编者按

当“人工智能+”的浪潮席卷医疗领域，一场关乎生命健康的变革正深刻重塑行业生态。从影像识别精准捕捉微小病灶，到手术机器人跨越山海完成远程手术，从大模型助力临床决策，到创新联合体破解数据壁垒，人工智能不仅是提升诊疗效率的工具，更成为推动普惠医疗、精准医疗，破解资源不均难题的关键力量。本期调研聚焦AI（人工智能）赋能医疗领域，于实践中思考，在技术与人文的交汇点上，如何让人工智能真正服务于人的健康需求。

人工智能属于通用目的技术，通过与经济社会深度融合，不仅能够实现社会生产力的跃升，而且有助于解决社会发展中的“痛点”问题。随着我国经济发展水平的提高，人民群众对医疗健康事业的关注度日益提高。人工智能的发展为提高医疗技术和服务水平，实现普惠医疗创造了条件。我市医疗资源和水平在全国排名前列，通过实施人工智能赋能医疗行业行动计划，持续提高医疗水平，更好地服务经济社会发展，是医疗事业发展的方向。

人工智能加速赋能医疗行业

2015年以来，随着人工智能在图像识别领域超越人类认知基线，图像识别开始广泛运用于医疗行业，成为人工智能率先应用的场景之一。通过图像识别技术在X光、CT（医学影像技术）和MRI（磁共振成像）等影像自动分析领域的应用，人工智能能够精准识别微小病灶，对疾病作出准确诊断，在降低误诊率的同时，能够有效减轻医生的工作强度。

2023年以来，随着生成式人工智能在医疗行业的创新应用，大模型正在掀起一场医疗科技革命。与专用小模型相比，大模型拥有强大的自然语言理解、知识整合和生成能力，无论是在医疗诊断和临床决策还是在患者交互方面，都表现出巨大的发展潜力。

人工智能在医疗领域的典型案例是阿里巴巴达摩院开发的“平扫CT+AI”胰腺癌筛查技术。阿里巴巴联合其他全球顶尖医学机构研发的大规模胰腺癌早期筛查技术，敏感性和特异性分别达到92.9%和99.9%，被《自然·医学》评价为“有望开启影像AI癌症筛查的黄金时代”。胰腺癌被称为“癌症之王”，是死亡率最高的恶性肿瘤，早期诊断率极低，超过80%的患者确诊即晚期，严重影响人类的生命和健康。同时，在医疗影像领域，中国的推想医疗、深睿医疗和联影智能等企业的技术和产品在肺部CT影像的结节检测和良恶性判断方面都达到或接近专家诊断水平。在医疗资源分布不均等条件下，在国内医院尤其是落后地区医院部署人工智能医疗技术和设备能够显著提高全国早期肿瘤筛查和检出率，为康复治疗提供条件。

除了医疗影像领域，人工智能还广泛应用在药物研发、手术机器人、辅助诊疗和临床决策、智慧医院和医疗管理等领域。尤其是在手术机器人研发方面，我国成功实现了规模应用。手术机器人研发是为了通过远程手术解决高水平医疗资源的稀缺问题。2025年7月23日，浙江大学医学院附属邵逸夫医院梁霄教授在法国斯特拉斯堡，操作国产手术机器人成功为浙江杭州患者实施机器人辅助超远程切除手术。人工智能在医疗行业的广泛应用，在提高医疗水平的同时，带动我国医疗和医药产业的发展。

人工智能在医疗行业应用的关键领域

为了解人工智能在医疗领域的应用情况，我们筛选出55家医疗领域的人工智能企业，通过技术合作关系的分布研究中国人工智能在医疗领域的应用情况。

从55家智慧医疗应用层样本企业应用领域的分布来看，医学影像应用领域数量最多，为19家，占比34.55%。由于医学影像数据具备可获得性和易处理性的特点，为人工智能算法开发和应用提供了强有力支撑。

排名第二和第三的是医疗机器人和医院管理应用领域，企业数量均为10家，占比18.18%。在医疗机器人领域中，康复机器人应用领域最广泛，占比40%；其次是手术机器人，占比30%。在新冠疫情期间，以医药物流机器人和消毒杀菌机器人为代表的医疗服务机器人应用领域大规模落地。在医院管理应用领域，通过应用人工智能，我国医院的数字化转型明显加速。医院智能化电子病例管理、智能导诊与分诊、质量管理与精细化运营成为其数字化转型主要内容。

排名第四的应用领域是健康管理，医疗企业数量为7家，占比12.73%。目前健康管理领域主要落地的应用为智能平台和可穿戴设备。

精准医疗应用领域排名第五，企业数量为4家，占比7.27%。精准医疗是以基因组医学、循证医学等传统医学经验作为理论基础，以大数据挖掘、基因测序等人工智能技术作为技术基础，最终达到标准化与个体化相统一的医疗模式。精准医疗目前由于存在基础设施不完善和技术壁垒的问题，在我国的发展潜能巨大。

药物研发和医疗支付应用领域排名第六，企业数量均为两家，占比3.64%。药物研发领域由于具有研发费用占比高、研发周期长、投入产出无法控制等特点，是该领域企业数量不多的主要原因。医疗支付领域的应用主要是实现医保支付和商保支付的便利化。

公共卫生领域的企业数量最少，占比1.82%。翼方健数是公共卫生领域的典型企业，成立于2016年。以医院和疾控中心的临床大数据、人口位置轨迹数据为基础，翼方健数通过疾控大数据平台，构建了传染病风险及时预警、密接人群及时定位的整体防控机制。

创新联合体是实施人工智能+医疗的战略支撑

从55家医疗领域人工智能企业的技术合作关系看，排名前列的企业包括两类：第一类以华为、腾讯、百度、阿里云、京东为代表的新型人工智能开放创新平台；第二类以海尔生物、浪潮健康、深睿医疗、华大基因、平安人寿、平安好医生、汇医慧影为代表的智慧医疗产业的龙头企业。依托人工智能技术能力，它们是人工智能+医疗的创新主体。

从与医疗领域人工智能企业的技术合作关系看，排名前列的包括四类组织和机构：第一类是以中国人民解放军总医院、北京协和医院、四川大学华西医院等为代表的医院；第二类是以清华大学为代表的研究型大学；第三类是以英特尔为代表的国际人工智能企业龙头；第四类是以默克集团、赛诺菲（北京）制药有限公司为代表的融合产业部门的医疗企业和机构。

从55家医疗领域人工智能企业的技术合作关系可以看出，人工智能企业、医疗机构、大学和科研院所、传统制药企业的合作和创新联合体的建设，是推动人工智能+医疗的关键动力和机制。因为人工智能属于通用目的技术，人工智能+医疗是跨学科、跨产业和跨组织的知识和技术互补性创新过程。其中，人工智能企业、医疗企业和机构、医院、研究型大学和科研机构的协同创新，是实现人工智能通用目的技术专用化的前提和基础。

目前，人工智能赋能医疗行业面临的主要问题包括：

第一，数据质量和隐私安全。有效的医疗人工智能模型需要海量的高质量数据。而现实中模型训练的数据往往存在“噪音”。同时，医疗数据分散在不同的医疗机构之中，难以进行有效整合和共享，“数据孤岛”现象明显。尤其是数据产权界定不清的条件下，患者隐私保护法律限制了数据的流通和运用。

第二，算法模型的可解释性。由于人工智能的泛化能力没有达到通用人工智能的水平，医疗大模型准确性尚达不到实际应用的要求。尤其是算法模型的“黑箱”特征导致医疗大模型的可解释性差。

第三，高质量数据集和模型投入高，技术路径多样性，技术创新存在高度不确定性。医疗行业大模型的开发不仅需要高质量数据采集和标注投入，而且需要人力和算力投入，在市场不确定条件下，对人工智能中小企业而言存在较大风险。

创新联合体的建设则能够有效地化解部分问题。在联合体内，通过协同创新不仅解决了模型的开发和应用，而且解决了数据的高质量标注。同时，联合体涉及产学研用一体化，创新主体的互补性创新和互惠互利有助于人工智能创新和应用形成良性互动和正反馈。

（作者刘刚　为南开大学经济研究所所长、中国新一代人工智能发展战略研究院首席经济学家）