尊龙凯时 | 人生就是搏!

　　快速发展的大语言模型ღღ✿◈，携着生成式AI掠过医疗领域ღღ✿◈。过往的互联网医疗ღღ✿◈、医学影像ღღ✿◈、新药研发……一个一个场景经由新一代AI重塑ღღ✿◈，焕发出前所未有的价值ღღ✿◈。

　　不过ღღ✿◈，发现价值并不意味着能够掘得价值ღღ✿◈。如今惨淡的融资形势下ღღ✿◈，躬身大模型的企业们无法像深度学习时代那样随意试错ღღ✿◈。有限的现金流ღღ✿◈，意味着每一家企业必须全面考察场景ღღ✿◈、技术ღღ✿◈、风控ღღ✿◈、商业化等方方面面ღღ✿◈，才能做出决定ღღ✿◈。

　　因此ღღ✿◈，今年的人工智能报告将研究核心放在了“场景”与“产品”之上ღღ✿◈，尝试通过洞悉医院ღღ✿◈、药企ღღ✿◈、械企多方的供需逻辑ღღ✿◈，分析先驱者们的实战案例ღღ✿◈，为AI企业下一步的布局ღღ✿◈、选品ღღ✿◈、研发ღღ✿◈、商业化提供参考建议ღღ✿◈。

　　在AI发展之初ღღ✿◈，政策驱动在医疗AI落地的过程中起主导作用ღღ✿◈。政策制定者通常会根据医疗卫生领域的发展现状和未来趋势ღღ✿◈，制定具有前瞻性和指导性的政策文件ღღ✿◈。这些政策文件不仅明确了医疗信息化建设的总体目标和阶段性任务ღღ✿◈，还规定了建设内容ღღ✿◈、技术要求尊龙凯时人生就是博·(中国)官网ღღ✿◈、实施路径等关键要素ღღ✿◈。因而对于公立医院ღღ✿◈，政策需求是他们需要考虑的首要需求ღღ✿◈。

　　为了树立医院对于前沿技术的正确认知ღღ✿◈，引导相关产业的快速发展ღღ✿◈，我国自2016年起便开始围绕AI出台相关政策ღღ✿◈，从宏观角度出发ღღ✿◈，推动AI技术在医疗领域的应用ღღ✿◈，提高医疗服务效率和质量ღღ✿◈，最终实现医疗行业的智能化升级ღღ✿◈。

　　对于医院以外的场景ღღ✿◈，同样有部分赛道需要沿着政策的方向提前布局ღღ✿◈。以生物制药为例ღღ✿◈，“722”事件后ღღ✿◈，NMPA（当时为CFDA）相继发布了《关于开展药物临床试验数据自查核查工作的公告》《关于调整药物临床试验审评审批的公告》等文件ღღ✿◈，引发了国内EDCღღ✿◈、RTSM市场的繁荣ღღ✿◈，太美医疗等企业在系统中植入AIღღ✿◈，使其顺势成为药企数字化的关键要素ღღ✿◈。

　　如今FDA鼓励药企采用数字健康技术（DHT）进行临床试验申办尊龙凯时官方网站ღღ✿◈，ღღ✿◈，间接引导着药企的进一步开展转型ღღ✿◈。以eCOA为例ღღ✿◈，美国约80%的临床研究都以eCOA的形式进行ღღ✿◈，欧洲也有60%依照这一路径ღღ✿◈，而中国只有不到5%的申办方使用了eCOAღღ✿◈。当出海“欧美”成为大势所趋ღღ✿◈，FDA的政策也将传导至中国的药企ღღ✿◈。目前ღღ✿◈，Medidataღღ✿◈、Veeva等企业已将AI融入数字化转型解决方案中ღღ✿◈，准备承接这波海外政策变化带来的新需求ღღ✿◈。

　　与政策主导下的AI需求不同ღღ✿◈，早期提效主导下的AI需求没有引导ღღ✿◈、没有给定的形态ღღ✿◈。它需要企业自身从医院的临床尊龙凯时人生ღღ✿◈、运营尊龙凯时人生就是博·(中国)官网ღღ✿◈、管理等流程中发现真正痛点ღღ✿◈，且当AI解决这一痛点时ღღ✿◈，能够为医院带来直观的收益ღღ✿◈。

　　众多场景之中ღღ✿◈，影像AI是最早出现也是最为直观的例子ღღ✿◈。作为AI领域应用最为广泛的应用之一ღღ✿◈，此类AI能够帮助医生处理高强度重复的阅片工作ღღ✿◈，帮助影像科提质增效ღღ✿◈。

　　随着AI的进一步发展及医生对于AI技术的进一步认可ღღ✿◈，许多医生ღღ✿◈、管理者开始找到AI企业主动提出需求尊龙凯时人生就是博·(中国)官网ღღ✿◈，要求后者根据具体需求打造能够提质增效的AI解决方案ღღ✿◈。

　　举个例子ღღ✿◈。DRG出台后ღღ✿◈，医院的盈利逻辑由规模扩张向成本控制转变ღღ✿◈，管理者开始更加注重内部管理的精细化和科学化dnf达7ღღ✿◈，提高运营效率和医疗服务质量ღღ✿◈。这个时候ღღ✿◈，传统的医疗IT系统不能满足医院精细化管理提出的各种需求ღღ✿◈，医院管理者转向AI系统寻求助力ღღ✿◈，形成了提效主导下的AI购置动力ღღ✿◈。

　　诸如此类的场景还有很多ღღ✿◈，尤其是当医疗机构逐步完成政策定下的基础要求ღღ✿◈，他们开始主动需求智能化升级ღღ✿◈，提升竞争力ღღ✿◈。在没有新政策出台的前提下ღღ✿◈，提效主导下的AI购置动力将逐步取代政策主导下的AI购置动力ღღ✿◈，引导医疗AI的未来发展路径ღღ✿◈。

　　政策与提效两大购置动力支持下ღღ✿◈，国内已经孕育了一大批医疗人工智能产品ღღ✿◈，嵌入了医疗领域中的绝大多数场景ღღ✿◈。

　　先谈医学影像ღღ✿◈。统计有过融资记录的人工智能初创企业与公布产线的上市公司ღღ✿◈，蛋壳研究院总计对64家企业进行梳理ღღ✿◈，调研总计436个产品ღღ✿◈，覆盖了几乎所有脏器ღღ✿◈。

　　许多热门脏器的人工智能已经非常成熟ღღ✿◈，能够实现高精度的多病种辅助诊断尊龙凯时人生就是博·(中国)官网ღღ✿◈，如心脏（70）ღღ✿◈、骨骼（58个）ღღ✿◈、头颈（53个）ღღ✿◈、肺部（44）等部位ღღ✿◈。一些冷门脏器也在开发之中ღღ✿◈，如肠道（5个）ღღ✿◈、泌尿（4个）ღღ✿◈、整腹（2个）ღღ✿◈，部分产品已经取得了医疗器械注册证ღღ✿◈，能够实现一定程度的商业化ღღ✿◈。

　　再看病种ღღ✿◈，心脑血管dnf达7ღღ✿◈、骨关节ღღ✿◈、肺结节ღღ✿◈、肿瘤（放疗）ღღ✿◈、眼底是当前最火热的病种ღღ✿◈，市场上的同类产品超过15种ღღ✿◈；布局肠息肉ღღ✿◈、泌尿相关等疾病的企业较少ღღ✿◈，细分赛道相对冷门尊龙凯时人生就是博·(中国)官网ღღ✿◈。

　　1. 伴随标准化医疗数据获取难度的降低ღღ✿◈，市场需求全面主导影像AI的研发方向ღღ✿◈。肺癌在我国恶性肿瘤中发病率和致死率均居首位ღღ✿◈，每年死于肺癌的病人大约是65万ღღ✿◈。因此ღღ✿◈，医疗体系对于心血管AIღღ✿◈、肺癌AI的强烈需求驱动企业围绕对应疾病进行研发ღღ✿◈。

　　2. 以脏器为目标的诊断取代了以单一病种为目标的诊断ღღ✿◈，驱动企业基于脏器进行全面布局ღღ✿◈。过去ღღ✿◈，影像AI的研发落地常围绕某一特定疾病进行ღღ✿◈，但影像科医生在阅读CTღღ✿◈、X光片时ღღ✿◈，不会先入为主预设患者的患病情况ღღ✿◈，而是会逐一确认影像中的每一个细节ღღ✿◈，这种辅助模式限制了影像AI的价值ღღ✿◈。如今ღღ✿◈，影像AI企业为实现某个脏器的诊断ღღ✿◈，必须将该脏器中的热门病种逐一诊断ღღ✿◈，进而导致热门病种对应的影像AI数量激增dnf达7ღღ✿◈。

　　3. 冷门病种虽然独立ღღ✿◈，但仍有潜力ღღ✿◈。病理ღღ✿◈、心电等场景同样存在工作量大ღღ✿◈、相关医疗资源缺乏的问题ღღ✿◈，是医疗AI落地的优质场景ღღ✿◈，但由于这类场景不属于医疗影像ღღ✿◈，主流AI公司较少跨界这一方向ღღ✿◈。此外ღღ✿◈，不少仅需二类证即可实现商业化落地ღღ✿◈，因而产品竞争相对平淡ღღ✿◈。不过ღღ✿◈，如今也有不少相关AI获批医疗器械三类证ღღ✿◈，用AI深度赋能上述细分赛道ღღ✿◈，或在未来改变这一场景的应用逻辑ღღ✿◈。

　　其次是医疗ITღღ✿◈。评级仍是医院配置AI主要动力尊龙人生就是博ღღ✿◈！ღღ✿◈，5级以上的电子病历评级需要医院在数字化建设的基础上实现智能化部署ღღ✿◈，这意味着他们必须引入AI工具ღღ✿◈，并将其高度整合至已有的信息化体系ღღ✿◈。

　　2023年8月ღღ✿◈，中国医学科学院阜外医院成为国内首家获得8级电子病历评级的医院ღღ✿◈，突破了中国医疗信息化建设水平的上限ღღ✿◈。截至此时ღღ✿◈，全国总计312家医院获评高级别电子病历评级ღღ✿◈，其中1家医院获评8级ღღ✿◈，3家医院获评7级ღღ✿◈、40家医院获评6级ღღ✿◈、268家医院获评5级ღღ✿◈。

　　未来会有更多医院向电子病历高等级评级发起“冲刺”ღღ✿◈。尤其是作为高级别的入门等级ღღ✿◈，5级评级依然存在很大通过难度ღღ✿◈，未来数年内三级医院冲5望6将是主流自动化ღღ✿◈，ღღ✿◈。将为人工智能带来巨大机遇ღღ✿◈。

　　最后谈制药AIღღ✿◈。自2020年制药AI在一级市场迎来爆发性增长后ღღ✿◈，大量创业公司将其管线推至临床阶段ღღ✿◈。此前ღღ✿◈，AI主导的进入临床试验阶段的创新药项目仅为个位数ღღ✿◈。2021年这一数字已迅速增长至100多个ღღ✿◈，2022年维持增势突破200ღღ✿◈，2023年进一步提升ღღ✿◈，管线大关ღღ✿◈。

　　趋势之下ღღ✿◈，阿斯利康ღღ✿◈、拜耳ღღ✿◈、罗氏ღღ✿◈、礼来及赛诺菲等等MNC相继入局AI制药ღღ✿◈，国内恒瑞医药ღღ✿◈、石药集团等制药龙头也通过战略合作ღღ✿◈、股权投资等方式积极布局AIღღ✿◈，试图通过创新技术找到研发药物的新途径ღღ✿◈。

　　蛋壳研究院选取了39家主流制药AI公司的管线日统计数据ღღ✿◈，上述企业共有95条进入临床研究的管线条产线更新了最新的临床情况ღღ✿◈，进入新的阶段ღღ✿◈。

　　2023年10月31日—2024年9月1日更新了临床情况的管线（资料来源ღღ✿◈：蛋壳研究院ღღ✿◈、ღღ✿◈、动脉橙产业智库）

　　剩下的管线条管线/适应症被企业从官网撤下或宣告停止ღღ✿◈。其中ღღ✿◈，临床Ⅰ期管线%ღღ✿◈，临床Ⅱ期管线%ღღ✿◈；临床Ⅰ/Ⅱ期管线家主流制药AI公司停止或被撤下的管线（资料来源ღღ✿◈：蛋壳研究院ღღ✿◈、动脉橙产业智库）

　　同时ღღ✿◈，上述企业新增16条管线/适应症ღღ✿◈，与停止或被撤下的管线数量持平ღღ✿◈。这些管线中ღღ✿◈，有近一半管线来自于中国持股的AI制药企业ღღ✿◈，英矽智能ღღ✿◈、埃格林医药ღღ✿◈、冰洲石生物ღღ✿◈、剂泰医药（晶泰科技持股）占据了其中的7席ღღ✿◈。

　　但放眼全球ღღ✿◈，AI制药依然充满生机ღღ✿◈。其中ღღ✿◈，英伟达近两年在该赛道频繁出手“疯狂扫货”成为AI制药回暖的重要推手ღღ✿◈。据Pitchbook尊龙凯时人生就是博·(中国)官网ღღ✿◈、Crunchbase及动脉橙产业智库数据ღღ✿◈，英伟达在2023年及2024年（截至2024年9月5日）共参与投资超过70起ღღ✿◈，所有投资无一例外ღღ✿◈，均与AI相关ღღ✿◈，而其中至少投注AI制药企业14家ღღ✿◈，医疗其他领域企业8家ღღ✿◈。

　　此外ღღ✿◈，近两年MNC与AI新药研发及AI驱动的相关医药企业之间的合作交易也增幅显著ღღ✿◈。J.P.Morgan数据ღღ✿◈，生物制药行业交易的预付款份额自2020年来呈下降趋势ღღ✿◈，其中2024年上半年的预付款比例仅为6%ღღ✿◈。药物研发的高风险高投入属性ღღ✿◈，小额预付款无疑降低了交易的经济风险ღღ✿◈，该现象也反映了MNC在BD交易时日趋谨慎的态度ღღ✿◈。在此背景下ღღ✿◈，MNC资金更多流向AI医疗领域更是“用脚投票”ღღ✿◈，肯定了AI制药的价值凯时尊龙官网appღღ✿◈。ღღ✿◈。

　　大模型之下ღღ✿◈，生成式AI何以颠覆医疗？一如当年深度学习的火热dnf达7ღღ✿◈，新兴的大模型正以肉眼可见的速度席卷医疗行业ღღ✿◈。不到两年时间ღღ✿◈，市面上的医疗垂直模型数量已逾百个ღღ✿◈，甚至有不少头部医院要求主动上线相关平台ღღ✿◈，自发开启人工智能次世代的探寻ღღ✿◈。

　　不过ღღ✿◈，科技医疗要想在医疗领域站稳脚跟ღღ✿◈，不仅需要技术本身具备充分创新ღღ✿◈，还需要相应产品高度适配于场景本身ღღ✿◈，融入医疗体系已有的流程ღღ✿◈。换句话说ღღ✿◈，属于大模型的历练ღღ✿◈，才刚刚开始ღღ✿◈。

　　在资本支持ღღ✿◈、市场需求推动下ღღ✿◈，医疗大模型发展迅速ღღ✿◈，不到两年时间ღღ✿◈，市面上发布的医疗垂直模型数量已逾百个ღღ✿◈。据蛋壳研究院不完全统计dnf达7ღღ✿◈，2024年截至9月10日ღღ✿◈，收集到新发布的医疗大模型39个ღღ✿◈。

　　按蛋壳研究院《2023年医疗人工智能报告》中的九大大模型应用领域分类ღღ✿◈，近30%的大模型适用于2个及以上分类中的应用场景ღღ✿◈。其中ღღ✿◈，“辅助决策”“质控”“患者服务”应用场景依然是大模型最为集中的细分领域ღღ✿◈，其次是“中医”与“新药研发”ღღ✿◈，而“科学研究”及“治疗方案生成”领域的大模型相对稀缺ღღ✿◈，暂无“公共卫生”应用场景的新大模型发布ღღ✿◈。

　　尽管应用数量已成规模ღღ✿◈，但涉及的场景有些分散ღღ✿◈、未成体系ღღ✿◈、深度也有待提高ღღ✿◈，企业通过它们能够触及的市场规模总额有限ღღ✿◈，还不足以证明这项技术已经跑通了商业化之路ღღ✿◈。因此ღღ✿◈，要推动大模型的规模商业化ღღ✿◈，企业还需解决以下问题ღღ✿◈。

　　一ღღ✿◈、基础设施建设问题ღღ✿◈。目前完成大模型落地的医院绝大多数都是排名靠前的三甲医院ღღ✿◈，这些医院有资金ღღ✿◈、有条件进行大模型的部署ღღ✿◈。而那些排名靠后的医院乃至基层医疗机构ღღ✿◈，他们距离大模型还有一段距离ღღ✿◈。

　　现阶段大部分医院现有资源环境基本是面向通用计算的CPUღღ✿◈，很少有医院有面向图形处理和并行计算的GPU资源ღღ✿◈。缺乏大模型的部署环境ღღ✿◈，医院需要在购置应用的同时配备GPU运营大模型应用ღღ✿◈，并保证足够的存储和高速的网络连接ღღ✿◈，才能保证大模型的稳定运行ღღ✿◈。

　　对于大多数医院而言这都是笔不小的成本ღღ✿◈。按照一个普遍科室一张RTX 4090进行估计ღღ✿◈，要供给一个院区的算力ღღ✿◈，大致需要医院投入百万元级的成本进行芯片的配置ღღ✿◈。虽然头部医院在部署大模型方面表现出极大的热情ღღ✿◈，愿意进行本地化部署ღღ✿◈，但大量医院会对这笔费用敬而远之ღღ✿◈。

　　二ღღ✿◈、数据整合问题ღღ✿◈。因为医院信息化系统复杂ღღ✿◈，涉及众多系统和厂商ღღ✿◈，整合患者全生命周期数据面临巨大挑战ღღ✿◈。对于众多医疗大模型公司而言ღღ✿◈，必须进一步强化大模型对于多模态数据的处理能力ღღ✿◈。

　　理想状态下的多模态大模型ღღ✿◈，不应只是对各类医疗数据进行分类处理ღღ✿◈，更能提取各模态数据的关键之处ღღ✿◈，给出综合性的建议ღღ✿◈。

　　三ღღ✿◈、应用局限性问题目前基于大模型构建的智能应用仍然没有脱离传统医疗 IT 应用的范畴dnf达7ღღ✿◈，更像是互联网医疗的Plus版ღღ✿◈，虽有价值ღღ✿◈，但并非不可替代ღღ✿◈。未来ღღ✿◈，企业需要围绕医院需求构造“杀手级”应用ღღ✿◈，唤起医院购置大模型的需求ღღ✿◈，进而实现大模型的规模化落地ღღ✿◈。

　　本文将详细探讨AI在医疗领域的主要应用ღღ✿◈、潜在发展以及面临的挑战ღღ✿◈，帮助读者全面了解这一前沿科技在医疗中的巨大潜力ღღ✿◈。

　　ღღ✿◈：AI在医学影像分析中的应用最为广泛dnf达7ღღ✿◈。例如ღღ✿◈，AI可以通过深度学习算法分析X光ღღ✿◈、CTღღ✿◈、MRI等医学影像ღღ✿◈，辅助医生发现早期癌症ღღ✿◈、脑出血尊龙凯时官网ღღ✿◈、肺结节等病变ღღ✿◈。相比传统手动分析ღღ✿◈，AI技术在速度和准确性上具有显著优势ღღ✿◈。

　　ღღ✿◈：一些AI系统已经能够在拍摄影像的同时进行实时分析ღღ✿◈，提供即时诊断结果ღღ✿◈，极大地提高了诊断效率ღღ✿◈。

　　ღღ✿◈：AI可以通过分析病理切片图像ღღ✿◈，识别癌细胞和其他异常细胞ღღ✿◈。AI技术不仅提高了病理诊断的准确性ღღ✿◈，还能减轻病理医生的工作负担尊龙凯时人生就是博·(中国)官网ღღ✿◈。

　　ღღ✿◈：AI在基因组学中的应用也非常重要尊龙凯时人生就是博·(中国)官网ღღ✿◈。通过分析大量基因数据ღღ✿◈，AI可以发现与特定疾病相关的基因突变ღღ✿◈，预测患病风险ღღ✿◈，并指导个性化治疗ღღ✿◈。

　　ღღ✿◈：AI技术已经广泛应用于机器人辅助手术系统中ღღ✿◈。这些系统可以通过精确控制手术工具尊龙凯时ღღ✿◈。ღღ✿◈，提高手术的精度和安全性ღღ✿◈，减少术后并发症ღღ✿◈。

　　ღღ✿◈：AI可以通过分析大量药物和疾病数据ღღ✿◈，发现潜在的药物靶点ღღ✿◈，加速新药研发过程ღღ✿◈。同时ღღ✿◈，AI还可以优化药物组合ღღ✿◈，提供个性化的药物治疗方案ღღ✿◈。

　　ღღ✿◈：AI系统可以根据患者的病情ღღ✿◈、基因数据和治疗历史ღღ✿◈，预测不同治疗方案的效果ღღ✿◈，帮助医生选择最佳治疗方案ღღ✿◈。

　　ღღ✿◈：AI驱动的虚拟医生可以通过视频ღღ✿◈、语音或文本与患者互动ღღ✿◈，提供初步诊断和治疗建议ღღ✿◈，特别适用于偏远地区或医疗资源不足的地区ღღ✿◈。

　　ღღ✿◈：AI可以通过分析医院的历史数据ღღ✿◈，预测患者流量ღღ✿◈，优化门诊预约和住院安排ღღ✿◈，提高医疗资源利用效率ღღ✿◈。

　　ღღ✿◈：AI驱动的智能健康助手可以通过手机应用或智能设备ღღ✿◈，提供个性化的健康教育和咨询服务dnf达7ღღ✿◈，帮助公众提高健康知识水平ღღ✿◈。尽管AI在医疗领域有着广阔的应用前景ღღ✿◈，但也面临一些挑战ღღ✿◈：

　　ღღ✿◈：医疗数据的隐私和安全问题是AI应用中必须解决的重要问题ღღ✿◈。需要制定严格的数据保护法规ღღ✿◈，确保患者隐私不被泄露ღღ✿◈。

　　ღღ✿◈：AI技术在医疗领域的应用需要制定统一的技术标准和监管法规ღღ✿◈，确保AI系统的安全性和可靠性ღღ✿◈。

　　ღღ✿◈：AI技术的推广需要医生和患者的接受和配合ღღ✿◈，需要通过教育和培训ღღ✿◈，提高他们对AI技术的认知和信任ღღ✿◈。

　　人工智能在医疗领域的发展正在迅速推进ღღ✿◈，从疾病诊断到个性化治疗ღღ✿◈，再到医疗资源管理ღღ✿◈，AI技术正逐步改变着医疗的各个方面ღღ✿◈。尽管面临一些挑战ღღ✿◈，但随着技术的不断进步和完善ღღ✿◈，AI将在未来医疗中发挥越来越重要的作用ღღ✿◈，为患者提供更高效ღღ✿◈、更精准ღღ✿◈、更个性化的医疗服务ღღ✿◈。