医疗健康人工智能行业应用发展背景、挑战及趋势分析

政策为医疗健康AI发展建设支撑体系，提供发展机遇。

近年来，国内关于人工智能领域的研究十分密集，发文量激增。目前，中国不论在高水平论文还是专利申请数量上都位居世界前列，视觉、语 音、自然语言处理等基础智能任务工程实现水平全球领先，并且拥有一批追求算法技术极致优化的人工智能企业。 随着理论突破速度开始放缓，深度学习技术进入升级优化阶段，驱动图像分类、机器翻译等多类感知任务提升准确率，在政策的支持下，持续 释放技术红利，促进医疗AI技术生态不断完善。

尽管已经有多家医疗AI启动IPO，但是实现盈利的企业尚未出现，根据已公开的公司数据，研发费用占比高，并且仍在持续增长，可见在未 来短时间内，医疗AI产品研发及优化仍是重点，资金需求缺口大。医疗AI行业已出现轮次比较靠后的融资，部分企业已步入预上市阶段， 上市企业也已崭露头角，融资数量及金额持续上涨，为医疗AI企业提供资金支持。

尽管在医疗数字化建设的过程中， 已经沉淀了大量的医疗数据，但 是仍然存在高价值数据的相对缺 失，如大量临床数据尚未完全转 化为可供挖掘和利用的高质量数 据，同时，不同医疗机构之间的 数据也存在标准和格式等不统一 的问题，也尚未能实现共享和流 通，从而在一定程度上造成了医 疗高质量数据稀缺的问题； • 另外，个人医疗信息和数据，对 于数据安全方面的保障也提出了 更高要求。

一方面是数据标注在处理医学复 杂知识方面面临挑战； • 同时，在知识和数据的利用方面 也需要专业领域Knowhow才能充 分理解和驾驭； • 相应地，科技企业独力难支，必 须与医疗机构、药企等进行联合 研发与场景探索，方能在应用过 程当中实现真正意义上的落地。

从基础应用要求上来说，需要避 免大模型驱动的AI应用在虚假、 错误医疗结果的出现； • 同时，在药物研发以及医疗决策 等方面，突破“黑盒”困境，深 入了解模型推理逻辑与决策过程， 仍然有助于辅助从业人员信任并 采纳模型结果，从而进一步推动 在真实世界中的应用。

趋势1：高质量数据沉淀与合规应用仍然需要持续提升。医疗行业独特的知识体系和丰富的多模态数据，未来在物联网的发展之下将日益产生和沉淀，包括医学成像、可穿戴以及环境生物传感器 所采集的生物医学数据等，伴随高质量数据的不断积累，并在数据合规和安全保障的前提之下，对于多模态数据的综合分析将日趋完善， 支撑更加丰富的AI应用落地。

趋势2：“AI+医疗”仍将持续场景驱动进行点状渗透 。“AI+医疗”仍将持续场景驱动进行点状渗透，全面铺开有待于医疗生 态整体数字化基础能力的进一步升级。 我国医院医疗信息化投入逐年提升，预计每年投入0.3%-2%的收入，且 仍有相当比例投入到硬件基础建设部分，这距离发达国家3%-5%的水平 仍存差距，从信息化到智能化的升级仍然是AI全面渗透的重要基础。医疗行业与AI结合的场景虽然众多，但是能够加速实际落地的仍然是 经过垂直场景打磨验证的核心应用，如AI影像（包括X光、CT、病理、 超声等），CDSS以及药物研发等。 而依托于大模型进行全方位铺开，仍然有待于医疗行业的知识、数据、 技术突破以及计算资源成本等方面的有效降低。

趋势3：探索可持续的多元盈利模式，推动医疗AI商业化落地。 医疗AI面临着医院付费意愿不强、C端用户使用习惯和付费习惯有待培养、医保政策等配套基础设施尚不完善等问题，要实现规模商业化还有很长一段 路要走。由于医疗行业本身的复杂性，医疗AI不同应用商业化进程也呈现差异。人工智能在医疗的大部分应用尚停留在应用落地向商业化的探索过程中， 其中，辅助诊疗领域的落地应用占比最多，商业化探索进程也位居前列，尤其是以眼科影像和放射影像为代表的医学影像类应用快速推进，持续探索有 效的盈利模式。 未来，医疗AI企业将持续探索多元商业变现模式，持续打磨产品，增加产品线，拓展合作医疗机构范围，以实现可持续盈利