国内AI医疗发展环境、资源现状及应用分析

当前，AI 医疗已形成涵盖诊断、治疗、管理、研发等全链条的多元化应用生态，并 通过真实场景的规模化落地验证了其临床价值。

1.国内 AI 医疗发展环境已成熟

支撑环境已有基础：支撑环境主要包括数据资源和数据服务。数据资源为 AI 医疗器 械的训练、学习和推断提供资源，进而推动算法准确性、泛化性的提高。目前我国已有 许多医院根据自身优势建立了各类专病医疗数据库。数据服务通过提升医疗数据的质量 间接推动 AI 医疗器械的发展，国内数据服务商如医渡云通过对大规模多源异构医疗数据 进行集成、挖掘、利用，建立疾病模型，辅助完成 AI 医疗器械产品的研发。 国内 AI 相关基础设施完善：基础设施为 AI 医疗器械产业提供基础保障，主要包括 网络安全、存算基础两方面。网络安全厂商通过在网络环境中加装防火墙硬件设备、添 加限制策略等提高网络防攻击能力，进而保障医疗数据安全。存算基础为 AI 医疗器械数 据提供存储运算平台。目前 AI 医疗器械产品在应用中的部署形态分为两种，一种是将 AI 算法嵌入定制化芯片，芯片赋能设备，实现信息的原位处理，算法嵌入芯片进行信息 原位处理使得信息处理效率更快，但是对于芯片硬件的要求更高；另一种是将医疗数据存储至云端，通过算法调用传输实现数据的处理，数据传输至云端有利于信息的多方面 整合，处理结果更全面、准确，同时目前越来越多的用户在数据的存储与传输中，引入 区块链等创新技术，确保数据安全。国内相关企业百花齐放，芯片供应商主要有鲲云科 技、紫光集团、华为海思等，云平台主要有百度云、阿里云、华为云等。 智慧中枢全球领先：作为连接基础设施和智慧应用的核心环节，智慧中枢为 AI 医疗 器械的发展提供了坚实的算法基础和模型基础。其供应商以国内互联网公司和 IT 硬件巨 头为主，这些企业凭借全球领先的技术实力和创新能力，为 AI 医疗器械产业提供了强大 的支撑。百度创新性地提出构建符合临床知识体系的病灶－疾病循证推理框架，有效破 解了 AI 系统的“黑盒”瓶颈，同时在产品开发部署中使用自研的“飞桨深度学习框架”， 实现了全生命周期的自主可控。此外，国内 IT 硬件巨头如华为海思、紫光集团等，通过 高性能芯片和云计算平台的研发，为 AI 医疗提供了强大的硬件支持。这些企业的技术突 破不仅降低了 AI 技术在医疗领域应用的门槛，还显著提升了医疗智能化水平，为 AI 医 疗器械产业的快速发展奠定了坚实基础。

智慧应用（终端应用）逐步发展：终端应用是 AI 医疗器械产业生态中面向患者、医 生、医院解决行业痛点、满足行业需求的环节，包含 AI 辅助诊断、AI 辅助治疗、AI 康 复理疗、AI 监护支持和 AI 中医诊疗五个等多个方向。其中 AI 辅助诊断通过对患者的影 像数据进行分析，将分析结果提供给医生，辅助医生对患者的病情进行诊断。AI 辅助治 疗通过利用诊断结果为患者制定治疗计划，辅助患者的治疗过程。AI 康复理疗通过利用 人工智能技术，面向运动障碍康复、精神类疾病等，辅助患者进行康复治疗。AI 监护与 生命支持通过对人体生理参数进行智能监护或对患者提供智能生命支持，提高了医护效 率。AI 中医诊疗通过结合人工智能技术将中医的“望闻问切”四诊技术智能化、标准化。

2. 资源弥合：AI 技术破解医疗资源的分布不均困境

2.1 医疗需求增长趋势下，医疗资源“东强西弱、城强乡弱”

老龄化下医疗需求增长。我国人口老龄化趋势持续，民政部数据显示，截至 2024 年 年底，我国 60 岁及以上老年人口达到 3.1 亿，占总人口的 22%。根据预测，到 2035 年 左右，我国 60 岁及以上老年人口将突破 4 亿，在总人口中的占比将超过 30%，进入重度 老龄化阶段。老龄化趋势下带来癌症、心脑血管疾病等高发疾病筛查需求。 基层医疗资源相对匮乏，基层医疗机构诊断能力不足。基层医疗体系作为我国医疗 卫生服务网络的“网底”，近年来在政策倾斜下硬件设施有所改善，但资源结构性短缺 与诊断能力薄弱的矛盾依然突出。2023 年，占全国医疗机构总数 94.9%的基层医疗卫生 机构，仅承担了 51.8%的诊疗服务量，资源利用率与服务质量形成反差。 优质医疗资源的区域布局不均衡问题较为突出。我国的医疗资源分布在省份之间差 异逐渐缩小，但是在地区之间差异仍然存在。医疗机构尤其是以三甲医院为代表的优质 医疗资源，仍然集中在东部沿海地区，与之对应的是医疗人员、大量的诊疗活动也集中 于东部地区。

2.2 AI 重构医疗价值链，助力“医疗平权”

在医疗健康领域，AI 技术正展现出明显优势。（1）高效性：AI 能够以超人类的速 度处理和分析医学数据，显著提高了诊断工作的效率，并加速患者的治疗过程。（2）高 准确性：AI 模型经过训练，能够识别影像中的细微变化和模式，还可以通过深度学习不 断提高识别能力，减少主观判断的偏差，从而提高诊断的准确性。（3）低漏诊率：AI 系统具有高精确度和细致的分析能力，它们能够检测到一些可能被人类医生忽略的病变 或异常，有助于减少漏诊的情况，确保患者得到及时和适当的治疗。 重构医疗服务价值链，AI 技术助力诊疗效率质量双提升。传统医疗价值链呈现“诊 疗服务主导型”线性结构，存在环节割裂、资源固化等缺陷，诊断、治疗、资源配置环 节存在效率瓶颈与质量波动。AI 技术通过提升诊疗效率、优化医疗质量、拓展全周期健 康管理三大核心路径，系统性重构医疗服务体系。 在导诊环节，AI 技术通过智能分诊系统优化医疗资源分配，全国已有多家三甲医院 部署智能分诊系统，通过分析患者生命体征和电子病历数据，动态优化就诊路径，显著 缩短候诊时间。

在诊断环节，AI 的系统能在极短时间内完成多病种联合诊断，准确率超越人类医师。 有研究表明，基于 AI 的 CT 扫描真阳性结节诊断率（98.54%）显著高于放射科医生人工 诊断率（46.53%）。人工耗时至少 10 多分钟分析的图像，浙大一院研发的 AI 病理助手 OmniPT 只需要 1～3 秒就能快速锁定病灶区域，并且在胃癌、结直肠癌和宫颈癌等十余 个高发病率癌种上取得了 95%以上诊断准确性。哈医大二院 CT 诊断科将 AI 技术应用于 血管病诊断，实现自动血管 VR/CPR/MIP 等显示，使血管 CTA 检查后处理及报告时间可整体缩短 90%。 在治疗环节，AI 助力手术准确性、安全性提升。哈医大二院骨外科运用 AI 辅助技 术为多名患者精准实施髋、膝关节置换手术。传统术前规划需要工程师和术者反复沟通 设计 1—4 周，才能得出可行方案，而 AI 辅助仅仅需要 5～40 分钟。且 AI 规划精准，术 者术中可以快速判断，明确减少手术时间，减少术中出血，提高手术效率，帮助患者更 快恢复。 在疾病预防环节，AI 技术通过连续性健康数据追踪与预防性干预，将医疗服务从疾 病治疗延伸至全生命周期管理。在慢性病防控领域，可穿戴设备与 AI 预测模型联动，使 糖尿病患者并发症风险显著降低。

打破地域限制，AI 技术实现医疗资源空间重构。通过分布式 AI 智能网络，优质医 疗资源的覆盖范围从传统模式的发达地区扩展至更广泛的区域，使基层医院的诊断能力 接近三甲医院水平，缩小地域差距。例如，在远程医疗领域，5G 远程超声机器人系统让 偏远地区患者也能获得高质量诊疗服务，内蒙古牧民可实时接受北京专家的心脏介入手 术；云端诊断平台使基层医生获得实时 AI 决策支持，浙江省试点中，AI 眼底病变识别 系统大幅降低了糖尿病视网膜病变的漏诊率，提升偏远地区影像诊断符合率，城乡诊断 差距进一步缩小。 AI 医疗技术通过系统性重构医疗价值链，正在开创医疗资源普惠化新范式。这种重 构体现在三个维度：首先打破传统医疗服务的线性链条，构建智能协同的价值网络；其 次重塑医疗资源配置的空间格局，突破地理与能力限制；最终实现健康管理的时间延展， 形成全周期服务闭环，从而系统性解决医疗资源分布不均问题。AI 驱动的医疗革命正在 形成“顶端优化－中层强化－基层强化”的三级赋能体系。通过智能中枢的资源调配、 精准医疗的技术突破和全域覆盖的服务延伸，AI 不仅解决了医疗资源“有没有”的存量 矛盾，更在重塑“好不好”的质量标准和“公平与否”的分配机制。未来 AI 医疗将加速 构建分级诊疗新格局，最终实现优质医疗资源普惠可及的目标。

3. 应用端：医疗场景多元化

当前，AI 医疗已形成涵盖诊断、治疗、管理、研发等全链条的多元化应用生态，并 通过真实场景的规模化落地验证了其临床价值。 AI 影像诊断：当前 AI 技术在医学影像诊断中的应用最为成熟。华西医院李为民教 授团队研发的肺癌（肺结节）AI 辅助诊断系统于 2016 年开始先后在全国 155 家医院使 用，对实现肺癌早期诊断同质化发挥了重要作用。在深圳，AI+产前超声技术应用后，孕 中期“大排畸”检查时间从 30 分钟缩短至 10 分钟，标准化率提升超 30%，大幅释放超 声医生的工作压力。 AI 临床决策辅助：通过机器学习处理临床数据，AI 工具生成个性化的诊断和治疗建 议，提高癌症、糖尿病和心血管疾病等复杂疾病的准确性。例如岐黄问道大模型通过整 合中医药经典理论、药方、临床案例等丰富知识资源，为医生提供辅助性的诊疗建议， 协助医生优化治疗方案。IBM 的沃森基因组学系统可以在极短的时间内分析超过 20 万种 医学文献和基因序列，将其与患者的基因差异相匹配，帮助医生精准地制定个性化方案。 AI 技术将基因组的分析时间总体提高了 85%，还提升了肿瘤治疗的精准度。

AI 病例辅助生成：深圳迈瑞与腾讯合作的重症医疗大模型，能在 5 秒内完成诊疗全 流程数据整合，1 分钟生成结构化病历，并实时提供循证医学支持。 AI 手术智能辅助规划：AI 应用可以明确手术关键部位、推荐最佳手术方案、评估手 术风险、辅助医生提高手术精准性、减低术中风险及术后并发症。例如，联影智能前沿 平台－胸外手术智能规划系统，可智能完成全肺三维重建，辅助胸部疾病术前计划。系 统提供丰富的手术规划工具，结合肺亚段智能重建，助力精准外科治疗。 AI 智能就医：AI 可以准确快速理解患者问题，帮助患者获取就医信息。例如，深圳 市第三人民医院推出的“DeepSeek+腾讯混元”双模型体检系统，可生成个性化健康报告 并翻译为通俗表达，同时根据风险等级制定干预方案，给予受检者合理的处置建议。 AI 医院管理与运营：AI 正重构医疗资源分配与监管模式。清华大学附属北京清华长 庚医院的智能医保基金监管系统，通过 AI 审核处方和标准化计价逻辑，拦截 80%的不合 理收费，构建“事前防控、事中管控、事后监控”的全链条监管网络。京东健康的“未 来数字医院”方案则整合线上线下资源，打造医院“超级大脑”，通过智能调度和数据 分析提升医院运营效率。 AI 医疗已从单点工具发展为覆盖全流程的智能化体系，通过技术赋能实现医疗资源 的优化配置与服务质量升级，为患者、医生和医疗机构创造多维价值。

Deepseek 大模型发布，助力 AI 医疗破圈。（1）降低医疗大模型本地化部署和技术 门槛：DeepSeek 通过技术创新，降低算力需求和资金成本，解决了传统医疗 AI 系统高 昂部署费用的问题，显著降低了医院部署 AI 医疗系统的门槛。同时，在技术层面，在 DeepSeek 等开源大模型的推动下，大幅降低了文本处理和语言理解的技术门槛，使得 AI 技术更加普惠。这种“AI 民主化”带来了多个关键变化，各级医疗机构和临床用户开始 更积极地拥抱 AI 技术，同时临床用户对医疗 AI 的发展也有了更长远的预期；此外，也 加速了医疗文本大模型的轻量化、本地化部署，降低了 AI 在医疗场景中的落地门槛。（2）提升诊疗质量和医疗效率：DeepSeek 通过深度学习和大数据分析，能够更精准地进行疾 病诊断和治疗方案制定，从而提高医疗服务质量。在医疗影像领域，DeepSeek 的多模态 系统已实现对 CT、MRI 等复杂影像的亚毫米级识别，显著提升了早期肺癌检出率。在病 理诊断方面，其全切片数字病理分析平台大幅缩短了骨髓涂片分析时间，提高了诊断一 致性。截至 4 月初，全国已有超过 700 家大型医院（以三甲医院为主）完成了 DeepSeek 大模型的本地化部署和应用。 国内医疗 AI 产品迅速落地。多因素驱动下 AI 技术快速融入医疗全流程，全国已有 多家医疗机构部署 AI 医疗系统，覆盖影像诊断、手术辅助、药物研发、智能管理等场景， 据深圳卫健委初步统计，截至 2025 年 3 月，已有近 450 个 AI 产品在深圳市各级医疗卫 生机构应用落地，其中临床医疗服务类 404 个，医院管理类 29 个，公共卫生管理类 4 个， 科教研辅助类 2 个，支撑环境类 8 个。