从翻倍到腰斩，AI医疗起飞的关键还是数据

AI医疗从未像今天一般热闹过。据不完全统计，DeepSeek人工智能大模型已经实现在全国范围内的近90家、当地知名大三甲医院的部署。过去一个月，国内AI医疗公司股票集体上扬，而大洋彼岸，以AI精准医疗公司Tempus AI为首，美股医疗AI公司迎来了一波爆发。

AI医疗的“先行者”IBM Watson Health退出赛道并不遥远，AI医疗在去年还没有进入主流视野。突然之间，AI医疗的时代就来了？

01

两家最受市场关注的AI公司

Tempus AI去年才上市，今年1月就暴涨近三倍，从低点的30美金涨至超90美金一股，随后近几天又暴跌到50多美金。这只股票的关注度如此之高，不止在于它是佩洛西早就看好并重仓的AI公司，更是因为在AI医疗提出的概念非常庞大而富有吸引力。

Tumpus AI股价日K图，图片来源百度股市通

Tempus AI目前提供三种不同的产品线：基因组学、数据和 AI 应用。

基因组学是Tempus的主营业务，通过基因检测相关的服务，在肿瘤诊断领域推出一系列产品，包括肿瘤组织基因测序、液体活检等。作为数据和流量的入口，基因检测产品通过一整套智能诊断系统，生成源源不断的分子数据流，以推动其他两条产品线的增长。

数据服务除了基因测序业务之外，Tempus还依靠收购的Arterys公司进入到医疗影像领域。截至2024年11月，其数据库拥有超过250PB多模态数据，积累了120万影像数据、超110万样本测序数据和超25万“DNA+RNA”特征数据。这些数据整合为两个主要产品 Insights 和 Trials，为生命科学公司的药物发现和研发提供数据服务以及AI研发工具，同时也是Tempus收入增长最快的部分。

AI应用专注于开发和提供AI驱动的CRO服务、临床试验服务、构建和部署临床决策支持工具。本质上通过基于数据、算法的软件，为医疗环节的各个角色提供AI工具。

该系列的主要产品有Next（护理，推进医生与患者之间的信息沟通与治疗路径管理）、Algos（算法，利用深度学习评估生物标志物，帮助医生判断化疗药物或靶向疗法的适用性）、One（AI助手，借助 AI 辅助分析患者信息，为个体化治疗方案提供快速建议）、Hub（管理站，帮助医生或研究者通过手机或电脑访问并管理患者诊断数据）、Lens（数据分析，负责为科研人员呈现数据汇总和可视化结果，便于进行群体或个体层面的研究）、Pixel（AI影像，影像数据的 AI 诊断与纵向变化追踪）、Assays（精准医疗，覆盖多类测序手段，包括全外显子、RNA 乃至液体活检）。

Tumpus AI的三种产品

Tempus是少有的能有自己“业务飞轮”的AI医疗公司，它一直围绕“数据——分析——诊断——服务”的循环思路布局精准医疗。

其成长策略具体而言，首先专注于拓展医院网络。他们为临床医生提供基因检测和数据分析工具，同时收集宝贵的患者数据。他们还积极与更多医疗机构合作，推广测序技术的应用。

在此基础上，他们向制药企业出售数据服务，既可协助药企精准筛选临床试验人群，也能挖掘新药潜力，为后续的药企合作奠定坚实财务基础。

随着数据库规模与算法能力的提升，公司不断开发新的 AI 应用产品，从智能病理诊断到肿瘤原发灶识别，逐步渗透更多临床场景。与此同时，他们从肿瘤扩张到心血管、罕见病等多个疾病领域，让技术与数据的价值在更多场合被释放；最后则是在地域层面的全球化布局，接连与北美、欧洲及亚洲的主要医疗机构合作，进一步扩大数据来源和行业影响力。

正是这套覆盖数据收集、分析建模、诊断服务与商业合作的全链条策略，推动公司在精准医疗领域持续高速增长。近两年AI算力的爆发和诊断成本的显著降低，使海量医疗数据的收集、访问和整合变得更加高效，也让复杂的横向和纵向数据分析成为可能。这一技术进步为成长提速提供了强大支撑。

今年Tempus AI的预计年收入约为 12.3 亿美元，同比增长 75%以上。

一级市场上，另一家医疗AI领域新星OpenEvidence刚刚完成了7500万美元融资，由红杉资本领投，使公司估值一举突破10亿美元。创始人Daniel Nadler之前创办的金融数据公司Kensho曾在2018年以7亿美元价格出售给标普。2021年，他自掏资金创立了OpenEvidence，专注开发面向医生的AI助手。

OpenEvidence采用免费增值模式，通过广告创收，主要依靠医院内部口碑传播获取用户。红杉资本合伙人Pat Grady指出，这种自然传播模式在医疗行业极为罕见，通常只在互联网产品中才能见到。

目前，OpenEvidence已与《新英格兰医学杂志》建立合作关系，并计划在今年拓展更多医学期刊资源。此轮融资将主要用于AI算法优化和扩展医学数据合作伙伴网络。

02

数据为王

两个不同阶段公司的脱颖而出，再次强调了：医疗AI的基础是数据。

尤其是Tempus AI，在医疗领域收集数据多年，目前美国其他AI医疗公司短期想追上很难。它已经与超过200家生物制药企业建立了合作关系，连接了美国65%的学术医疗中心和50%的肿瘤医生，拥有850万临床记录、120万影像记录以及250PB多模态数据，从而构建起公司的核心壁垒。2024年11月，Tempus收购了基因检测公司Ambry Genetics，后者是一家拥有25年历史的基因检测公司，获得了更多有价值的数据，并将业务拓展至儿科、罕见病、免疫学、生殖健康和心脏病学等领域。

都说医疗行业产生的数据最多，似乎和AI是天作之合。

然而现实却充满挑战——医疗领域严重缺乏经济实惠且高效可用的优质训练数据，面临的问题不仅技术性强且枯燥乏味，项目周期往往漫长，使得整个行业在科技创新圈中难言“性感”。

《硅谷》第一季中有个经典桥段，硅谷的每家科技创业公司都挂着同一句豪言壮语——“让世界变得更美好”。而在AI+医疗这个特殊战场上，可能还需要加一些条件：“让世界变得更美好，但取决于FDA审批进度”。

在医疗行业推动哪怕最微小的变革，都需要协调数量惊人的利益相关方，穿越层层叠叠的监管审批流程，与真正实现盈利之间更是横亘着漫长的时间鸿沟。通过实际接触不难发现：医生们并不期待大模型能够创造癌症治愈的奇迹，他们更现实的期望是，你能否帮助自动化处理A类手术中B环节涉及的C类手续报告；而这些真实需求只有在长期深入行业、充分理解临床工作流程后才能真正体会。

所以，在这样一个复杂的行业中，以权威标准或政策推动数据流通至关重要。

在美国，FHIR（Fast Healthcare Interoperability Resources）和HL7标准已经广泛应用，确保医疗数据在不同机构之间的互通。标准化数据使AI技术在医疗中的整合更加顺畅，推动了影像分析、辅助诊断等应用的落地。欧洲也在通过制定类似标准，推动医疗数据的互通互操作。

相比之下，中国的医疗数据标准化仍在发展中，但去年底有一个关键的转折点：首都医科大学宣武医院与北京国际大数据交易所合作，成功完成了北京市首笔公立医院数据交易。未来，该数据集将应用于国产颈动脉支架产品的研发，助力医疗机构更加精准地理解中国人群的脑血管疾病。

这意味着一个健康数据自由流通的时代正在开启。此前对于医院而言，政策指导下的医疗IT建设虽能在长期之中提升医院的综合竞争力，但短期之内仅以成本的形式计入损益表中。健康数据交易的实现或能改变这一局面：通过规模化销售脱敏数据，医院可以将数据治理从成本转化为收入，从而激发其主动深化信息化建设的动力，也为AI医疗的数据基础建设提供更加丰富且高质量的资源。

03

还是昙花一现吗？

这次AI医疗浪潮和之前相比，最大的不同可能就是“系统化”。也就是说，AI不再只是独立模块或单一功能，而是嵌入医院的信息化体系之中，影像、病历、药品管理、随访体系等多环节互联互通。

事实上，中国医疗机构的AI应用水平处于较为领先的地位，根据2024年飞利浦中国版《未来健康指数报告》数据显示，86%的医疗机构管理者受访者表示已布局或计划投资生成式AI，这一比例显著高于美国（75%）。在具体应用场景方面，47%受访者表示已经在放射科部署AI，44%在院内患者监护中应用AI，40%在药品管理环节应用AI。

尽管部署率令人瞩目，但落地来看，医院最关心的是“是否能缓解医生资源紧张”、“是否能减少文书工作量”、“是否能降低误诊率”等具体现实问题。如果AI产品只在短期内解决一个小痛点，或长期维护成本过高，医院就会觉得得不偿失。

当年，IBM Watson Health的致命缺点之一，就是缺乏医患场景的深度融入，不能贴合医院工作流、无法与医生日常操作系统无缝衔接，很难获得持续应用。医生需要简洁、易操作且能节省时间的工具，而Watson的交互流程对医院信息化系统提出了较高要求，也往往需要额外的培训成本与维护投入。对很多医疗机构来说，“用起来不方便”就足以让他们望而却步。

而且，IBM在推广Watson医疗时，倾向于走“大项目、大客户”路线。但每家医院的管理体系、信息化水平、预算流程都不一样，要想批量复制落地并不容易。对于IBM而言，研发、维护和定制化投入巨大，却难以在短期内得到相匹配的市场回报；对医院而言，高昂的采购和运营成本也让人犹豫不决。双方都承担着不小的财务压力，最终只能无奈止步。

最著名的是与MD安德森癌症中心的合作终止，巨额投入却未达预期结果，引起业界广泛质疑。“明星项目”的失败具有强烈示范效应，直接动摇了IBM Watson在医疗领域的商业信心，也让其他潜在伙伴对其技术可行性持保留态度。

和Watson时代不同，现在市场上已涌现众多能够驾驭海量数据、挖掘深层价值并提供多样化解决方案的企业，AI在医疗领域的应用早已突破“辅助诊断”的单一维度，扩展至制药、检测、患者服务、科研等全产业链。结合对生物学与临床数据的深度理解，AI医疗已从早期简单的软件工具，发展为跨学科、跨场景的综合应用生态。

医疗 AI 领域的投资仍处于早期阶段，预计 2024 年至 2032 年间，AI 健康科技行业的复合年增长率将达到 43%。这是一个具有爆炸性增长潜力的市场。

然而，Watson的经验教训仍值得深思：市场不会为纯概念买单，只有真正建立在高质量数据基础上，通过扎实技术研发精准匹配临床需求，才能使AI自然融入医疗工作流，为医生、患者和研究者创造实质价值。

毕竟，AI医疗，不是“AI需要医疗行业来讲故事”，而是“医疗需要AI来革新”。

动脉网VBEF未来医疗医药100强展会陪伴大家度过了10年光景，我们一起见证了中国医疗健康产业的向“新”而行，产业在不断涌动着磅礴创新力，并在全球舞台上绽放着独特魅力。2025年5月，我们将继续承载这份使命，在苏州迎来2025未来医疗医药100强展会。本次大会期间，我们将在5月9日下午2点举办医疗AI大模型应用创新论坛，欢迎关注AI医疗的读者扫码报名活动。

*封面图片来源：神笔PRO

如果您认同文章中的观点、信息，或想进一步讨论，请与我们联系；也可加入动脉网行业社群，结交更多志同道合的好友。

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。