國內AI醫療發展環境、資源現狀及應用分析

當前，AI 醫療已形成涵蓋診斷、治療、管理、研發等全鏈條的多元化應用生態，并 通過真實場景的規模化落地驗證了其臨床價值。

1.國內 AI 醫療發展環境已成熟

支撐環境已有基礎：支撐環境主要包括數據資源和數據服務。數據資源為 AI 醫療器 械的訓練、學習和推斷提供資源，進而推動算法準確性、泛化性的提高。目前我國已有 許多醫院根據自身優勢建立了各類專病醫療數據庫。數據服務通過提升醫療數據的質量 間接推動 AI 醫療器械的發展，國內數據服務商如醫渡云通過對大規模多源異構醫療數據 進行集成、挖掘、利用，建立疾病模型，輔助完成 AI 醫療器械產品的研發。 國內 AI 相關基礎設施完善：基礎設施為 AI 醫療器械產業提供基礎保障，主要包括 網絡安全、存算基礎兩方面。網絡安全廠商通過在網絡環境中加裝防火墻硬件設備、添 加限制策略等提高網絡防攻擊能力，進而保障醫療數據安全。存算基礎為 AI 醫療器械數 據提供存儲運算平臺。目前 AI 醫療器械產品在應用中的部署形態分為兩種，一種是將 AI 算法嵌入定制化芯片，芯片賦能設備，實現信息的原位處理，算法嵌入芯片進行信息 原位處理使得信息處理效率更快，但是對于芯片硬件的要求更高；另一種是將醫療數據存儲至云端，通過算法調用傳輸實現數據的處理，數據傳輸至云端有利于信息的多方面 整合，處理結果更全面、準確，同時目前越來越多的用戶在數據的存儲與傳輸中，引入 區塊鏈等創新技術，確保數據安全。國內相關企業百花齊放，芯片供應商主要有鯤云科 技、紫光集團、華為海思等，云平臺主要有百度云、阿里云、華為云等。 智慧中樞全球領先：作為連接基礎設施和智慧應用的核心環節，智慧中樞為 AI 醫療 器械的發展提供了堅實的算法基礎和模型基礎。其供應商以國內互聯網公司和 IT 硬件巨 頭為主，這些企業憑借全球領先的技術實力和創新能力，為 AI 醫療器械產業提供了強大 的支撐。百度創新性地提出構建符合臨床知識體系的病灶－疾病循證推理框架，有效破 解了 AI 系統的“黑盒”瓶頸，同時在產品開發部署中使用自研的“飛槳深度學習框架”， 實現了全生命周期的自主可控。此外，國內 IT 硬件巨頭如華為海思、紫光集團等，通過 高性能芯片和云計算平臺的研發，為 AI 醫療提供了強大的硬件支持。這些企業的技術突 破不僅降低了 AI 技術在醫療領域應用的門檻，還顯著提升了醫療智能化水平，為 AI 醫 療器械產業的快速發展奠定了堅實基礎。

智慧應用（終端應用）逐步發展：終端應用是 AI 醫療器械產業生態中面向患者、醫 生、醫院解決行業痛點、滿足行業需求的環節，包含 AI 輔助診斷、AI 輔助治療、AI 康 復理療、AI 監護支持和 AI 中醫診療五個等多個方向。其中 AI 輔助診斷通過對患者的影 像數據進行分析，將分析結果提供給醫生，輔助醫生對患者的病情進行診斷。AI 輔助治 療通過利用診斷結果為患者制定治療計劃，輔助患者的治療過程。AI 康復理療通過利用 人工智能技術，面向運動障礙康復、精神類疾病等，輔助患者進行康復治療。AI 監護與 生命支持通過對人體生理參數進行智能監護或對患者提供智能生命支持，提高了醫護效 率。AI 中醫診療通過結合人工智能技術將中醫的“望聞問切”四診技術智能化、標準化。

2. 資源彌合：AI 技術破解醫療資源的分布不均困境

2.1 醫療需求增長趨勢下，醫療資源“東強西弱、城強鄉弱”

老齡化下醫療需求增長。我國人口老齡化趨勢持續，民政部數據顯示，截至 2024 年 年底，我國 60 歲及以上老年人口達到 3.1 億，占總人口的 22%。根據預測，到 2035 年 左右，我國 60 歲及以上老年人口將突破 4 億，在總人口中的占比將超過 30%，進入重度 老齡化階段。老齡化趨勢下帶來癌癥、心腦血管疾病等高發疾病篩查需求。 基層醫療資源相對匱乏，基層醫療機構診斷能力不足。基層醫療體系作為我國醫療 衛生服務網絡的“網底”，近年來在政策傾斜下硬件設施有所改善，但資源結構性短缺 與診斷能力薄弱的矛盾依然突出。2023 年，占全國醫療機構總數 94.9%的基層醫療衛生 機構，僅承擔了 51.8%的診療服務量，資源利用率與服務質量形成反差。 優質醫療資源的區域布局不均衡問題較為突出。我國的醫療資源分布在省份之間差 異逐漸縮小，但是在地區之間差異仍然存在。醫療機構尤其是以三甲醫院為代表的優質 醫療資源，仍然集中在東部沿海地區，與之對應的是醫療人員、大量的診療活動也集中 于東部地區。

2.2 AI 重構醫療價值鏈，助力“醫療平權”

在醫療健康領域，AI 技術正展現出明顯優勢。（1）高效性：AI 能夠以超人類的速 度處理和分析醫學數據，顯著提高了診斷工作的效率，并加速患者的治療過程。（2）高 準確性：AI 模型經過訓練，能夠識別影像中的細微變化和模式，還可以通過深度學習不 斷提高識別能力，減少主觀判斷的偏差，從而提高診斷的準確性。（3）低漏診率：AI 系統具有高精確度和細致的分析能力，它們能夠檢測到一些可能被人類醫生忽略的病變 或異常，有助于減少漏診的情況，確保患者得到及時和適當的治療。 重構醫療服務價值鏈，AI 技術助力診療效率質量雙提升。傳統醫療價值鏈呈現“診 療服務主導型”線性結構，存在環節割裂、資源固化等缺陷，診斷、治療、資源配置環 節存在效率瓶頸與質量波動。AI 技術通過提升診療效率、優化醫療質量、拓展全周期健 康管理三大核心路徑，系統性重構醫療服務體系。 在導診環節，AI 技術通過智能分診系統優化醫療資源分配，全國已有多家三甲醫院 部署智能分診系統，通過分析患者生命體征和電子病歷數據，動態優化就診路徑，顯著 縮短候診時間。

在診斷環節，AI 的系統能在極短時間內完成多病種聯合診斷，準確率超越人類醫師。 有研究表明，基于 AI 的 CT 掃描真陽性結節診斷率（98.54%）顯著高于放射科醫生人工 診斷率（46.53%）。人工耗時至少 10 多分鐘分析的圖像，浙大一院研發的 AI 病理助手 OmniPT 只需要 1～3 秒就能快速鎖定病灶區域，并且在胃癌、結直腸癌和宮頸癌等十余 個高發病率癌種上取得了 95%以上診斷準確性。哈醫大二院 CT 診斷科將 AI 技術應用于 血管病診斷，實現自動血管 VR/CPR/MIP 等顯示，使血管 CTA 檢查后處理及報告時間可整體縮短 90%。 在治療環節，AI 助力手術準確性、安全性提升。哈醫大二院骨外科運用 AI 輔助技 術為多名患者精準實施髖、膝關節置換手術。傳統術前規劃需要工程師和術者反復溝通 設計 1—4 周，才能得出可行方案，而 AI 輔助僅僅需要 5～40 分鐘。且 AI 規劃精準，術 者術中可以快速判斷，明確減少手術時間，減少術中出血，提高手術效率，幫助患者更 快恢復。 在疾病預防環節，AI 技術通過連續性健康數據追蹤與預防性干預，將醫療服務從疾 病治療延伸至全生命周期管理。在慢性病防控領域，可穿戴設備與 AI 預測模型聯動，使 糖尿病患者并發癥風險顯著降低。

打破地域限制，AI 技術實現醫療資源空間重構。通過分布式 AI 智能網絡，優質醫 療資源的覆蓋范圍從傳統模式的發達地區擴展至更廣泛的區域，使基層醫院的診斷能力 接近三甲醫院水平，縮小地域差距。例如，在遠程醫療領域，5G 遠程超聲機器人系統讓 偏遠地區患者也能獲得高質量診療服務，內蒙古牧民可實時接受北京專家的心臟介入手 術；云端診斷平臺使基層醫生獲得實時 AI 決策支持，浙江省試點中，AI 眼底病變識別 系統大幅降低了糖尿病視網膜病變的漏診率，提升偏遠地區影像診斷符合率，城鄉診斷 差距進一步縮小。 AI 醫療技術通過系統性重構醫療價值鏈，正在開創醫療資源普惠化新范式。這種重 構體現在三個維度：首先打破傳統醫療服務的線性鏈條，構建智能協同的價值網絡；其 次重塑醫療資源配置的空間格局，突破地理與能力限制；最終實現健康管理的時間延展， 形成全周期服務閉環，從而系統性解決醫療資源分布不均問題。AI 驅動的醫療革命正在 形成“頂端優化－中層強化－基層強化”的三級賦能體系。通過智能中樞的資源調配、 精準醫療的技術突破和全域覆蓋的服務延伸，AI 不僅解決了醫療資源“有沒有”的存量 矛盾，更在重塑“好不好”的質量標準和“公平與否”的分配機制。未來 AI 醫療將加速 構建分級診療新格局，最終實現優質醫療資源普惠可及的目標。

3. 應用端：醫療場景多元化

當前，AI 醫療已形成涵蓋診斷、治療、管理、研發等全鏈條的多元化應用生態，并 通過真實場景的規模化落地驗證了其臨床價值。 AI 影像診斷：當前 AI 技術在醫學影像診斷中的應用最為成熟。華西醫院李為民教 授團隊研發的肺癌（肺結節）AI 輔助診斷系統于 2016 年開始先后在全國 155 家醫院使 用，對實現肺癌早期診斷同質化發揮了重要作用。在深圳，AI+產前超聲技術應用后，孕 中期“大排畸”檢查時間從 30 分鐘縮短至 10 分鐘，標準化率提升超 30%，大幅釋放超 聲醫生的工作壓力。 AI 臨床決策輔助：通過機器學習處理臨床數據，AI 工具生成個性化的診斷和治療建 議，提高癌癥、糖尿病和心血管疾病等復雜疾病的準確性。例如岐黃問道大模型通過整 合中醫藥經典理論、藥方、臨床案例等豐富知識資源，為醫生提供輔助性的診療建議， 協助醫生優化治療方案。IBM 的沃森基因組學系統可以在極短的時間內分析超過 20 萬種 醫學文獻和基因序列，將其與患者的基因差異相匹配，幫助醫生精準地制定個性化方案。 AI 技術將基因組的分析時間總體提高了 85%，還提升了腫瘤治療的精準度。

AI 病例輔助生成：深圳邁瑞與騰訊合作的重癥醫療大模型，能在 5 秒內完成診療全 流程數據整合，1 分鐘生成結構化病歷，并實時提供循證醫學支持。 AI 手術智能輔助規劃：AI 應用可以明確手術關鍵部位、推薦最佳手術方案、評估手 術風險、輔助醫生提高手術精準性、減低術中風險及術后并發癥。例如，聯影智能前沿 平臺－胸外手術智能規劃系統，可智能完成全肺三維重建，輔助胸部疾病術前計劃。系 統提供豐富的手術規劃工具，結合肺亞段智能重建，助力精準外科治療。 AI 智能就醫：AI 可以準確快速理解患者問題，幫助患者獲取就醫信息。例如，深圳 市第三人民醫院推出的“DeepSeek+騰訊混元”雙模型體檢系統，可生成個性化健康報告 并翻譯為通俗表達，同時根據風險等級制定干預方案，給予受檢者合理的處置建議。 AI 醫院管理與運營：AI 正重構醫療資源分配與監管模式。清華大學附屬北京清華長 庚醫院的智能醫保基金監管系統，通過 AI 審核處方和標準化計價邏輯，攔截 80%的不合 理收費，構建“事前防控、事中管控、事后監控”的全鏈條監管網絡。京東健康的“未 來數字醫院”方案則整合線上線下資源，打造醫院“超級大腦”，通過智能調度和數據 分析提升醫院運營效率。 AI 醫療已從單點工具發展為覆蓋全流程的智能化體系，通過技術賦能實現醫療資源 的優化配置與服務質量升級，為患者、醫生和醫療機構創造多維價值。

Deepseek 大模型發布，助力 AI 醫療破圈。（1）降低醫療大模型本地化部署和技術 門檻：DeepSeek 通過技術創新，降低算力需求和資金成本，解決了傳統醫療 AI 系統高 昂部署費用的問題，顯著降低了醫院部署 AI 醫療系統的門檻。同時，在技術層面，在 DeepSeek 等開源大模型的推動下，大幅降低了文本處理和語言理解的技術門檻，使得 AI 技術更加普惠。這種“AI 民主化”帶來了多個關鍵變化，各級醫療機構和臨床用戶開始 更積極地擁抱 AI 技術，同時臨床用戶對醫療 AI 的發展也有了更長遠的預期；此外，也 加速了醫療文本大模型的輕量化、本地化部署，降低了 AI 在醫療場景中的落地門檻。（2）提升診療質量和醫療效率：DeepSeek 通過深度學習和大數據分析，能夠更精準地進行疾 病診斷和治療方案制定，從而提高醫療服務質量。在醫療影像領域，DeepSeek 的多模態 系統已實現對 CT、MRI 等復雜影像的亞毫米級識別，顯著提升了早期肺癌檢出率。在病 理診斷方面，其全切片數字病理分析平臺大幅縮短了骨髓涂片分析時間，提高了診斷一 致性。截至 4 月初，全國已有超過 700 家大型醫院（以三甲醫院為主）完成了 DeepSeek 大模型的本地化部署和應用。 國內醫療 AI 產品迅速落地。多因素驅動下 AI 技術快速融入醫療全流程，全國已有 多家醫療機構部署 AI 醫療系統，覆蓋影像診斷、手術輔助、藥物研發、智能管理等場景， 據深圳衛健委初步統計，截至 2025 年 3 月，已有近 450 個 AI 產品在深圳市各級醫療衛 生機構應用落地，其中臨床醫療服務類 404 個，醫院管理類 29 個，公共衛生管理類 4 個， 科教研輔助類 2 個，支撐環境類 8 個。