1前言從深度學(xué)習(xí)到大語(yǔ)言模型，

AI的廣泛應(yīng)用已經(jīng)改變了不少前沿公司的收入結(jié)構(gòu)，

成為驅(qū)動(dòng)創(chuàng)新的重要生產(chǎn)力。然而，醫(yī)療領(lǐng)域似乎與之絕緣

。底層技術(shù)幾經(jīng)變革，上千家企業(yè)前赴后繼，依然無人能夠?qū)崿F(xiàn)規(guī)?；?。醫(yī)療領(lǐng)域是否真正存在AI需求？

數(shù)據(jù)

、算力

、算法哪個(gè)出了問題？

短期

、長(zhǎng)期如何發(fā)展？商業(yè)化突破的關(guān)鍵點(diǎn)又在哪里？本篇報(bào)告中，我們篩選了

10個(gè)醫(yī)療AI規(guī)模落地、落地風(fēng)格各異的科室，訪談30+醫(yī)生、40+企業(yè)進(jìn)行深度調(diào)研，

從醫(yī)院

、

醫(yī)生

、患者三個(gè)角度出發(fā)，

逐一分析科室環(huán)境下AI

的應(yīng)用方式、商業(yè)化情況及未來發(fā)展趨勢(shì)

。以在迷霧之中覓得微光，

為破局提供依據(jù)。醫(yī)療人工智能價(jià)值幾何？2024年中國(guó)醫(yī)療人工智能解決方案市場(chǎng)共計(jì)164億元。作為變革時(shí)代生產(chǎn)方式的關(guān)鍵技術(shù)，

即便各行各業(yè)因?yàn)榻?jīng)濟(jì)周期的壓力而出現(xiàn)回調(diào)時(shí)，

醫(yī)療AI始終維持著高增速發(fā)展。據(jù)弗若斯特薩利文測(cè)算，醫(yī)療AI核心的解決方案市場(chǎng)預(yù)計(jì)將于2030年擴(kuò)大至353億元，CAGR為13.63%。未來五年，

醫(yī)療AI市場(chǎng)規(guī)模的影響要素包括：

醫(yī)療AI的應(yīng)用范圍、

醫(yī)院對(duì)于AI的購(gòu)置意愿、AI的審評(píng)審批成本、

醫(yī)療數(shù)據(jù)的獲取難度

、行業(yè)管線產(chǎn)品競(jìng)爭(zhēng)格局等。醫(yī)生參與，政策兜底，醫(yī)療人工智能未來五年可能小規(guī)模盈利。“先有人工，后有智能”，醫(yī)療AI發(fā)展前期存在缺乏成規(guī)模標(biāo)準(zhǔn)化醫(yī)療數(shù)據(jù)、治理后數(shù)據(jù)復(fù)用率低、

醫(yī)工融合人才缺失、醫(yī)院支付觀念滯后等問題，因而訓(xùn)練成本居高不下、部分智能解決方案泛化性差、應(yīng)用價(jià)值有限、部分醫(yī)院不愿為AI單獨(dú)付費(fèi)，AI企業(yè)走了不少?gòu)澛?。但伴隨醫(yī)院對(duì)于AI認(rèn)知的加深，醫(yī)生主動(dòng)參與AI研發(fā)頻率增加、多項(xiàng)政策推進(jìn)醫(yī)療AI落地、大模型對(duì)于數(shù)據(jù)治理的提效等，

醫(yī)療AI企業(yè)有望在未來五年內(nèi)控制成本，

實(shí)現(xiàn)小規(guī)模的盈利。臨床數(shù)據(jù)獲取難度下降，成本控制推動(dòng)應(yīng)用場(chǎng)景與產(chǎn)品效果方面實(shí)現(xiàn)雙向突破。自國(guó)家數(shù)據(jù)局成立之后，醫(yī)療健康數(shù)據(jù)的資產(chǎn)化進(jìn)程加快，交易所內(nèi)已發(fā)生多次健康數(shù)據(jù)交易。若能突破數(shù)據(jù)這一關(guān)鍵難題，

實(shí)現(xiàn)規(guī)模化的數(shù)據(jù)交易，

醫(yī)療AI研發(fā)中的最大成本項(xiàng)有望大幅下降，進(jìn)而推進(jìn)智能應(yīng)用的產(chǎn)出與效果由量變向質(zhì)變轉(zhuǎn)移。醫(yī)療人工智能賦能主體存在矛盾，大規(guī)模商業(yè)化能力仍然存疑。對(duì)于絕大部分醫(yī)療器械而言，量化它的價(jià)值可以從療效、效率、費(fèi)用等角度精準(zhǔn)測(cè)量衛(wèi)生經(jīng)濟(jì)學(xué)價(jià)值。但現(xiàn)階段醫(yī)療AI為各個(gè)主體帶來的價(jià)值并不一致。例如：某科室在引入AI后對(duì)流程進(jìn)行了優(yōu)化，能夠?qū)⒃刃枰渌剖覅f(xié)同的項(xiàng)目置于自身科室進(jìn)行，進(jìn)而減少患者治療時(shí)間與醫(yī)療花費(fèi)，但對(duì)于科室自身而言，

可能會(huì)因?yàn)镈RG的存在減少科室收入（原本需要兩個(gè)科室協(xié)助的方案轉(zhuǎn)變?yōu)閱我豢剖覉?zhí)行）

，科室與患者對(duì)于AI的需求存在矛盾。也就是說，

當(dāng)AI的能力已經(jīng)滿足醫(yī)療要求，價(jià)值矛盾的普遍存在是當(dāng)前這一技術(shù)無法規(guī)模商業(yè)化的主要原因。目錄第一章：

醫(yī)療人工智能，

困在價(jià)值分歧里

.......................................................................................

11.1“資本+政策+醫(yī)生”三向驅(qū)動(dòng)，

3年內(nèi)醫(yī)療AI仍將維持高速發(fā)展

.......................................11.2

價(jià)值分歧深陷：

難以平衡的患者療效與科室效益

.................................................................

4第二章：

臨床?？迫斯ぶ悄埽?/p>

患者獲益顯著，若無政策支持，

需在院外場(chǎng)景探索支付方

.....................................................................72.1

胸外科：

發(fā)跡于診斷，

深根于治療

.............................................................................................

72.2

心內(nèi)科：

后發(fā)先至，

器械銷售開啟AI商業(yè)化新路徑

........................................................

132.3骨科：

高度契合機(jī)器人應(yīng)用，

率先實(shí)現(xiàn)AI規(guī)?；涞?/p>

.....................................................192.4

神外科：

聚焦治療，

人工智能重塑精細(xì)手術(shù)

........................................................................

252.5內(nèi)分泌科：

盤活慢病管理，

全周期賦能衍生海量健康數(shù)據(jù)價(jià)值

...................................302.6臨床AI科室的商業(yè)化需要轉(zhuǎn)變思維

.........................................................................................33第三章：臨床支撐人工智能：

醫(yī)技落地模式成熟，

信息需與系統(tǒng)深度融合

....................363.1醫(yī)技科-影像科：

人工智能賦能最全面的科室

......................................................................363.2醫(yī)技科-放療科：

尋求療效最大化與損傷最小化的智慧飛躍

..........................................393.3醫(yī)技科-病理科：

大模型或能重新定義病理能力

.................................................................443.4醫(yī)技科-檢驗(yàn)科：

多模態(tài)大模型實(shí)現(xiàn)效率質(zhì)變

......................................................................503.5管理支撐－信息科：

融入系統(tǒng)，

不以效益為核心目的

.....................................................

523.6

基層醫(yī)療：

商業(yè)化模型轉(zhuǎn)向，

政策驅(qū)動(dòng)向用戶驅(qū)動(dòng)遷移

.................................................58第四章

數(shù)據(jù)資產(chǎn)化：

暗藏醫(yī)療AI可持續(xù)增長(zhǎng)的破局路徑

.....................................................644.1醫(yī)療數(shù)據(jù)治理的智能化迭代

.........................................................................................................654.2醫(yī)療數(shù)據(jù)的復(fù)用

................................................................................................................................

674.3

倫理問題下的挑戰(zhàn)與機(jī)遇

.............................................................................................................

72第五章企業(yè)案例

.....................................................................................................................................745.1

深睿醫(yī)療：

以多模態(tài)大模型構(gòu)建臨床全棧智能生態(tài)

..........................................................745.2

東軟集團(tuán)：

以AI驅(qū)動(dòng)醫(yī)療數(shù)智化轉(zhuǎn)型，

引領(lǐng)行業(yè)價(jià)值落地

..........................................

755.3

京東健康：

底層大模型升級(jí)，

京醫(yī)千詢2.0深入循證專病場(chǎng)景

...................................775.4

水木金昇：

AI助力醫(yī)療器械科研轉(zhuǎn)化，

解決產(chǎn)業(yè)化難題

................................................785.5

悅唯醫(yī)療：

洞悉臨床需求，

打造首款SYNTAX智能評(píng)分系統(tǒng)

......................................

805.6

聯(lián)影智能：

打造新一代原生A

I

PACS

.......................................................................................815.7

訊飛醫(yī)療：

率先將醫(yī)療大模型引入?？祁I(lǐng)域，

聯(lián)合安貞推出心血管大模型

...........825.8北電數(shù)智：

AI

驅(qū)動(dòng)醫(yī)療數(shù)智化新范式

....................................................................................

845.9

伽奈維醫(yī)療：

以AI賦能腫瘤微創(chuàng)，

已實(shí)現(xiàn)規(guī)?；虡I(yè)落地

..........................................865.10

西門子醫(yī)療-全球資源助力，AI影像深耕疾病診療一體化

...........................................87圖表目錄圖表12025

年上半年醫(yī)院參與開發(fā)的?？拼竽Ｐ?/p>

...................................................................2圖表

2人工智能在醫(yī)療領(lǐng)域細(xì)分場(chǎng)景應(yīng)用全景

.........................................................................3圖表3胸外科門診情況及人工智能分布

.......................................................................................7

圖表4AI穿刺的價(jià)值

............................................................................................................................

9圖表5AI-3D建模工具與傳統(tǒng)2D建模工具在耗時(shí)與準(zhǔn)確率上的對(duì)比

..........................11

圖表6

胸外科各環(huán)節(jié)AI服務(wù)商

......................................................................................................

12

圖表7

心內(nèi)科工作全流程

.................................................................................................................

14圖表

8介入治療場(chǎng)景中的人工智能應(yīng)用對(duì)比

............................................................................17圖表9

心內(nèi)科各應(yīng)用場(chǎng)景AI服務(wù)商

............................................................................................17圖表10骨科常見疾病類型及治療方案

.......................................................................................

19圖表11骨科臨床醫(yī)生日常工作拆分

............................................................................................20圖表12骨科醫(yī)生主要工作環(huán)節(jié)的難度及耗時(shí)程度

................................................................20圖表13骨科應(yīng)用場(chǎng)景AI產(chǎn)品服務(wù)商圖譜

................................................................................23圖表14骨科各AI產(chǎn)品價(jià)值量化情況

..........................................................................................24圖表15

骨科在疾病治療板塊的熱門應(yīng)用對(duì)多方的價(jià)值分析

.............................................25圖表16神經(jīng)外科常見疾病分類

.....................................................................................................

26圖表17神外疾病治療板塊的部分AI應(yīng)用

................................................................................27圖表18神經(jīng)外科各AI產(chǎn)品價(jià)值量化情況

................................................................................28圖表19神經(jīng)外科應(yīng)用場(chǎng)景AI產(chǎn)品服務(wù)商圖譜

.......................................................................

29圖表20內(nèi)分泌科常見就診疾病及就診量占比

.........................................................................

30圖表

21AI在糖尿病管理的各環(huán)節(jié)中的應(yīng)用與價(jià)值

...............................................................31圖表

22內(nèi)分泌科場(chǎng)景中數(shù)字化慢病管理服務(wù)商

....................................................................

32圖表

23企業(yè)獲第三類醫(yī)療器械注冊(cè)證的影像科輔助診斷應(yīng)用分布情況

......................38

圖表24

放療科工作全流程

..............................................................................................................

40圖表25基于大模型的在線ART算法

..........................................................................................

42

圖表26

放療科AI應(yīng)用服務(wù)商

........................................................................................................42圖表27病理科各項(xiàng)檢驗(yàn)的對(duì)比

.....................................................................................................

44圖表28病理科醫(yī)生工作內(nèi)容及耗時(shí)占比

..................................................................................

45圖表

29病理檢驗(yàn)制片各環(huán)節(jié)中的自動(dòng)化與AI應(yīng)用現(xiàn)狀

....................................................

46圖表30病理科AI輔助診斷軟件服務(wù)商

.....................................................................................

46圖表

31病理數(shù)字化場(chǎng)景應(yīng)用的產(chǎn)品獲證情況

.........................................................................

47圖表32

判別式和生成式AI

的對(duì)比

..............................................................................................48圖表

33該研究團(tuán)隊(duì)自研大模型展示基因突變空間分布

......................................................

49圖表34檢驗(yàn)科各類檢驗(yàn)的對(duì)比

.....................................................................................................

50圖表35檢驗(yàn)科應(yīng)用場(chǎng)景AI產(chǎn)品服務(wù)商

.....................................................................................

50圖表

36檢驗(yàn)科各類型檢驗(yàn)的自動(dòng)化和AI應(yīng)用情況對(duì)比

....................................................51圖表

372011—2024年高等級(jí)電子病歷評(píng)級(jí)通過趨勢(shì)

........................................................55圖表38與評(píng)級(jí)相關(guān)的人工智能指標(biāo)匯總

..................................................................................

56

圖表39

基層醫(yī)療需求拆解

..............................................................................................................59圖表40

基層場(chǎng)景AI應(yīng)用服務(wù)商

...................................................................................................

60

圖表41

數(shù)據(jù)集建設(shè)難點(diǎn)

...................................................................................................................

64

圖表42

數(shù)據(jù)要素的重要性

..............................................................................................................

65圖表

43以東軟飛標(biāo)醫(yī)學(xué)影像標(biāo)注平臺(tái)為例的醫(yī)學(xué)影像標(biāo)準(zhǔn)平臺(tái)解決方案

.................66圖表

44部分上架線上交易所的健康數(shù)據(jù)交易標(biāo)的

................................................................68圖表45醫(yī)保行業(yè)的可信數(shù)據(jù)空間

................................................................................................

70圖表

46北芯數(shù)智紅湖醫(yī)療可信數(shù)據(jù)空間架構(gòu)

.........................................................................

71圖表

47

深睿醫(yī)療智慧醫(yī)院新生態(tài)

................................................................................................

75圖表

48東軟添翼醫(yī)療健康智能化全系解決方案2.0架構(gòu)

..................................................76

圖表49

京醫(yī)千詢2.0升級(jí)詳情

......................................................................................................77圖表50水木金昇合規(guī)SaaS服務(wù)平臺(tái)界面

...............................................................................

79圖表51悅唯醫(yī)療產(chǎn)品矩陣，

打造重癥冠心病整體解決方案

.............................................80

圖表52

聯(lián)影智能A

I

PACS

...............................................................................................................

82圖表53訊飛醫(yī)療星火醫(yī)療大模型能力平臺(tái)

..............................................................................83圖表54

北電數(shù)智AI

醫(yī)療解決方案

..............................................................................................85圖表55伽奈維牽星?GNV-F1CT介入手術(shù)導(dǎo)航定位系統(tǒng)及各類診療方案

..................87圖表56

西門子醫(yī)療影像后處理平臺(tái)syngo.via

.......................................................................

88第一章：醫(yī)療人工智能，

困在價(jià)值分歧里當(dāng)各行各業(yè)因?yàn)榻?jīng)濟(jì)周期的壓力而出現(xiàn)回調(diào)時(shí)，

醫(yī)療AI行業(yè)在未有企業(yè)實(shí)現(xiàn)規(guī)?；那闆r下，

仍維持著高增速發(fā)展。最新市場(chǎng)調(diào)研數(shù)據(jù)顯示，

2024年中國(guó)解決方案市場(chǎng)共計(jì)

164億元，預(yù)期于2030年擴(kuò)大至353億元，

CAGR高達(dá)13.63%。龐大且增長(zhǎng)的市場(chǎng)不僅吸引了更多創(chuàng)業(yè)者，

亦將帶動(dòng)大量醫(yī)生進(jìn)入AI的科學(xué)研究與產(chǎn)品研發(fā)，

當(dāng)前的醫(yī)療AI

已不是某個(gè)單一學(xué)科的造物，

而是計(jì)算機(jī)、工業(yè)與醫(yī)學(xué)的深度融合。此趨勢(shì)下，我們圍繞AI的技術(shù)演化與商業(yè)化落地進(jìn)行分析，從宏觀角度洞察2025年兩個(gè)方向下AI的變化，

為后續(xù)的科室價(jià)值探討做好基礎(chǔ)。1.1“資本+政策+醫(yī)生”三向驅(qū)動(dòng)，

3年內(nèi)醫(yī)療AI仍將維持高速發(fā)展聚焦2025年，醫(yī)療AI最顯著的變化可歸納于兩個(gè)要點(diǎn)：大模型的突破式演變與醫(yī)療機(jī)構(gòu)的規(guī)?；瘏⑴c。早在2023年年中時(shí)醫(yī)療信息化領(lǐng)域已開始出現(xiàn)100b以內(nèi)的醫(yī)療基礎(chǔ)模型，并衍生出大量智能體。它們既對(duì)CDSS、智能問導(dǎo)診等應(yīng)用升級(jí)，又開辟了如智能化藥品說明書、智能候診等創(chuàng)新應(yīng)用。那時(shí)醫(yī)院普遍缺乏GPU，若要全院部署需采購(gòu)近千萬(wàn)的算力設(shè)備，固定資產(chǎn)投入及運(yùn)營(yíng)投入耗資極大，因而大模型及相關(guān)垂直應(yīng)用主要落地于頭部三甲醫(yī)院。在未能明確大模型價(jià)值之前，

只有實(shí)力雄厚頭部醫(yī)院才能承擔(dān)風(fēng)險(xiǎn)。直至年初DeepSeek發(fā)布的DeepSeek-R1才改變這一現(xiàn)狀。參數(shù)高效微調(diào)（

PEFT）

、混合專家架構(gòu)（

MoE）等創(chuàng)新設(shè)計(jì)支持下，

DeepSeek成功降低了大模型的入場(chǎng)門檻；國(guó)產(chǎn)基礎(chǔ)模型突圍的聲勢(shì)，

則讓醫(yī)院管理者們開始主動(dòng)部署基礎(chǔ)設(shè)施。動(dòng)脈智庫(kù)統(tǒng)計(jì)數(shù)據(jù)顯示：截至2025年5月，第三方榜單中國(guó)內(nèi)排名前100的醫(yī)院已全部完善大模型部署，有38家醫(yī)院在通用模型的基礎(chǔ)上進(jìn)一步展開研發(fā)，打造出55個(gè)符合自身需求的垂直醫(yī)療模型，其中22個(gè)為?？颇Ｐ?。此外，醫(yī)生對(duì)于大模型的實(shí)操熱情也遠(yuǎn)超傳統(tǒng)AI，以至于當(dāng)深圳市衛(wèi)健委開始限制醫(yī)院自行算力采購(gòu)（算力集中采購(gòu)，避免單個(gè)醫(yī)院過量采購(gòu)造成算力浪費(fèi)），

醫(yī)院不愿意數(shù)據(jù)出院時(shí)，部分醫(yī)生仍通過申請(qǐng)科研的方式繞過政策算力采購(gòu)，堅(jiān)持借助大模型進(jìn)行臨1資料來源：

公開信息需要注意的是，

非Transformer架構(gòu)AI同樣在臨床中的應(yīng)用愈發(fā)深入

。過去它們集中落地于醫(yī)技科、信息科等科室，賦能問診、檢查、隨訪環(huán)節(jié)，近年來手術(shù)機(jī)器人的崛起床科研探索。圖表12025年上半年醫(yī)院參與開發(fā)的專科大模型2展望下一階段，政策對(duì)于AI的推進(jìn)力度正在逐步加大。審評(píng)審批方面，2025年3月31日，國(guó)家藥監(jiān)局發(fā)布了《關(guān)于優(yōu)化全生命周期監(jiān)管支持高端醫(yī)療器械創(chuàng)新發(fā)展的舉措（征求意見稿）》，公開征求多病種AI、大模型等新興技術(shù)準(zhǔn)入方式的意見，先行一步為大模型的發(fā)展樹立道標(biāo)。文件提到要研究制定多病種、大模型領(lǐng)域相關(guān)技術(shù)指導(dǎo)原則或者審評(píng)要點(diǎn)；簡(jiǎn)化核心算法不變而算法性能優(yōu)化人工智能醫(yī)療器械產(chǎn)品變更注冊(cè)要求；探索完善采用測(cè)評(píng)數(shù)據(jù)庫(kù)開展人工智能醫(yī)療器械性能評(píng)價(jià)要求。應(yīng)用落地方面，

國(guó)家已多次發(fā)文推動(dòng)醫(yī)療AI發(fā)展

。2025年11月4

日，

國(guó)家衛(wèi)生健康委等五部門聯(lián)合再發(fā)《關(guān)于促進(jìn)和規(guī)范“人工智能+醫(yī)療衛(wèi)生”應(yīng)用發(fā)展的實(shí)施意見》

，共提出了24個(gè)重點(diǎn)應(yīng)用建設(shè)方向，

要求到2027年建立一批衛(wèi)生健康行業(yè)高質(zhì)量數(shù)據(jù)集和可信數(shù)據(jù)空間，形成一批臨床專病?？拼怪贝竽Ｐ秃椭悄荏w應(yīng)用，基層診療智能輔助、臨床?？茖２≡\療智能輔助決策和患者就診智能服務(wù)在醫(yī)療衛(wèi)生機(jī)構(gòu)廣泛應(yīng)用，基本建成一批醫(yī)療衛(wèi)生領(lǐng)域國(guó)家人工智能應(yīng)用中試基地，打造更多高價(jià)值應(yīng)用場(chǎng)景，帶動(dòng)健康產(chǎn)業(yè)高質(zhì)量發(fā)展。以上政策的出臺(tái)進(jìn)一步明晰了醫(yī)療AI的發(fā)展路徑。總的來說，

現(xiàn)階段的醫(yī)療AI享受到了資本、政策、

醫(yī)生協(xié)同的紅利，但要將這些資源轉(zhuǎn)化為源源不斷的價(jià)值，

醫(yī)療AI還需進(jìn)一步壓低研發(fā)成本（第四章拆解），

并解決好醫(yī)療AI的“價(jià)值分歧”（第二、三章拆解）

，在商業(yè)模式/支付方上進(jìn)行創(chuàng)新。后，

大量應(yīng)用開始出現(xiàn)在治療場(chǎng)景。公開資料顯示，胸外科、神經(jīng)外科、心內(nèi)科、骨科等涉及手術(shù)的科室均已有大量輔助治療型AI可供選擇。本次調(diào)研中，超過90%使用過相關(guān)AI的醫(yī)生都給予了正向反饋，證實(shí)AI能夠提升手術(shù)精準(zhǔn)度，

顯著降低并發(fā)癥發(fā)生概率。圖表

2

人工智能在醫(yī)療領(lǐng)域細(xì)分場(chǎng)景應(yīng)用全景31.2

價(jià)值分歧深陷：

難以平衡的患者療效與科室效益盡管AI在多方協(xié)力之下發(fā)展迅速，但作為獨(dú)立產(chǎn)品形態(tài)出現(xiàn)的AI器械/軟件始終難以在商業(yè)化破局。歸根結(jié)底，

醫(yī)療AI在不同部署環(huán)境產(chǎn)生的價(jià)值不一致，

醫(yī)院很難精準(zhǔn)核算效益，

一定程度上阻礙了醫(yī)療AI的商業(yè)化。此外，

應(yīng)用AI產(chǎn)生的診療效益未必能轉(zhuǎn)化為醫(yī)院價(jià)值。大多數(shù)情況下，只有在符合管理者利益的情況下才會(huì)配置AI，因而部分服務(wù)于醫(yī)生、患者的智能應(yīng)用可能會(huì)在采購(gòu)中被忽視。l

短期：

醫(yī)院和醫(yī)生利益大部分不一致1.

考慮科室容量（態(tài)度中立，

下同）：

出現(xiàn)患者排隊(duì)時(shí)（主要出現(xiàn)在影像科），

對(duì)于單一環(huán)節(jié)的優(yōu)化理論上能夠?qū)φw帶來效率提升，幫助醫(yī)生收治更多患者；未出現(xiàn)排隊(duì)時(shí)

，科室引入AI后

，患者數(shù)量不會(huì)變化，

醫(yī)生工作更輕松，但AI對(duì)于醫(yī)生效率的提升不會(huì)在短期內(nèi)帶來效益。2.

考慮應(yīng)用功能（反向）：

醫(yī)院以評(píng)級(jí)為目的采購(gòu)AI，

可能忽視應(yīng)用能力

、互操作性等因素，

而這些因素與醫(yī)生的使用體驗(yàn)緊密相關(guān)。3.

考慮模型自主學(xué)習(xí)（反向）：

醫(yī)院希望醫(yī)生能夠整理診療過程中產(chǎn)生的數(shù)據(jù)，

實(shí)現(xiàn)院內(nèi)的模型的自主學(xué)習(xí)；

將自身能力給予AI不符合醫(yī)生短期利益，

部分醫(yī)生反感借助自身數(shù)據(jù)訓(xùn)練模型。l

長(zhǎng)期：

醫(yī)院和醫(yī)生利益大部分一致1.

科室方面（一致），

更好的手術(shù)質(zhì)量將為醫(yī)院帶來更多的名望，

吸引更多患者前往治療，

可能同時(shí)提升科室效益與醫(yī)生收入。2.

科研方面（一致）：

AI節(jié)約下來的時(shí)間推進(jìn)醫(yī)生進(jìn)行更多科教工作，

可提升醫(yī)生個(gè)人影響力及醫(yī)院整體科研實(shí)力。3.自主學(xué)習(xí)（中立）：

模型學(xué)習(xí)醫(yī)生習(xí)慣后可在醫(yī)生再次使用時(shí)進(jìn)行個(gè)性化設(shè)置（尤其是在手術(shù)操作方面）

，同時(shí)提高手術(shù)效益及手術(shù)效率，進(jìn)而轉(zhuǎn)化為科室效益。但對(duì)于資深醫(yī)生而言，

將自己積累的經(jīng)驗(yàn)無償整合成AI能力，

提升了科室能力，卻降低了自身競(jìng)爭(zhēng)力，

不符合資深醫(yī)生利益，

因而部分醫(yī)生不愿將其相關(guān)數(shù)據(jù)用作AI模型訓(xùn)練。4.

考慮成本（反向）：

AI的規(guī)?；褂每赡芙档歪t(yī)院對(duì)醫(yī)生數(shù)量的需求，

對(duì)醫(yī)生工資或崗位進(jìn)行降裁。l

患者方面：

患者與科室利益可能不一致41.

患者體驗(yàn)（一致）

：AI可對(duì)療效與手術(shù)進(jìn)行優(yōu)化，

為患者帶來更好的預(yù)后，在DRG支付下提升結(jié)余，進(jìn)而提升醫(yī)生及科室收入。2.

患者支付（反向）：

部分流程優(yōu)化降低了患者的治療時(shí)間及治療花費(fèi)，

但可能因?yàn)楦淖兞司幋a、減少了科室協(xié)助而降低了科室收入。從上述分析可以看出，

配置AI后的短期時(shí)間中醫(yī)院和醫(yī)生大部分情況下利益不一致，短期部署利于醫(yī)生不利于醫(yī)院，且投資回收期難以估量。在當(dāng)前經(jīng)濟(jì)環(huán)境下醫(yī)院普遍現(xiàn)金流緊張，管理者傾向于控制風(fēng)險(xiǎn)，投資回收期短的創(chuàng)新技術(shù)，

因而能夠接受AI落地，但難以為其支付費(fèi)用。至于長(zhǎng)期效益，實(shí)際調(diào)研結(jié)果：2020年—2021年開始在臨床科室部署?？艫I的醫(yī)院，已有部分實(shí)現(xiàn)了科室效率、就診人數(shù)的雙向提升，

醫(yī)生診療流程與AI應(yīng)用深度融合。不過，不同科室短期、長(zhǎng)期內(nèi)的效益計(jì)量各不相同，受宏觀政策、醫(yī)院硬件、管理者觀念

、AI能力界限、AI支付方等因素影響較大，

需要獨(dú)立考察。在下一章中，

我們將深入科室，

逐一分析具體臨床環(huán)境下的AI應(yīng)用與商業(yè)化進(jìn)展，

與臨床醫(yī)生一起探討醫(yī)療AI的商業(yè)化解法。5第二章：臨床專科人工智能：患者獲益顯著，若無政策支持，需在院外場(chǎng)景探索支付方在整個(gè)醫(yī)療AI生態(tài)中，

臨床專科類AI的起步晚但發(fā)展快，

不到五年時(shí)間已遍布各個(gè)科室各個(gè)環(huán)節(jié)。后發(fā)格局下，

?？艫I天生內(nèi)置醫(yī)生思維，

能夠融入已有診療流程，

有能力對(duì)流程進(jìn)行優(yōu)化，

進(jìn)而有效提升診療效益。因此，在2020年—2025年，

臨床專科類AI相關(guān)論文呈爆發(fā)之勢(shì)，每年均有國(guó)內(nèi)大量科研成果進(jìn)入頂級(jí)期刊。不過，科研的成功不等價(jià)于商業(yè)化的成功，AI為患者帶來的價(jià)值不等價(jià)于為科室?guī)淼膬r(jià)值。價(jià)值輸出的分歧，使得很多醫(yī)院熱衷使用AI，但不愿購(gòu)買AI。平衡不同主體之間的價(jià)值分配是醫(yī)療AI商業(yè)化的必經(jīng)之路

。本次調(diào)研中，

我們選取了胸外科

、心內(nèi)科

、神經(jīng)外科

、

骨科

、

內(nèi)分泌科五個(gè)AI應(yīng)用廣泛、商業(yè)模式具有代表性的科室進(jìn)行分析，

嘗試在梳理AI應(yīng)用的同時(shí)，尋找化解商業(yè)化困境的可能路徑。2.1

胸外科：

發(fā)跡于診斷，

深根于治療作為三級(jí)醫(yī)院患者診療量偏大，臨床壓力及工作強(qiáng)度偏高的科室，胸外科天然存在醫(yī)療AI的需求，

用以提升科室運(yùn)行效率與診療，

降低醫(yī)生日常過程中的冗余診療。同時(shí)，胸外科診療過程中產(chǎn)生的數(shù)據(jù)易于標(biāo)準(zhǔn)化，

尤其是在肺外科中，

CT、DR等肺部影像數(shù)據(jù)非常適合于深度學(xué)習(xí)訓(xùn)練，

因而成為醫(yī)療AI最早賦能的場(chǎng)景之一。圖表

3

胸外科門診情況及人工智能分布資料來源：調(diào)研訪談7發(fā)展至今，胸外科的AI工具已從最初的肺結(jié)節(jié)輔助診斷系統(tǒng)到如今的全肺AI解決方案，該科室的AI完成了從“單病種”到“多病種”的跨越，由單一診斷環(huán)節(jié)智能化拓寬為全流程智慧賦能。這些AI共同組成一個(gè)創(chuàng)造了巨大臨床價(jià)值的體系，

能夠極大改善優(yōu)化科室效率，

改善患者生存狀態(tài)和生活質(zhì)量，承接了海量剛性的真實(shí)需求。本篇報(bào)告之所以選擇從胸外科出發(fā)測(cè)算醫(yī)療AI的實(shí)際價(jià)值，是因?yàn)樾赝饪艫I的生態(tài)化之路已成為一種AI賦能科室的范式。在后續(xù)外科科室的數(shù)智化賦能之中，

我們都能或多或少地瞥見胸外科模式的身影。2.1.1

胸外科人工智能應(yīng)用分布調(diào)研顯示，

國(guó)內(nèi)三級(jí)醫(yī)院胸外科使用頻率較高的AI集中于輔助診斷、輔助穿刺、手術(shù)規(guī)劃、術(shù)中導(dǎo)航方面，

尤其以肺外科最為成熟。l

輔助診斷在肺外科中，肺結(jié)節(jié)輔助診斷能夠幫助肺外科醫(yī)生快速識(shí)別、測(cè)量、歸類患者影像中出現(xiàn)的每一個(gè)結(jié)節(jié)，并給出風(fēng)險(xiǎn)系數(shù)予以參考，提升胸外科醫(yī)生的診斷效率、診斷精度。這一技術(shù)最初落地時(shí)曾有部分胸外科醫(yī)生質(zhì)疑，他們認(rèn)為：AI標(biāo)出了大量微小肺結(jié)節(jié)，這些結(jié)節(jié)缺乏明確的臨床診斷價(jià)值和直接的惡性風(fēng)險(xiǎn)判斷價(jià)值，只是增加了醫(yī)生的判別工作。若置于短期中，部分醫(yī)生尚未將AI有效融入工作流中，

的確會(huì)因?yàn)橐階I延長(zhǎng)診斷時(shí)間。但在習(xí)慣AI賦能，

形成高效的“人機(jī)協(xié)同”后模式，

醫(yī)生診斷效率將大幅下降。調(diào)研及相關(guān)論文數(shù)據(jù)顯示，在基于低于100層CT影像樣本的人機(jī)對(duì)照實(shí)驗(yàn)中，

醫(yī)生獨(dú)立判別肺結(jié)節(jié)需要耗時(shí)5～

10分鐘，在人機(jī)協(xié)作模式下耗時(shí)為1.6～2.2分鐘，

理論上可縮短2.8～8.4分鐘，效率提升范圍為56%～84%。當(dāng)CT層數(shù)增加，效率提升比率還有進(jìn)一步增長(zhǎng)的空間。以東北某三甲醫(yī)院為例，該院肺外科醫(yī)生每日需從頭至尾翻閱60組患者影像，

閱片速度慢且容易漏診。AI賦能后，平均每日會(huì)篩出數(shù)個(gè)需要特別關(guān)注的影像（該醫(yī)院通常為5—6個(gè)），

部分醫(yī)生詳看標(biāo)注影像，

略看非標(biāo)注影像，

提升整體診斷效率約73%。該系統(tǒng)上線約4年時(shí)間，

加上術(shù)中AI的賦能，該科室門診量已提升約40%。長(zhǎng)期方面，

CT在時(shí)間分辨率、空間分辨率上必然不斷精進(jìn)，導(dǎo)致胸外科醫(yī)生必然需要處理更高分辨率、更多層數(shù)的影像數(shù)據(jù)，

判別更多的微小可疑病灶，

因而對(duì)于AI的需8求日益強(qiáng)烈。目前，《CT三維重建在早期微小肺結(jié)節(jié)鑒別診斷中的應(yīng)用》《Enhancingthedifferential

diagnosisofsmall

pulmonary

nodules:Acomprehensive

model

integrating

plasma

methylation,

proteinbiomarkersand

LDCTimagingfeatures》

等收錄于頂級(jí)期刊的論文也嘗試在微小結(jié)節(jié)中找到新的診斷指征，

已取得一定研究成果。若相關(guān)成果的價(jià)值被廣泛應(yīng)用于臨床中，AI輔助診斷系統(tǒng)的價(jià)值將進(jìn)一步擴(kuò)大。畢竟在處理更高層數(shù)更高分辨率的影像上，AI的效率與精度上要明顯優(yōu)于人類醫(yī)生。l

輔助穿刺肺小結(jié)節(jié)術(shù)前輔助定位技術(shù)中國(guó)專家共識(shí)（2025版）認(rèn)為：

傳統(tǒng)經(jīng)皮肺穿刺定位由醫(yī)生在二維CT圖像上測(cè)定穿刺針進(jìn)針深度和進(jìn)針角度后進(jìn)行徒手穿刺，

此操作過程易受到醫(yī)生操作手法和操作經(jīng)驗(yàn)的影響。相比之下，通過計(jì)算機(jī)三維重建胸部結(jié)構(gòu)以及結(jié)節(jié)位置，

能更好地協(xié)助醫(yī)生選擇穿刺位置、角度以及深度，并且利用3D打印技術(shù)制造個(gè)體化的穿刺路徑固定裝置，依照患者體表標(biāo)志固定于胸壁，進(jìn)一步輔助操作者進(jìn)行更精準(zhǔn)、安全且迅速的穿刺定位。以AI融合3D打印技術(shù)，可在重建階段提高三維重建的效率與精度，在手術(shù)階段進(jìn)一步精準(zhǔn)經(jīng)皮肺穿刺定位，

兩個(gè)階段均可為患者帶來直接的診療價(jià)值。重建階段的價(jià)值創(chuàng)造主要體現(xiàn)在定位病灶方面。在進(jìn)行CT掃描時(shí)，

可能因?yàn)椴≡钆c周圍組織接近、被重疊結(jié)構(gòu)遮擋、本身顯影模糊等因素導(dǎo)致后期建模出現(xiàn)誤差，AI可在這一過程中起到“質(zhì)控”和“修補(bǔ)”的作用，

提升建模的精度與建模速度，

為后續(xù)規(guī)劃提供更準(zhǔn)確的信息。手術(shù)階段的價(jià)值創(chuàng)造主要體現(xiàn)在復(fù)雜手術(shù)規(guī)劃與穿刺角度指導(dǎo)。復(fù)雜手術(shù)規(guī)劃方面，年輕醫(yī)生在處理風(fēng)險(xiǎn)較大的病灶（如貼近血管的病灶）時(shí)容易發(fā)生失誤，AI可以對(duì)穿刺路徑進(jìn)行優(yōu)化，降低醫(yī)生的穿刺風(fēng)險(xiǎn)。穿刺角度方面，

醫(yī)生要在立體人體中，精準(zhǔn)復(fù)刻二維影像上的“虛擬角度”，還要應(yīng)對(duì)呼吸、體位等動(dòng)態(tài)干擾，很難快速找到有效的穿刺角度，AI可以幫助醫(yī)生實(shí)時(shí)判斷穿刺角度是否符合手術(shù)要求。圖表

4AI穿刺的價(jià)值9資料來源：

公開信息、調(diào)研訪談目前從事“AI+穿刺”的人工智能企業(yè)中，

伽奈維醫(yī)療在核心關(guān)鍵部件國(guó)產(chǎn)化做得較為突出，

自研七自由度穿刺機(jī)械臂，在執(zhí)行中更符合穿刺手術(shù)的臨床使用，同時(shí)更好地控制整機(jī)成本。此外，一般手術(shù)機(jī)器人需在患者體表貼光學(xué)標(biāo)記輔助定位，但伽奈維醫(yī)療穿刺手術(shù)機(jī)器人可實(shí)現(xiàn)快速注冊(cè)配準(zhǔn)，術(shù)中病人無需光學(xué)標(biāo)記。在不改變醫(yī)生診療流程、手術(shù)習(xí)慣的前提下進(jìn)行導(dǎo)航。有三甲醫(yī)院數(shù)據(jù)顯示：

使用伽奈維醫(yī)療的機(jī)器人組（

CR-NAV100）在調(diào)整不超過2次的定位成功率（76.5%vs.25.0%）、穿刺平均調(diào)整次數(shù)（1.62±1.71次vs.4.39±3.69次）、患者接受的CT掃描次數(shù)（5.47±2.59次

vs.8.39±4.69次）方面均顯著優(yōu)于傳統(tǒng)人工穿刺方式組。截至2025年11月，使用CR-NAV100進(jìn)行定位的案例中，其平均整體手術(shù)時(shí)間大幅縮短

，優(yōu)化效率在同行業(yè)內(nèi)位于第一梯隊(duì)水平?？傮w評(píng)價(jià)，

CR-NAV100有效提升了手術(shù)質(zhì)量與患者的體驗(yàn)。此外，人工智能的引入還降低了肺部穿刺手術(shù)的操作門檻，使得低年資胸外科借助普通CT（16排及以上）便能實(shí)現(xiàn)高質(zhì)量的穿刺治療。l

手術(shù)規(guī)劃在輔助穿刺部分我們已經(jīng)提到，二維CT作為主流術(shù)前評(píng)估工具，對(duì)于遠(yuǎn)端肺血管變異的顯示較為有限，可能導(dǎo)致誤判和錯(cuò)誤切除，3D重建雖能提供直觀空間信息，但因手工分割耗時(shí)而受限，在臨床上使用率不足25%。AI的出現(xiàn)有望將“

自動(dòng)化”引入肺部三維建模，解決效率問題，因而臨床價(jià)值顯著，尤其對(duì)肺結(jié)節(jié)手術(shù)方案的精準(zhǔn)制定具有重要意義。從現(xiàn)有的應(yīng)用看，AI不僅能夠加速肺部三維重建，還能清晰呈現(xiàn)結(jié)節(jié)的位置與肺段、亞段的解剖關(guān)聯(lián)，

進(jìn)而幫助醫(yī)生確定更精準(zhǔn)的切除范圍。若結(jié)節(jié)明確位于某一肺亞段內(nèi)，那么僅需切除該亞段即可達(dá)到治療目的；但如果結(jié)節(jié)處于三個(gè)肺段的交界區(qū)域，解剖位置相對(duì)復(fù)雜，

為確保完整切除病灶，

可能需要擴(kuò)大切除范圍至整個(gè)肺葉。總的來說，

以AI融合三維建模技術(shù)進(jìn)行精準(zhǔn)定位，

能讓手術(shù)操作更具針對(duì)性，有效避免過度切除正常肺組織，最大程度保留患者的肺功能，從而為患者帶來更大獲益。2025年5月《

NatureCommunications》

收錄的“Artificialintelligence

driven

3Dreconstructionforenhanced

lungsurgery

planning”納入

140例來自多中心的肺葉/肺段切除患者，

由10名胸外科醫(yī)師在AI-3D系統(tǒng)輔助下完成術(shù)前規(guī)劃。結(jié)果顯示：

人機(jī)10資料來源：“Artificial

intelligencedriven3D

reconstruction

forenhanced

lungsurgery

planning

”（非完整圖片）哈爾濱醫(yī)科大學(xué)附屬第一醫(yī)院亦有胸外科醫(yī)生表示：

引入AI實(shí)現(xiàn)精準(zhǔn)肺段切除后，患者的3年生存率提升了約20%，

并發(fā)癥顯著減少（頑固性咳嗽下降約40%、疼痛下降約20%、并發(fā)癥下降約30%）。住院時(shí)間方面，該院引入AI前平均住院日為12天，現(xiàn)如今為5天，

提升效率約58.3%。由于該院擅長(zhǎng)控制出血，

出血發(fā)生率一直降低，

因而下降并不明顯，該醫(yī)生認(rèn)為：對(duì)于部分出血發(fā)生率較高的醫(yī)院，AI

理論上也能降低這一并發(fā)癥的發(fā)生概率。肺部之外，其他胸外科亞科室應(yīng)用AI較少，

主要因?yàn)榉味伪旧砭褪菢錉罱Y(jié)構(gòu)，

重建模型準(zhǔn)確度精度高。食管外科/普外科在早期食管癌診斷方面有企業(yè)研發(fā)了基于內(nèi)鏡的AI輔助診斷系統(tǒng)；縱隔外科在診斷和評(píng)估縱隔疾病方面有企業(yè)研發(fā)了基于深度學(xué)習(xí)的縱隔協(xié)同下解剖變異識(shí)別準(zhǔn)確率提升8%，誤差減少41%，規(guī)劃時(shí)間縮短25%，操作選擇準(zhǔn)確率提升8%，

為AI+3D重建提供了I級(jí)證據(jù)。圖表5AI-3D建模工具與傳統(tǒng)2D建模工具在耗時(shí)與準(zhǔn)確率上的對(duì)比11超聲內(nèi)鏡導(dǎo)航系統(tǒng)。這兩個(gè)亞科的AI應(yīng)用類型及相關(guān)AI生成的臨床數(shù)據(jù)較少，有望在未來進(jìn)行規(guī)?；瘧?yīng)用。l

術(shù)中導(dǎo)航手術(shù)機(jī)器人近年持續(xù)且高速地發(fā)展帶動(dòng)了術(shù)中導(dǎo)航AI應(yīng)用。胸外科中胸腔鏡術(shù)中較多，腔鏡手術(shù)機(jī)器人使用比率較高。在這一場(chǎng)景中，AI可將術(shù)前三維模型與腔鏡實(shí)時(shí)畫面融合，

實(shí)現(xiàn)“虛實(shí)結(jié)合

”的影像導(dǎo)航手術(shù)。進(jìn)入術(shù)中階段后，算法識(shí)別腔鏡畫面中的血管、膽管、神經(jīng)等關(guān)鍵結(jié)構(gòu)，并在接近這些結(jié)構(gòu)時(shí)發(fā)出預(yù)警，如提示淋巴結(jié)為鈣化淋巴結(jié)，血管存在一定畸形等。在這一場(chǎng)景中，AI的價(jià)值主要在降低手術(shù)風(fēng)險(xiǎn)，降低并發(fā)癥發(fā)生率等，提升患者的手術(shù)收益，

短期內(nèi)為科室?guī)淼膬r(jià)值較為有限。l

其他應(yīng)用除了以AI賦能診斷胸外科醫(yī)生以外，亦有研究者從患者需求出發(fā)間接提升科室運(yùn)行效率。以復(fù)旦大學(xué)附屬中山醫(yī)院胸外科研發(fā)的“終節(jié)者”小程序?yàn)槔搼?yīng)用分析用戶上傳的手機(jī)拍攝的檢查報(bào)告，在

10秒內(nèi)借助AI判斷出結(jié)節(jié)的風(fēng)險(xiǎn)度，提示患者是“及時(shí)就醫(yī)”還是“定期隨訪”。復(fù)旦大學(xué)附屬中山醫(yī)院胸外科一般接待約60名患者，其中真正需要干預(yù)的只有不到10人，很多需要治療的患者很難及時(shí)掛上號(hào)。通過這種方式，AI能夠?yàn)榧庇谇笞C的患者給出權(quán)威的結(jié)果，緩解患者的不安與焦慮；同時(shí)也在這個(gè)過程中優(yōu)化門診資源分配，讓有干預(yù)需求的肺結(jié)節(jié)患者盡快獲得相應(yīng)的治療。大模型方面，螞蟻AQ開發(fā)的王俊院士胸外科智能體能直接對(duì)接北京協(xié)和醫(yī)院等合作醫(yī)院的掛號(hào)通道，強(qiáng)化患者的觸達(dá)，價(jià)值集中于提升患者體驗(yàn)，有望在后續(xù)打通醫(yī)院信息系統(tǒng)，

最終實(shí)現(xiàn)問診環(huán)節(jié)的優(yōu)化。圖表

6

胸外科各環(huán)節(jié)AI服務(wù)商122.1.2

胸外科人工智能的實(shí)際商業(yè)價(jià)值分析理論上講，胸外科AI的商業(yè)價(jià)值取決于其為科室?guī)淼慕?jīng)濟(jì)價(jià)值。

目前胸外科AI表現(xiàn)分為三種模式：增效、提質(zhì)、優(yōu)化流程。其中，增效主要為科室?guī)韮r(jià)值，提質(zhì)主要為患者帶來價(jià)值，優(yōu)化流程部分情況下為醫(yī)生帶來價(jià)值，

部分情況下為患者帶來價(jià)值。在科室實(shí)際診療成本低于該DRG組付費(fèi)標(biāo)準(zhǔn)的前提下，

提效模式對(duì)科室收益有一定影響，但影響幅度有限。這是因?yàn)榭剖医?jīng)營(yíng)效率提升在核心邏輯上符合木桶原理，即效率提升的上限由最薄弱的環(huán)節(jié)決定。即便問診、手術(shù)環(huán)節(jié)能夠提升超過50%，但術(shù)前檢查過長(zhǎng)、

醫(yī)生排班不合理等情況都會(huì)影響最終效率的實(shí)現(xiàn)。提質(zhì)模式對(duì)于患者價(jià)值提升比較明顯，對(duì)于科室價(jià)值的提升視情況而定。當(dāng)科室床位處于飽和狀態(tài)時(shí)且診療成本低于該DRG組付費(fèi)標(biāo)準(zhǔn)時(shí)，將平均住院日縮短能夠增加科室獲得的醫(yī)保支付結(jié)余。但若床位有空余，AI的賦能僅能通過降低單病例成本（減少并發(fā)癥，

降低再入院率）獲得更多結(jié)余，存在價(jià)值但較為有限。優(yōu)化流程模式相較于前兩種模式常會(huì)因?yàn)榫邆錁O大的患者價(jià)值而實(shí)現(xiàn)更高綜合價(jià)值（患者價(jià)值+科室價(jià)值），

但可能不利于DRG下的科室績(jī)效考核。以后縱隔的神經(jīng)纖維瘤為例，傳統(tǒng)路徑下胸外科醫(yī)生會(huì)做胸部增強(qiáng)CT，明確腫瘤位置、大小、與血管（如主動(dòng)脈、奇靜脈）

、氣管及椎間孔的關(guān)系。但若腫瘤入侵了椎間孔，則需加做胸部MRI，聯(lián)合神經(jīng)外科評(píng)估風(fēng)險(xiǎn)，患者總花費(fèi)約5萬(wàn)元。AI三維重建技術(shù)成熟后，

部分AI能夠借助CT影像重建重要神經(jīng)，

直接判斷切除風(fēng)險(xiǎn)。由于沒有神經(jīng)外科參與，患者總花費(fèi)下降，

診斷流程隨之縮短。但在DRG下，

傳統(tǒng)診療路徑涉及兩個(gè)術(shù)式，能夠分成兩個(gè)部分報(bào)銷，而新流程僅涉及一臺(tái)手術(shù)，報(bào)銷費(fèi)用減少。此形勢(shì)下，新流程有利于患者利益但不利于科室利益，相關(guān)AI在短期內(nèi)難以實(shí)現(xiàn)它的價(jià)值，

一定程度削減了它的商業(yè)價(jià)值。但在長(zhǎng)期之中，相關(guān)AI仍然保留價(jià)值質(zhì)變的可能

，這一可能將與DRG的支付規(guī)則變化緊密聯(lián)系。2.2

心內(nèi)科：

后發(fā)先至，

器械銷售開啟AI商業(yè)化新路徑心臟因其生理不可替代性、手術(shù)技術(shù)極致要求、風(fēng)險(xiǎn)控制超高門檻，被視作外科最后的堡壘。但古往今來，愈是因?yàn)樘魬?zhàn)之艱辛，愈吸引醫(yī)學(xué)的先驅(qū)前往探索，AI時(shí)代亦是如此。13十年發(fā)展，心臟已經(jīng)從智能化應(yīng)用的貧瘠地轉(zhuǎn)變?yōu)獒t(yī)療AI沃土，相關(guān)解決方案已覆蓋從問診、檢查到治療、隨訪的全流程。心臟相關(guān)AI之所以能夠快速落地，

既有冠心病、高血壓等大通量疾病提供支撐，

又趕上了全國(guó)心血管疾病管理能力評(píng)估與提升工程（

CDQI）

。國(guó)內(nèi)三級(jí)醫(yī)院規(guī)模參與六大中心建設(shè)，使得心電、CTA等AI得以迅速落地，

為心臟AI的發(fā)展提供了更多動(dòng)力。當(dāng)然，這一場(chǎng)景下的AI仍然存在其特有的問題，尤其是在商業(yè)化方面。本章沿用傳統(tǒng)“心內(nèi)科”的科室職能劃分，重點(diǎn)關(guān)注涉及冠心病診療的智能化應(yīng)用，探討心臟AI的發(fā)展前景。2.2.1

心內(nèi)科人工智能應(yīng)用分布由于心內(nèi)科數(shù)據(jù)密集、時(shí)效要求極高，

面對(duì)急性冠心病時(shí)AI能夠加速數(shù)據(jù)生成，進(jìn)而加速醫(yī)生決策，落地最為廣泛。面對(duì)慢性冠心病時(shí)，AI能輔助特定器械進(jìn)行精準(zhǔn)的形態(tài)學(xué)、功能學(xué)評(píng)估，使得患者在成本和治療效果上實(shí)現(xiàn)雙向顯著獲益。因此，心內(nèi)科診療全流程都已具備相應(yīng)的AI。圖表

7

心內(nèi)科工作全流程資料來源：調(diào)研訪談、公開信息l

基礎(chǔ)檢查心電圖相關(guān)AI是心內(nèi)科中應(yīng)用最為廣泛，落地場(chǎng)景最為豐富，產(chǎn)品化轉(zhuǎn)化程度最高的14應(yīng)用，相關(guān)研究文獻(xiàn)數(shù)量位居所有心臟AI研究之首。目前，院外場(chǎng)景的可穿戴設(shè)備、便攜式心電測(cè)量設(shè)備；院內(nèi)專業(yè)醫(yī)療級(jí)的動(dòng)態(tài)心電監(jiān)測(cè)設(shè)備、植入式心臟監(jiān)測(cè)設(shè)備，所有能夠檢測(cè)心電的設(shè)備，都或多或少地應(yīng)用上AI。聚焦于心內(nèi)科，我們可以通過拆解“心電一張網(wǎng)”解構(gòu)冠心病的問診、檢查、治療（部分）應(yīng)用。簡(jiǎn)單來說，“心電一張網(wǎng)”本質(zhì)是區(qū)域化心電遠(yuǎn)程診斷網(wǎng)絡(luò)，核心價(jià)值在于整合區(qū)域內(nèi)各級(jí)醫(yī)院、社區(qū)衛(wèi)生服務(wù)中心、診所等醫(yī)療機(jī)構(gòu)的心電圖資源，實(shí)現(xiàn)心電數(shù)據(jù)互聯(lián)互通與同質(zhì)化診斷。其中，AI是“心電一張網(wǎng)

”高效運(yùn)轉(zhuǎn)的核心支撐，其價(jià)值集中體現(xiàn)在提升診斷效率、保障精準(zhǔn)度、賦能基層、優(yōu)化資源配置四大維度，

直接破解區(qū)域心電協(xié)同中的核心痛點(diǎn)。秒級(jí)響應(yīng)。AI可在數(shù)據(jù)上傳后數(shù)秒內(nèi)完成心電圖分析，

自動(dòng)識(shí)別房顫、心梗、早搏等

30+種異常，

自動(dòng)生成初步報(bào)告，替代傳統(tǒng)人工15—30分鐘的解讀流程。急診場(chǎng)景下，

AI還能優(yōu)先標(biāo)記

STEMI等危急病例，快速推送至專家端，將基層到診斷的時(shí)間從小時(shí)級(jí)壓縮至分鐘級(jí)，

為急救爭(zhēng)取更多窗口時(shí)間。標(biāo)準(zhǔn)化解讀。信息化賦能下的統(tǒng)一解讀標(biāo)準(zhǔn)有效改善了AI的診斷能力，部分AI的診斷準(zhǔn)確率達(dá)95%以上（房顫、心梗等關(guān)鍵病癥識(shí)別率超

99%），

用于基層時(shí)可規(guī)避基層醫(yī)生經(jīng)驗(yàn)不足導(dǎo)致的誤診、漏診。AI賦能下，無論患者在社區(qū)衛(wèi)生服務(wù)中心還是偏遠(yuǎn)診所

，都能獲得與三甲醫(yī)院一致的診斷依據(jù)，進(jìn)而破解區(qū)域診療水平不均的難題。降低診療門檻。AI可自動(dòng)標(biāo)注異常波形、生成結(jié)構(gòu)化報(bào)告，基層醫(yī)生可直接參考反饋給患者，或一鍵申請(qǐng)專家復(fù)核，提升基層診療信心與服務(wù)能力。此模式下，基層醫(yī)生無需具備高階心電解讀能力，

即可完成規(guī)范采集與初步篩查，

降低人力與培訓(xùn)成本。優(yōu)化資源配置。AI可分流80%以上的常規(guī)/正常病例，

讓三甲專家聚焦復(fù)雜、疑難病例的復(fù)核與會(huì)診，避免優(yōu)質(zhì)資源被簡(jiǎn)單病例占用；可自動(dòng)完成數(shù)據(jù)質(zhì)控（如排除干擾波形、校驗(yàn)采集質(zhì)量），減少無效數(shù)據(jù)傳輸與重復(fù)診斷，降低網(wǎng)絡(luò)運(yùn)營(yíng)成本；可追蹤患者長(zhǎng)期心電數(shù)據(jù)，

為慢病管理提供趨勢(shì)分析支持。醫(yī)生調(diào)研反饋：

由于心電一張網(wǎng)串聯(lián)了基層上傳的患者信息，

結(jié)合AI分析，

問診大概可以提高50%；

病歷時(shí)間可縮短80%。準(zhǔn)確率方面，

如果僅比較醫(yī)生診斷與AI診斷，兩者幾乎沒有統(tǒng)計(jì)學(xué)差異，但若采取“醫(yī)生+人工智能”的模式，診斷準(zhǔn)確率將明顯提升，綜合診斷準(zhǔn)確率可超過95%以上。心超方面AI同樣深度融合科室。15圖像處理方面，AI

可實(shí)時(shí)引導(dǎo)探頭定位，輔助非專業(yè)操作者獲取標(biāo)準(zhǔn)切面，

同時(shí)通過智能降噪、圖像優(yōu)化技術(shù)消除干擾，提升圖像清晰度，破解基層操作不規(guī)范、成像質(zhì)量差的痛點(diǎn)。參數(shù)測(cè)量方面，AI能自動(dòng)完成左心室射血分?jǐn)?shù)、心肌應(yīng)變等核心指標(biāo)的量化分析，將傳統(tǒng)手動(dòng)測(cè)量的耗時(shí)從分鐘級(jí)壓縮至秒級(jí)，

且誤差率低于

3%，保障數(shù)據(jù)客觀性。輔助決策方面，AI可精準(zhǔn)識(shí)別心力衰竭（含射血分?jǐn)?shù)保留型心衰）、心肌病、瓣膜?。íM窄/反流分級(jí)）及先天性心臟病等，關(guān)鍵病癥診斷準(zhǔn)確率超95%，有效降低誤診漏診風(fēng)險(xiǎn)。以訊飛醫(yī)療為例，其多模態(tài)大模型心臟超聲智能報(bào)告系統(tǒng)已在北京安貞醫(yī)院完成私有化部署并實(shí)現(xiàn)常態(tài)化應(yīng)用。安貞醫(yī)院朝陽(yáng)及通州兩院區(qū)的門診、病房、急診及體檢的應(yīng)用數(shù)據(jù)顯示，該系統(tǒng)對(duì)心臟超聲描述的識(shí)別準(zhǔn)確率達(dá)92%，

診斷提示正確率達(dá)96%。l

分路徑評(píng)估經(jīng)過心電圖、心臟彩超、血脂血糖等基礎(chǔ)檢查后，心內(nèi)科醫(yī)生將通過患者是否具備典型癥狀，

判斷患者后續(xù)采取無創(chuàng)評(píng)估還是有創(chuàng)評(píng)估。無創(chuàng)評(píng)估的首選冠脈CT（影像科）

，該場(chǎng)景下，AI可自動(dòng)識(shí)別CT圖像中的冠脈血管并對(duì)其命名，

完成曲面重建CPR圖像、血管拉直與探針圖像，

幫助醫(yī)生更準(zhǔn)確識(shí)別斑塊的穩(wěn)定性等。有創(chuàng)評(píng)估中以冠脈造影為診斷冠心病的金標(biāo)準(zhǔn)，相關(guān)AI主要由DSA設(shè)備廠商自行研發(fā)。評(píng)估環(huán)節(jié)中主要應(yīng)用為借助人工智能降噪和增強(qiáng)，保持血管結(jié)構(gòu)同時(shí)提高信噪比，部分產(chǎn)品還能在保持圖像質(zhì)量的前提下顯著降低造影劑用量。在此環(huán)節(jié)，SYNTAX評(píng)分作為心血管領(lǐng)域的重要工具，在評(píng)估冠狀動(dòng)脈疾病復(fù)雜程度、冠心病治療方案選擇的過程中至關(guān)重要。長(zhǎng)期以來，該評(píng)分的執(zhí)行情況依賴于臨床專家的自我學(xué)習(xí)及經(jīng)驗(yàn)，由于評(píng)分本身的復(fù)雜性及主觀性，評(píng)價(jià)結(jié)果因人而異。AI

醫(yī)療興起之際，SYNTAX評(píng)分的AI化也被予以高度期待，

然而受困于冠脈DSA造影的動(dòng)態(tài)數(shù)據(jù)形式、復(fù)雜的病變方式及病變術(shù)語(yǔ)，打造SYNTAX評(píng)分的AI系統(tǒng)擁有極高的門檻。目前，行業(yè)已經(jīng)出現(xiàn)了相關(guān)AI應(yīng)用。譬如：

悅唯醫(yī)療與清華大學(xué)和北京郵電大學(xué)等高校成功研發(fā)的AISYNTAX評(píng)分系統(tǒng)，

實(shí)現(xiàn)了從數(shù)據(jù)清洗、標(biāo)注，到算法建立全程自主創(chuàng)新，也是全球首款全自動(dòng)SYNTAX評(píng)分工具。該系統(tǒng)依托北京安貞醫(yī)院豐富的專家資源及超過2W條真實(shí)脫敏數(shù)據(jù)，自上線以來一直保持臨床使用未出現(xiàn)一例漏掉的卓越成績(jī)。

目前，系統(tǒng)已成功落地78家醫(yī)療機(jī)構(gòu)。16資料來源：調(diào)研訪談、公開信息在這一場(chǎng)景中，AI的核心價(jià)值不在于提升手術(shù)效率，而在于提升手術(shù)效益，讓患者能夠避免進(jìn)行不必要的支架植入，提高支架植入率，降低術(shù)后血管再狹窄風(fēng)險(xiǎn)等。以AI+IVUS為例，AI能夠精準(zhǔn)識(shí)別處理標(biāo)準(zhǔn)血管切面，進(jìn)而得到更為精準(zhǔn)的結(jié)構(gòu)性測(cè)量和功能學(xué)測(cè)量

，還能將解讀時(shí)間從傳統(tǒng)10-15

分鐘壓縮至

3-5

分鐘，

一定程度提升手術(shù)效率。但受制于數(shù)據(jù)體量影響，

目前AI僅在常見術(shù)式中能夠提供較高準(zhǔn)確率的判斷結(jié)果，仍有較大幅度提升空間。要推動(dòng)其他術(shù)式的智能化應(yīng)用，需要更多醫(yī)院建立更為豐富的數(shù)據(jù)庫(kù)，

為AI的訓(xùn)練提供支持。圖表

9

心內(nèi)科各應(yīng)用場(chǎng)景

AI服務(wù)商在冠脈CT后進(jìn)行CT-FFR能夠借助CTA提供的解剖信息，補(bǔ)充功能學(xué)評(píng)估，判斷精準(zhǔn)患者是否需要導(dǎo)管介入?？苼嗎t(yī)療曾憑借AI在CT-FFR

中的應(yīng)用拿下首個(gè)內(nèi)含“深度學(xué)習(xí)”的AI三類醫(yī)療器械，但該評(píng)估在影像科進(jìn)行，這里不做過多討論。l

介入治療路徑在介入治療場(chǎng)景中，AI能夠配合DSA、OCT、IVUS進(jìn)行手術(shù)規(guī)劃、手術(shù)導(dǎo)航、血管分割等應(yīng)用，具體應(yīng)用場(chǎng)景及應(yīng)用效果如下：圖表

8

介入治療場(chǎng)景中的人工智能應(yīng)用對(duì)比172.2.2

心內(nèi)科人工智能的實(shí)際商業(yè)價(jià)值分析盡管AI在心臟相關(guān)疾病的診斷中實(shí)現(xiàn)了全面應(yīng)用，但在不同場(chǎng)景的心臟AI在商業(yè)化環(huán)節(jié)形成明顯分化。得益于全國(guó)心血管疾病管理能力評(píng)估與提升工程，近年新增大量胸痛中心，絕大多數(shù)中心都在建設(shè)“心電一張網(wǎng)”中廣泛采購(gòu)AI，標(biāo)的成交價(jià)普遍在1000萬(wàn)左右（含軟硬件），屬于政策驅(qū)動(dòng)的商業(yè)化路徑。相比之下，診斷、治療過程應(yīng)用的AI多以合作的形式進(jìn)入心內(nèi)科，

少有醫(yī)院愿意直接購(gòu)置AI解決方案。造成這一現(xiàn)狀的核心原因在于“價(jià)值分歧”。DSA、IVUS、OCT既能提升手術(shù)效果，又能減少支架等高值耗材的使用，

降低患者的支出，

為患者帶來極大的價(jià)值。但對(duì)于醫(yī)療機(jī)構(gòu)而言，AI在輔助

IVUS/OCT分析

、

DSA導(dǎo)航配準(zhǔn)時(shí)可能會(huì)延長(zhǎng)醫(yī)生手術(shù)時(shí)間，

增加醫(yī)生射線暴露，

不符合醫(yī)生的利益?，F(xiàn)階段醫(yī)保支付體系很少專門為AI立項(xiàng)，

僅部分城市對(duì)個(gè)別項(xiàng)目制定了相應(yīng)報(bào)銷政策（如山東省曾有案例報(bào)銷小兒先天性心臟病相關(guān)AI，

報(bào)銷比率為70%），

大部分AI需要患者自費(fèi)購(gòu)買相關(guān)項(xiàng)目。調(diào)研中醫(yī)生沒有給出具體的數(shù)據(jù)，但都表示患者愿意自費(fèi)使用導(dǎo)航、規(guī)劃等AI的比例非常低，

醫(yī)院投入回報(bào)期較長(zhǎng)。此外，檢查、診療類AI的價(jià)格通常在百萬(wàn)級(jí)，在高值耗材集采、CT檢查費(fèi)用下降的形勢(shì)下，

非頂級(jí)三甲醫(yī)院常常難以負(fù)擔(dān)相關(guān)費(fèi)用。不過在本次調(diào)研的醫(yī)生看來，

心臟相關(guān)AI

依然存在以下商業(yè)的可能。硬件投入向軟件投入轉(zhuǎn)移：

集中采購(gòu)及國(guó)產(chǎn)設(shè)備加入競(jìng)爭(zhēng)壓低了醫(yī)院在硬件上的支出，剩下的部分可能向患者價(jià)值顯著的AI應(yīng)用轉(zhuǎn)移

。例如，

國(guó)產(chǎn)IVUS的競(jìng)爭(zhēng)有效壓低了

IVUS的價(jià)格，補(bǔ)充采購(gòu)相關(guān)AI可以明顯提效提質(zhì)，

符合醫(yī)院的利益。醫(yī)保支付向患者支付轉(zhuǎn)移：

影像AI一直堅(jiān)持以醫(yī)療器械的方式進(jìn)行審評(píng)審批。如果這一醫(yī)療器械能夠顯著改善患者治療效果，那么醫(yī)院愿意鼓勵(lì)部分患者以自費(fèi)（類似于自費(fèi)進(jìn)口器械的邏輯）的方式進(jìn)行支付（AI

支持下的

CT-FFR

一直沿用這一方式，但

CT-FFR屬于檢查環(huán)節(jié)，若在治療環(huán)節(jié)能夠找到更有效的應(yīng)用，

可能跑通這一模式）。配合高價(jià)設(shè)備、術(shù)式銷售：AI可配合ICD（植入式心律轉(zhuǎn)復(fù)除顫器，費(fèi)用8萬(wàn)—20萬(wàn)）、

CRTD（心臟再同步治療除顫器，

費(fèi)用15萬(wàn)—30萬(wàn)）銷售

。此類設(shè)備使用量大，

且醫(yī)保負(fù)擔(dān)后依然需要患者自費(fèi)數(shù)萬(wàn)費(fèi)用，

因而AI的費(fèi)用對(duì)于患者是可以接受的，較小費(fèi)18用比例提升便能收獲更精準(zhǔn)的治療。同樣邏輯下，

消融

、房顫等手術(shù)患者自費(fèi)總額較高，若AI能夠帶來明顯的價(jià)值提升，也能借助“療效”，跑通醫(yī)保外的商業(yè)化路徑。2.3骨科：

高度契合機(jī)器人應(yīng)用，

率先實(shí)現(xiàn)AI規(guī)模化落地骨科包含了眾多細(xì)分科室，例如脊柱外科、創(chuàng)傷骨科、關(guān)節(jié)外科、運(yùn)動(dòng)醫(yī)學(xué)、手足外科、骨腫瘤科和骨科康復(fù)等，一名患者隨著病情的發(fā)展可能會(huì)在多個(gè)科室就診。就整體的就診情況而言，骨科的疾病主要囊括三大類型，第一類是頸椎、脊柱和腰椎的疼痛或突出；第二類是關(guān)節(jié)的退行性或創(chuàng)傷性疾??；第三類是骨折。三大類就診量較為平均。病種類型不同，意味著治療方式、治療難點(diǎn)不同。針對(duì)頸椎、脊柱和腰椎的疼痛或突出，以及退行性的關(guān)節(jié)疾病，按照指南通常先采取保守治療，例如生活方式干預(yù)、藥物輔助等，反復(fù)治療無效則考慮手術(shù)治療；而創(chuàng)傷性關(guān)節(jié)疾病、骨折及骨腫瘤大多是手術(shù)治療。圖表10骨科常見疾病類型及治療方案資料來源：調(diào)研訪談為更好地探究骨科醫(yī)生在臨床工作中AI的應(yīng)用現(xiàn)狀，

我們將以包含手術(shù)的疾病治療流程為主深入解析臨床各工作環(huán)節(jié)及場(chǎng)景中醫(yī)療AI的價(jià)值。據(jù)調(diào)研，骨科醫(yī)生的臨床工作（科室管理職務(wù)除外）大致可以分為疾病治療、醫(yī)療服務(wù)、自我提升三大類別。19資料來源：調(diào)研訪談疾病治療囊括了疾病診斷、治療方案制定、手術(shù)規(guī)劃與執(zhí)行以及術(shù)后康復(fù)管理等細(xì)分板塊

，作為臨床醫(yī)生最為重視的首要工作板塊，疾病治療領(lǐng)域也就自然迎來了眾多AI技術(shù)的加入。醫(yī)療服務(wù)主要包括患者溝通、術(shù)前術(shù)后教育、費(fèi)用管理等；而自我提升以科研為主。對(duì)于臨床醫(yī)生而言，各環(huán)節(jié)的難度（包括專業(yè)難度及壓力程度）和耗時(shí)程度不同，總的來說，難度越大且耗時(shí)越久的環(huán)節(jié)，AI應(yīng)用的商業(yè)化進(jìn)程更靠前。圖表12骨科醫(yī)生主要工作環(huán)節(jié)的難度及耗時(shí)程度資料來源：調(diào)研訪談（圓圈顏色越深代表商業(yè)化越成熟）2.3.1骨科人工智能應(yīng)用分布l診斷環(huán)節(jié)：AI

多為錦上添花，

商業(yè)化還有一段路要走。圖表11骨科臨床醫(yī)生日常工作拆分20在疾病診斷板塊，AI的應(yīng)用滲透率極高，但商業(yè)化落地寥寥無幾。據(jù)調(diào)研，骨科的診斷高度依賴影像資料，

且CT影像即可滿足大多數(shù)骨科診斷的需求。除了診療量骨腫瘤之外

，其余骨科疾病診斷的邏輯清晰明了。數(shù)據(jù)標(biāo)準(zhǔn)化程度高、數(shù)據(jù)運(yùn)用邏輯清晰，這些特性使得該環(huán)節(jié)十分契合AI應(yīng)用的特性，這解釋了其高滲透率的緣由。再觀其價(jià)值，骨腫瘤外的骨科疾病的診斷相對(duì)簡(jiǎn)單、耗時(shí)有限，在此背景下，AI只能為醫(yī)生“錦上添花”，

因此醫(yī)院付費(fèi)意愿有限。l

治療環(huán)節(jié)：AI“價(jià)值型”益處優(yōu)先實(shí)現(xiàn)商業(yè)化。調(diào)研發(fā)現(xiàn)，在手術(shù)規(guī)劃環(huán)節(jié)，3D建模及3D打印等AI輔助工具較AI手術(shù)規(guī)劃類軟件更受歡迎。3D建模及3D打印等AI輔助工具可作為醫(yī)生的“第三只眼”，讓手術(shù)規(guī)劃更加“有理有據(jù)”，減少“經(jīng)驗(yàn)”部分；它的加入還極大降低了醫(yī)患術(shù)前溝通的難度，確保信息傳達(dá)到位；

此外，

直觀的手術(shù)規(guī)劃還能幫助年輕醫(yī)生有效縮短學(xué)習(xí)曲線。手術(shù)規(guī)劃類軟件雖然臨床醫(yī)生并不能依賴其進(jìn)行規(guī)劃，但越來越多的臨床醫(yī)生開始嘗試使用且享受其幫助。由于醫(yī)生之間的手術(shù)理念存在天然差異，同樣的