中国AI医院信息化行业综述——市场缺口（2/2） 来源：中国医院协会信息专业委员会(CHIMA)，头豹研究院 中国医院新应用技术及辅助设备应用状况，2021-2022 n 新应用技术及辅助设备应用状况区域差异明显，AI赋能将有望缩小地区差异，实现医院信息化地域普惠 针对医院新应用技术及辅助设备应用的状况发现，排名前三位的是门诊发药机、住院包药机和医学影像AI。 三对比不同经济发达地区状况分析，经济发达地区医院应用最多的是住院包药机，占比60 8.4%和34.5%。同时对比经济发达地区和其他地区 应用状况相比，经济发达地区应用率为其他地区的2倍以上，地区差异明显。AI赋能医院信息化领域，使之 从数字化向智能化发展，有利于减少地区差异，有望早日实现普惠。 中国推进医院信息化建设中的障碍因素，2021-2022 单位：% 厂商服务 能力不足 信息技术部门 人力资源不足 缺乏充分的 资金支持 管理部门协 调不到位 医院重视 2023/08 www.leadleo.com 400-072-5588 15 中国AI医院信息化行业潜力巨大，赛道厂商众多，随着院内数字基 建的逐步完善，以及AI的渗透深入，软件及服务的投入占比将有望 进一步攀升 中国AI医院信息化行业市场分析——竞争格局 来源：各企业官网，头豹研究院 AI医院信息化行业竞争格局，2023 营业收入 应用场景 2 4 6 8 10 12 14

2023年是中国医疗大模型发展的元年，各种医疗大模型已广泛应用于临床辅助决策、 医学研究、健康管理等多个场景。未来，医疗大模型有望实现多模态AI与医疗实践全 流程的深入链接，应用于医疗教育和临床培训，提高药物研发和药物反应监测等方面 的能力。但在实际应用中，医疗大模型仍面临一些挑战，如准确度、透明度和可解释 性等问题，以及对数据隐私和安全问题的担忧。本文主要探讨医疗大模型在医疗领域 的应用及其面临的挑战。 率。 医疗大模型的应用场景展示了其在医学领域的多样性和重要性，可改善诊断、治疗和 疾病预防，提高医疗保健质量和效率。其应用涵盖临床、管理、教育、公共卫生等多 个方面，突显了医疗大模型的全流程应用，有望推动医疗保健的创新和进步。 人工智能技术 在医疗领域的优势与挑战 （一）医疗大模型超越传统方法的优势特征 大语言模型（Large Language Model）在医疗领域相对传统方法具有多方面的优势， 疗问题 时具有优势。 在医学影像分析方面，传统医学影像分析需要专业的放射科医生或病理学家进行手工 解读，耗时且存在主观性。随着人工智能技术的发展，ChatGPT目前已经可以分析多 模态信息，在未来有望能够分析X光、CT扫描、MRI等医学影像，自动检测异常或疾 病迹象，提供快速的初步诊断。此外，它还可以学习大量样本，提高准确性和一致 性。 在医学研究和知识发现领域，传统医学研究依赖于繁琐的实验和文献回顾，速度较

为问诊、影像、制药等各个医疗健康场景注入新活力 医疗健康领域是人工智能率先落地的行业之一，也已经催生了 Nuance、IBM Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看 到 AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时 问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一 方面，目前尚未看到面向医疗影像的新 AI 大模型服务，大模型在医疗影像 领域 领域的应用仍处于起步阶段，但天壤 XLab 负责人苗洪江博士认为，从 AlphaGo、 AlphaFold2 到生成式 AI 是一个从分析工具走向解决方案、并落地解决实际问题的过程。 长期来看，生成式 AI 有望赋能生物医药源头创新。 图表7： 从 AlphaFold2 到类 ChatGPT 生成式 AI 资料来源：GTC2023，Large language models generate ChatPandaGPT 资料来源：英矽智能，华泰研究 AI+医疗影像：应用相对成熟，关注 AI 大模型提升数据标注效率 AI图像识别技术在 CT、MR影片诊断领域的应用也已相对成熟，未来十年将有望规模发展。 AI+影像并非全新概念，包括科亚方舟、乐普医疗、推想医疗、联影等公司的产品已经获得 国家药监局认证，可在中国开展商业化销售。比如数坤科技提供疾病筛查、诊断及治疗选 择与规划的人工智能医学影像解决方案，以底层

成功，但因其需针对每家医 院进行大量病历模板训练，导致推广成本较高且具有局限性。 发言人 问：AI辅助诊断是否已纳入医保支付？ 发言人 答：AI辅助诊断是一个发展趋势，部分产品已能进行收费，并有望纳入医保支付，国家卫健委也 有要求影像科使用人工智能辅助诊断，且采购金额从100万至几百万不等。 发言人 问：每家医院写病历的格式不统一，如何解决这个问题？ 发言人 答：我们主要从两个方面解决

续促进创新药物的研 发。它是一个诞生于大数据时代的工具，也将作为大数据时代的代表将药物筛选 由principle base 推向 data base。这不仅有助于缩短药物从实验室到市场的 时间，还有望为患者带来更加个性化的治疗方案。随着AI技术的不断进步，我们 期待着一个更加高效、经济和精确的药物研发新时代的到来。 Reference [1] Zhang Y, Luo M, Wu P, et

与中医医院等医疗机构的紧密合作, 建立起实时、 双 向的沟通机制, 以便生成式人工智能技术的不断优化 与升级。 这样的反馈机制将有助于技术更好地适应实 际医疗场景, 提高其在中医医疗领域的实际效果。 这 些综合措施有望有效促进生成式人工智能技术的研发 与应用, 推动人工智能产业与中医行业的协同发展。 这样的合作将为未来更智能、 更人性化的医疗服务奠 定基础, 同时在经济和社会层面带来更广泛的推动 效应。 3. 4

医疗元宇宙的“形”主要依靠大模型强大的建模能力[24]，由于 3D 场景重建与渲染 对算力、模型效率要求极高，这也进一步阻碍了医疗元宇宙的发展。然而，近些年随 着扩散模型（Diffusion Model）的发展，将有望解决这一问题。2020 年，Ben Mildenhall 等人提出一种名为 NeRF 的隐式 3D 重建技术，该模型可以通过给定 2D 图像及拍摄视 角快速重建 3D 对象，这无疑是图像合成领域里程碑式的成果[25]。2022