人工智能技術(shù)在醫(yī)療領(lǐng)域應(yīng)用多年，大模型技術(shù)的出現(xiàn)為其應(yīng)用價(jià)值和范圍又帶來了新的可能。2024年底爆火的國(guó)產(chǎn)開源語(yǔ)言大模型DeepSeek極大助力市場(chǎng)教育，將大模型在醫(yī)療場(chǎng)景的應(yīng)用迫切度也提到歷史新高點(diǎn)。醫(yī)療領(lǐng)域已經(jīng)出現(xiàn)數(shù)百個(gè)垂直大模型應(yīng)用于各個(gè)環(huán)節(jié)，企業(yè)從自身數(shù)據(jù)及市場(chǎng)優(yōu)勢(shì)出發(fā)自研專業(yè)大模型。產(chǎn)品雖眾多，但是產(chǎn)品到商品還受政策、市場(chǎng)等影響。目前，醫(yī)療大模型在醫(yī)療領(lǐng)域的滲透率、應(yīng)用情況、應(yīng)用成果到底如何？

　　本次報(bào)告，動(dòng)脈智庫(kù)聯(lián)合成都高新區(qū)數(shù)智醫(yī)療創(chuàng)新聯(lián)盟創(chuàng)作和發(fā)布，通過調(diào)研、訪談十余家創(chuàng)新企業(yè)、三家投資機(jī)構(gòu)及數(shù)名臨床專家，從市場(chǎng)和企業(yè)兩方面探索我國(guó)醫(yī)療大模型滲透率的現(xiàn)狀，試圖梳理各類不同醫(yī)療大模型的競(jìng)爭(zhēng)要素和優(yōu)勢(shì)發(fā)展策略，與共同努力的企業(yè)們一同探討。

　　主要觀點(diǎn)：

　　醫(yī)療大模型發(fā)展處于早期，行業(yè)經(jīng)過了“產(chǎn)品打造”階段，亟待通過“性能驗(yàn)證”釋放商業(yè)價(jià)值。目前，對(duì)大多數(shù)醫(yī)療大模型依然缺乏明確的安全性、有效性的驗(yàn)證和監(jiān)管體系，是大模型商業(yè)化推廣限速因素。

　　醫(yī)療大模型市場(chǎng)規(guī)模預(yù)計(jì)在2028年突破百億，目前總體滲透率不足10%～20%，是一個(gè)極大的藍(lán)海市場(chǎng)待企業(yè)去開拓。

　　2025年截至5月1日醫(yī)療大模型發(fā)布133個(gè)，遠(yuǎn)超2024年全年的94個(gè)、2023年全年的61個(gè)。288個(gè)醫(yī)療大模型中，九成覆蓋了政策指引的應(yīng)用場(chǎng)景。

　　醫(yī)療大模型應(yīng)用場(chǎng)景中，提及頻次最高的為醫(yī)療服務(wù)環(huán)節(jié)，占比高達(dá)53%，其中臨床專病輔助決策、預(yù)問診、病歷輔助生成、醫(yī)學(xué)影像輔助診斷位居前四。

　　文本類大模型集中在醫(yī)療IT服務(wù)環(huán)節(jié)；影像類大模型應(yīng)用成熟度最高，超聲和病理有驚喜進(jìn)展；生物大模型極大助力藥物研發(fā)；中醫(yī)類大模型在多方力量推動(dòng)下快速發(fā)展。

　　醫(yī)療大模型的滲透率受多方影響，需要通過痛點(diǎn)驗(yàn)證、市場(chǎng)規(guī)模測(cè)算、技術(shù)和數(shù)據(jù)能力評(píng)估、有公信力的性能驗(yàn)證以及政策的支持和監(jiān)管來解決“想用”“想做”“能做”“好用”“允許用”的問題。

　　醫(yī)療大模型落地應(yīng)用方式靈活，可作為產(chǎn)品使用、可作為AI應(yīng)用的智能管理平臺(tái)、可作為AI產(chǎn)品研發(fā)和優(yōu)化的基座。

　　總體來說，由于生成式技術(shù)與語(yǔ)言大模型的突破，醫(yī)療大模型對(duì)文本類的任務(wù)助力更大，此外對(duì)綜合性、高數(shù)據(jù)密度以及多流程的任務(wù)賦能更加明顯。

　　在醫(yī)療大模型的框架下，以大模型牽動(dòng)的大小模型協(xié)作模式將是近幾年的主流市場(chǎng)應(yīng)用方式。

　　醫(yī)療大模型的發(fā)展初期，大模型的打造和應(yīng)用成本都較高，隨著技術(shù)、政策、市場(chǎng)等多因素助力，未來醫(yī)療大模型將向普惠化迭代升級(jí)。

　　多因素驅(qū)動(dòng)醫(yī)療大模型加速藍(lán)海開拓

　　性能不斷突破，亟待價(jià)值驗(yàn)證推動(dòng)模型商業(yè)化落地

　　“百模”蓄勢(shì)待發(fā)，亟待性能驗(yàn)證釋放商業(yè)化價(jià)值。醫(yī)療大模型從概念興起到成熟落地大致需要走過需求分析與驗(yàn)證、模型研發(fā)、模型性能測(cè)試或應(yīng)用市場(chǎng)對(duì)模型性能的驗(yàn)證、商業(yè)模式探索到最后在行業(yè)實(shí)現(xiàn)大規(guī)模的商業(yè)化落地。

　　醫(yī)療大模型從概念到落地的發(fā)展階段，資料來源：公開信息，動(dòng)脈智庫(kù)分析

　　雖然技術(shù)突破帶來的愈發(fā)成熟的大模型產(chǎn)品令人興奮，但是醫(yī)療大模型要實(shí)現(xiàn)大規(guī)模商業(yè)化落地還有一段路要走。目前，在各細(xì)分領(lǐng)域已有部分醫(yī)療大模型打通了商業(yè)模式實(shí)現(xiàn)了商業(yè)閉環(huán)（我們將在第三章詳細(xì)分析部分應(yīng)用場(chǎng)景的典型案例），但就行業(yè)整體而言，發(fā)展尚處早期，更多的醫(yī)療大模型還處于價(jià)值驗(yàn)證階段，亟待通過性能測(cè)評(píng)釋放其商業(yè)價(jià)值。

　　2、醫(yī)療大模型藍(lán)海市場(chǎng)空間充足，亟待企業(yè)開拓

　　醫(yī)療大模型在2019年至2023年快速興起，期間市場(chǎng)規(guī)模年均復(fù)合增長(zhǎng)率超過100%；直至2027年都將是醫(yī)療大模型的爆發(fā)期。根據(jù)億歐智庫(kù)數(shù)據(jù)，目前醫(yī)療大模型市場(chǎng)規(guī)模接近20億元，在行業(yè)爆發(fā)期間，預(yù)計(jì)以高達(dá)140%的年平均增長(zhǎng)率，于2028年突破百億元。盡管快速拓寬的應(yīng)用邊界不斷拉高醫(yī)療大模型的市場(chǎng)規(guī)模天花板，但要真正大規(guī)模應(yīng)用落地還需要一步一個(gè)腳印，逐步提升市場(chǎng)滲透率。

　　目前，醫(yī)療影像、輔助診斷、健康管理等領(lǐng)域大模型滲透率相對(duì)較高，但依然屬于市場(chǎng)滲透的早期階段。基于動(dòng)脈網(wǎng)訪談?wù){(diào)研預(yù)估，醫(yī)療大模型整體滲透率不足20%，甚至更加保守的受訪者估計(jì)不足10%。由此可見，醫(yī)療大模型這塊藍(lán)海還有巨大的市場(chǎng)空間亟待企業(yè)們?nèi)B透和開拓。

　　3、多因素聚合驅(qū)動(dòng)，推動(dòng)“產(chǎn)品”向“商品”落地

　　近年來，在算力基礎(chǔ)建設(shè)、算法精進(jìn)、芯片技術(shù)進(jìn)步、政策指引及市場(chǎng)教育多維度，醫(yī)療大模型均受到積極推動(dòng)。

　　值得一提的是，2024年11月國(guó)家衛(wèi)生健康委辦公廳、國(guó)家中醫(yī)藥局綜合司、國(guó)家疾控局綜合司聯(lián)合發(fā)布的《衛(wèi)生健康行業(yè)人工智能應(yīng)用場(chǎng)景參考指引》，明確定義了四大部分、十三大類、總共84個(gè)具體的應(yīng)用場(chǎng)景，其中19個(gè)應(yīng)用場(chǎng)景明確提到了醫(yī)療大模型的應(yīng)用。

　　《衛(wèi)生健康行業(yè)人工智能應(yīng)用場(chǎng)景參考指引》具體場(chǎng)景展示，資料來源：國(guó)家衛(wèi)健委官網(wǎng)，動(dòng)脈智庫(kù)整理（打勾為明確提及大模型應(yīng)用的場(chǎng)景）

　　此外，DeepSeek自2024年底發(fā)布以來，迅速“走紅”各個(gè)行業(yè)，醫(yī)療行業(yè)也不例外。就醫(yī)療大模型領(lǐng)域而言，DeepSeek對(duì)其影響已經(jīng)超越了單純的技術(shù)突破范疇，其“一炮而紅”對(duì)醫(yī)療行業(yè)各環(huán)節(jié)從業(yè)者，以及C端的患者或用戶更是一次直觀且有力的市場(chǎng)教育，迅速提升了市場(chǎng)對(duì)醫(yī)療大模型的接受度以及使用積極性，變“被動(dòng)接受”為“主動(dòng)擁抱”。

　　醫(yī)療大模型爆發(fā)，賦能醫(yī)療服務(wù)的各個(gè)環(huán)節(jié)

　　1、行業(yè)迎來近三百個(gè)大模型，九成覆蓋政策指引應(yīng)用場(chǎng)景

　　2025年醫(yī)療大模型密集發(fā)布，截至5月1日已有133個(gè)醫(yī)療大模型的密集發(fā)布，遠(yuǎn)超2023年（61個(gè)）與2024年（94個(gè)）的模型數(shù)量。

　　2023—2025年醫(yī)療大模型數(shù)量（截至2025年5月1日），資料來源：公開資料，動(dòng)脈智庫(kù)整理

　　截至2025年5月1日，我們收錄了市面上已公開的主要醫(yī)療大模型案例累計(jì)288個(gè)，其中約有九成以上醫(yī)療大模型應(yīng)用場(chǎng)景均涵蓋于《衛(wèi)生健康行業(yè)人工智能應(yīng)用場(chǎng)景參考指引》之中。大模型涉及應(yīng)用場(chǎng)景12類，所有應(yīng)用場(chǎng)景總提及頻次814次。其中醫(yī)療服務(wù)場(chǎng)景涉及的大模型最多，總提及頻次達(dá)430次，占比近53%。

　　各類醫(yī)療大模型應(yīng)用場(chǎng)景提交頻次，資料來源：公開資料，動(dòng)脈智庫(kù)整理

　　從2023年的初步嘗試，到2024年行業(yè)取得長(zhǎng)足進(jìn)展，再到2025年未至年中便迎來超百個(gè)模型落地，醫(yī)療大模型的爆發(fā)式增長(zhǎng)態(tài)勢(shì)已然明晰。

　　2、四類醫(yī)療大模型，展現(xiàn)七大共同技術(shù)發(fā)展路徑

　　政策與技術(shù)迭代驅(qū)動(dòng)下，我國(guó)醫(yī)療大模型產(chǎn)品矩陣加速構(gòu)建。鑒于不同場(chǎng)景及主體間的應(yīng)用滲透程度存在差異，本報(bào)告通過對(duì)主流大模型產(chǎn)品的應(yīng)用場(chǎng)景進(jìn)行系統(tǒng)梳理與量化分析，選取文本大模型、醫(yī)學(xué)影像、藥物研發(fā)、中醫(yī)藥產(chǎn)業(yè)四大核心賽道，以期全景呈現(xiàn)醫(yī)療大模型的技術(shù)落地路徑與產(chǎn)業(yè)發(fā)展脈絡(luò)。

　　文本大模型-醫(yī)療IT場(chǎng)景占比最大。在技術(shù)適配性、數(shù)據(jù)基礎(chǔ)、應(yīng)用場(chǎng)景需求及產(chǎn)業(yè)落地可行性等多因素影響下，當(dāng)前文本大模型仍是醫(yī)療大模型的主要研發(fā)類型。其主導(dǎo)地位源于醫(yī)療場(chǎng)景對(duì)語(yǔ)言處理的剛需、文本數(shù)據(jù)的易獲取性、技術(shù)成熟度與商業(yè)落地效率。在此之中，醫(yī)療IT是大模型落地場(chǎng)景中占比最大的部分。結(jié)合對(duì)288個(gè)醫(yī)療大模型應(yīng)用場(chǎng)景的系統(tǒng)性梳理，在累計(jì)663個(gè)場(chǎng)景提及頻次統(tǒng)計(jì)中，非醫(yī)學(xué)影像類醫(yī)療IT場(chǎng)景提及頻次高達(dá)300余次，以近46%的占比成為核心落地方向。

　　醫(yī)生成為“AI制造”群體中至關(guān)重要的一員。截至2025年4月30日，國(guó)內(nèi)“2022屆中國(guó)競(jìng)爭(zhēng)力排行榜”中排名前100的醫(yī)院，已有98家對(duì)外宣稱完成了大模型部署。在這之中，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，醫(yī)院合作企業(yè)依然是主流，有超過一半的項(xiàng)目采用這一模式進(jìn)行開發(fā)。

　　醫(yī)療垂直模型開發(fā)模式分布（截至2025年4月30日），資料來源：公開資料，動(dòng)脈智庫(kù)整理

　　影像大模型-發(fā)展最成熟已覆蓋全周期。醫(yī)學(xué)影像是人工智能技術(shù)落地最為成熟的醫(yī)療場(chǎng)景之一，并已形成覆蓋圖像采集、處理及診斷全流程的價(jià)值賦能體系。通過市場(chǎng)產(chǎn)品圖譜分析，聚焦醫(yī)學(xué)影像領(lǐng)域的大模型相關(guān)產(chǎn)品已達(dá)56款，以心臟、骨骼、頭頸、肺部等解剖部位的輔助診斷應(yīng)用最為廣泛。其中，超聲和病理成為重要突破方向，脈得智能（超聲）、透徹未來（病理）及醫(yī)策科技（病理）等企業(yè)紛紛推出相關(guān)大模型助力臨床輔助診斷。

　　藥物研發(fā)大模型-亟待質(zhì)的變化。結(jié)合統(tǒng)計(jì)數(shù)據(jù)來看，目前大部分生物大模型產(chǎn)品的應(yīng)用場(chǎng)景集中在藥物研發(fā)領(lǐng)域。需指出的是，當(dāng)前生物制藥大模型在醫(yī)療機(jī)構(gòu)賦能及藥物研發(fā)探索等領(lǐng)域，尚未實(shí)現(xiàn)對(duì)既有場(chǎng)景的顛覆性突破，仍處于技術(shù)融合與場(chǎng)景適配的漸進(jìn)式創(chuàng)新階段。隨著算法優(yōu)化、數(shù)據(jù)積累及跨學(xué)科協(xié)同的深化，該領(lǐng)域有望催生具有變革性的技術(shù)突破。

　　中醫(yī)大模型-多方力量推動(dòng)快速發(fā)展。從當(dāng)前眾多面世的大模型來看，大模型正持續(xù)加大在中醫(yī)藥產(chǎn)業(yè)的應(yīng)用。2023年，面世的中醫(yī)藥大模型約為13款，2024年數(shù)量稍有下降為9款，2025年已有8款產(chǎn)品面世。從數(shù)據(jù)來看，中醫(yī)藥產(chǎn)業(yè)大模型的研發(fā)匯聚了多方力量，呈現(xiàn)出產(chǎn)學(xué)研緊密協(xié)同的態(tài)勢(shì)。

　　結(jié)合技術(shù)演進(jìn)邏輯與行業(yè)實(shí)踐，當(dāng)前醫(yī)療大模型核心應(yīng)用場(chǎng)景及技術(shù)發(fā)展路徑可歸納如下：

　　醫(yī)療服務(wù)仍是主流應(yīng)用場(chǎng)景

　　公共衛(wèi)生服務(wù)、養(yǎng)老托育服務(wù)及醫(yī)療機(jī)器人等領(lǐng)域的大模型應(yīng)用較少涉及

　　基層應(yīng)用頻頻被提及

　　中醫(yī)藥領(lǐng)域?qū)崿F(xiàn)應(yīng)用的深度滲透

　　大模型正蓄力賦能醫(yī)療產(chǎn)業(yè)

　　革新醫(yī)學(xué)教育與科研范式

　　健康管理場(chǎng)景或成醫(yī)療大模型應(yīng)用潛力股

　　3、六大醫(yī)療應(yīng)用場(chǎng)景，解構(gòu)大模型應(yīng)用路徑

　　本次統(tǒng)計(jì)的288個(gè)醫(yī)療大模型、共814次場(chǎng)景提及頻次中，涉及的12類應(yīng)用場(chǎng)景中共涵蓋56個(gè)細(xì)分領(lǐng)域，其中，臨床專病輔助決策、預(yù)問診、病歷輔助生成、醫(yī)學(xué)影像輔助診斷提及最多，均為醫(yī)療服務(wù)大類。

　　醫(yī)療大模型涉及的56個(gè)細(xì)分應(yīng)用場(chǎng)景提及頻次，資料來源：公開資料，動(dòng)脈智庫(kù)整理

　　差異化價(jià)值邏輯形成的技術(shù)落地路徑。基于五大核心應(yīng)用場(chǎng)景的解析，各場(chǎng)景基于差異化價(jià)值邏輯形成的技術(shù)落地路徑主要如下：

　　大型醫(yī)療機(jī)構(gòu)：圍繞智慧醫(yī)療核心場(chǎng)景向外延伸

　　小型專科醫(yī)療機(jī)構(gòu)：消費(fèi)醫(yī)療與中醫(yī)藥智能化賽道正在升溫

　　政府：在基層多個(gè)場(chǎng)景實(shí)現(xiàn)提質(zhì)增效

　　藥企：落地仍存在挑戰(zhàn)

　　患者：潛在挖掘空間明顯

　　醫(yī)療大模型在多應(yīng)用場(chǎng)景率先跑通商業(yè)化

　　1、滲透率受多方影響，需共同驅(qū)動(dòng)商業(yè)化落地

　　醫(yī)療大模型的落地應(yīng)用滲透率受多端的影響。需求端，首先需要有明確的、真實(shí)的痛點(diǎn)需求，其次需要有足夠大的市場(chǎng)空間吸引科技企業(yè)及資本布局賽道。在需求驗(yàn)證之后，企業(yè)端需要充分驗(yàn)證相關(guān)產(chǎn)品打造的可行性，例如技術(shù)是否足夠支撐、數(shù)據(jù)是否足夠精準(zhǔn)等。最后，大規(guī)模的商業(yè)化落地還有賴于相關(guān)部門的政策支持，從技術(shù)發(fā)展、市場(chǎng)準(zhǔn)入、產(chǎn)品性能驗(yàn)證、收費(fèi)等環(huán)節(jié)給予指引。

　　醫(yī)療大模型滲透率影響因素，資料來源：公開信息，動(dòng)脈智庫(kù)整理

　　基于此滲透邏輯，目前醫(yī)療大模型在放射類影像輔助診斷滲透率最高，據(jù)調(diào)研估計(jì)，滲透率接近40%。此外，輔助檢查報(bào)告解讀與結(jié)構(gòu)化、病案質(zhì)控、輔助問診/導(dǎo)診類工具、臨床輔助決策、涵蓋智慧病歷書寫等功能的醫(yī)生助手、科研場(chǎng)景、藥物研發(fā)、健康管理等應(yīng)用場(chǎng)景滲透率其次。我們將在接下來的小節(jié)逐一解析其影響因素。

　　2、“嚴(yán)肅”和“輔助”醫(yī)療應(yīng)用場(chǎng)景各有標(biāo)桿

　　適用于院內(nèi)（包括基層）的醫(yī)療大模型從臨床應(yīng)用場(chǎng)景不同可以分為嚴(yán)肅醫(yī)療大模型和輔助醫(yī)療大模型。就單個(gè)醫(yī)療大模型而言并非只能擁有一種類型應(yīng)用場(chǎng)景，其可同時(shí)在兩類場(chǎng)景應(yīng)用或賦能兩類場(chǎng)景的相關(guān)應(yīng)用開發(fā)。由于醫(yī)療大模型的應(yīng)用方式兼具“產(chǎn)品”和“平臺(tái)”屬性，即其既可作為產(chǎn)品直接應(yīng)用，也可作為“平臺(tái)”賦能進(jìn)一步人工智能產(chǎn)品升級(jí)或研發(fā)。因此，在落地成熟度的討論中，我們將兩種應(yīng)用形式均考慮其中，作為“平臺(tái)”屬性時(shí)，將通過其賦能的人工智能應(yīng)用落地程度進(jìn)行評(píng)估。

　　（1）嚴(yán)肅醫(yī)療大模型-影像走在最前列

　　嚴(yán)肅醫(yī)療大模型在整個(gè)影像輔助診斷領(lǐng)域應(yīng)用滲透率最高，或與其需給出定性分析的任務(wù)性質(zhì)有關(guān)。從大模型訓(xùn)練方式及應(yīng)用目的出發(fā)，醫(yī)療大模型又可分為判別式大模型與生成式大模型。前者學(xué)習(xí)條件概率，生成的空間受限，類似于回答封閉式判斷題，因此準(zhǔn)確度相對(duì)更高；后者學(xué)習(xí)聯(lián)合概率，生成的空間不受限制，類似于回答開放式問答題，因此輸出結(jié)果可控性更弱。

　　判別式與生成式大模型部分性能對(duì)比，資料來源：公開信息，動(dòng)脈智庫(kù)整理

　　判別式大模型由于更高的結(jié)果可控性更易提高精準(zhǔn)度、更易貼近于臨床醫(yī)生表現(xiàn)，在嚴(yán)肅醫(yī)療場(chǎng)景的應(yīng)用價(jià)值體現(xiàn)也更加直觀。因此，目前以影像輔助診斷為代表的判別類的嚴(yán)肅醫(yī)療大模型，發(fā)展和推進(jìn)的階段更加成熟。除其模型應(yīng)用性質(zhì)外，輔助診斷類影像大模型走在應(yīng)用最前列的共性原因還有兩點(diǎn)。一是在性能驗(yàn)證環(huán)節(jié)的優(yōu)勢(shì)，該類產(chǎn)品擁有明確的評(píng)估標(biāo)準(zhǔn)，例如“敏感度”“特異性”等量化評(píng)估指標(biāo)，其性能驗(yàn)證直觀。二是在政策完善度的優(yōu)勢(shì)，其監(jiān)管路徑相對(duì)清晰，通過獲得國(guó)家藥監(jiān)局的醫(yī)療器械資格證獲得明確的“入場(chǎng)券”推進(jìn)商業(yè)化推廣，加之醫(yī)檢互認(rèn)的促進(jìn)推動(dòng)其更快應(yīng)用落地。

　　數(shù)據(jù)處理難度影響大模型研發(fā)門檻。進(jìn)一步細(xì)分影像大模型應(yīng)用場(chǎng)景發(fā)現(xiàn)，按照放射、超聲及病理的順序逐一產(chǎn)品數(shù)量更少、市場(chǎng)應(yīng)用更早期，其重要影響因素是細(xì)分領(lǐng)域數(shù)據(jù)處理難度的不同。

　　放射影像

　　標(biāo)準(zhǔn)化數(shù)據(jù)縮短研發(fā)“入門”時(shí)間。無(wú)論是人工智能產(chǎn)品或是相關(guān)醫(yī)療大模型，放射影像能夠成為發(fā)展最為成熟的細(xì)分應(yīng)用場(chǎng)景，其標(biāo)準(zhǔn)化數(shù)據(jù)及醫(yī)療邏輯的可及性是其重要基礎(chǔ)。據(jù)智藥局?jǐn)?shù)據(jù)，截至2025年3月，國(guó)家藥監(jiān)局已批準(zhǔn)99張AI放射影像三類證。排在前列的影像三類證獲得者數(shù)坤科技、深睿醫(yī)療和推想醫(yī)療均推出相關(guān)醫(yī)療大模型，助力全線產(chǎn)品迭代升級(jí)的同時(shí)提升模型性能不斷朝臨床應(yīng)用級(jí)靠攏。

　　“可用”到“好用”讓放射影像大模型從“產(chǎn)品”變?yōu)椤吧唐贰薄?/strong>數(shù)據(jù)處理難度的優(yōu)勢(shì)，讓放射影像產(chǎn)品化更早，但要實(shí)現(xiàn)其商品化并大規(guī)模落地應(yīng)用，不僅需要讓臨床“用”，更要讓臨床覺得“好用”。目前，AI影像產(chǎn)品在試用期，由于其優(yōu)異的性能通常能夠獲得臨床的積極反饋和活躍使用，但其長(zhǎng)期應(yīng)用于臨床還涉及醫(yī)生工作流程的變化。如何能夠?qū)⒂跋癞a(chǎn)品更好融入臨床工作流，培養(yǎng)臨床使用習(xí)慣，進(jìn)而提升使用者動(dòng)力，是進(jìn)一步提升影像AI滲透率的重點(diǎn)。這一步，行業(yè)已有企業(yè)積極布局并已見成效。如數(shù)坤科技基于其多模態(tài)大模型數(shù)坤坤，完成了從診斷、教學(xué)、科研、隨訪和科室管理等的全工作流串聯(lián)，為影像科醫(yī)生提供了全鏈路的數(shù)智化輔助工具。在北京市科委舉辦的行業(yè)大模型創(chuàng)新應(yīng)用大賽中，數(shù)坤坤以99（共100個(gè)）個(gè)病例診斷與專家評(píng)委一致、1個(gè)優(yōu)于專家評(píng)委的優(yōu)異性能拔得頭籌，高精準(zhǔn)度和一站式服務(wù)的性能推動(dòng)數(shù)坤坤從“產(chǎn)品”到“商品”的轉(zhuǎn)變，加速滲透落地。

　　超聲影像

　　超聲影像的數(shù)據(jù)為動(dòng)態(tài)視頻格式，且需要在檢查當(dāng)時(shí)做出診斷建議，因此，“實(shí)時(shí)”是對(duì)于超聲人工智能產(chǎn)品的重要要求，需要其在檢查過程中做出實(shí)時(shí)質(zhì)控及實(shí)時(shí)診斷分析。由于數(shù)據(jù)格式及要求的不同，在數(shù)據(jù)標(biāo)準(zhǔn)化程度和醫(yī)療邏輯可及性方面不及放射影像領(lǐng)域，也因此其在數(shù)據(jù)處理階段或需要花費(fèi)更多精力并且更依賴經(jīng)驗(yàn)專家進(jìn)行數(shù)據(jù)標(biāo)注。這也不難解釋為什么國(guó)家藥監(jiān)局批準(zhǔn)的超聲輔助診斷軟件三類證寥寥無(wú)幾，目前僅脈得智能、醫(yī)準(zhǔn)科技等獲得了相關(guān)三類證批準(zhǔn)。

　　超聲影像大模型性能逐步驗(yàn)證。在腫瘤診斷的醫(yī)療流程中，通常超聲給出相關(guān)建議后，必要時(shí)患者將進(jìn)行放射或病理的進(jìn)一步檢查。事實(shí)上，由于超聲醫(yī)生的技術(shù)差異，進(jìn)一步檢查的概率并不低，而其中不乏一些本可以避免的進(jìn)一步檢查，尤其在基層等醫(yī)療資源欠缺的情況下更是如此。因此，要在超聲領(lǐng)域?qū)崿F(xiàn)“低年資醫(yī)生+AI=高年資醫(yī)生”的人工智能使命，或許需要超聲輔助診斷產(chǎn)品的準(zhǔn)確性不斷向病理結(jié)果靠近。目前，行業(yè)也不乏朝此方向努力的企業(yè)并已初顯成效。如脈得智能于今年3月份獲得三類醫(yī)療器械證的“甲狀腺結(jié)節(jié)超聲影像輔助診斷軟件”，融合臨床真實(shí)診療場(chǎng)景訓(xùn)練AI模型，實(shí)現(xiàn)了結(jié)節(jié)良惡性的超高精準(zhǔn)判斷。其臨床測(cè)試結(jié)果顯示，該產(chǎn)品甲狀腺結(jié)節(jié)良惡性判別準(zhǔn)確度高達(dá)96%，與組織病理結(jié)果高度一致。

　　病理影像

　　“金標(biāo)準(zhǔn)”對(duì)大模型提出了高要求。病理檢查作為腫瘤診斷的金標(biāo)準(zhǔn)，其嚴(yán)肅性較超聲和放射影像更進(jìn)一步，這也對(duì)該領(lǐng)域醫(yī)療大模型提出了更高的要求。行業(yè)對(duì)準(zhǔn)確性雖然沒有統(tǒng)一的要求，但敏感度無(wú)限接近于100%是病理領(lǐng)域人工智能企業(yè)的默契。除此之外，病理領(lǐng)域大模型研發(fā)條件也相對(duì)苛刻。首先，病理影像的圖片標(biāo)準(zhǔn)化程度低，且由于病理影像數(shù)據(jù)復(fù)雜、廠商利益壁壘等原因，標(biāo)準(zhǔn)化推進(jìn)程度緩慢，這意味著在數(shù)據(jù)處理及標(biāo)注上需要投入更多人力物力。其次，我國(guó)病理醫(yī)生數(shù)量嚴(yán)重不足，稀缺的專家資源也提高了數(shù)據(jù)處理的門檻。

　　病理大模型多維度構(gòu)筑核心競(jìng)爭(zhēng)力。出于不同病理醫(yī)生之手的影像圖片，其染色后的圖像差異度大，這要求大模型擁有極強(qiáng)的泛化能力能夠識(shí)別并處理這些圖像。病理大模型通常是與頭部教學(xué)醫(yī)院共研訓(xùn)練而得，泛化能力不足的產(chǎn)品在同級(jí)別染色水平下能夠表現(xiàn)出優(yōu)異性能，而在二級(jí)及以下醫(yī)療機(jī)構(gòu)假陽(yáng)性率高，這無(wú)法完成助力優(yōu)質(zhì)醫(yī)療資源下沉的使命。因此，在病理領(lǐng)域要實(shí)現(xiàn)“低年資醫(yī)生+AI=高年資醫(yī)生”的人工智能使命，病理大模型的泛化能力十分關(guān)鍵。強(qiáng)泛化能力能讓模型不僅在頭部醫(yī)院，在二級(jí)及以下醫(yī)療機(jī)構(gòu)依然能穩(wěn)定地展示產(chǎn)品的準(zhǔn)確度。例如透徹未來基于其大模型Thorough Brain 2.0，賦能其AI病理產(chǎn)品Thorough Insights 4.0達(dá)到專業(yè)臨床應(yīng)用級(jí)性能，支持包括胃、腸、食管、胰腺、肺、前列腺、乳腺、子宮內(nèi)膜、宮頸、泛器官淋巴結(jié)等十余種高發(fā)腫瘤器官的病理智能分析，精準(zhǔn)定位癌變區(qū)域并完成疾病分型，其在大型醫(yī)院的臨床病理應(yīng)用中，敏感度接近100%，特異性超過94%，在中小型醫(yī)院的敏感度同樣接近100%，特異性超過90%。

　　此外，作為金標(biāo)準(zhǔn)，病理可能直接影響治療方案，病理醫(yī)生對(duì)人工智能的使用通常會(huì)更加謹(jǐn)慎。單純給出“是”與“否”的結(jié)論，病理醫(yī)生可能依然會(huì)按照傳統(tǒng)流程親自進(jìn)行診斷驗(yàn)證其準(zhǔn)確性，阻礙人工智能輔助臨床提升效率的性能顯現(xiàn)。因此，病理大模型的可解釋性或是其另一個(gè)核心競(jìng)爭(zhēng)力，在給出定性結(jié)果的同時(shí)，充分展示其判斷邏輯和專業(yè)依據(jù)，增強(qiáng)信任，幫助醫(yī)生從被動(dòng)接受結(jié)果轉(zhuǎn)為主動(dòng)利用人工智能實(shí)現(xiàn)精準(zhǔn)診療。目前，行業(yè)已出現(xiàn)擁有相關(guān)核心競(jìng)爭(zhēng)力的病理大模型。如醫(yī)策科技發(fā)布的病理多模態(tài)大模型“靈眸”，其中包含了企業(yè)創(chuàng)新構(gòu)建的病理思維鏈框架（Pathology Chain-of-Thought），該框架采用逐層推理解析技術(shù)與可解釋性融合機(jī)制，可以在給出診斷結(jié)果的同時(shí)為病理醫(yī)生充分還原診斷的臨床思維路徑，降低信任門檻，讓更多病理醫(yī)生可以放心使用“靈眸”帶來的在9個(gè)器官涵蓋57種腫瘤亞型的臨床級(jí)病理輔助診斷服務(wù)。

　　最后，可及性也是大模型在應(yīng)用推廣落地中的核心競(jìng)爭(zhēng)力之一。眾所周知大模型需要強(qiáng)大的算力支撐，如果大模型的使用附帶著動(dòng)輒上百萬(wàn)的GPU購(gòu)置成本，無(wú)疑會(huì)勸退一部分潛在使用者。使用端的現(xiàn)狀也促使大模型企業(yè)不斷優(yōu)化其單位算力下的性能，讓大模型“大而不重”，提升模型的可及性，進(jìn)而推動(dòng)商業(yè)化落地。如透徹未來、醫(yī)策科技等病理醫(yī)療大模型企業(yè)，均通過技術(shù)優(yōu)化實(shí)現(xiàn)輕量級(jí)私有化部署，在促進(jìn)各自商業(yè)化進(jìn)程的同時(shí)，更是共同推動(dòng)了病理人工智能行業(yè)的發(fā)展。

　　可靠性、可用性、可及性是嚴(yán)肅醫(yī)療大模型共性需求。其實(shí)，不光在病理領(lǐng)域，對(duì)于所有應(yīng)用于嚴(yán)肅醫(yī)療場(chǎng)景的大模型可及性都是共性的需求，此外可靠性、可用性也是重要訴求。

　　嚴(yán)肅醫(yī)療大模型性能共需，資料來源：公開資料、調(diào)研訪談，動(dòng)脈智庫(kù)智能整理

　　（2）輔助醫(yī)療大模型-展現(xiàn)超強(qiáng)靈活性

　　相較嚴(yán)肅醫(yī)療大模型通常覆蓋專科應(yīng)用領(lǐng)域，輔助醫(yī)療大模型覆蓋了更加廣泛、更加靈活的應(yīng)用場(chǎng)景。為了更清晰厘清其應(yīng)用范圍，我們從服務(wù)主體出發(fā)，將輔助醫(yī)療大模型應(yīng)用范疇分為圍繞醫(yī)生、圍繞患者、圍繞醫(yī)院管理的三類。

　　輔助醫(yī)療大模型應(yīng)用場(chǎng)景分類，資料來源：公開信息，動(dòng)脈智庫(kù)整理

　　目前，輔助醫(yī)療大模型整體而言比嚴(yán)肅醫(yī)療大模型落地應(yīng)用推廣進(jìn)程更成熟，其中圍繞醫(yī)生的諸多提質(zhì)增效的人工智能工具應(yīng)用最為廣泛。

　　多場(chǎng)景應(yīng)用需要大模型更加“靈活”。不難看出，比起嚴(yán)肅醫(yī)療大模型，輔助醫(yī)療大模型覆蓋的場(chǎng)景更多、更廣，且同一場(chǎng)景的應(yīng)用，機(jī)構(gòu)與機(jī)構(gòu)之間也存在不同的要求，因此需要大模型更加靈活。

　　其靈活性的其中一個(gè)體現(xiàn)在產(chǎn)品的性質(zhì)上，不同于嚴(yán)肅醫(yī)療大模型“模型即產(chǎn)品”的要求，輔助醫(yī)療大模型往往更需要體現(xiàn)其“基座”的性質(zhì)，即提供賦能院內(nèi)多場(chǎng)景提質(zhì)增效所需要的醫(yī)學(xué)知識(shí)、政策法規(guī)和安全要求等數(shù)據(jù)資料的多模態(tài)數(shù)據(jù)，并訓(xùn)練模型擁有醫(yī)療行業(yè)的決策邏輯。醫(yī)療機(jī)構(gòu)可以將其作為全院人工智能產(chǎn)品的基礎(chǔ)和管理平臺(tái)，將所有的人工智能服務(wù)統(tǒng)籌起來，也可以基于大模型基礎(chǔ)進(jìn)一步研發(fā)，圍繞不同主體、應(yīng)用于不同場(chǎng)景的人工智能產(chǎn)品，以更好地進(jìn)行全院級(jí)數(shù)智化管理。如神州醫(yī)療大模型2.0，是一個(gè)擁有文本、影像、病理、基因、時(shí)序數(shù)據(jù)處理能力的多模態(tài)大模型，其可以作為全院人工智能應(yīng)用監(jiān)管的“駕駛艙”，也是各應(yīng)用場(chǎng)景人工智能產(chǎn)品打造的專業(yè)基礎(chǔ)。企業(yè)基于此大模型已經(jīng)開發(fā)了包括罕見病、腦腫瘤、兒童免疫缺陷等在內(nèi)的20個(gè)專科場(chǎng)景AI應(yīng)用產(chǎn)品，圍繞醫(yī)生、患者和醫(yī)院不同使用方提供多應(yīng)用場(chǎng)景的AI工具，助力提升效率、就醫(yī)體驗(yàn)等。

　　此外，行業(yè)還出現(xiàn)了支持使用者基于大模型自主建立人工智能服務(wù)工具的靈活方式。如醫(yī)渡科技，為行業(yè)提供“大數(shù)據(jù)+大模型”雙中臺(tái)，使用者可以在其中臺(tái)上構(gòu)建自己的小模型和智能體。目前已經(jīng)在20余家頭部醫(yī)院上線，其中80%的用戶為醫(yī)生群體，在平臺(tái)上自建智能體助力診療科研教學(xué)及患者服務(wù)等日常工作流，市場(chǎng)使用率極高。

　　由此可見，可賦能二次開發(fā)的、靈活的輔助醫(yī)療大模型除了具體的應(yīng)用產(chǎn)品價(jià)值，還被賦予了多一層助力人工智能落地、推動(dòng)行業(yè)發(fā)展的使命與能力。除了靈活的專業(yè)醫(yī)療大模型，行業(yè)還出現(xiàn)了開源醫(yī)療大模型，助力推動(dòng)人工智能生態(tài)發(fā)展。2025年初，京東健康的“京醫(yī)千詢”宣布開源，“透明化”的技術(shù)架構(gòu)一方面直觀向行業(yè)展示了“京醫(yī)千詢”的技術(shù)實(shí)力，另一方面也想通過技術(shù)共建與行業(yè)一同攜手推動(dòng)人工智能服務(wù)進(jìn)一步落地。行業(yè)越來越多專業(yè)預(yù)訓(xùn)練大模型能夠幫助初創(chuàng)企業(yè)避免從零打造醫(yī)療大模型的高成本，降低模型研發(fā)門檻，甚至通過更優(yōu)質(zhì)的數(shù)據(jù)助力提升模型性能。

　　輔助醫(yī)療大模型三大賦能路徑，資料來源：調(diào)研訪談，動(dòng)脈智庫(kù)整理

　　（3）醫(yī)療大模型賦能基層-標(biāo)的落地場(chǎng)景

　　目前，基層醫(yī)療衛(wèi)生機(jī)構(gòu)正以三分之一的衛(wèi)生人力資源，提供全國(guó)一半以上的診療服務(wù)量以及絕大多數(shù)的基本公共衛(wèi)生服務(wù)。隨著國(guó)民健康意識(shí)增強(qiáng)，人口老齡化、慢病人群數(shù)量攀升，基層的任務(wù)愈發(fā)重要及繁多，醫(yī)生數(shù)量短缺的矛盾也將隨之加劇。在政策和剛需的推動(dòng)下，基層成為醫(yī)療人工智能落地的絕佳場(chǎng)景，而對(duì)于近年來興起的醫(yī)療大模型亦是如此。

　　目前，諸多醫(yī)療大模型企業(yè)，如訊飛醫(yī)療、神州醫(yī)療、數(shù)坤科技等均有基層應(yīng)用場(chǎng)景布局，并成功實(shí)現(xiàn)商業(yè)化閉環(huán)。

　　標(biāo)準(zhǔn)化：為醫(yī)生提質(zhì)增效、提高群眾信任。基層醫(yī)生通常為全科醫(yī)生，需要涉獵的疾病種類和藥物種類廣泛，作為疾病預(yù)防、治療的第一道防線，比起對(duì)疑難病例的處理能力，更需要基層醫(yī)生擁有對(duì)常見病及慢病不錯(cuò)診、不漏診及合理用藥的“標(biāo)準(zhǔn)化”能力。此外，“標(biāo)準(zhǔn)化”能力還體現(xiàn)在如隨訪和健康檔案管理的公共衛(wèi)生服務(wù)之中。而對(duì)于患者或居民而言，也需要得到與上級(jí)醫(yī)院同質(zhì)化的診療結(jié)果來提升對(duì)基層醫(yī)療的信任程度。

　　醫(yī)療大模型對(duì)海量、多模態(tài)知識(shí)的學(xué)習(xí)吸收能力及其標(biāo)準(zhǔn)化輸出能力完美契合基層“標(biāo)準(zhǔn)化”訴求。近年來，大模型賦能下的全科輔助診療應(yīng)用在基層展現(xiàn)出優(yōu)異成效，也推動(dòng)了其在基層的滲透率逐步提升。如訊飛醫(yī)療的"智醫(yī)助理"早在2017年就成為全球首個(gè)通過國(guó)家執(zhí)業(yè)醫(yī)師資格考試綜合筆試的人工智能機(jī)器人，取得456分成績(jī)(滿分600分)，超過96.3%的人類考生。實(shí)際落地應(yīng)用中聚焦基層醫(yī)療場(chǎng)景，通過“智醫(yī)助理”賦能全科醫(yī)生，在常見病診療規(guī)范化和效率提升方面取得顯著成效。通過今年發(fā)布的星火醫(yī)療大模型X1賦能后，智醫(yī)助理實(shí)現(xiàn)了核心性能顯著提升——合理用藥審核正確率達(dá)95%以上，基層高發(fā)常見病診斷TOP1推薦合理率突破95%，系統(tǒng)在為基層醫(yī)生提供高效輔助診療支持的同時(shí)，有效提升居民對(duì)基層醫(yī)療服務(wù)的信任度。截至2025年4月，產(chǎn)品已落地全國(guó)31個(gè)省市的682個(gè)區(qū)縣超73000個(gè)基層醫(yī)療機(jī)構(gòu)，服務(wù)超220000名基層醫(yī)生，累計(jì)提供超9.7億次AI輔診建議。

　　3、院外醫(yī)療大模型助力“提供工具”向“提供價(jià)值”轉(zhuǎn)變

　　如嚴(yán)肅醫(yī)療大模型和輔助醫(yī)療大模型無(wú)嚴(yán)格區(qū)分標(biāo)準(zhǔn)一樣，院外醫(yī)療大模型板塊也是從應(yīng)用場(chǎng)景類型出發(fā)，研究醫(yī)療大模型在該場(chǎng)景的應(yīng)用落地情況。事實(shí)上，行業(yè)不少醫(yī)療大模型可同時(shí)應(yīng)用于院內(nèi)及院外多場(chǎng)景賦能。

　　院外的應(yīng)用場(chǎng)景，受到的政策監(jiān)管和約束相對(duì)較少，在模型性能能夠滿足的應(yīng)用場(chǎng)景需求后，達(dá)成合作的環(huán)節(jié)更加直接和簡(jiǎn)單。因此，在大模型能夠顯著提升效率、降低成本的應(yīng)用場(chǎng)景，行業(yè)已有應(yīng)用落地成熟的案例出現(xiàn)。我們將以臨床研究及對(duì)C端的健康管理為例，解析其發(fā)展?jié)B透率的現(xiàn)狀。

　　（1）藥物研發(fā)-亟待極致效率提升帶來質(zhì)變

　　藥物研發(fā)超大的人工智能應(yīng)用市場(chǎng)規(guī)模，以及極大的提質(zhì)增效空間，散發(fā)著巨大的人工智能應(yīng)用探索吸引力。其實(shí)，AI應(yīng)用在藥物研發(fā)領(lǐng)域探索不算短，大模型的加持，除了原有AI能力的提升，或許還能帶來新的能力賦能行業(yè)發(fā)展。

　　多環(huán)節(jié)人工智能服務(wù)滲透。藥物研發(fā)囊括了藥物發(fā)現(xiàn)階段、臨床前階段、臨床階段，以及上市后的真實(shí)世界研究。人工智能的應(yīng)用也充斥著長(zhǎng)鏈條的各個(gè)環(huán)節(jié)。

　　人工智能在藥物研發(fā)各環(huán)節(jié)應(yīng)用場(chǎng)景舉例，資料來源：公開資料，動(dòng)脈智庫(kù)整理

　　人工智能也需要“術(shù)業(yè)有專攻”。藥物研究的多環(huán)節(jié)、不同具體的應(yīng)用場(chǎng)景領(lǐng)域，所用到的人工智能服務(wù)不同，這也意味著針對(duì)特定環(huán)節(jié)的賦能大模型也需要“術(shù)業(yè)有專攻”，由此對(duì)訓(xùn)練數(shù)據(jù)的類型和來源也有所不同。

　　例如用于臨床試驗(yàn)階段的大模型，該階段核心訴求集中在中心與患者的篩選、試驗(yàn)設(shè)計(jì)和優(yōu)化、數(shù)據(jù)文件管理的能力以及風(fēng)險(xiǎn)預(yù)測(cè)決策支持等，對(duì)數(shù)據(jù)實(shí)時(shí)處理和倫理合規(guī)要求極高。因此，除了對(duì)相關(guān)法律法規(guī)的學(xué)習(xí)和理解，對(duì)于大模型的訓(xùn)練還需要來自真實(shí)臨床試驗(yàn)沉淀下來的數(shù)據(jù)，不僅從中學(xué)習(xí)相關(guān)專業(yè)的知識(shí)，更需要學(xué)習(xí)相關(guān)專業(yè)的干預(yù)和反饋機(jī)制，也就是習(xí)得實(shí)時(shí)處理的能力。例如，當(dāng)發(fā)現(xiàn)風(fēng)險(xiǎn)的時(shí)候，需要人工智能服務(wù)提供預(yù)警的同時(shí)，可以在大模型的賦能下同時(shí)進(jìn)行相關(guān)的風(fēng)險(xiǎn)處理動(dòng)作。有了“動(dòng)作”的學(xué)習(xí)，人工智能服務(wù)才能跳脫出數(shù)字客服或超大知識(shí)庫(kù)給出的響應(yīng)式服務(wù)，進(jìn)而升級(jí)為有主動(dòng)執(zhí)行能力的管理式服務(wù)，真正為申辦方提供有責(zé)任感的“數(shù)字員工”而不是單純的數(shù)據(jù)管理工具。如太美醫(yī)療科技發(fā)布的文思智能（Wiz.AI）平臺(tái)，其能力基座除海量的專業(yè)知識(shí)、法律法規(guī)、公開數(shù)據(jù)外，還有其十余年5000余項(xiàng)臨床研究項(xiàng)目運(yùn)營(yíng)經(jīng)驗(yàn)，為其人工智能臨床試驗(yàn)服務(wù)奠定了核心競(jìng)爭(zhēng)力。基于出色的綜合實(shí)力，文思在實(shí)際業(yè)務(wù)場(chǎng)景中擁有強(qiáng)大的落地能力，以賦能SaaS和服務(wù)在各應(yīng)用場(chǎng)景中發(fā)揮智能化的管理職能，而非單一的智能問答。

　　再如藥物發(fā)現(xiàn)領(lǐng)域，有了大模型的賦能也為多年的人工智能應(yīng)用再添利器。首先，大模型的應(yīng)用增加了AI結(jié)果的可解釋性，從而提升信任度，讓使用者可以明白并判斷其可靠程度，從而提升AI服務(wù)的接受度。其次，大模型顯著降低了專業(yè)知識(shí)的理解和應(yīng)用門檻，極大提升相關(guān)步驟效率。可見，效率的提升在行業(yè)已有共識(shí)。但研發(fā)的能力驗(yàn)證還在路上，目前還未有通過AI研發(fā)的藥物走到上市階段，這也讓行業(yè)對(duì)其態(tài)度逐步謹(jǐn)慎。目前，在藥物研發(fā)領(lǐng)域，相較于效率和應(yīng)用工具，企業(yè)更愿意為價(jià)值結(jié)果付費(fèi)。

　　（2）C端健康管理-打造輕中重個(gè)性化服務(wù)

　　另一個(gè)院外擁有高吸引力的大模型落地場(chǎng)景是面向C端的健康管理服務(wù)。

　　輕量級(jí)服務(wù)：做群眾的AI健康助手。自2016年《健康中國(guó)2030》發(fā)布以來，國(guó)民對(duì)健康的重視程度持續(xù)增強(qiáng)，并逐步從“疾病治療”向“疾病預(yù)防”前移、從“被動(dòng)治療”向“主動(dòng)健康”轉(zhuǎn)變。隨之而來的就是更多的健康服務(wù)需求，例如亞健康狀態(tài)改善、日常偶發(fā)性不適的咨詢、體檢報(bào)告解讀、藥物及疾病知識(shí)學(xué)習(xí)、個(gè)人健康檔案管理及疾病預(yù)防等。傳統(tǒng)的醫(yī)療體系顯然難以支撐該類激增的健康服務(wù)需求，因而大模型的應(yīng)用可很大程度解決健康服務(wù)能力供給不足的情況，目前行業(yè)已有不少理想的解決方案。例如訊飛醫(yī)療，推出首款面向居民的AI健康助手應(yīng)用訊飛曉醫(yī)，依托星火醫(yī)療大模型億級(jí)高質(zhì)量權(quán)威醫(yī)學(xué)知識(shí)數(shù)據(jù)庫(kù)，為用戶打造個(gè)人數(shù)字健康空間，覆蓋“看病前、用藥時(shí)、檢查后”三大核心健康場(chǎng)景，提供癥狀自查、藥物查詢、報(bào)告解讀和個(gè)性化健康檔案管理等服務(wù)。目前，訊飛曉醫(yī)APP已覆蓋高頻常見疾病1600余種、常見癥狀2000余種、常見藥品4000余種、常見檢查項(xiàng)目6000余項(xiàng)，用戶滿意度達(dá)98％。

　　治療及服務(wù)：提供陪伴式服務(wù)。面向C端的健康管理服務(wù)中，還有一大極具落地吸引力的應(yīng)用場(chǎng)景，那就是慢病管理。隨著我國(guó)慢病患者人數(shù)攀升，目前醫(yī)保用于慢病治療的費(fèi)用居高不下，占據(jù)醫(yī)保開支大頭。可是，即便如此我國(guó)慢病管理現(xiàn)狀也并不如意。究其根本，慢病的治療不僅僅需要藥物，更需要生活方式的干預(yù)，而后者需要極高的人力成本及時(shí)間，本就供給不足的現(xiàn)有醫(yī)療體系對(duì)其難以覆蓋。

　　慢病管理需要多團(tuán)隊(duì)的有機(jī)協(xié)作，且生活方式的干預(yù)是一個(gè)長(zhǎng)期過程、是一個(gè)全新生活習(xí)慣培養(yǎng)的過程，也就意味著慢病管理團(tuán)隊(duì)需對(duì)患者進(jìn)行長(zhǎng)程式的陪伴，其對(duì)應(yīng)的高人力成本是慢病管理落地的一大阻礙。最后，純?nèi)肆Φ穆」芾恚苋菀子|及服務(wù)能力的天花板，而就我國(guó)目前醫(yī)生、營(yíng)養(yǎng)師、專業(yè)運(yùn)動(dòng)教練及健康管理師等服務(wù)團(tuán)隊(duì)的數(shù)量對(duì)于龐大的需求群體而言，存在極大的人力缺口。正因如此，醫(yī)療大模型在慢病管理場(chǎng)景的應(yīng)用展現(xiàn)出極大的價(jià)值。

　　輕量級(jí)及治療級(jí)健康管理服務(wù)對(duì)比，資料來源：調(diào)研訪談，動(dòng)脈智庫(kù)整理

　　有了醫(yī)療大模型的賦能，可以極大解放人力，這不僅能夠提升單個(gè)管理師的管理能力上限，也能助力提供更好的服務(wù)。例如，在大模型的輔助下，用戶可以有更好的“實(shí)時(shí)應(yīng)答”體驗(yàn)，并且可以確保服務(wù)“溫度”，沒有情緒的波動(dòng)。不僅如此，大模型在個(gè)性化方案實(shí)施上也更有優(yōu)勢(shì)，可以基于用戶情況實(shí)施輕量級(jí)到治療級(jí)不同干預(yù)程度的管理方案。

　　循著以上的要求，行業(yè)也已然出現(xiàn)了成功的商業(yè)化案例。如南大菲特，為肥胖伴有代謝綜合征、糖尿病、多囊卵巢綜合征及青少年肥胖等患者提供人工智能生活方式干預(yù)。“三師共管AI大模型”融合了200余位專家的經(jīng)驗(yàn)，其多模態(tài)底座賦能管理團(tuán)隊(duì)基于用戶自產(chǎn)及來自監(jiān)測(cè)設(shè)備的健康數(shù)據(jù)，主動(dòng)給出實(shí)時(shí)的專業(yè)管理意見，真正為用戶打造了有溫度的陪伴式生活方式干預(yù)。經(jīng)過10年的打磨與沉淀，企業(yè)已經(jīng)成功助力超過3.5萬(wàn)的用戶減重成功，達(dá)成了4周減重4.2kg、8周減重7.4kg、12周減重11.12kg的優(yōu)異成效。此外，大模型的賦能讓企業(yè)也實(shí)現(xiàn)了輕量級(jí)管理完全AI化、治療類的專業(yè)管理中實(shí)現(xiàn)服務(wù)能力4-5倍的提升。

　　過去，人們對(duì)人工智能始終報(bào)以謹(jǐn)慎態(tài)度，對(duì)于AI提供的健康建議信任度不高。現(xiàn)在，DeepSeek的爆火極大地推動(dòng)了市場(chǎng)教育成熟，加之政策鼓勵(lì)及行業(yè)專業(yè)級(jí)管理方案展現(xiàn)的優(yōu)異成效，相信未來大模型在C端健康管理?yè)碛蟹浅４蟮南胂罂臻g。