AI医疗行业深度解析
作者：微信文章https://mmbiz.qpic.cn/sz_mmbiz_jpg/xiaUC0GZE5NagdbYCsHWFH9uib6GnIS7EJbADlHTBaficBMjACnZQAoOWnCbzeqrGLY4Ca9Qgv0T2N52HhYcZGUfA/640?wx_fmt=jpeg&from=appmsg&watermark=1&tp=webp&wxfrom=5&wx_lazy=1#imgIndex=0
「机构眼·调研内参」机构级投研资源平台
加入社群·微信：Buddha_Research
https://mmbiz.qpic.cn/sz_mmbiz_jpg/xiaUC0GZE5NagdbYCsHWFH9uib6GnIS7EJibibvibAagvndjMOTRAB0HnC9x8RI3mh99iao1Bpyhlkuc0LqiaOfMIOiapA/640?wx_fmt=jpeg&from=appmsg&watermark=1&tp=webp&wxfrom=5&wx_lazy=1#imgIndex=1
纪要内容展示
AI医疗行业的发展与卫生经济学价值
分享了AI医疗行业的发展背景，强调了AI在提升医疗服务效率和降低成本方面的潜力，尤其是在发达国家人员成本高昂的背景下，AI医疗的应用对优化卫生支出具有明显价值
AI在医疗行业的赋能：降本增效与技术突破
AI在医疗行业通过模拟人类智能实现7*24小时跨区域高效运转，助力降本增效。具体应用包括AI辅助问诊、医学影像分析等，如将头部医院医生的诊疗能力模块化赋能基层医院，提升诊疗效率；利用AI算法诊、医学影像分析等，如将头部医院医生的诊疗能力模块化赋能基层医院，提升诊疗效率；利用AI算法条件局限，基于大量数据和优化算法，提出硬件性能无法实现的案例，实现医疗行业的进一步发展。
AI医疗行业标准与市场潜力分析
国家相关部门联合制定AI医疗应用场景指引与行业标准，推动医疗服务管理、健康产业等四大领域发展。AI大模型在医疗领域的应用日益广泛，涵盖药物研发、患者问诊等场景，产品数量已超100款。AI医疗商业模式多样，包括直接销售AI嵌合式产品或独立注册软件。数据与用户基础对产品研发与商业化至关重要，软件管理依据处理对象是否涉及医疗器械数据而定。第三方预测AI医疗市场潜力巨大，尤其在医学影像与药物研发领域有望保持高增速。
AI医疗软件分类与管理趋势分析
对话探讨了AI在医疗领域的应用软件分类，依据算法成熟度和用途将其分为辅助决策与非辅助决策两类，并详细阐述了各类软件的管理类别与应用场景。统计数据显示，自2021年起，AI医疗器械注册数量显著增长，2022年后AI软件产品注册呈现爆发式增长。此外，46家企业获得大健康相关算法备案，主要应用于互联网问诊与报告解读。整体趋势显示，AI医疗行业正快速发展，特别是在医学影像计算与手术计划等领域
AI与医学影像结合：智能化优化与多疾病一扫多查
AI在医学影像领域的应用广泛，包括个性化扫描方案定制、快速图像重建、辅助病灶检出与定量分析等，提高诊断效率与准确性。联影智能等企业开发的AI软件，获得多项认证，实现一扫多查，打破疾病边界，综合分析多种疾病。大模型技术在训练效率和精细度上显著提升，如肾动脉分割任务，大幅缩短研发周期，推动医疗AI发展。
AI与医疗技术融合：从手术规划到基因解读
讨论了AI在医疗领域的应用，包括手术规划、FFR冠脉血流储备分数的无创测量，以及基因组数据的解读，展现了AI如何提升医疗精准度和效率，为个性化治疗方案提供支持。
AI在医疗领域应用：基因组解读与病理诊断
华大基因通过GBIO大模型提升基因组数据解读效率，涵盖基因检测、公众咨询和公共卫生三大领域。AI在病理诊断中简化流程，减少病理科医生工作量，提升医院端效率。迈瑞、金融医疗等企业结合自身优势，开发AI辅助诊断模型，增强报告解读逻辑性与可解释性，提升复杂任务分解准确性，赋能医生与患者。
AI医疗大模型开发与应用场景探索
讨论了基于开源模型开发的医疗大模型，如润达与华为合作开发的模型，及其在不同医疗场景中的应用，包括健康助理智能体、科室专业模型等。此外，提到了AI在辅助诊疗市场的表现，以及AI制药产品开发的重要性。商业模式涵盖与体检、保险机构合作，提供健康智能体服务，如疾病报告解读，综合准确率可达87.74%。收费模式多样，包括项目实施、维护服务和运营服务，涵盖基层医疗服务、医院患者及区域管理平台。
AI赋能制药：提升效率与创新
AI技术在制药领域的应用广泛，包括蛋白结构预测、靶点发现、药物虚拟筛选与设计等，有望显著缩短药物上市时间和降低成本。多家企业如金泰科技、成都先导、泓博医药等，正利用AI与自动化技术加速药物研发流程，提高效率与精准度。AI驱动的制药模式正逐步改变行业格局，展现出巨大潜力与前景。
AI医疗行业的发展趋势与应用场景
对话深入探讨了AI在医疗领域的广泛应用与未来趋势，包括医学影像、基因检测、病理机器人等领域的创新应用。强调AI与医疗结合的紧密性，以及数据积累、算法开发对行业的重要性。指出AI医疗的长期趋势是大势所趋，将筛选出与AI紧密结合的公司，同时介绍了AI在医疗领域的商业化潜力与挑战。
问答回顾
发言人 问：AI医疗行业的发展现状如何，以及其对整个医疗行业有何价值体现？
发言人 答：近年来，AI行业快速发展，尤其是在AI系统参数和训练集数量方面呈现显著上升趋势。AI大模型的发布也带动了语言和推理能力的快速提升。在底层技术进步的推动下，AI医疗应用层面得到了大幅提升。AI医疗对整个医疗行业价值体现在能够降低产品层面的成本，随着技术扩散和专利期到期，仿制药和生物类似药的出现有助于打破支付门槛，实现产品普及。然而，医疗服务成本上升主要依赖人员，导致卫生经济学中的“曝摩尔成本病”现象，即医疗价格增长速度可能高于通胀，卫生支出占比逐步提升。AI医疗的发展有助于解决医疗服务成本高企问题，例如通过与手术机器人等结合，有效降低医疗服务价格，优化卫生支出，尤其在发达国家人员成本高昂的背景下，AI医疗的价值尤为明显。
发言人 问：AI在医疗行业具体有哪些赋能表现？能否举例说明AI在医疗问诊领域的具体应用？
发言人 答：AI对医疗行业的赋能主要体现在两个维度：一是降本增效，AI能够模拟人的智能工作，打破时间与空间限制，实现7x24小时跨区域高效运转。例如AI问诊系统和病毒识别技术，复制了医生能力，提高诊疗效率。二是突破人与客观条件局限性，基于庞大数据库和认知能力，通过生成式AI及涌现能力，在观察、感知、认知学习、推理执行等方面寻求进一步突破，协助或辅助医护人员完成任务，特是在AI制药、AI医学影像等领域，有望提出并实现目前硬件性能无法实现的新案例。在医疗问诊领别域，AI可以构建辅助决策系统，将顶级医院或三甲医院医生的智能模块化集成到软件中，为基层医院赋能，显著提升其诊疗能力。这类CDSS系统包括辅助诊断、治疗方案推荐、相似病例推荐、医嘱质控、病历质控以及医学知识查询等功能。在医生与患者交互过程中，AI能根据患者的主诉、体格检查和实验室检查结果，按概率高低提示可能的疾病，并根据选择的疾病提供进一步的检查、药物使用或手术治疗方案建议，从而将头部医院医生的诊疗能力赋能给基层医院。
发言人 问：联影智能如何通过AI技术将二维超声图像转化为三维图像，帮助医生进行疾病判断和手术规划？
发言人 答：联影智能利用专用的AI算法，能够将二维的医学影像升级为三维图像，使医生能够更直观地理解病灶的空间概念，从而辅助他们进行疾病诊断和手术规划。
发言人 问：国家卫健委等相关部门制定了什么样的政策来推动人工智能在医疗领域的应用？
发言人 答：去年11月份，国家卫健委、中医药局和疾控局联合制定了卫生健康行业人工智能应用场景的参考指引，全面覆盖了医疗服务管理、基层公共卫生服务、健康产业以及医学教学科研四大领域，并提出了84个应用场景。
发言人 问：AI医疗市场的发展潜力如何？特别是在哪些细分领域有望保持较高增速？
发言人 答：根据第三方预测，AI医疗市场潜力巨大，其中医学影像和药物研发等细分领域有望保持较高的增速。目前，AI大模型在医疗领域的产品数量已超过100款，广泛应用于药物研发、专病专科、患者问诊、中医药、医学影像等多个关键场景。
发言人 问：AI医疗的商业模式是怎样的？
发言人 答：AI医疗的商业模式主要包括通过整合AI相关应用的产品销售，如AI嵌合式医疗器械或人工智能软件组件的注册，通常按照最终产品（如超声或CT设备）进行完整注册。同时，也有基于AI软件独立注册为三类医疗器械的情况，这类软件通过服务在医疗终端销售
发言人 问：对于处理医疗器械数据和非医疗器械数据的AI应用软件，如何分类和管理？AI软件在医疗器械领域的具体分类有哪些？
发言人 答：处理医疗器械数据的AI应用软件根据算法成熟度分为辅助决策和非辅助决策两类，并按此分类进行医疗器械管理，需进行临床研究；处理非医疗器械数据（如辅助诊疗软件）的，则主要依据算法
类进行医疗器械管理，需进行临床研究；处理非医疗器械数据（如辅助诊疗软件）的，则主要依据算法备案制进行管理。AI软件在医疗器械领域可分为治疗计划类（如放射治疗规划软件、手术计划软件）、医学影像处理软件、数据处理软件（如监护和生理信号处理软件）、决策支持类（如临床用药计算软医学影像处理软件、数据处理软件（如监护和生理信号处理软件）、决策支持类（如临床用药计算软
发言人 问：目前我国AI相关的医疗器械和软件申报情况如何？
发言人 答：根据中程书科的数据，截止到今年5月底，我国单独以软件形式申报的AI产品已有135件，内嵌AI软件的医疗器械（如超声DR等）注册数量达到了2100件。从2021年开始，AI相关的医疗器械和软件产品注册数量出现了快速增长趋势。
发言人 问：对于不直接处理医疗器械数据的领域，是如何进行管理的？
发言人 答：这些领域主要通过备案方式进行管理。易优智库的统计显示，截至2024年底，共有46家企业获得了大健康相关的算法备案，主要应用在互联网问诊、报告解读等辅助诊断场景。
发言人 问：AI与医学影像结合的具体应用场景有哪些？
发言人 答：AI与医学影像结合的场景众多，在扫描层面，AI可为患者定制个性化精准扫描方案，优化扫描剂量和辐射剂量；在图像重建环节，AI赋能的技术可以实现快速图像重建，缩短诊断时间；在诊断分析环节，AI辅助计算机视觉技术帮助医生进行病灶检出、分割、性质判断和定量分析，部分病种的检出率高达98%，甚至优于经验丰富的影像科医生。
发言人 问：AI大模型在医学影像领域的赋能体现在哪些方面？
发言人 答：大模型在医学影像领域的赋能主要围绕两个维度：一是利用大模型技术对医学图像进行分割、视频或动态图像重建；二是运用偏语言类AI大模型辅助医学影像诊断分析，进一步训练垂类医学影像应用，生成自动影像诊断报告，提升影像科医生的工作效率
发言人 问：联影智能在AI智能软件方面的表现如何？
发言人 答：联影智能拥有丰富的AI智能软件产品线，并已在中国NMPA、欧盟CE和美国FDA等多个地区获得多项产品认证。其产品不仅针对单一疾病开发专用软件，还实现了基于CT或核磁多种疾病的“一扫多查”，并结合大模型技术提升训练效率，如在肾动脉血管分割任务上，大模型只需少量训练数据就能达到传统小模型需要大量数据的效果。
发言人 问：AI技术如何与其他医疗手段结合以提供更全面的诊疗支持？
发言人 答：联影智能将AI技术与其他应用结合，例如结合手势互动裸眼3D技术，为手术规划、术前模达到传统小模型需要大量数据的效果。过AI分析CT造影图像，无需有创操作即可精密测量冠脉FFR数值，从而实现从无创到微创的治疗方式转变。
发言人 问：在基因检测领域，大量数据的应用存在哪些限制因素？AI技术在未来如何改变对基因组数据的解读与应用？
发言人 答：在基因检测领域，尽管技术能力已经足够进行高效的全基因组检测，但大量基因组数据因其高维、异质性、非平衡等特点，使得在拿到这些数据后难以准确解读和应用。目前的应用往往受限于临床目的，如癌症早筛、伴随诊断或特定产品检测等，而非针对数据本身的深入挖掘和解读。未来有望通过AI的学习能力，对基因组数据进行更全面且个性化的解读，从而为医疗领域带来更清晰的判断。例如，在药物敏感性分析中，可以为患者提供更为精准的对症用药方案；在疾病溯源和成因分析上，也能实现差异化精准治疗方案的指导。
发言人 问：华大基因在基因组数据解读方面有哪些创新举措？
发言人 答：华大基因发布了GBIO大模型，结合数据库和文献进行全面基因组数据解读，确立相应位点，大幅提升人工解读效率低下问题。此外，还开发了针对细分领域的三个大模型，包括帮助医生获取个性化诊断方案的GT大模型，面向公众用户的基因组咨询服务XGNT，以及服务于公共卫生领域的13311I大模型。
发言人 问：AI病理诊断的优势体现在哪些方面？
发言人 答：AI病理诊断可覆盖病理诊断全流程，从标本制备到染色、影像图片解读及报告生成等环节，有效降低病理科医生的工作量，使其从繁琐的细胞形态计数工作中解脱出来，转为审核角色，大幅提升医院端病理效率。
发言人 问：AI辅助诊断如何应用于不同医疗场景？
发言人 答：AI辅助诊断开发了多个针对不同门诊治疗领域的问诊模型，如迈瑞发布的重症和病理分期大模型，与腾讯合作开发了围绕具体疾病应用场景的大模型，赋能医生诊疗。同时，医学检验公司如金域医学结合自身专业数据开发了愈见一眼大模型，并接入百度AI技术以增强逻辑性和可解释性，提升分析能力。
发言人 问：公司在开发医疗大模型方面的合作情况如何？
发言人 答：润达医疗较早与华为合作开发医疗大模型，围绕不同应用场景开发了健康助理智能体，并与医疗机构合作开发具有专业经验的科室模型。此外，公司还积极探索与其他体检机构、保险机构及药店的合作，拓宽应用场景和商业模式，其中润达健康智能体能够在大量学术期刊和临床经验基础上解读疾病报告，综合准确性高达87.74%。
发言人 问：在AI辅助诊疗领域，有哪些上市公司取得显著市场份额？
发言人 答：港股上市公司讯飞医疗科技基于星火大模型开发了星火医疗大模型，在二三年辅助诊疗市场中占据14.2%的份额，排名第一。
发言人 问：公司的收入主要来自哪些方面？
发言人 答：公司的收入主要来自于项目实施，包括智能外呼电话、患者服务套餐、影像服务以及与医疗器械公司的合作项目。这些服务通常以项目为基础进行收费，期限一般为1到5年，并在服务期内提供无偿维保费用。服务期满后，也会向客户端收取维护和运营费用。
发言人 问：AI医疗在哪些场景中有所应用？
发言人 答：AI医疗涵盖了基层医疗服务、医院患者管理以及区域平台管理等多个场景，主要面向卫健体系和医保等领域提供解决方案。此外，市场也关注AI制药产品的开发，AI制药技术在前期蛋白结构预测、靶点发现、药物虚拟筛选、优化设计、合成路径筛选、成药性预测及后续临床设计、患者招募等方面有显著的赋能效果，有望大幅提升药物研发效率，并可能打破现有药物研发范式，发现和生成更多更好的药物分子。
发言人 问：AI在药物研发领域的具体应用案例有哪些？
发言人 答：成都先导基于Del平台叠加AI和机器学习分子发现平台，以及AI和自动化分子优化平台，加速药物筛选和优化过程；泓博医药较早探索计算机辅助药物设计和人工智能辅助药物设计，利用AI技术进行药物发现和设计。同时，金泰科技提供量子物理和人工智能驱动的CRO服务和智能解决方案；药品公司通过AI技术提升苗头化合物发现平台效率，例如虚拟筛选，并成立自动化部门以优化反应釜、洞房和实验室排产，提高内部运营效率。
发言人 问：AI驱动的药物研发有哪些潜在优势？
发言人 答：根据Big Ideas 2025报告，AI驱动的药物研发可以将上市时间缩短约13%至40%，从原来的13年缩短至8年，并将总研发成本降低四倍，从24亿美元减少至6亿美元。AI技术如阿尔法fold在蛋白质结构预测效率和范围上已超越传统技术，如X射线晶体学和冷冻电镜等，显示出AI制药领域的巨大潜力。
发言人 问：AI与医疗制药领域的结合趋势如何？
发言人 答：AI与医疗各个环节深度融合，提升效率，未来AI的创新应用将带来市场扩容和新的应用场景。目前，多家公司积极拥抱AI变革，长期来看，AI与医疗各维度结合是大势所趋。医药公司在数据层面具有深厚积累，许多AI医疗应用是在现有大模型基础上，通过大量高质量数据训练垂类算法，同时在
景。目前，多家公司积极拥抱AI变革，长期来看，AI与医疗各维度结合是大势所趋。医药公司在数据层
面具有深厚积累，许多AI医疗应用是在现有大模型基础上，通过大量高质量数据训练垂类算法，同时在特定领域如医学影像、药物筛选等也有开发专用算法的需求。AI已在医学影像、基因检测、病理机器人、辅助诊疗、健康管理、大数据服务、制药、CRO等多个领域取得深入发展和赋能。
页:
[1]