从深度学习到大语言模型，AI的广泛应用已经改变了不少前沿公司的收入结构，成为驱动创新的重要生产力。

然而，医疗领域似乎与之绝缘。底层技术几经变革，上千家企业前赴后继，依然无人能够实现规模化盈利。

医疗领域是否真正存在AI需求？数据、算力、算法哪个出了问题？短期、长期如何发展？商业化突破的关键点又在哪里？

本篇报告中，我们筛选了10个医疗AI规模落地、落地风格各异的科室，访谈30+医生、40+企业进行深度调研，从医院、医生、患者三个角度出发，逐一分析科室环境下AI的应用方式、商业化情况及未来发展趋势。以在迷雾之中觅得微光，为破局提供依据。

医疗人工智能价值几何？

2024年中国医疗人工智能解决方案市场共计164亿元。作为变革时代生产方式的关键技术，即便各行各业因为经济周期的压力而出现回调时，医疗AI始终维持着高增速发展。据弗若斯特萨利文测算，医疗AI核心的解决方案市场预计将于2030年扩大至353亿元，CAGR为13.63%。未来五年，医疗AI市场规模的影响要素包括：医疗AI的应用范围、医院对于AI的购置意愿、AI的审评审批成本、医疗数据的获取难度、行业管线产品竞争格局等。

医生参与，政策兜底，医疗人工智能未来五年可能小规模盈利。“先有人工，后有智能”，医疗AI发展前期存在缺乏成规模标准化医疗数据、治理后数据复用率低、医工融合人才缺失、医院支付观念滞后等问题，因而训练成本居高不下、部分智能解决方案泛化性差、应用价值有限、部分医院不愿为AI单独付费，AI企业走了不少弯路。但伴随医院对于AI认知的加深，医生主动参与AI研发频率增加、多项政策推进医疗AI落地、大模型对于数据治理的提效等，医疗AI企业有望在未来五年内控制成本，实现小规模的盈利。

临床数据获取难度下降，成本控制推动应用场景与产品效果方面实现双向突破。自国家数据局成立之后，医疗健康数据的资产化进程加快，交易所内已发生多次健康数据交易。若能突破数据这一关键难题，实现规模化的数据交易，医疗AI研发中的最大成本项有望大幅下降，进而推进智能应用的产出与效果由量变向质变转移。

医疗人工智能赋能主体存在矛盾，大规模商业化能力仍然存疑。对于绝大部分医疗器械而言，量化它的价值可以从疗效、效率、费用等角度精准测量卫生经济学价值。但现阶段医疗AI为各个主体带来的价值并不一致。例如：某科室在引入AI后对流程进行了优化，能够将原先需要其他科室协同的项目置于自身科室进行，进而减少患者治疗时间与医疗花费，但对于科室自身而言，可能会因为DRG的存在减少科室收入（原本需要两个科室协助的方案转变为单一科室执行），科室与患者对于AI的需求存在矛盾。也就是说，当AI的能力已经满足医疗要求，价值矛盾的普遍存在是当前这一技术无法规模商业化的主要原因。

第一章：医疗人工智能，困在价值分歧里

1.1“资本+政策+医生”三向驱动，3年内医疗AI仍将维持高速发展

1.2 价值分歧深陷：难以平衡的患者疗效与科室效益

第二章：临床专科人工智能：患者获益显著

若无政策支持，需在院外场景探索支付方

2.1 胸外科：发迹于诊断，深根于治疗

2.2 心内科：后发先至，器械销售开启AI商业化新路径

2.3骨科：高度契合机器人应用，率先实现AI规模化落地

2.4 神外科：聚焦治疗，人工智能重塑精细手术

2.5 内分泌科：盘活慢病管理，全周期赋能衍生海量健康数据价值

2.6 临床AI科室的商业化需要转变思维

第三章：临床支撑人工智能：医技落地模式成熟，信息需与系统深度融合

3.1 医技科-影像科：人工智能赋能最全面的科室

3.2 医技科-放疗科：寻求疗效最大化与损伤最小化的智慧飞跃

3.3 医技科-病理科：大模型或能重新定义病理能力

3.4 医技科-检验科：多模态大模型实现效率质变

3.5 管理支撑－信息科：融入系统，不以效益为核心目的

3.6 基层医疗：商业化模型转向，政策驱动向用户驱动迁移

第四章 数据资产化：暗藏医疗AI可持续增长的破局路径

4.1 医疗数据治理的智能化迭代

4.2 医疗数据的复用

4.3 伦理问题下的挑战与机遇

第五章 企业案例

5.1 深睿医疗：以多模态大模型构建临床全栈智能生态

5.2 东软集团：以AI驱动医疗数智化转型，引领行业价值落地

5.3 京东健康：底层大模型升级，京医千询2.0深入循证专病场景

5.4 水木金昇：AI助力医疗器械科研转化，解决产业化难题

5.5 悦唯医疗：洞悉临床需求，打造首款SYNTAX智能评分系统

5.6 联影智能：打造新一代原生AI PACS

5.7 讯飞医疗：率先将医疗大模型引入专科领域，联合安贞推出心血管大模型

5.8 北电数智：AI 驱动医疗数智化新范式

5.9 伽奈维医疗：以AI赋能肿瘤微创，已实现规模化商业落地

5.10 西门子医疗-全球资源助力，AI影像深耕疾病诊疗一体化