AI医疗生态正在发生急速而深刻的变化——这一变化源于本地DeepSeek推理模型所引发的AI浪潮。
近一周以来,全新的医疗垂类大模型、应用相继亮相,由华为、腾讯、京东、平安等企业“牵头”,相比过去问诊,目前AI已深入到病理、药物研发、影像识别、医疗管理等专业领域。多方人士认为,医疗健康是AI技术最重要的应用领域,AI医疗市场规模扩大将催生多个细分赛道,并在医疗影像诊断与分析、药物研发、基因组学与精准医疗等方面酝酿新机遇;同时,也有业内人士指出,AI+医疗要进一步快速、健康发展,还亟须破除医疗数据“孤岛”。
AI“走进”病理诊断、智能医保管家等医疗领域
“2个月训练103万张切片成为AI病理专家。”华为与瑞金医院前不久公布的瑞智病理大模型RuiPath引来业界的巨大反响,华为公司副总裁、数据存储产品线总裁周跃峰博士总结当中的“奥秘”。
“瑞金医院病理大模型为病理医生提供更精准、更高效的辅助诊断支持。”上海交通大学医学院病理学系主任、瑞金医院病理科主任王朝夫日前在谈及与华为携手打造全新的病理大模型时说道。
AI医疗生态正在发生深刻的变化,过往AI问诊、AI导诊等只是AI赋能医疗的一小部分,如今,AI在医疗领域上施展着更强大的能力。记者从华为方面了解到,除了从病理赛道“切入”,一批全新的应用也加速推出。2月25日,润达医疗就携手华为基于DeepSeek大模型推出“华擎智医”训推一体机。
除了华为,乘着本轮AI的东风,科技大厂腾讯也不断拓展AI医疗版图。微信、元宝等接入DeepSeek之后,腾讯健康通过腾讯云全面接入DeepSeek,并协同腾讯自研的混元大模型“双核组队”,全面升级智能导诊、预问诊、健康问答、智能用药、症状自查、影像报告解读及质控等医疗服务。2月26日,深圳医保就与腾讯达成合作,全面启用DeepSeek大模型+混元“双AI引擎”,打造智能医保管家。据了解,深圳的1700万医保参保人能通过微信快问快答医保问题,还能通过智能助手直接办理近100项医保业务。今年1月,专注创新药物研发的奥萨医药,携手腾讯健康用AI精准防控脑卒中。腾讯健康战略及医疗产品总经理王倩怡表示,目前腾讯健康的智能体服务已在诸多场景中落地应用,可以为用户提供健康问答、健康教育、健康自诊、报告解读、就医建议、用药指导、用药提醒等服务。
AI医疗市场投资机会持续扩大向四大细分市场延伸
DeepSeek热潮席卷各行各业,催化了AI应用板块的热度提升。近段时间以来,大厂加码AI医疗成为市场热点。数据显示,1月以来,智能医疗板块上涨18.63%。Wind显示,港股AI医疗指数自1月10日至今涨幅超过35%。
今年2月,DeepSeek-R1的全面开源与多领域适配,标志着AI医疗迈入技术融合与行业重构的新阶段。DeepSeek的多模型协同能力正成为行业新范式。
西南证券最新研报指出,这种“模型即服务”的生态闭环,不仅重构了医疗工作流程,更催生了六大核心应用方向的爆发,包括AI医学影像辅助诊断、AI基因测序、AI医疗信息化CDSS辅助临床决策、AI健康管理、AI制药以及AI手术机器人。
圆石投资基金经理李益峰向全媒体记者表示,AI+医疗领域的投资机会正随着技术进步和市场需求持续扩大,这有四个细分方向:一是医疗影像诊断与分析,辅助诊断与临床决策支持,重点应用场景在肺癌筛查等;二是在药物研发(AI+制药)方面,缩短药物发现周期30%,降低研发成本;三是在基因组学与精准医疗方面,AI会加速基因测序数据分析,提高效率;四是在人才密集型企业,降本增效非常明显,比如CRO企业,带来利润与规模的戴维斯双击。
国信证券研报披露,根据Data Bridge Market Research预测,医疗健康领域的AI市场规模在2022年达到96.4亿美元,预计2030年将达到2729.1亿美元(约合2万亿元人民币),在2023年至2030年的复合年增长率达到51.87%。
观察
AI深入医疗领域还面临数据“孤岛”等挑战
算法、算力与数据是AI发展的“三驾马车”,落点于医疗领域,AI医疗更依赖于数据的来源。记者在多方采访中了解到,目前,AI医疗数据获取与处理还普遍存在难度。高质量、大规模的医疗数据是训练和优化AI模型的关键,在现实中,医疗数据的搜集与整理,需要面临患者隐私保护、数据案例采集的准确性等问题。在医疗数据准确性方面,如何标准化一直是个难题,不同的医疗机构数据格式和标准都会存在差异,这也会导致数据难以整合与应用。
“在AI医疗领域,目前主要痛点是医疗机构数据‘孤岛’、全国医疗数据不在一个体系内。”李益峰表示,各省医院,不同体系医院不连通,其次是支付端的商业化有待完善,医疗支付方(医保/商保)的接受度有差异。政策上,取得三类医疗器械认证周期长,资金周转大。在数据获取方面,受高质量标准数据的获取成本与伦理争议的影响等。
谈到AI深入医疗领域的难点,周跃峰博士坦言,AI进入各行业仍面临着挑战,包括行业场景大模型需要进行针对性训练、耗时长,行业场景模型训练和应用落地难、项目开发难度大、人员技术要求高,开发周期不可控等。
来源:广州日报,若涉及侵权,请立刻联系删除