在人工智能（AI）領域，一場別開生面的“資源錯位戰”正在悄然上演。在這場戰役中，大型科技公司熱衷于參數升級的“軍備競賽”，而中小型創業公司則另辟蹊徑，深耕大型公司無暇或不愿涉足的細分賽道。醫療行業，以其高風險性、低容錯率以及對準確性和嚴謹性的極高要求，成為了這場數字化攻堅戰中的最難陣地。
近年來，全國各地的AI企業紛紛意識到了細分賽道的重要性，加大了對垂直領域行業大模型的投入力度。醫療行業對AI的需求尤為迫切，但通用大模型往往難以完全滿足其獨特需求。這一現狀促使企業開始探索更加專業化的解決方案。
方舟健客技術高級副總裁郭陟形象地比喻了通用大模型與垂直大模型在醫療領域的應用。他認為，AI在醫療場景的落地應用，如同醫學生成長為婦科專家的過程。通用大模型就像醫學院培養的醫學生，掌握了廣泛的醫學基礎知識，但缺乏臨床實戰經驗。而要成為一個真正的專家，則需要經過長年累月的臨床實踐和經驗積累。
壹生檢康，一家專注于女性精準健康檢測的科技公司，正是這一理念的踐行者。在女性健康領域深耕3年多后，他們積累了豐富的行業經驗和龐大用戶群體。然而，隨著業務的發展，公司也面臨著如何更好地服務用戶的難題。通用大模型雖然能夠提供一定程度的幫助，但在準確性和特定場景的控制上仍有不足。
在此背景下，開源DeepSeek的出現為行業和個人用戶帶來了對大模型概念的更深層次理解。它不僅推動了通用大模型廠商的快速迭代，還為垂直大模型低成本的技術實現提供了清晰的路徑。壹生檢康的團隊在經過深入研究和對比后，決定自研婦科垂直大模型。
在基礎模型的選擇上，團隊充分考慮了技術資源和算力的限制。他們對比了不同參數量的模型，最終選擇了在計算資源和回復效果之間取得最佳平衡的32B參數量模型。同時，為了確保模型的醫學知識預訓練基礎和專業性，團隊還重點對比了多個開源推理模型，并最終選擇了QwQ_32B作為基礎模型。
在數據準備與訓練策略上，團隊充分利用了壹生檢康旗下toC應用“閨蜜醫生”平臺積累的真實病例數據。他們篩選出具有代表性的數據樣本，通過DeepSeek進行蒸餾處理，并將蒸餾數據用于第一輪訓練。然而，未經標注的純蒸餾數據對模型能力的提升影響甚微。因此，在第二輪訓練中，團隊邀請了醫生團隊對數據進行逐條審核、標注和優化，最終構建起覆蓋全癥狀、均衡化的數據集。
為了評估模型的診斷準確率，團隊設計了自動化評估裁判模型，能夠在每次測試中快速對比訓練前后的準確率變化。同時，他們還邀請了多位三甲醫院的婦科醫生對模型的診斷結果和處理建議進行人工評估，以確保評估結果的公正性和客觀性。
經過多位婦科專家的對比評估，壹生檢康自研的豆蔻婦科大模型在月經不調、異常出血、白帶異常、外陰瘙癢、下腹疼痛、下腹包塊六個癥狀上的診斷準確率達到了77.1%，高出DeepSeek 7%。在某些特定疾病的診斷上，豆蔻婦科大模型還展現出了更優的性能和專業度。
團隊在微調過程中全力優化成本。他們充分利用了貝聯珠貫平臺上的英偉達4090 GPU卡進行訓練，單次訓練耗時僅約4小時。最終形成的大型模型參數量更小，顯著降低了推理成本，同時保證了推理速度和并發處理能力。
在應用場景上，豆蔻婦科大模型不僅服務于C端用戶，通過閨蜜醫生APP提供更加精準、專業的婦科健康建議，還賦能了婦科醫生資源相對匱乏的基層診所和大健康機構。這些機構可以通過簡單的自有知識庫+RAG訓練，快速上線企業自己的婦科AI醫生。
豆蔻婦科大模型的成功研發，不僅為醫療行業提供了更加專業化、個性化的解決方案，也為AI在醫療領域的落地應用開辟了新的道路。隨著技術的不斷進步和應用場景的不斷拓展，相信未來會有更多像豆蔻婦科大模型這樣的垂直大模型涌現出來，為人們的健康保駕護航。
