十余年求索，AI已经逐渐长成了那时IBM Waston期望的样子。它甚至跨出了诊断和治疗的范畴，生根于医疗场景中的每一个角落。

不过，医疗AI领域中的落地与商业化是两个截然不同的概念，通过合作、共研形成的AI落地并不意味着这一算法能够规模应用于医院，规模应用于医院也不意味着这一算法能够成功回收过往投入的海量资金。

因为这些模糊概念的存在，医疗AI的商业化形势始终透着一种朦胧感，亦难区分其中企业的实际进展。

从这一现状出发，蛋壳研究院对医疗AI的整体情况进行了调研分析，希望借助数据这一工具，还原2023年最真实的医疗AI发展。

第一章 人工智能，已是医疗领域必不可少的一部分

1.1 超百个AI获批三类医疗器械，AI跃出辅助诊断

1.2 近百项AI赋能的管线进入临床试验，但无一行至上市阶段

1.3 信息学重构进行时，基础设施建设成为最大壁垒

第二章 资金流速回暖，医疗人工智能进入稳步发育期

2.1二级市场考察：AI盈利尚有距离，疫情影响增速普遍放缓

2.1.1 看重研发投入，数字医疗尚未实现规模化盈利

2.1.2 持续亏损，AI Biotech还需稳定营收来源

2.1.3 多家企业交表，国内AI制药崛起

2.2 一级市场考察：宏观遇冷，影像放缓

2.2.1 深入治疗，手术相关的影像学AI撑起融资规模

2.2.2 稳步向前，多家AI企业收获亿级大单

第三章 在逆势之下存活，医疗人工智能仍需高频创新

3.1 标准制定，影像AI进入医保的可能前提

3.2 模式创新，再寻AI盈利源动力

3.2.1 临床再创新

3.2.2 医院影像数据治理

3.2.3 深入治疗领域

3.2.4 合作政府覆盖基层医疗

3.2.5 成立医院

3.3 以数据为核心，新技术改变AI格局

3.3.1 影像学的生成式AI

3.3.2 重构医学科研

第四章 大模型入局，医疗人工智能再遇新变量

4.1 九大应用场景，大模型已潜入医疗

4.2 部署与应用局限发展，大模型暂时难以规模落地

4.3 机遇与挑战并存，大模型有望成为颠覆医疗的下一项技术

4.3.1 大模型的发展趋势

4.3.2 大模型的发展面临的挑战

第五章 三大赛道，汇聚医疗人工智能核心竞争力