谁是AI医疗应用的龙头

摘要：近期华为发布AI医疗应用报告，报告预测，到2035年人工智能将助力预防超过80%的慢性病，推动健康管理从“被动治疗”转向“主动预防”。AI医疗正在深入走向越来越多的应用场景，未来谁会成为AI应用端的龙头？我们一起来听听业内专家的观点。

我们东方大国最擅长技术应用

近期华为发布AI医疗应用报告，报告预测，到2035年人工智能将助力预防超过80%的慢性病，推动健康管理从“被动治疗”转向“主动预防”。AI医疗正在深入走向越来越多的应用场景，未来谁会成为AI应用端的龙头？我们一起来听听业内专家的观点。

核心观点：

1、AI医疗应用领域：AI医疗在人的整个生命周期和疾病周期中均有应用，涵盖预防、筛查、诊断、治疗、康复、随访及药物研发、医院管理、医保联动等多个环节。

AI医疗细分领域应用：

1）AI诊断：提升效率、准确性，减少误诊漏诊，实现个性化诊断和医疗平权。

2）AI制药：赋能药物研发全过程，从靶点发现到临床实验，大幅提升研发效率和成功率。

3）慢病管理：传统消费医疗器械公司在AI助力下，商业模式和成长路径可能发生巨大变化。

4）中医领域：AI在辅助诊断、健康管理、中药研发、康复治疗及科研等方面均有参与。

5）手术机器人：在多种手术中有应用，但手术把控度和精准定位仍是瓶颈。

6）AI医院：布局AI医生，覆盖多科室和疾病，诊断准确率高，医生培养迅速。

7）脑机接口：在医疗和消费端均有广泛应用前景，国内多家公司取得突破。

2、AI医疗细分应用领域的成熟度：AI在影像、早筛或诊断领域的应用最为成熟，尤其是在诊断方面。康复机器人、药物研发、慢病管理等领域有显著的应用前景。

3、AI医疗的三大关键因素：

1）算力：AI医疗的基础是算力，医学影像、基因测序等领域对算力有极高需求，国内华为等企业在算力上有所提升。

2）算法：专用和垂直算法在AI医疗中非常关键，如腾讯和百度的相关产品显著降低了误诊率，提高了罕见病诊断率。

3）数据：多模态数据（影像、文本、基因等）的融合对AI医疗至关重要，但数据非结构化和数据孤岛问题仍需解决。

4、AI医疗在支付端的应用前景：

1）医院端：AI在病例解析、费用预测、耗材成本控制等方面有助于医保控费和提升医保基金使用效率。

2）患者端：AI参与诊前、诊中及混合支付的费用结算，提升患者体验。

3）其他机构：AI在基因检测机构、药企、CXO企业中的应用可降低成本，提高资金使用效率。

5、AI医疗在院端的应用场景：

1）医院信息系统和临床信息系统：涵盖医院运营各个环节的信息管理，建立患者健康档案，监测医疗设备数据。

2）电子病历系统（EMR）：国内医院EMR系统评级普遍偏低，未来有较大提升空间。

3）医疗决策系统（CDSS）：结合临床信息系统数据，通过AI大模型植入，提升复杂疾病诊断治疗效率。

以下为专家访谈纪要：

AI医疗概况

AI医疗目前来说，在人的整个生命周期或者疾病的整个生命周期都可以有一定的应用。从预防到筛查，诊断治疗，康复与随访，以及在药物的研发，医院的高效运营管理，医保之间的联动等，AI医疗都有一定的功效。

AI医疗细分应用领域上，在AI+影像，早筛或诊断领域，尤其在诊断领域，是AI应用或者落地最成熟的。

在康复人领域（机器人领域），涉及到很多治疗型的，手术型的，还有一些康复型的等。

在药物研发领域，最近一直很不错。

在健康管理领域，尤其是慢病的管理，AI都是有一定的应用前景。

AI医疗三大关键因素-算力、算法和数据

目前来说，在算力、算法，包括数据方面，都有一定的痛点，或者一定的瓶颈。但在相关的领域都有一定的布局或者有一定的应对措施。

首先，AI医疗的基础，毫无疑问是算力。

如在医学影像，还有基因测序，包括大模型训练等领域，算力所用的类型可能不一定相通。国内华为在生成的910b上，算力是有一定的提升，可达到256TFLOPS（每秒256万亿次浮点运算），它是支持全站的国产化AI医疗训练。海外英伟达毫无疑问的在这个领域是具备非常大的影响地位。

除了算力之外，算法非常关键。算法有通用型，垂直类型，还有专用算法。目前来说，专用的算法，包括垂直的算法，在AI医疗领域是非常关键的。如腾讯快慢双系统的产品，实现了误诊率的大幅降低；百度01，通过学习，使得罕见病的疾病的诊断率大幅提升。

数据也非常关键，数据在这块领域是多模态的，有影像的、文本的、基因的等各种类型的数据，融合在一起，很明显需要有一个强大的模型去训练它，同时也带来一个问题，就是太多的数据就可能有质量问题。所以目前来说，在数据方面，第一个就是非结构化，因为它的数据太多了，有些数据是非结构化的，使用率或者数据的质量不一定的有多强；第二是数据孤岛，因为国内的数据互动率还比较低，跨院或者跨区域之间的学习，需要一定的时间。现在采用的方法是联邦学习。

医疗数据联邦学习是一种在保护数据隐私和安全的前提下，实现跨机构医疗数据协作分析的技术。它允许不同医疗机构在不共享原始数据的情况下，共同训练和优化机器学习模型，从而突破医疗数据孤岛的限制，推动医疗AI的发展。

这三个因素之间，是可以相互协同，算力的需求增长，算法的优化驱动，以及数据的利用深度，可以实现一系列的突破。如在诊断领域的更加精准，药物发现领域的提速，包括新的分子的发现。在这样的背景之下，使得患者受益，包括医疗成本大幅降低。

AI在医疗领域支付端的应用前景

站在医院端，医院主要就是医保控费。AI在病例解析、机械学习的费用预测、耗材的成本控制，都有一定的应用前景。可以使得医保合规，还有医保基金的使用效率的提升。

在患者端，主要就是患者的诊前、诊中，包括各种混合支付的费用结算，都有AI参与的身影。

在基因检测机构、药企、CXO企业等，AI都可以加入进来。AI的加入，可以使得成本降低，提高资金的使用效率。

未来随着数据合规共享，通过联邦学习，实现医院、药企和保险数据之间互通，这是有可能实现的。

AI医疗支付方式的渗透率，正在从单一的应用向全链条的价值创造升级。

AI医疗产业端应用情况

在产业端，之前有很多AI在医疗领域应用的，或者医药领域应用的支持政策。

但从2024年，尤其2025年有特别多的政策出现。政策对于AI在医疗、制药、医药研发领域的支持是毫无疑问的。在这样的政策支持之下，AI在医疗领域产业端的落地，有非常大的进展。无论是学校，或者高等的科研机构，还有实体企业（包括上市公司，也包括非上市公司），他们在AI医疗领域都有一定的进展。

没有上市的公司，像春雨医生，全民健康；上市的，像京东健康、科大讯飞等；一些学校，像科大；医院，像瑞金医院等，他们在医疗领域都有自己大模型的研发。相关企业及一些机构对AI医疗非常重视，AI在医疗产业端的落地，也看到了很大的变革。

AI在医疗信息化领域应用的场景

非常多。第一个是医院的信息系统，主要是一个HIS系统，它是一个非常大的系统，对医院的人财物进行全面管理，涵盖医院运营各个环节的信息管理。这和医院的运营效率，医保基金的结算，有一定的关系。

第二个是临床信息系统，它主要是建立患者的健康档案，医疗设备的监测数据。医疗设备的监测数据，可以和很多的医疗设备企业产生一定的联系。所以现在很多医疗设备企业，他们在AI上都加了一些模块，这些都是为了未来的C系统所服务的。

目前来说，C系统（C系统在医疗信息化中通常指临床信息系统（Clinical Information System））还可以做很多具体的进一步划分，如电子病历系统（EMR），营销系统（ECS），实验室系统（LIS）等。

这些系统包含了大量的数据，用大量的数据去训练模型，使模型升级迭代，在诊疗诊断治疗领域是有非常大的应用前景，未来极有可能出现更加强大的电子医生，对于一些疑难杂症的诊断治疗会有一些颠覆性的影响。

C系统的壁垒和前景

首先，在壁垒方面，体现在数据上。数据的结构化难度会更大，数据对实施的要求，包括数据的质量问题，这些都是属于在C系统领域所布局的一些关键的技术壁垒，或者数据治理方面的一些壁垒；C系统，针对的是复杂的临床业务；其他技术应用的落地等。所以建设难度会比较大。

第二，C系统的市场规模非常大的，应用场景前景非常多。

EMR系统

EMR，即电子病历系统，含有九级，从零级开级，一直到第八级。目前来说，国内的水平处于四级水平，可能部分医院到五级或者再高一点，但大部分医院在偏居中的水平。可以实现信息的制控交换，实现过程的制控管理，重点定义完整的分级访问控制和时间范围的指定等。

未来随着对医疗水平提升的要求，包括对于一些复杂疾病的诊断治疗的要求提升等，包括AI的进一步植入，对于电子病历系统的评级提升是有非常大的需求。

目前来讲，在这样的一个阶段，还是有一定的提升空间。对于相关的企业是有一定的市场潜力可以去转化的。比较重要的公司像嘉和美康、卫宁健康等。

从2024年电子病历领域竞争格局看，嘉和美康占15%，卫宁健康占13.7%，东软集团占9.7%，海泰医疗占8.5%。

国内企业在电子病历领域布局相对比较多，各有特点。在深度方面，嘉和美康做得相对来说最深，同时专科电子病历领域，像产科、口腔科有一定的布局；卫宁健康，在全流程的管理上做一定的布局；东软集团，综合实力较好等。

医疗决策系统（CDSS）

这个系统一直都有，而且非常早。在AI大幅的推广，还有数据的不断积累，瓶颈会进一步的突破，未来非常有前景，有可能会出现非常强大的电子医生。现在在一些专科的疾病领域有一定的突破，未来在更加复杂的疑难杂症上有一定诊断和治疗的效率、能力的提升。

CDSS系统，结合了临床信息系统的关键数据，积累了大量的数据，并深化拓展，再通过AI大模型的植入，CDSS系统领域会有进一步的提升，数据挖掘能力的提升，流程深化的助力，包括质量强化的功能提升等。通过AI大模型的植入，可以使得这些数据更加高效，更加智能化的应用。在这背景之下，使得复杂疾病的诊断治疗有一定的效率提升。

2024年中国医院CDSS行业市场规模约为5.76亿元。2023年中国医院 CDSS 市场份额，百度占比23%位居第一，惠每科技占比18%位居第二，森亿智能占比10%位居第三，嘉和美康占比9%位居第四，讯飞医疗占比4%位居第五。

AI在诊断领域的应用情况

目前来说，有几个特点。第一是效率的提升；第二是准确性的提升，减少误诊漏诊；第三是个性化，针对高端人群，对于一些疾病的早期筛查发现等；第四是可及性，实现AI医疗的平权。

做AI诊断的公司有很多，影像的，病理的，还有做检验诊断的，包括辅助临床检测，以及监测设备等。

AI诊断在影像领域是应用最有深度，或者相对来说最成熟的，重点关注联影医疗。

在病理领域，可以关注安必平、迪安诊断及九强生物，他们在这块都有一定的布局。

在检验医学领域，就是金域医学、迪安诊断、润达医疗，也是非常值得重点关注。

在互联网类型的公司，包括平安健康，以及很快也要上市的微医这样的公司，可以做重点关注。

海外龙头公司Tempus发展比较稳健，盈利模式是以B to B为主。首先是资料获取、采集，从医疗机构，包括行业协会、内部实验室等，建立数据互联互通的机制，获取机构的数据，然后把这些数据拿过来做一些整合，如DNA数据、案例数据、细胞数据、蛋白数据等，把这样的数据拿过来做整合，建立起自己强大的数据库。数据库建立好之后，把这些数据库应用到下游。目前来看，下游主要是应用在医疗健康，做诊断和疾病的管理；还应用在生物科技公司，对他们药物研发会有一定的助力。

从商业模式上来讲，Tempus是非常高效的去运用数据，也非常符合AI医疗三大要素之一的数据，也有算法，因为它是基于强大的算法，分析众多的多组型的数据，然后再去应用。

在这样的背景之下，国内一些公司，像华大基因、金域医学、迪安诊断，包括嘉和美康，是有可能具有这样的商业路径，或者潜在的商业模式，可以重点关注。

AI在制药领域的应用前景

人工智能能够赋能药物研发的整个过程。

第一个从靶点发现的识别，以及蛋白质结构的预测，到药物分子设计和筛选，再到药物合成与制剂、药代动力学以及临床前临床实验等各个阶段都能参与。

在这些领域，AI都具有相当强大的功能。在蛋白质结构预测，新冠疫情期间的新冠药应用上，做出了巨大贡献，使得新冠药物的研发、上市提升六个月。这说明至少AI在蛋白质结构的解析方面，已经有非常大的突破。

在临床阶段，像患者匹配、方案设计，包括实验的优化，以及合成对照组等方面，AI都会参与到相关的工作之中，使得药物研发的流程、时间，还有资金的投入，效率大幅提升。

AI在慢病管理方面的应用前景

慢病管理领域，主要就是传统的消费医疗器械公司，像九安、鱼跃、三诺、乐心、可孚等。

在人口老龄化趋势背景之上，是具备成长潜力的，或者发展潜力的。有了AI的主力之外，商业模式或者未来的成长路径，可能会有非常大的变化。

慢病涉及到的领域非常多，像高血压、脑卒中，包括哮喘，神经系统疾病等，有很多的疾病都属于慢病。它的市场规模在逐渐壮大，尤其是人口老龄化，使得慢病的规模会有一个非常大的明显增长。

目前来说，慢病治理的模式有很多，无论中国还是美国、日本，都有一定的模式。像中国，主要就是慢病的自我管理、社区管理、医院管理、远程管理。

慢病管理市场特别大，非常值得重点关注。在选择相关的标的的时候，第一选择在慢病领域有相关适应症的公司；第二选择在相关算法，或者在模型上有一定布局的公司；第三选择企业本身的业务，有没有一定的延展性，或者有没有一定的客户积累，如果他在C端已经有比较多的客户积累，是有很好的潜力去布局AI的。

总体来说，在慢病管理这块，是非常具有前景的方向。现在处于早期，还没有看到太多的落地，尤其企业的业绩上可能暂时看不到，但长期来看，这几家公司还是非常值得重点关注的。

AI医疗其他领域

1）中医领域

中医这块，在辅助诊断，健康管理，中药研发，包括中医的康复治疗，以及中医的科研等，AI都可以参与进来，而且市场也不少的，都是在逐年增长。

2）手术机器人

手术机器人有很多的方向，可以用于多种的手术，包括泌尿外科、妇科、胸外科以及普通外科等。目前来说，手术机器人非常大的一个问题，或者瓶颈，主要就是对于手术的把控度，还有精准的定位等。这些都离不开AI，都离不开算法。国内上市公司主要就是微创机器人。

3）AI医院

清华大学智能产业研究院团队打造的首家“AI医院”Agent Hospital，有42位AI医生，21个科室，能够覆盖300多个疾病。和传统医院有一定的差异，如果未来能够落地，有非常多的优势。

首先“AI医院”诊断的准确率达到93%。现在传统医院也是参差不齐，最高的可能达到95%以上，低的可能就80%左右。

第二医生培养，AI医院非常迅速，几天就可以培养出一个好的医生，但是传统医院可能需要非常长的时间。

第三提高了诊断效率、资源分配、可及性等。

4）脑机接口

脑机接口在产业发展的前期，而且是属于非常有前景的细分领域。脑机接口除了在医疗领域的应用之外，在消费端也有非常多的应用场景。

今年在政策端有非常多的国家支持的政策出来，无论是国家级的还是各个省市级的，都有相关政策。

国内很多公司在脑机接口领域都有比较多的突破：

小米医疗，本身做康复相关的业务，今年在脑机接口相关的产品方面，已经布局了很多的产品，而且在年中的时候已经上市很多，今年有可能会上市一个以脑机接口命名的康复设备。

麦澜德医疗，在脑机接口领域布局，除了关节的康复设备之外，还有一个产品在立项研发，现已有样机，是阿尔茨海默症评估、筛查的产品。这个产品非常有特点，它是基于人体的脑电信号以及面部情绪、面部表情以及眼神、动作等细微的捕捉，去判断一个人是不是有得阿尔茨海默症的潜质，然后去做一些早期的干预，可以使得这个疾病的发现大幅提早5-8年，甚至更长的时间，去做干预。

爱朋医疗，专注于医疗健康领域的脑机接口技术研发与应用。公司产品包括麻醉深度监护仪、ADHD行为训练系统等，涉及神经调控、睡眠管理等多个领域。ADHD取得便携式脑电设备注册证，且与复旦大学附属儿科医院联合成立“脑机接口行为训练联合实验室”，聚焦儿童脑科学前沿，推动ADHD诊疗产品研发与应用创新。

后续值得重点关注，产品不只是一个证的问题，更多的还需要和医院合作，拿到医院的背书，然后从医院的角度，再往C端推广。从这种商业模式来说，爱朋是首家。产品有比较大的市场空间。