最新！2025医疗AI应用趋势全解析

自ChatGPT首次发布至今已逾两年，期间人工智能（AI）已逐渐成为生成式人工智能（generative AI）的代名词。当下，提及AI，多数人首先想到的是大型语言模型（LLMs）及其相关聊天机器人。这反映出生成式AI对各行业乃至全球普通人的深远影响，医疗领域亦不例外。

在医疗领域，AI在改善临床及管理工作流程方面的巨大潜力使其备受关注。2024年，早期应用AI技术的企业、医疗机构等已充分体会到了AI的诸多可能性。

到2025年，预计医疗机构对AI项目的风险容忍度将有所提高，从而推动AI的进一步应用。也将更加谨慎地选择那些能够满足业务需求、提升效率或实现成本节约的解决方案。

下文将汇总部分2025年医疗机构可能采用AI的几种方式，供读者参考。

01

环境聆听AI技术

环境聆听是一种基于机器学习的音频解决方案，通过语音识别技术，能够实时捕捉并分析医疗场景中的对话内容。这种技术最初被应用于临床医生与患者的对话场景中，目的是提取关键信息用于生成临床笔记、满足计费和编码要求。

技术应用过程

实时聆听与分析： 在患者与临床医生的对话过程中，环境聆听技术能够实时捕捉对话内容，并通过语音识别技术将其转化为文本。

信息提取与整理： 系统会自动识别对话中的关键信息，如患者的症状、医生的诊断意见等，并将其整理成临床笔记。

满足临床需求： 这些生成的笔记不仅能够满足临床记录的要求，还能为计费和编码提供准确的信息，从而减轻医护人员的文档工作负担。

2023年3月，微软子公司 Nuance Communications（下称 Nuance）推出全自动临床文档应用程序 Dragon Ambient eXperience（DAX）Express，这是第一款由OpenAI GPT‑4提供支持的医疗保健解决方案。

DAX Express 使用对话式、生成式 AI 和语境的独特组合，在几秒钟内自动草拟临床笔记，并能直接输入到电子健康记录系统中。

公司声称，DAX Express 已被证明可以带来积极的成果，包括减少 70% 的医生疲劳感、提高放射科医生的效率 1.5 倍、提高 52% 的随访依从性、提高 30% 的患者自助服务率等。

02

检索增强生成RAG技术

一些医疗机构正在开始尝试检索增强生成（Retrieval-Augmented Generation, RAG）技术。用户可以通过生成式AI驱动的聊天机器人访问机构更准确和最新的数据。

RAG 是一种结合了检索（retrieval）和生成（generation）技术的AI框架。 它通过从外部数据库（如向量数据库）中检索相关信息，并将其输入到大型语言模型（LLMs）中，生 成 更准确、更相关的回答。

RAG的应用场景包括AI辅助诊断、个性化医疗优化、临床决策支持和自动化医疗文档生成。通过利用RAG，医疗机构可以在问答应用中为员工提供更准确的答案。

03

视觉技术辅助患者护理

在患者病房中安装摄像头、传感器和麦克风，这些设备能够实时收集患者的各种生理和行为数据，数据经过人工智能平台的分析后，可用于优化护理服务。

人工智能辅助虚拟护理公司Care.ai

例如，摄像头可以检测到患者在床上翻身的动作。对于一些需要定期翻身的患者（如长期卧床的患者），这一功能可以减少护理人员的工作负担，同时避免因频繁手动翻身对患者造成的不适。

一些摄像头还可以检测到患者起身的动作。对于行动不便或有跌倒风险的患者，这一功能可以及时提醒医护人员，以便他们提前介入，防止患者跌倒，从而降低意外伤害的风险。 通过自动 化监测和 提醒功能 ，护理人员可以将更多的时间和精力集中在其他重要的护理任务上，提高整体护理效率。

2024年8月12日，史赛克 Stryker 宣布达成收购人工智能辅助虚拟护理公司 Care.ai的最终协议，此次收购将增强史赛克的医疗保健IT产品和无线连接医疗设备组合。

04

量子计算推动疗法发现

2023年3月，IBM与克利夫兰诊所合作推出首台专用于医疗研究的量子计算机，人工智能（AI）与机器学习的迅猛发展为量子计算的进步注入了强大动力。

首台专用于医疗研究的量子计算机

克利夫兰诊所首席研究信息官Lara Jehi博士指出，量子计算机投入使用后，医学研究取得了显著进展。通过与IBM的“发现加速器”合作，目前已有52个研究项目借助高性能计算技术开展。

双方合作发表了多篇同行评审的研究论文，其中首项研究为量子计算方法在蛋白质结构预测中的应用奠定了基础。Lara Jehi博士博士强调， 准确预测蛋白质结构有助于深入了解疾病传播机制，进而开发有效的治疗方法。

近期， 克利夫兰诊所、IBM以及英国科学与技术设施委员会哈特里中心宣布合作 ，旨在通过AI与量子计算推动医疗和生物医学科学的发展。

合作启动了两项临床研究项目，其中一项由Lara Jehi博士领导，联合IBM和哈特里中心，利用量子计算分析大规模数据集，以识别体内分子特征，预测癫痫患者的手术反应。其目标是发现新的生物标志物，用于个性化治疗方案的制定，从而改善患者预后。

Lara Jehi博士还提到， AI技术已广泛应用于增强成像领域 ，助力乳腺癌及其他癌症的检测。

近年来，这些技术在生物医学研究和患者护理中的应用发展迅速。例如， 克利夫兰诊所早期将AI应用于脓毒症风险预测，并正在试点一项脓毒症AI计划， 将先进模型直接集成到临床工作流程中，以实现更快、更准确的诊断和更有效的治疗。

05

AI 加速药物发现

在典型的研发流程中，人工智能（AI）作为一种引导工具， 提出具有高潜力展示所需物理、化学或治疗特性的分子候选物。随后，量子计算机快速计算这些候选物的动力学特性， 为研究人员提供关于候选物适用性的答案，并最终增强AI模型训练所依据的数据。

AI在研发流程中的角色：

AI被用作一种辅助工具，从海量的化学分子中筛选出具有潜在价值的候选分子。 这些候选分子 可能具有特定的物理、化学或治疗特性，例如药物的有效性、稳定性或生物活性。

量子计算在研发流程中的角色：

量子计算机被用于 进一步分析这些候选分子的动力学特性，包括分子的稳定性、反应速率、与生物靶点的结合能力等。 这些特性对于评估分子作为药物的适用性至关重要。

其强大计算能力能够快速解决复杂的动力学问题，为研究人员提供更准确的评估结果。

研究人员将量子计算机得出的结果反馈给AI模型，用于增强训练数据。这意味着AI模型能够不断学习和优化，从而更准确地预测和筛选出有潜力的分子候选物。这种数据增强过程有助于提高AI模型的性能和泛化能力，使其在未来的筛选任务中更加高效。

这种结合AI和量子计算的流程，不仅加速了药物研发的速度，还提高了研发的精准度，为医疗和科研领域带来了新的突破。

文章来源：

https://healthtechmagazine.net/article/2025/01/overview-2025-ai-trends-healthcare

https://healthtechmagazine.net/article/2025/01/healthcare-approaches-new-frontier-ai-and-quantum-computing