01 

解读|INTERPRETATION

2025医疗人工智能产业报告总结

一、行业宏观概况：高增速下的价值困局

1. 市场规模与增长趋势

2024 年中国医疗人工智能解决方案市场规模达 164 亿元，即便在经济周期压力下仍维持高增速。据弗若斯特沙利文测算，预计 2030 年市场规模将扩大至 353 亿元，年复合增长率（CAGR）达 13.63%。

未来五年市场增长的核心影响要素包括：医疗 AI 的应用范围拓展、医院购置意愿、审评审批成本、医疗数据获取难度、行业产品竞争格局等。

2. 行业发展核心矛盾：价值分歧

当前医疗 AI 行业的核心瓶颈在于不同主体间的价值分歧，这也是规模化商业化落地的主要阻碍：

• 短期医院与医生利益不一致：医院关注投资回收期，医生关注工作体验与个人竞争力，部分 AI 虽能减轻医生工作负担，但短期无法为医院带来明确收益，甚至可能因数据训练削弱资深医生的竞争力。

• 患者与科室利益存在冲突：AI 优化诊疗流程后，往往能缩短患者治疗时间、降低医疗花费，但在 DRG 支付体系下，原本需要多科室协同的诊疗变为单科室完成，会导致科室的医保报销收入减少，出现 “患者获益、科室受损” 的矛盾。

3. 发展驱动因素

行业仍维持高增长，核心源于 “资本 + 政策 + 医生” 三向驱动：

1. 大模型技术突破：DeepSeek 等国产基础模型降低了大模型部署门槛，截至 2025 年 5 月，国内前 100 医院已全部完成大模型部署，38 家医院自研了 55 个垂直医疗模型。

2. 政策持续加码：国家药监局、卫健委等部门密集出台政策，优化 AI 医疗器械审评审批，明确 2027 年的 AI 医疗应用建设目标，为行业指明发展路径。

3. 医生参与度提升：医生主动参与 AI 研发的频率显著增加，医工融合成为行业主流研发模式。

二、临床专科 AI：患者获益显著，商业化待破局

临床专科 AI 起步晚但发展快，已覆盖各科室全流程，但受价值分歧影响，商业化落地分化明显，仅部分能创造新增价值的产品实现了商业闭环。

1. 胸外科：从诊断到全流程赋能

胸外科是医疗 AI 最早赋能的科室之一，AI 已从单一肺结节诊断拓展至全流程：

• 辅助诊断：人机协同模式下，肺结节阅片效率提升 56%-84%，某三甲医院科室门诊量因此提升 40%。

• 辅助穿刺：AI+3D 打印穿刺导航，将穿刺调整次数从 4.39 次降至 1.62 次，CT 扫描次数从 8.39 次降至 5.47 次，同时降低了手术门槛。

• 手术规划：AI-3D 建模将规划时间缩短 25%，误差减少 41%，帮助医院将平均住院日从 12 天压缩至 5 天，患者 3 年生存率提升 20%。

商业化方面，部分流程优化类 AI 虽能为患者大幅降本，但在 DRG 下会压缩科室收入，短期商业化受阻。

2. 心内科：器械绑定的商业化新路径

心内科 AI 已覆盖全诊疗流程，依托 CDQI 工程，“心电一张网” 等政策驱动项目率先跑通商业化：

• 心电 AI：支撑区域心电网络，实现秒级诊断，分流 80% 常规病例，让专家聚焦疑难病例，基层诊断准确率提升至 95% 以上。

• 功能学评估：悦唯医疗的全自动 SYNTAX 评分系统，解决了传统评分主观性强的问题，已落地 78 家医疗机构，临床使用零漏诊。

• 介入治疗：AI 辅助 IVUS/OCT 分析，将解读时间从 10-15 分钟压缩至 3-5 分钟，提升手术精准度。

商业化上，诊断类 AI 付费意愿低，行业正探索 “AI 绑定高值器械 / 术式” 的模式，借助高价设备的自费空间，让患者为 AI 增值服务付费。

3. 骨科：率先实现规模化商业化

骨科是临床专科中 AI 商业化最成熟的领域，核心源于 AI 能创造此前无法实现的新增价值：

• AI+3D 打印：定制化定位导板、植入体，缩短定位时间 60% 以上，国产已实现全面覆盖，且相关产品逐步纳入医保，付费意愿强烈。

• 手术机器人：突破了高难度手术的门槛，让原本不敢开展的高风险脊柱手术得以落地，某科室手术量因此提升 10%-20%，即便患者需自费万元，仍有可观需求。

• 术后康复：目前商业化滞后，核心是患者对康复的价值感知不足，待市场教育成熟后有望成为新增长点。

4. 神外科：精细手术的效率升级

神外科 AI 聚焦治疗环节，通过精准化赋能提升科室整体效率：

• 诊断与规划：AI 三维重建、手术入路规划，将术前准备时间大幅压缩，医患沟通门槛显著降低。

• 术中辅助：AI 定位系统将整体手术时间缩短 1/3，电生理实时监测将并发症风险显著降低，3D 颅骨重建等产品因患者获益感知强，商业化推进迅速。

整体来看，AI 助力科室手术总量增长 20%-30%，同时腾出资源开展抑郁症等功能性手术，拓展了科室的业务边界。

5. 内分泌科：慢病管理的院外破局

内分泌科以慢病管理为核心，AI 成为盘活全周期健康数据的关键：

• AI 慢病管理：实现 7*24 小时实时应答，可根据血糖数据动态调整胰岛素、饮食运动方案，解决了纯人力管理的天花板问题。

• 专病大模型：2025 年全球首个 1 型糖尿病专病大模型发布，覆盖筛查、分型、治疗、管理全链条，填补了此前 AI 仅服务 2 型糖尿病的空白。

商业化上，患者付费意愿逐步提升，各地医保逐步开放远程管理收费编码，AI 依托健康管理服务实现了商业化落地。

三、临床支撑 AI：医技落地成熟，信息系统深度融合

医技与信息科的 AI 更聚焦效率与标准化，落地模式相对成熟，是当前医院 AI 采购的重点方向。

1. 医技科室：效率与精准度的双重升级

影像科：AI 赋能最全面的科室

影像科 AI 已覆盖扫描前、中、后全流程：

• 技师端：AI 辅助摆位、影像增强，可在不更换设备的前提下实现设备升级，如 AI 加速 MR 成像 4-10 倍，减少 10 倍造影剂使用。

• 医生端：辅助阅片将单份 CT 处理时间从 5-10 分钟压缩至 2 分钟，效率提升 275%。

• 未来趋势：多病种 AI、影像大模型成为新方向，联影智能的元智大模型已支持 300 + 影像处理任务，精准度超 95%。

放疗科：智慧放疗的精准突破

AI 推动放疗从人工规划迈向自适应精准治疗：

• 靶区勾画：将人工耗时 3-4 小时的工作压缩至 1 分钟，效率提升超 90%，同时降低了医生间的结果差异。

• 自适应放疗：AI 将重新计划的流程从数小时压缩至 15-20 分钟，让 “每次治疗都是定制方案” 成为可能。

• 疗效预测：可提前预测放射性肺炎等毒副反应，将≥2 级肺炎发生率从 23% 降至 10.5%。

病理科：大模型重构诊断能力

• 宫颈细胞 AI：已率先跑通商业化，效率提升 70%-90%，可节省 50% 的病理人力，缓解病理师缺口问题。

• 大模型突破：病理大模型解决了组织病理的泛化性问题，还可通过病理切片预测基因突变，准确率达 78%-99%，可替代部分基因检测，将检测周期从 1-2 周压缩至即时出结果。

检验科：多模态数据的效率质变

AI 已覆盖各类检验环节，在微生物检验中，AI + 二代测序可跳过培养环节，将重症感染的检测时间大幅压缩，为急救争取窗口。行业期待 AI 能整合多类检验数据，实现综合辅助诊断。

2. 信息科：系统融合的全院级赋能

信息科的 AI 采购更聚焦医院评级与系统效率，核心产品包括：

• AIPACS：实现 AI 与 PACS 的原生融合，解决了多 AI 工具切换割裂的问题，联影智能的 AIPACS 可将影像归档速度提升 5 倍，初诊报告时间缩短 27%。

• AIEMR：自动生成病历，将单份病历书写时间压缩至 10 分钟内，同时实现全流程病历质控，规范率显著提升。

• 科研 AI 平台：帮助医生快速处理科研数据，标注效率提升两个数量级，加速科研产出。

• 评级类应用：为满足电子病历、智慧服务评级的 CDSS、智慧问导诊等应用，是当前医院采购的重点。

3. 基层医疗：商业化最成熟的赛道

基层医疗是当前 AI 商业化最成功的场景，实现了机构、医生、患者三方共赢：

• 核心价值：AI 弥补了基层的人才缺口，将病历书写效率提升 75%，诊断符合率提升 18%，释放了基层的诊疗产能。

• 政策驱动：国家 “强基层” 战略提供了刚性需求，财政补贴降低了落地门槛，讯飞医疗 4.28 亿中标国家级基层 AI 中试基地项目，验证了政策的支付能力。

• 多元商业模式：形成了 SaaS 订阅、按使用量付费、政府购买、收益分成等多元模式，头部企业续约率超 80%。

四、破局路径：数据资产化的长期增长引擎

当前医疗 AI 的研发成本高企，而数据资产化是行业实现降本增效、可持续增长的核心破局路径。

1. 数据治理的智能化迭代

大模型推动数据治理效率大幅提升：

• AI 可自动完成非结构化数据的结构化、标注、质控，文本处理效率提升 5-10 倍，影像标注效率提升超百倍。

• 水木金昇、东软等企业推出的 AI 数据治理平台，可快速处理多模态数据，形成标准化数据集，大幅降低 AI 研发的成本。

2. 数据流通的探索：场内交易与可信数据空间

• 场内数据交易：目前已有宣武医院、一脉阳光等机构完成了医疗数据的场内交易，但短期供给不足：单份数据集的生产、合规、确权成本约 10 万元，且数据权属复杂，医院观望情绪较重。

• 可信数据空间：成为当前数据流通的主流方案，通过 “可用不可见” 的模式，实现数据的安全流通。北电数智、蚂蚁数科等企业已推出成熟方案，可支撑模型训练、科研协作等需求，在不流转原始数据的前提下释放数据价值。

3. 伦理与合规的挑战

医疗数据的伦理问题是资产化的核心阻碍：

• 健康数据所有权属于患者，医疗机构仅拥有管理权，商用授权的边界模糊，导致医院不敢贸然参与数据交易。

• 行业预计，需要 2-3 年的时间完善法规与知情同意体系，才能建成健全的健康数据交易体系。

五、典型企业案例

报告调研了 10 家代表性企业，覆盖了医疗 AI 的全产业链... ...