、多维度的基础模型


换句话说，它不是在通用模型的底座上做微调和后训练，而是基于封闭的医疗专用语料，直接为临床患者建模。


这在全球尚无先例。


另一家同样成立于今年的医疗科技投资平台Thoreau成为Ortet的唯一出资方，承诺出资额为5亿美金，将根据业务进展按需拨付。


从资本押注的角度来看，这是今年全球医疗AI领域里最重磅且疯狂的一笔投资。


诸如healthleap、PredicTx Health这样有成熟产品的医疗AI公司，种子轮融资额度均在数百万美元级别，而Ortet仅凭一个概念就拿下了5亿美金。


“他们赌的是，医疗AI的真正瓶颈不在应用层，而在基础模型，而这个基础模型不太能从GPT或Claude的底座上长出来。”医疗科技行业投资人路伟（化名）表示。


当下，市场最主流的医疗模型走的都是“通用+微调”路线，优势是不用从头学习语言、知识和推理，能够把资源集中在医学适配上。


缺点是，通用模型在预训练阶段形成的语言先验和推理模式，可能会在真实医疗场景中产生系统性偏差，而微调只能做部分矫正。


目前，国内外有大量测试和研究表明，在通用模型底座上搭出来的医疗模型，其专业能力正在被通用模型全面吞噬。


而Ortet选择的是另一条颠覆性的路——它希望从一开始就完全按照医疗场景来设计模型架构、数据本体及训练目标，从而更精准地完成某些特定的医疗任务。


这不是一个简单的创业故事，而是一场关于“医疗大模型是否需要从零开始”的商业测试。


1


找对问题，不代表答案正确


在官网上，Ortet将自己描述为“一家面向健康领域的前沿人工智能实验室”，明确将从生物学、临床、运营和财务四个维度来归集数据，用于构建以个体患者为中心的医疗基础模型。


Ortet称，Thoreau为其提供的5亿美元资金承诺，将用于计算和数据基础设施建设、健康领域模型的训练与部署，以及研究和人才的持续投入。


目前，Ortet已经获得初始CPU集群，正在构建将研究大规模推向生产所需的技术基础。


相比于公司介绍和融资规模，通过Ortet的创始团队，能更直接地看清它想做什么。


Ortet的一号位是纽约大学健康统计学教授Kyunghyun Cho，他同时也是注意力机制与门控循环单元（GRU）的共同开发者。今天所有主流大模型背后的核心技术架构Transformer，就是从GRU的基础上长出来的。


在创立Ortet之前，Kyunghyun Cho是罗氏旗下基因泰克公司的前沿研究团队负责人，参与了多项AI在生命科学领域的应用研究。


官网上还罗列了其它联合创始人的信息，其中首席技术官Henri Dwyer和首席AI官Keunwoo Choi都在基因泰克工作过，前者曾在基因泰克构建了生命科学领域最大的GPU集群，后者则主导了公司内部的大模型研发。


这三个人放在一块，刚好组成了基础模型研发的铁三角——理论、算力、预训练。


Kyunghyun Cho在谈及公司愿景时说得更清楚明白一些。他说，患者的健康应该随着每一个互动而改善，但如今的数据、知识和基础设施仍然过于碎片化，无法让这种学习大规模发生。


Ortet的解法是，“构建一个能够完整理解患者背景的系统，并提供可预测的更好决策。”


“我的理解是，Ortet不想给通用模型补充医学知识，而是让模型从真实医疗过程里学习‘患者接下来会怎样，做什么可能更好’”。左手医生创始人张超告诉《健闻咨询》，他认为Ortet看准了当下医疗模型存在的问题，但不会因为创始团队的背景，就提前认可它的答案。


此前，《健闻咨询》和张超有过一次对谈，在那次访谈中，他直言，医疗垂类模型在chatbot层面已经被通用模型赶超，真正的机会在于构造通用模型难以获得和使用的临床轨迹，比如患者的长期变化，医生干预和实际结局。


“如果Ortet不在真实临床数据这个点上做文章，仅仅是把模型的底座换了，哪怕从零开始训练，也解决不了问题。”


医疗AI行业资深观察者、全肾AI创始人陈罡则认为，美国比较注重AI的源头创新，只要痛点找得准，概念足够新，往往就能拿到更多融资。但从模型的技术逻辑上来讲，从头做一个医疗基础模型并没多大意义。


“通用模型的发展必然会越来越快，所谓的垂直能力会被自然覆盖，这已经是行业共识。所以像Ortet讲的医疗原生模型，不排除还是会借用通用模型，只是依赖程度不同而已。”


2


也许能做成，但很难被复制


愿意为一个非共识创业项目砸下5亿美金，Ortet背后的出资方Thoreau同样值得关注。


Thoreau不是一家单纯的财务投资公司，而是有明确战略指向的医疗投资平台。它的打法是通过大规模并购整合，构建医疗行业的数据、规则和基础设施，目的是用AI减少医疗系统的行政浪费。


在承诺给予Ortet5亿美金前，Thoreau已经完成了两笔控股性质的投资，分别投给了Ensemble Health Partners和Penelope Health。


前者是美国领先的营收周期管理服务商，为全美200多家医院管理超过550亿美元的净患者收入，它处理的不仅是账单，也会涉及患者的临床数据；


后者是一家美国的医疗政策智能平台，主要业务是将保险规则转化为结构化数据，覆盖2亿美国人的保单，涉及15000多种程度和药品代码。


如果再加上创始团队的生物制药背景，这意味着Ortet这家公司已经打通了生物、临床、运营和财务这四个维度的数据获取渠道，且几乎都是非公开的高质量数据。


“如果真的能把资源用到极致的话，Ortet是有可能把某个患者诊疗旅程中的所有信息拼凑到一起的。”路伟表示，这些信息过去分属不同系统，导致任何单一模型都只能看到患者的一个侧面，而将这些信息以患者为主体进行归集后，模型确有可能学到微调路线学不到的东西。


例如，讨论一个治疗方案是否可行时，患者除了只考虑“医学上是否合理”外，还要问，“能否预约、能否支付、最后是否执行”，这些真实世界里存在的数据维度，需要在建模时被一并带入。


但即便如此，也不代表绕过通用模型底座是明智的。


Delphi-2M就是一个反证。这是由德国癌症研究中心、欧洲分子生物学实验室和哥本哈根大学共同研发的一款疾病模型，能够根据一个人的年龄、性别、BMI、吸烟饮酒习惯及既往病史，预测其在未来20年内患上某种疾病的概率。


这款模型的训练数据来自英国生物银行，涵盖了约50万英国中年人的各种表型和健康信息，经过纵向对比，其对疾病预测的平均AUC值达到0.76，和专业临床评估工具基本相当。


而Delphi-2M仅仅是一个在GPT-2的底座上微调，约220万参数的小模型。这说明，围绕疾病演化建立不同的模型，也完全可以走通用+微调的路径。


张超表示，在他看来，只有在同时满足三个条件的情况下，绕开通用底座，从头训练医疗模型才有价值。


一是专有数据足够多，质量足够高；二是目标任务与通用语言任务差异明显；三是效果或部署收益能够覆盖训练维护成本。


“Ortet或许能够满足其中的2个，也可能全部满足。但对国内的医疗AI企业来说，借鉴意义不大。”


也许，这场豪赌对中国医疗AI公司来说，更大的启示在于，医疗大模型真的该往临床和医生的工作流里走一走了。