AI医疗

摘要：在政策及市场双重驱动下，AI技术与医疗行业之间的结合日益密切，AI医疗发展十分迅速，资本市场持续看好，AI医疗的商业化模型逐步形成，市场规模不断扩大，由2018年的18亿元增至2022年的68亿元，年复合增长率为39%，2023年市场规模成功超百亿元。未来行业仍具备广阔发展空间，市场规模仍将保持增长态势。AI将在医疗领域发挥更加核心的作用，从诊断、治疗到患者管理，全方位提升医疗服务的效率和质量。同时，随着数据隐私和伦理问题的解决，AI在医疗领域的应用将更加广泛和深入。

一、定义及分类

AI医疗是以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，以人工智能为核心干预技术手段介入传统的院内外医疗环节，协助人或解放人工，提升医疗行业的诊断效率及服务质量，更好地解决医疗资源短缺、人口老龄化等问题。AI在医疗健康领域的主要应用领域包括AI+新药研发、AI+医学影像、AI+医疗器械、AI+健康管理以及AI+综合辅助诊断等。

二、行业政策

为进一步促进AI医疗行业发展，我国政府部门在《关于全面推进紧密型县域医疗卫生共同体建设的指导意见》《全面对接国际高标准经贸规则推进中国(上海)自由贸易试验区高水平制度型开放总体方案》等一系列政策中，明确表示支持AI技术与医疗产业融合发展，鼓励企业积极探索AI技术在医疗领域的应用。同时AI医疗行业是一个强监管行业，产品及技术安全有效性评价较谨慎。特别是以人工智能为代表的技术，本质上是基于海量数据驱动的黑盒算法，具有更新迭代快等特点，给监管带来诸多挑战。国内外监管机构均出台了一系列政策，以加强AI医疗行业监管。国内主管部门出台了《国家限制类技术目录和临床应用管理规范（2022年版）》《人工智能辅助检测医疗器械（软件）临床评价注册审查指导原则》等政策法规，进一步规范AI医疗行业发展。

三、发展历程

国外最早在20世纪70年代就开始对AI医疗领域展开了探索与研究，至80年代，出现了如QMR、DXplain等商用化应用系统。国内市场，1978年北京中医医院关幼波教授牵头研制的第一套医学专家系统—“关幼波肝病诊疗程序”，拉开了我国AI医疗的发展序幕。随后在几十年的发展历程中，我国AI医疗大致经历了三个阶段，分别为萌芽阶段（1978－2013年）、起步阶段（2014－2019年）、商业化探索阶段（2020年至今）。人工智能与医学领域的结合点众多，AI核心技术不断突破，为“人工智能+”产业发展提供了技术基础。

四、行业壁垒

1、资金壁垒

AI医疗在研发、品牌推广、客户服务及合规方面需求大量的投入，且AI产品短期内难以快速获得回报，要求企业具有较强的资金实力，以支持长期持续的资金投入，从而对资金资源相对有限的新进入者构成壁垒。

2、人才壁垒

AI与医疗行业均为典型的人才密集型产业，对人才的专业水平极高，要求人员既熟练掌握AI技术，又全面了解医疗知识，经验丰富的跨学科专业人员在AI医疗行业发展中至关重要。AI医疗对具有强大的人工智能技术背景以及扎实专业知识的人才需求量极高。人才成为新进入企业面临的关键壁垒之一。

3、监管壁垒

医疗领域与人类生命息息相关，因此我国对AI医疗应用场景的监管也极为严格，要求企业全面了解行业法律法规及专业知识等，同时还需具备较强的行业洞察力与内部管控能力。而市场新进入者往往缺乏足够的行业洞察力，内部管控能力建设也面临更大的挑战。

五、产业链

1、行业产业链分析

AI医疗产业链上游包括数据、算力、医疗设备等。其中数据服务尚未建成核心技术壁垒，目前参与者众多；而算力领域呈寡头局面。产业中游是向医疗机构、病人等下游受众提供AI医疗服务的企业，也是产业生态的核心，涉及CV、NLP、知识图谱、智能语音等技术，其中基于深度学习的计算机视觉发展快，参与者技术相对成熟。下游应用包括医疗影像、CDSS、医疗机器人、医学数据智能平台等。

AI医疗行业产业链

医疗设备

上海联影医疗科技股份有限公司

乐普(北京)医疗器械股份有限公司

无锡祥生医疗科技股份有限公司

推想医疗科技股份有限公司

医疗数据

算力

上游

卫宁健康科技集团股份有限公司

讯飞医疗科技股份有限公司

深圳晶泰科技有限公司

英矽智能科技（上海）有限公司

中游

医疗影像

CDSS

医疗机器人

下游

2、行业领先企业分析

（1）讯飞医疗科技股份有限公司

讯飞医疗是科大讯飞的子公司，成立于2016年。基于科大讯飞二十余年积累的国际领先的智能语音和人工智能技术，讯飞医疗已打造医疗领域中在语音识别、图像识别及自然语言理解等方面围绕深度神经网络、深度学习和医学知识图谱以及专有核心技术的核心技术架构体系，产品解决方案包括全科医生助理、基层一体化智能信息平台、家庭医生助理、AI慢病管理系统、核心技术基座—医学AI能力平台等。2021-2023年前三季度，讯飞医疗营收保持增长态势，2023年前三季度讯飞医疗实现营收3.2亿元，同比增长29.0%，毛利率为55.2%。

（2）深圳晶泰科技有限公司

晶泰科技创立于2015年，公司基于量子物理、人工智能、云计算及大规模实验机器人集群等前沿技术与能力，为全球生物医药、化工、新能源、新材料等产业提供创新技术、服务及产品。经营业务包括药物发现解决方案（横跨药物发现及研究全过程中不同模块的解决方案）及智能自动化解决方案（主要包括固态研发服务及自动化化学合成服务）。2023年上半年晶泰科技药物发现解决方案营收为3609.6万元，智能自动化解决方案营收为4387.1万元。

六、行业现状

在政策及市场双重驱动下，AI技术与医疗行业之间的结合日益密切，AI医疗发展十分迅速，资本市场持续看好，AI医疗的商业化模型逐步形成，市场规模不断扩大，由2018年的18亿元增至2022年的68亿元，年复合增长率为39%，2023年市场规模成功超百亿元。未来行业仍具备广阔发展空间，市场规模仍将保持增长态势。

七、发展因素

1、有利因素

（1）扶持政策相继出台

AI已成为全球各国极力争夺的科技制高点，各国不断加大研发投入，进行技术创新的同时，探索AI技术在实体产业中的应用，医疗为AI技术重点落地领域之一。近年来，我国中央政府与地方政府多次在政策中明确表示鼓励AI医疗发展，一系列利好政策的出台，将为AI医疗行业发展注入强劲动能。

（2）AI技术不断突破

在政府部门、行业企业等各方共同努力下，人工智能技术取得了较大突破，为AI医疗行业带来了更多的可能性。如2023年，AI大模型如“雨后春笋般”涌现，将在AI医疗领域产生生产力变革性推动，推动行业进入全新发展阶段，2023年8月由谷歌Research和DeepMind合作打造的全球首个全科医疗大模型——Med-PaLMM正式发布，将进一步推动AI医疗发展。未来AI技术不断演进，应用价值将加速显现，同时也将为AI医疗的发展不断筑牢技术根基。

（3）医疗产业转型迫在眉睫

我国医疗行业面临着医疗资源不足、配置不合理、利用率低下、社会公平性缺失等问题，不仅给政府带来了沉重的负担，还无法满足居民日益增长的医疗需求。叠加公众对健康管理的意识提高、人口老龄化趋势不断深化催生大量医疗需求。在此背景下，医疗产业转型迫在眉睫，AI医疗已成为医疗行业发展的必然趋势，也是我国医疗改革的重要方向。

2、不利因素

（1）医疗数据汇聚难且共享程度低

数据是AI发展的要素之一，数据的质量和数量、多样性对于人工智能的学习效果至关重要。医疗领域的数据覆盖范围广，包括临床医生和科研人员、医疗卫生管理部门及公共卫生机构工作人员，以及第三方企业用户和社会大众等。相应的数据资源分散在不同单位、不同信息系统的数据池中，包括医院的电子病历、结算与费用数据和各业务系统数据等，各类数据结构各异。此外，医院内部信息系统相对独立，虽然在长期服务过程中积累了大量的医疗数据，部分医疗机构完成了数据集成工作，但所收集的数据依然存在标准不一、存储格式各异等问题，未能汇聚成规范统一的健康医疗大数据资源，难以有效地管理和利用。医疗数据汇聚难且共享程度低，在很大程度上制约了AI医疗的发展。

（2）数据泄露风险加剧

在应用深度学习等人工智能技术进行训练时，需要海量的医疗数据支持，然而这些数据往往包含大量的患者个人隐私信息，可能导致个人信息被获取，造成身份盗窃、个人隐私侵犯甚至潜在的社会工程攻击。行业存在较大的数据泄露风险。

（3）AI医疗产品收费难

AI影像、AI辅助手术导航等技术已经逐步进入了医疗机构的日常诊疗中，但仍处于早期发展阶段。在AI产品的商业化落地过程中，仍然存在很多挑战。比如AI医疗产品如何收费的问题，目前尚未有明确的规定。AI医疗产品收费难致使企业利润端面临较大压力，企业生存十分艰难。

八、竞争格局

目前，AI医疗产业仍处于起步阶段，发展潜力较大，越来越多的企业布局AI医疗领域，市场参与者也呈现多元化格局。AI医疗行业竞争格局中，可大致分为三大阵营，分别为传统大型医疗企业、AI医疗初创企业和互联网巨头企业。传统大型医疗企业通过自主研发或收购初创企业的方式进入AI医疗行业，如药明康德、云南白药、复星医药等。AI医疗初创企业通过自主研发或与其他机构合作的方式参与竞争，主要企业包括英矽智能、晶泰科技等；互联网巨头公司通过与传统医疗企业、院校、初创企业合作共建软件与平台、投资初创企业等方式进入该行业，主要有阿里巴巴、百度、腾讯等。

九、发展趋势

目前人工智能在医疗领域的应用已经取得了显著的进展，正在改变诊断和治疗的方式，提高了医疗服务的质量和效率。随着人工智能技术的不断创新和进步，将会有更多的企业加入AI医疗领域，推动医疗行业的变革和创新。未来，AI将在医疗领域发挥更加核心的作用，从诊断、治疗到患者管理，全方位提升医疗服务的效率和质量。同时，随着数据隐私和伦理问题的解决，AI在医疗领域的应用将更加广泛和深入。