人工智能（AI）将在很大程度上改变医疗服务的提供方式。它可以提高诊断和治疗的效率，在使用相同医疗资源的前提下，为更多病人提供更快更好的服务。人工智能也可以帮助改善医疗从业者的体验，将他们从繁重而机械的工作中解放出来，使他们能够有更多的时间直接接触患者，履行“有时治愈，常常帮助，总是安慰“的医务人员职责。

近年来，随着人工智能技术的逐渐成熟，人工智能正走出实验室从理论技术研究向产业落地方向发展。人工智能的迅猛崛起快速渗透到了社会生活的方方面面，其在医疗健康领域的作用愈发重要。得益于与物联网、大数据与云计算等现代科技的齐头并进、协作发展，医疗健康领域也在开启创建智能新时代。新一轮的人工智能浪潮促进了医疗健康事业的新发展，“人工智能+医疗健康”的现代模式已悄然运用到医疗健康领域的各个场景。

中国医疗AI市场规模高速增长，根据动脉网数据，按照大数据、A+新药研发、AI+肿瘤诊疗三大赛道市场规模总量估算，2020-2025年CAGR为39.4%，2025年我国医疗AI市场规模有望突破300亿元。未来的医疗功能将变得更加智能化，这是医疗行业的必然性和趋势，而人工智能医疗和人类健康之间的联系也将会越来越密切。

AI技术与医疗场景的深度融合。AI医疗是以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，以人工智能为核心干预技术手段介入传统的院内外医疗环节，协助人或解放人工，提升医疗行业的诊断效率及服务质量，更好的解决医疗资源短缺、人口老龄化的问题。

AI在医疗健康领域的主要应用领域归纳为如下五类：AI+新药研发、AI+医学影像、AI+医疗机器人、AI+健康管理以及AI+综合辅助诊断。

AI医疗诞生于生命科学与医学数据大爆炸时代，随着人类从农业时代、工业时代向信息时代的转变，人类每天所接收的信息呈指数爆炸增长，生物医学也迎来了大数据驱动的颠覆性变革时代，各国纷纷开展生物医学大数据计划，并且将人工智能最大程度得运用在医疗健康领域。

无论是否愿意，不可否认的是如今每个人都置身于大数据时代之中，据国际数据公司和数据存储公司希捷开展的一项研究发现，2018年全球产生33ZB（1ZB等于10的12次方）的数据。其中，中国产生了7.6ZB的数据，预计到2025年该数字将增长48.6ZB。

在大数据时代，生物医学大数据是增速最快的大数据，贯穿从基础研究、药物开发、临床医疗到健康管理所有环节，甚至还催生了一系列生物医学大数据产业。一般情况下，生物医学数据的计算量与人的样本数量呈线性关系，但是当变量和组合增多时，计算量就指数倍的增加。如果增加的数据与临床症状或基因表达以及其他层次的组学数据相关，那么分析会变得更加棘手和复杂。所以，当处理数据达到PB量级，巨量数据的处理可能会使目前很多统计分析工具瘫痪。在一切可以用数据“雕刻”的时代，有大量的问题值得我们思考和应对。

大数据积累、融合最终发展成为临床应用设施需要经历很长的时间，数据增长本身是极易简单的事情，人类的任何活动都会产生数据，当发展到有用信息则有一定的滞后性。正是因为数据转换的滞后性，在大数据时代，生物医学发展的竞争将主要体现在以下方面：数据资源和计算存储资源、大规模数据分析处理能力与数据链整合能力。

数据资源与计算存储资源成为衡量不同医院竞争力的重要方面之一。就医疗大数据的分析处理能力而言，则需要人工智能与云计算的参与，智算时代下，算力成为了一种新技术生产力，也是挖掘数据要素价值，推动智慧医疗产业发展的核心支撑力和驱动力，大规模数据的分析处理能力在医疗健康的发展中占据越来越重要的角色。

由于人工智能有助于解决快速增长的医疗需求和医疗资源短缺的矛盾，医疗决策者、政府、投资者和创新者都对此抱有很高的期望，认为人工智能将在医疗健康领域得到广泛应用。政府正在大力投资与人工智能相关的研究，企业也在其中继续发挥重要作用。大型科技公司、初创公司、制药和医疗器械公司以及健康保险公司，都参与了开发及维护新兴的人工智能医疗健康生态系统。

2021年，全国人大在《“十四五”规划和2035远景目标纲要》中提到，“将在智能交通、智慧物流、智慧能源、智慧医疗等重点领域开展试点示范。积极推进医院信息化、公共卫生信息化、医疗保障信息化、新兴技术应用和监管等方面的建设。”

同年，国家卫健委在《“十四五“国家临床专科能力建设规划》中明确表示：积极推动智慧医疗体系建设，加强人工智能、传感技术在医疗行业的探索实践，推广“互联网+”医疗服务新模式，争取在计算机智能辅助诊疗、远程医疗等方面取得积极进展。

与此同时，我国医用软件的审评能力也得到很大提升，2022年3月7日，国家药监局器审中心发布《人工智能医疗器械注册审查指导原则》，解决了医疗人工智能注册审批推进缓慢、相关制度缺失等问题。

随着医疗AI行业的快速发展，我国陆续出台了与医疗AI相关的产业及监管政策。在产业政策方面，2018年国务院办公厅颁发《关于促进“互联网+医疗健康”发展的意见》，针对“互联网+医疗健康”提出了专项产业发展规划，特别提到推进“互联网+”人工智能应用服务。在监管政策方面，考虑到医疗AI在各个应用领域所涉及的监管问题各有不同，我国并没有出台框架性的监管法规，而是在医疗AI软件、AI诊疗等各个医疗健康AI应用场景的不同情况进行有针对性的立法。

人工智能技术日新月异，发展迅猛，大型基础模型（Foundation Models）的研究是人工智能的新前沿。基础模型是通过自监督学习，在大规模未经标记的数据上训练的大型人工智能模型，该模型可以适应广泛的下游任务。在医疗健康领域，基础模型也有广泛的应用。

中国人工智能AI医疗市场在未来十年将持续快速增长，人工智能AI医学影像（包括X光、CT、病理、超声等）将成为增长最快的细分市场。

2016年以来，国家相关部门发布《“互联网+”人工智能三年行动实施方案》、《关于促进和规范医疗大数据应用发展的指导意见》以及《“健康中国2030”规划纲要》等一系列相关政策，鼓励和引导AI与医疗健康产业各环节的融合，即凭借以计算机视觉、语音识别、语言处理和机器学习为代表的AI技术，在药物研发、诊断治疗和健康管理等多个场景实现降本增效，为院前、院中和院后各环节赋能，进而满足患者需求。经过多年发展，医疗AI的部分应用场景已实现商业化，一部分医疗AI企业也已跑通相关商业模式，成长为独角兽企业甚至完成了IPO。

AI制药是将机器学习（Machine Learning）、自然语言处理（Natural Language Processing）及大数据等人工智能技术应用到制药领域各个环节，进而促进新药研发降本增效。目前主要应用于药物研发阶段的药物发现、临床前阶段，随着ChatGPT的不断应用，AI向临床开发阶段的渗透有望持续加快。

传统的新药研发的研发周期长、成本高，而AI技术则有助于缩短新药研发时间并节省试错成本。据研究统计，传统新药发现需要5-6年方能筛选出合适的先导化合物作为临床研究候选，而借助AI技术则可以使该过程缩短至1-2年甚至得以在几个月内完成。

AI在新药研发的各个阶段（包括药物发现、临床前研究、临床试验以及审批上市）均能发挥其作用。具体而言：（1）在药物发现阶段，AI凭借对海量医学数据及资料的学习可以在靶点发现、化合物筛选以及化合物合成等环节提质增效；（2）在临床前研究阶段，AI可以利用其深度学习及计算能力对化合物筛选以及药物晶型、剂型预测的过程进行优化；（3）在临床试验阶段，AI可以通过对患者及试验数据的分析实现对患者的精准招募以及临床试验方案的设计优化；（4）在商业化阶段，AI则可以利用真实世界数据对产品的安全性、有效性和质量可控性进行进一步分析，对不良反应进行监测。

医疗机器人是指在医院、诊所、康复中心等医疗场景中，提供手术、康复及辅助服务的机器人产品。通过应用人机交互、计算机视觉与感知等AI技术，医疗机器人可以实现稳定性作业和高精度操作等功能，辅助医疗人员提供更为高效的医疗服务。根据国际机器人联合会（IFR）的分类，医疗机器人可分为手术机器人、康复机器人、辅助机器人以及医疗服务机器人四类。

我国目前的医疗机器人市场以康复机器人占比最高，而就制造难度最高且临床稀缺性较强的手术机器人而言，相较于商业化较成熟的国外市场，国内市场仍处于起步期，但也是目前融资关注度较高的领域。

人工智能在医学影像的科室应用更广泛，场景更丰富，下游更广阔。医学影像是指针对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。人工智能技术能够显著缩短影像阅片速度、提高诊断效率、减少错诊误诊率，可以广泛应用于多个科室，应用场景涵盖早期的筛查、诊断到中后期的治疗、随访，具有非常可观的市场空间。根据灼识报告，国内人工智能医学影像市场规模有望从2020年的不到10亿元增长至2025年的442亿元，年复合增长率高达135%。全球来看，预计人工智能医学影像市场有望从2020年的不到10亿美元增长至2025年的646亿美元，年复合增速有望达到147%。

AI医学影像起步早、渗透率低，开始进入商业化初期。医学影像数据丰富，占所有临床数据的80%以上，是最早实现全球标准化的医疗数据之一，并且容易获取、处理难度小，因此和人工智能技术契合度较高，是AI医疗领域率先突破的应用场景。2020年国内首张AI影像辅助诊断领域三类证获批，比AI病理提早了近3年。截至2023年4月，国内已经有超过30张AI影像相关的医疗器械三类证获批，主要集中在肺部、眼底、头颈、心血管等领域。相比病理诊断，影像诊断的审批也更加成熟，行业已经开始进入商业化阶段，但整体渗透率较低，还有很大提升空间。

国内首款医疗大模型MedGPT今年4月发布

据媒体报道，今年4月医联正式发布了国内首个医疗领域自研大语言模型——MedGPT，成功实现了众多首次突破。首次突破了AI医生无法与真实患者连续自由对话的难点。开出检验检查单；首次由AI给出准确诊断与治疗方案；首次利用多种医学多模态，首次打通从问诊到医学检查的流程。

具体来说，MedGPT目前参数规模为1000亿，可支持医疗场景下的多模态输入和输出。其中，预训练阶段使⽤了超过20亿的医学文本数据，微调训练阶段使⽤了800万条的高质量结构化临床诊疗数据，并投入超过100名医⽣参与⼈⼯反馈监督微调训练。

为了解决通用大语言模型在医疗应用场景的不足，MedGPT提供了几项针对医疗应用场景的特殊优化。

首先，MedGPT引入了模型算法的一致性校验机制。通过加入临床医学规则校验器，使得MedGPT在为患者输出正式答案之前，会先经过临床医学规则校验，确保医学准确性。

其次，医联为MedGPT建立了多维度的诊疗准确性评测体系，比如，在问诊场景的重点是问诊准确率，而在诊断场景的重点则是诊断证据充分率、疾病准确率和漏诊率。通过这一评测体系，可从多方面分析与评测MedGPT在诊疗全过程中的一致性和准确性。

这些还并不足够，要衡量MedGPT的输出结果，还需要基于专家评议的真实世界医生一致性对标机制加以衡量。这也正是本次医联一致性评测的目的，即通过单盲测试将MedGPT与真实医生给出的方案进行一致性评测，并经专家委员会进行结果评定。

精准医疗是指针对不同的患者，采取不同的治疗方案。人工智能技术为医疗行业带来更加安全和有效的治疗方案，人工智能可以通过分析患者的基因数据、蛋白质组和代谢组等医疗数据，制订个性化的预防、诊断和治疗方案的技术，来实现对不同患者的精准医疗。这种个性化的医疗方式，不仅可以提高治疗的效果，还可以降低治疗的副作用。例如，基于人工智能技术的精准医疗技术可以根据患者的基因信息和病情特征等因素，精准地制定个性化的治疗方案和预防措施。

医学植入技术是指将人工智能芯片等微型化电子设备植入人体内，以便实现对人体健康状态的监测和治疗的技术。例如，智能药瓶可以植入患者体内，通过与云端的数据交换，为患者提供个性化的药物治疗方案和监测。

2022年3月9日，首都医科大学宣武医院院长赵国光教授，神经外科单永治教授带领的神经外科立体定向与功能性脑疾病组团队，成功为一名难治性癫痫患者（双侧颞叶癫痫）施行了闭环反应性神经刺激系统 Epilcure™注册临床试验植入手术。

这标志着由宣武医院作为牵头单位的 Epilcure™国家药品监督管理局（NMPA）注册临床试验的首例入组首战告捷；也标志着经过国内临床与基础研究团队艰苦卓绝的努力与攻关，具备自主知识产权的“脑机接口”高新技术产品，走到了全方位临床使用前的最后一步。

据了解，闭环反应性神经刺激系统为“脑机接口”在临床领域的重要应用，该技术通过将人工智能芯片植入颅骨，颅内电极植入脑内，昼夜无间断监测脑电节律，一旦预测到即将发生的癫痫，即启动外源性干扰节律，直接阻断致痫灶内的癫痫形成，精准的控制环路的活动。

以上几种技术趋势表明，未来人工智能医疗领域将更加注重数据的分析和融合，同时将不断地开发新的领域和技术。

随着人工智能医疗的普及和应用，虽然带来了无数的优势和机遇，但也要面对一些挑战和安全风险。其中，技术瓶颈和数据安全问题是其中最为突出的。

技术瓶颈

虽然人工智能技术已经具备了在医疗领域中更加成熟的应用，但在某些领域中，人工智能还面临着许多技术瓶颈。例如，对于某些疾病的早期诊断，AI技术的准确度和可靠性还需要进一步提高。此外，人工智能技术也存在着许多复杂和多样化的情况，例如疾病诊断的误诊和漏诊等问题。

数据安全问题

医疗领域的数据涉及个人隐私和敏感信息，如何保障数据的安全和隐私成为一个关键问题。人工智能在医疗领域中的应用需要大量的医疗数据的支持，但是，在数据传输、存储和隐私保护等方面，也很容易遭遇一些黑客和信息窃取等安全风险。

伦理和道德问题

人工智能在医疗领域的应用还需要充分考虑到伦理和道德问题。医生和技术人员需要确保人工智能的应用符合伦理规范，并且不对患者或社会造成不良影响。

技术标准与监管问题

AI医疗技术的快速发展也带来了技术标准和监管的问题。AI医疗需要制定相关的技术标准和规范，并建立统一的数据标准和共享机制。同时，政府和相关部门也需要制定相关的法律法规，规范AI医疗的发展和使用。

以上这些问题需要全社会共同思考和解决，以保障人工智能技术的可持续和良性发展。