第一部分 医疗人工智能行业情况

人工智能(Artificial Intelligence,AI)技术与医疗健康领域的融合不断加深，以计算机视觉、自然语言处理、机器学习等为代表的AI技术已广泛渗透到医学影像、精准医疗、健康管理、医疗信息化、药物研发、医疗机器人等多样化场景中，成为提升医疗服务水平降本增效的重要驱动力。医疗AI三大应用场景，影像学、信息学和药物研发，各自展现出不同的发展路径。2023年国内AI影像学的研发销售平稳推进，AI制药即将进入二级市场，AI信息学融入各类系统，并借助大语言模型尝试技术内核的跨时代升级。

图|AI技术在医疗场景的应用

图|AI技术赋能研发制造和医疗

一、发展历程

我国医疗AI研究始于1980年代，算法由雏形初现到快速迭代、深度学习拓展，产品获得注册审批进入市场化，医疗AI迎来快速发展。

分为萌芽阶段、起步阶段和商业化探索阶段。萌芽阶段(1978年-2013年)，开始进行医疗AI领域研究开发，以临床知识库为主。起步阶段(2014年-2019年)，AI技术加速突破，医疗AI领域创投热度逐渐升温，AI医学影像等细分场景加速成熟。头部厂商凭借技术、资源等优势逐步构筑竞争壁垒。商业化探索阶段(2020年至今)，医疗AI多款产品获批三类证，多家企业递交招股书，行业开始进入商业化探索阶段。

图|医疗AI行业发展历程

基于数据建设、算法开发与产品商业化的角度，艾瑞将中国AI医疗的发展轨迹分为四个阶段，初步介入医疗阶段，应用浮现阶段，应用深入探索阶段，和应用稳定完备阶段。应用深入探索阶段，医疗数据的安全性得到维护，数据互联互通建设向数据治理与开发转变，AI医疗影像向多疾病多科室横向拓展与纵向深挖，NLP技术产品跑出，个别赛道竞争加剧，可行的商业模式浮出水面。应用稳定完备阶段，数据互联互通建设基本告一段落，数据共享初步实现，以KG为主的认知智能技术迈向成熟，与感知智能协同推进各类应用的均衡互补发展，总体赛道的竞争格局与商业模式形成并稳定，头部聚集效应长期存在。

图|中国AI医疗发展阶段概览

二、发展现状

超百个AI获批三类医疗器械，影像学AI大量进入辅助治疗，医疗信息化重构进行时，近百项AI药物管线进入临床试验，但尚无上市药物。数坤科技、科亚医疗、推想科技曾于2021年递交了招股说明书，英矽智能、晶泰科技于2023年递交招股说明书。二级市场AI医疗企业盈利尚有距离，数字医疗尚未实现规模化盈利，AI Biotech持续亏损，还需稳定营收来源，加拿大生命科学AI公司AbCellera Biologics外无一盈利。

图|各医疗AI营收利润分布(单位：亿美元)

2021年起，MNC开始肯定生命科学类AI的价值，开启对AI生物科技初创公司的收并购及合作，多角度引入AI赋能。20和21两年每一年都有近50项合作达成，近100亿美元的总价值合同规模完成签署，2023年合作数量略减少，预付款与合同总价值也有所降低，但赛诺菲与百图生科超10亿美元的合作等，证实MNC仍然看重生命科学AI的未来发现前景。

图|2023年部分药企与AI企业间的合作

医疗AI的价值已在临床、制药之中得到初步确认，医疗AI产品已进入临床工作流程，AI提高了药物靶点发现和先导化合物筛选的效率，但AI医疗企业经营情况不及预期。这由多种原因造成，比如许多AI产品/解决方案的内容、形式过于单一，产品的具体效率和价值计算不具体，缺少医保支付模型的支撑，没有成功上市的新药案例等。

图|医疗AI产品四种主要类型

三、产业链

AI医疗产业链可分为基础层，技术层和应用层。

基础层为AI医疗的发展提供基础设备，实现对顶层的算力支持，即海量数据处理和存储设备。企业类型主要为设备供应商和数据平台服务商，腾讯、百度、阿里等互联网巨头多在基础层发挥其技术研发优势，通过自主研发产品和并购等方式参与AI医疗的发展。除数据服务外，芯片与通信等基础核心领域已形成牢固的技术壁垒，市场呈寡头局面。

技术层为AI医疗提供认知、感知、机器学习等方面的技术服务，即对语音、图像等信息识别和处理，通过计算机对数据进行分析和预测。企业类型主要为专门的语音或图像AI技术服务商，以及AI技术公司，如科大讯飞、依图科技等企业利用AI技术优势，深入医疗细分场景，辅助医生诊断、进行健康管理。算法、框架以及通用技术需要长期投入与研发来攻克，目前各大科技企业与互联网巨头企业基本已完成布局，中小企业生存空间较少。

应用层是AI在医疗领域的具体应用，可触达全医疗服务场景，如药物研发、智能诊疗、医疗机器人等。有大量的互联网医疗公司和传统医疗公司涌入，而且有大量依托AI算法的初创公司产生。

基础层和技术层技术壁垒较高，前期技术研发资金需求量大，且需要具备一定技术基础，一般由研发能力和资金实力较强的大公司为主。应用层企业的服务领域众多，针对具体场景提供解决方案，技术壁垒相对较低，企业数量最多，中小型企业或创业公司聚集。

图|AI医疗产业链

图|AI医疗产业链企业类型和行业壁垒

四、应用场景和市场规模

在AI的所有应用中，医疗行业位列首位。2020 年 AI+医疗已占AI市场的18.9%，到2025年AI应用市场总值将达1270亿美元，其中医疗行业将占市场规模的五分之一。从基础层到应用层，医疗AI广阔市场大有所为。

AI技术在医疗领域的应用主要包括医学影像、临床辅助决策、精准医疗、健康管理、医疗信息化、药物研发以及医疗机器人等，以助力降本增效、提升诊疗水平、改善患者体验、降低患病风险等，全面赋能院前、院中、院后各个环节。

图|中国医疗健康行业AI应用图谱

较为成熟的应用场景有医院业务管理与健康管理，智能诊前助手是AI医院业务管理的代表应用，可穿戴设备应用广泛。新兴场景有AI医疗机器人、AI影像和AI药物研发。AI疾病风险预测模型具有发展潜力，随着算法升级与选代、智能传感器进步以及更多疾病临床数据的收集,疾病风险预测模型将得到持续优化,提升对疾病预测的准确率到可信区间。

图|医疗AI主要应用场景及应用价值

根据Global Market Insight，2020年全球医疗AI市场规模为42亿美元，预计到2027年将增至345亿美元，2020-2027年CAGR为35.1%。细分应用市场中AI医学影像增速较快，2020年市场规模约10亿美元，占据全球医疗AI市场24%以上份额，是仅次于药物研发的第二大细分市场。

药物研发、医学影像等细分市场保持较高增速。2020年中国医疗AI市场规模达到66.25亿元，预计2020-2025年CAGR为39.4%，2025年将突破300亿元。

图|中国医疗AI主要应用领域市场规模及增速

五、关键挑战与趋势

关键挑战是医疗行业高质量数据稀缺且相对分散。尽管在医疗数字化建设的过程中，已经沉淀了大量的医疗数据，但是仍然存在高价值数据的相对缺失，如大量临床数据尚未完全转化为可供挖掘和利用的高质量数据，不同医疗机构之间的数据也存在标准和格式等不统一的问题，也尚未能实现共享和流通。个人医疗信息和数据，对于数据安全方面的保障也提出了更高要求。

高质量数据沉淀与合规应用仍然需要持续提升，医疗行业独特的知识体系和丰富的多模态数据，未来在物联网的发展之下将日益产生和沉淀，包括医学成像、可穿戴以及环境生物传感器所采集的生物医学数据等，伴随高质量数据的不断积累，并在数据合规和安全保障的前提之下，对于多模态数据的综合分析将日趋完善，支撑更加丰富的AI应用落地。

AI+医疗仍将持续场景驱动进行点状渗透，全面铺开有待于医疗生态整体数字化基础能力的进一步升级，以及政策合规方面的进一步升级。

生成式AI为问诊、影像、制药等医疗场景注入新活力，包括基于大模型的实时问诊病例生成，按需生成新蛋白质结构提高药物发现效率等应用。ChatGPT在医疗行业应用的前景应该是打造多个细分场景的处理范式，为大量交互环节提供价值模型。通过自然语义理解能力，在不要求输入数据大幅质量提升的情况下，构建场景价值模型，从而输出能为产业、临床服务赋能的输出结果。价值模型包括疾病预测模型、优化问诊模型、医学研究模型、医学教育模型、药品研发模型。ChatGPT可能遇到的潜在挑战有数据隐私问题、精度问题、误诊问题等。