广告
加载中

AI医疗 迎来DeepSeek时刻了吗?

沈炯 2025/09/05 14:12
沈炯 2025/09/05 14:12

邦小白快读

AI医疗的核心信息和发展前景概览。

1.市场规模迅速扩大,中国AI医疗市场预计从2023年88亿元增至2033年3157亿元,年复合增长率43.1%;全球2032年规模有望达4910亿美元。

2.实际应用价值在于解决看病难问题,AI可作为基层“智能医生”,处理首诊、分诊和慢病管理,例如未来场景中AI整合症状、自动分诊和慢病追踪。

AI医疗的可操作干货和技术基础。

1.政策支持如2025年国家意见推动AI在辅助诊疗等场景应用,巨头蚂蚁、京东等已布局,百川智能与北京儿童医院合作开发专科AI。

2.操作前提需高质量数据积累,源于中国20年医疗信息化建设,AI基于大语言模型提升了诊断能力(如哈佛研究显示模型超医生水平)。

潜在挑战和使用建议。

1.历史案例IBM Watson失败警示技术不足、数据限制和定位偏差,避免过度宣传为独立医生。

2.监管风险如责任归属和处方限制(湖南政策严禁AI生成处方),用户可关注本地政策以规避风险。

AI医疗的消费趋势和品牌定位机会。

1.消费趋势显示家庭健康管理需求上升,以家庭为单位的健康决策牵动整个家庭服务触点,用户偏好整合入口如AI持续追踪健康数据和遗传风险。

2.品牌如蚂蚁、京东、字节入局,聚焦问诊、用药核心场景,产品研发可对标百川智能合作医院模式提升影响力。

品牌渠道建设和定价策略洞察。

1.渠道建设强调数字化基础,AI医疗不受地域限制,具备可复制性与出海潜力,适合多渠道整合服务。

2.定价挑战在于医疗服务价值独立体现,避免沦为辅助工具,商业价值巨大但需考虑政策约束如医保支付压力。

用户行为观察和案例启示。

1.用户行为显示基层就医痛点,品牌可结合案例如Hims&Hers Health的个性化治疗,但注意营销风险避免违规(如被指责规避监管)。

2.竞争格局下,品牌需平衡创新与合规,案例IBM Watson教训提示避免高期望宣传。

政策解读和市场增长机会。

1.利好政策如2025年国家支持AI在健康管理等民生福祉应用,及分级诊疗制度推动;监管历史包括2018年禁止在线首诊,疫情后远程医疗增长提示事件应对机遇。

2.增长市场预测中国市场至2033年3157亿元,全球4910亿美元,消费需求变化在基层缺医生,AI医疗可放大资源。

最新商业模式和合作方式。

1.商业模式学习点包括Tempus AI的数据整合服务为保险提供依据,或Hims&Hers Health的个性化治疗,但需遵守用药规范避免风险。

2.合作方式如科技企业与医院结盟(百川智能)、平台招商机会在整合检测服务;扶持政策体现在医保服务优化。

风险提示和机会评估。

1.正面影响为提升就医效率,负面影响如监管收紧(湖南处方限制)和医疗纠纷责任不清;机会提示:AI在慢病管理降低医疗支出。

2.风险规避建议参考FDA动态监管框架,基于风险情境评估应用场景。

AI医疗驱动的产品生产和设计需求。

1.生产需求指向AI集成硬件,如影像检查设备支持诊断数据采集,或家庭健康监测产品,服务于上门检测和社区医院场景。

2.设计启示强调高精度要求,因AI依赖高质量数据积累(中国20年信息化建设),工厂需确保产品可靠以避免技术错误。

商业机会和数字化启示。

1.机会在AI医疗设备供应链,例如支持问诊工具或慢病管理硬件,市场增长至3157亿元提示设备需求扩大。

2.数字化启示如工厂推进自动化生产以适应电商化趋势(电商启示源于互联网医疗购药环节),提升效率。

创新案例和市场展望。

1.案例Tempus AI数据整合模式启示工厂参与数据支持硬件;IBM Watson失败教训提示避免过度定位导致生产偏差。

2.从文章看,AI普及基层医院将推动硬件需求,工厂可探索智能医疗设备研发。

行业发展趋势和技术革新洞察。

1.趋势表明AI医疗市场规模预计2033年3157亿元,年复合增长43.1%,源于政策推动和技术成熟。

2.新技术如大语言模型(哈佛研究超医生水平)提升诊断能力,数据质量是关键(20年中国数据积累)。

客户痛点和解决方案探索。

1.核心痛点包括优质医生供给不足(尤其基层)、医疗效率低;服务商可提供AI工具整合健康数据、处理首诊分诊。

2.解决方案参考案例:百川智能开发专科AI医生服务基层,或Tempus AI数据平台用于精准诊断。

应用前景和风险提示。

1.前景在用药规范优化(AI基于指南减少过度处方),或健康管理全周期服务;风险如监管责任归属问题,需制定伦理策略。

2.从历史IBM Watson失败中学,避免技术局限和数据受限,聚焦实用场景。

平台需求和核心问题分析。

1.需求在成为医疗“超级入口”,整合多服务资源如家庭健康管理,但缺少成熟入口企业。

2.问题包括监管挑战如在线首诊禁止政策,及责任归属不明影响平台运营(如纠纷谁担责)。

平台最新做法和运营管理指南。

1.最新做法如互联网平台(微医、挂号网)转型AI整合,或百川智能合作医院开发AI医生;平台招商吸引技术提供商合作。

2.运营管理需关注政策动态如2025年国家意见支持,管理重点在数据整合(未来场景AI自动汇总分析检测数据)。

风险规避和趋势适应。

1.风险规避建议参考FDA框架动态评估风险情境(非一刀切禁止);避免IBM Watson式定位偏差导致高期望落空。

2.风向适应包括利用AI可复制性拓展出海,监控医保支付变化以优化模型。

产业新动向和政策启示研讨。

1.新动向如AI医疗作为供给难题破局点(解决医生不足),政策演进从2009年新医改到2025年AI专项意见。

2.政策建议参考FDA监管框架基于风险动态评估(非任务类型划分),启示中国需解决责任归属。

新问题和商业模式探析。

1.新问题包括监管真空(责任难定)、技术伦理(算法透明度);案例IBM Watson失败因数据局限和定位偏差。

2.商业模式如Tempus AI数据整合模式用于多学科精准医疗,或AI在保险支付优化中的潜在影响(降低保费但需验证)。

研究启示和未来展望。

1.启示从互联网医疗局限(未能解决供给)转向AI潜力,未来医生角色分化为专家和AI辅助健康管家。

2.展望全球比较提示无模范医疗体系,AI能重塑结构下沉优质资源,研究者可聚焦数据飞轮效应积累真实证据。

{{loading ? '正在重新生成' : '重新生成'}}

返回默认

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

AI医疗,正站上风口。

2025年8月,国家发布《关于深入实施“人工智能+”行动的意见》,在“人工智能+”民生福祉方面,文件提到“探索推广人人可享的高水平居民健康助手,有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用,大幅提高基层医疗健康服务能力和效率。”

政策发力之外,科技巨头已加速入局。蚂蚁、京东、华为、字节纷纷切入AI医疗赛道,聚焦问诊、用药、健康管理等核心场景。“AI六小虎”中,百川智能与北京儿童医院合作开发专科AI医生。

他们共同瞄准的是一个潜力巨大的市场。据咨询机构弗若斯特沙利文预测,从2023年至2033年,中国AI医疗市场规模将从88亿元飙升至3157亿元,年复合增长率高达43.1%。放眼全球,世界经济论坛预计,2032年,全球AI医疗市场规模有望突破4910亿美元(约3.5万亿元人民币)。

热潮之下,一个核心问题待解:AI医疗,真能破局吗?

过去,医改试图优化资源配置,互联网医疗则在挂号、咨询、购药等环节提升效率。但医疗行业的核心痛点在于优质医生供给严重不足。尤其在基层,缺的不是设备,而是会看病的医生。

如果AI能够深入诊疗核心,成为基层的“智能医生”,承担首诊、分诊、慢病管理等任务,它就不再只是辅助工具,而是放大优质医疗资源的杠杆。

我们将在本篇报告中探讨:AI医疗能否真正解决供给难题?AI医疗将如何重塑现有医疗体系?技术之外,AI医疗面临哪些监管与落地挑战?

/01/

AI医疗,未来的“超级入口”?

在移动互联网时代,曾经有一个热门的概念叫作“入口”,也就是整合多服务资源的平台,比如信息入口、消费入口、支付入口,都是当时巨头们想要极力争取的。但在整个互联网的发展进程中,医疗领域似乎没有出现一个真正的“入口级”企业。

如今,在AI的加持之下,AI医疗有可能成为一个“超级入口”。为什么?

首先,医疗是数字化程度极高的行业,数据基础扎实。AI技术日渐成熟,能够整合利用已有的数据,拓展医疗领域的智能应用。

其次,医疗决策往往以家庭为单位——上有老、下有小,一个人的健康需求牵动整个家庭。谁能成为这个入口,谁就可能掌握家庭级的服务触点,商业价值巨大。AI的引入,使得系统性地管理一个家庭的健康成为可能,比如持续追踪每位成员的健康数据,识别跨代际的遗传风险。

此外,作为服务业,AI医疗不受地域限制,具备天然的可复制性与出海潜力。

在深入探讨AI医疗之前,我们有必要先对医疗行业本身建立一个整体性的认知。毕竟,技术是为解决问题而存在的,理解问题本身,才能看清技术的真正价值。

/02/

全球医疗体系里,没有模范生

对于医疗问题,老百姓用六个字总结得非常精准:看病难、看病贵。这六个字看似简单,实则涵盖了医疗体系的核心痛点。但医疗难题并不只是中国的困境,全球范围内,在医疗领域可能没有真正的“模范生”。不少国家的医疗体系都深陷于“供给不足、资源不均、成本高昂”的多重困境之中。

比如美国,尽管拥有全球最先进的医疗技术和研发能力,但并未实现全民覆盖的医疗体系,低收入群体和少数族裔仍然面临就医难的困境。美国前总统奥巴马执政期间提出的医疗改革方案缓解了部分矛盾。但更突出的问题是,美国医疗成本极高,根据美国《卫生事务》杂志的统计,2024年美国医疗支出增长率达8.2%,突破5万亿美元大关。

再比如英国,建立国家医疗服务体系(NHS),曾经用不到10%的GDP成本实现了全民医保,一度是大家学习的模范。但近些年随着医疗成本的快速上升,这个体系也面临严峻挑战。首先是服务效率低下,非急症患者长期等待候诊成为常态,许多留学生宁愿回国就医。其次是财政压力持续加大,随着人口老龄化和医疗成本上升,政府越来越难以承担,税收负担也逐年加重。

/03/

为什么AI医疗有机会破局?

一、中国新医改:提升了公平性,难在优质供给不足

为什么医疗改革如此艰难?根本原因在于,医疗不仅具有消费属性,还承载着强烈的公益属性。医疗行业既要维持行业的可持续运转,又必须控制费用,避免成为人们的负担。这一内在张力使得政策设计始终面临两难。此外,医改涉及“医疗、医药、医保”三方主体,不同主体利益诉求各不相同,协调难度极大。(更多关于医疗体系的思考,欢迎阅读中国医疗卫生体系40年:从过去到未来的探索之路 | 峰瑞报告)

过去二三十年中国一直在尝试通过制度设计来平衡各方的利益诉求。

2009年,“新医改”正式启动,逐步建立了覆盖全民的基本医疗保障制度。2015年,分级诊疗制度开始推进。2017年,公立医院全面取消药品加成,标志着“以药养医”模式的终结。2018年,国家医保局成立并启动药品集中带量采购。近年来,医疗行业的反腐也成为改革的重要一环。

这些改革措施本质上是“分蛋糕”的改革,优化了资源分配,提升了公平性。

但中国医疗行业始终面临一个待解的难题——优质医疗资源供给不足。换句话说,医改可以改变分配方式,但难以在短期内培养出大批量的好医生或者大范围提升基层诊疗能力。

整体而言,优质供给不足,是当前医疗的核心矛盾,也是为什么“看病难”的问题依然突出。

二、曾被给予厚望的互联网医疗

在制度变革的同时,技术驱动的变革也在同时进行。已发展近20年的互联网医疗浪潮就是其中之一。

从2000年数字医疗企业丁香园创立,到2003年国家提出加快卫生系统信息化建设步伐,再到2006年互联网医疗平台好大夫在线成立,以及2010年挂号网的成立……互联网医疗一度被寄予厚望。

政策也开始推动。2013年,国务院发布《关于促进健康服务业发展的若干意见》,其中提到“与物联网、移动互联网融合,不断提升自动化、智能化健康信息服务水平”。

2014至2015年,互联网医疗迎来高潮:阿里、腾讯、百度等巨头纷纷入局;丁香园、春雨医生、微医(原“挂号网”)等平台试水线下诊所,其中微医在乌镇开了中国第一家互联网医院。

热潮之后,是监管收紧。2018年,国家出台互联网诊疗管理办法,明确禁止在线首诊,只能用于复诊,行业迅速降温。直到新冠疫情爆发,远程医疗需求激增,互联网诊疗才迎来新一波增长。

互联网医疗的挣扎持续了相当长一段时间。归根结底,医疗的核心环节是诊疗,互联网医疗更像是在医疗外围“打转”,大多停留在轻问诊、健康咨询和药品流转等环节。互联网医疗调节了分配,但是没有解决医疗行业供给稀缺的问题。打个简单的比方,互联网挂号改善了挂号体验,但改变不了优质医生有限的现实。

因为互联网医疗能提供的服务较为有限,盈利模式也受限。阿里健康、京东健康等平台虽已陆续IPO,商业模式更多聚焦于在线药品销售,而非诊疗。

三、AI医疗能破局吗?

AI医疗是否能走出互联网医疗的困境?

在中国,医疗服务的定价长期偏低,医保又面临巨大的支付压力。如果AI只是作为医生的“辅助工具”,它的价值就很难独立体现。这样一来,医院和医生可能缺乏动力去采购和使用AI产品。

医疗行业真正的破局点,或许在于:谁能系统性地增加医生供给,提升基层医生的诊疗能力,谁就有可能成为医疗体系的“入口”。此外,如果AI医疗能在广大的基层医院得到普及,其放大优质医疗资源的杠杆作用会更强。

/04/

最早的AI医疗失败了,

当下AI医疗能发展起来吗?

一、AI医疗的前车之鉴

回顾过去,AI医疗并不是个“新概念”。

早在2011年,由IBM和美国德克萨斯大学联合研制的超级电脑“沃森”(Watson)在美国智力问答电视节目《危险边缘》中的总分超过了该节目的两位人类冠军。

“沃森”在节目中的亮眼表现让IBM看到了“沃森”拓展应用场景的可能性。“沃森医生”曾与纪念斯隆-凯特琳癌症中心合作,研究与癌症相关的变量。“沃森医生”还与休斯顿MD安德森癌症中心合作,试图为癌症患者提供诊疗建议。然而,这些声势浩大的尝试最终以失败告终。最终,IBM将Watson Health大部分资产拆分出售,宣告了第一代AI医生的退场。

为什么“沃森医生”会失败?

第一,彼时AI的能力还不够强大。尽管沃森具备出色的语言理解能力,但医疗场景中充斥大量非结构化、高度专业化的临床数据,当时的AI难以实时处理和更新这些数据,限制了“沃森医生”的临床实用性。

第二,数据来源严重受限。沃森的训练数据有限,缺乏多样性和广泛性,可能导致模型泛化能力不足,不容易应对复杂多变的真实病例。

第三,定位存在偏差。动脉网曾援引业界专家对“沃森医生”的评价:“过度宣传Watson代替医生、超越医生,能够超越医生的认知……这样的宣传迅速拉高了外界对于IBM Watson的期望……过分夸大的市场宣传,对产品长期健康的发展并没有好处。”

二、当下发展AI医疗的条件

为什么在当下,AI有可能改变医疗行业的供给结构?

首先是技术能力的飞跃。医疗诊断的本质并非强逻辑推理,而更接近“知识库+经验”的模式,更多依赖记忆、模式识别和经验积累。如今,大语言模型在医疗诊断任务中的表现,相较上一代AI医疗产品已经有了一定的提升。

2024年,哈佛大学、斯坦福大学、微软等机构联合开展了一项研究,对OpenAI旗下o1-preview模型在医学推理任务的表现进行了综合评估。结果显示,o1-preview模型在诊断临床推理(判断最可能是什么疾病)、管理推理(制定治疗方案)等任务中超越了实验组中主治医师和住院医师的水平。

其次是数据质量的提升。上文提到,2003年中国提出加快卫生系统信息化建设步伐。经过20余年,中国医疗行业已经积累了足够充分的高质量数据。这些高质量数据,将有助于AI医疗的发展。毕竟,在一定程度上,数据的质量直接决定了AI医生的“高度”。

最后是定位的理性回归。依据中国卫健委的数据,中国乡村医生仅占全国医生总量的近五分之一,但乡村人口占全国总人口超过三分之一。AI医生或许更适合定位成替代基层的全科医生,而非挑战临床研究型的医生。AI医生适合发挥其跨学科、多病种综合判断的优势,实时更新医学知识,整合多学科指南,提供诊疗建议。

未来,医生的角色或许会逐渐分化:一部分医生专注于临床科研与疑难重症攻坚,成为顶级专家;另一部分则在AI的辅助下,转型为以患者照护、慢病等健康管理为核心的“助理医生”或“健康管家”。

AI或许将彻底重塑医生的供给结构——让优质医疗资源通过技术杠杆,真正下沉到基层,触达更广泛的患者群体。

/05/

未来AI医疗图景展望

未来,如果AI医疗能够被广泛应用,我们可以想象一下人们看病的场景:

你只需在线问诊,AI即可结合症状进行初步评估。医疗平台上门检测采集的血常规、尿检等数据,或社区医院完成的影像检查,都被AI自动汇总、分析。

AI完成诊断后,立即分诊:常见病直接开方,纳入慢病管理并动态追踪疗效;急重症快速转诊至上级医院;疑难病例则推送给专科医生,AI可辅助提供决策支持。

总之,未来AI或许可以部分替代医生,参与问诊、分析、分诊等多种环节。

AI医疗可能在多个层面给现有的医疗体系带来新变化,主要体现在三个方面:

首先,AI有助于推动医疗数据的系统性整合与利用。

随着AI在诊断和治疗建议中的参与度提升,诊疗过程中产生的结构化数据将不断积累,形成“数据—模型—应用”的反馈循环。这种数据飞轮效应,理论上可以提升模型性能,并为医学研究和真实世界证据积累提供支持,但其实际效果仍依赖于数据质量以及医疗机构间的协同程度。

以美国AI医疗企业Tempus AI为例,其核心业务是通过AI驱动的临床和分子数据库,为医疗系统提供精准的检测和诊断工具,服务范围覆盖肿瘤学、精神病学、放射学和心脏病学等多个领域。Tempus AI凭借与数千家医疗机构以及超半数美国肿瘤学家的合作,积累了海量数据集,用于训练人工智能算法

其次,AI在促进合理用药方面具有一定潜力。

当前临床中仍存在一定的过度用药、药物错配等现象。如果AI系统能够基于用药指南和最新文献提供建议,可能会在一定程度上减少非必要处方,提升用药规范性。但AI需要遵循相应的规范,不能以“个性化”的名义进行违规操作。

例如,远程医疗平台Hims&Hers Health会为用户制定个性化治疗方案。每个患者的剂量、药物的组合,甚至是成分,都会根据个人需求量身定制。但市场中也出现了另一种声音,2025年6月,合作方诺和诺德指责Hims&Hers Health未遵守禁止大规模销售配制药的法律,利用虚假的“个性化”定制规避监管,且营销行为危及患者安全。

第三,AI可能对商业保险和医保支付模式产生间接影响。当前商业健康险面临保费高、参保率低的问题,部分原因在于风险控制难度大。

如果AI能够参与全周期健康管理,渗透预防、筛查、慢病随访等环节,理论上有助于降低整体医疗支出,并为保险精算提供更精细的风险分层依据,进而降低保费。然而,这类模式的可持续性仍需验证,且涉及伦理、公平性和算法透明度等复杂问题。

总体来看,AI在医疗数据整合、用药规范和支付机制优化方面具备一定的应用前景,但其实际成效受限于技术成熟度、系统对接能力、监管框架和临床接受度。它更可能作为辅助工具,逐步嵌入现有体系,而非迅速颠覆或替代传统模式。

/06/

AI医疗监管难题

AI医疗的技术路径逐渐清晰,在提升诊疗效率、优化用药、积累数据等方面的潜力也正在显现。

然而,真正决定它能否大规模落地的,并非技术本身,而是监管的态度与制度的跟进。毕竟,医疗关乎人的健康与生命。例如,2024年2月,湖南曾发布《关于进一步加强基本医疗保障定点零售药店管理的通知》,明确提到“严禁使用人工智能等自动生成处方”。

此外,AI医疗的一大待解难题在于,一旦发生医疗纠纷,责任应由谁承担?是医生、医院,还是算法开发者?

如果AI被明确界定为“独立决策者”而非“辅助工具”,责任归属反而可能更清晰。如果未来出现“纯AI医生”模式,即由AI独立完成首诊、分诊和处方,那么一旦出错,责任主体可能会落在开发方或运营方。

2025年1月,FDA发布的AI应用于药品与生物制品的监管框架《使用人工智能支持药品和生物制品监管决策的考虑因素:行业及其他利益相关方指南草案》,或许可以作为他山之石。其核心思路并非仅按照任务类型划分“高风险”或“低风险”,比如不能让AI开处方,而是根据AI模型的应用场景和潜在后果进行动态评估。这种“基于风险情境”的监管模式,可能更具灵活性。

尽管挑战重重,AI医疗的发展趋势已被视为“明牌”。国内科技企业如阿里、华为、百川智能等均已布局。AI医疗未必是万能解药,但它确实为丰富医疗资源供给提供了新的可能性。

注:文/沈炯,文章来源:峰瑞资本(公众号ID:freesvc),本文为作者独立观点,不代表亿邦动力立场。

文章来源:峰瑞资本

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0