万亿AI医疗核心风口：AI辅助诊断 ，60家企业深度布局，一文汇总！

AI的快速发展正引领医疗革命， 其中AI辅助诊断是最为核心的环节。

究其原因，诊断端是医疗服务的入口与核心，链接医药、医疗器械、医疗服务等产业链的关键节点，其重要性不仅体现在临床价值上，更在于其对整个医疗生态系统的枢纽作用。

作为医疗服务的起点，诊断端的准确性和效率直接决定了后续治疗方案的选择和医疗资源的配置效率，AI辅助诊断成为增加医疗供给最为直观的体现。

从产业视角来看，诊断的上游链接着医疗器械厂商，AI辅助诊断将推动设备的智能化升级，为医疗器械打开新的增长点。

诊断的下游则是医疗机构和患者，AI辅助诊断 不仅将提升医疗机构的运营效率，也为个性化医疗和精准医疗奠定了基础。

并且，诊断端作为医疗数据的汇集点，AI辅助诊断为医疗数据的价值发掘提供了重要抓手，这些数据不仅有助于提升诊断质量，还推动医药研发、医疗保险、健康管理等领域的协同创新。

也正因如此，AI辅助诊断成为AI医疗当下最为火热的赛道，科技大厂、医疗器械企业、IVD企业、医疗信息化厂商、AI初创公司纷纷入局，意在这场重构医疗系统的变革中占据制高点。

智药局整理了超过60家企业/机构发布的AI辅助诊断相关模型，并具体分为了五大类：

AI医疗影像：利用AI对医学影像数据进行自动分析、识别和诊断，以辅助医生提高疾病检测和诊断的准确性和效率

AI医学检验：指通过AI对生物样本进行自动化分析，以辅助临床医生快速、准确地识别疾病标志物和评估患者健康状况

AI病理诊断：指借助AI对病理切片进行智能分析，以辅助病理医生识别疾病特征、提高诊断效率和准确性

AI临床决策支持系统（AI+CDSS）：基于AI的智能平台，旨在通过分析医疗数据和提供循证建议，辅助临床医生优化诊断、治疗和患者管理决策

AI中医诊断：是指运用AI分析患者的症状、舌象、脉象等中医诊断要素，辅助中医师进行疾病辨识和辨证施治

医疗影像是最早受到AI影响的领域之一，早在10年前以深度学习为代表的技术兴起时，便在医学影像诊断方面取得成果。

目前，AI已经在医学影像工作全流程的各环节发挥作用，体现在检查前、检查中及检查后各个阶段，在改进影像检查的流程、自动勾画放疗靶区及受累器官、图像质量优化、结构化报告等方向均起到了重要作用。

在技术端渗透的同时，老龄化以及医疗资源分配不均则使得医学影像领域存在较大的缺口，为AI医疗影像提供爆发基础。

数据显示，2018 年-2023 年我国医学影像数据复合年增速在30%左右，而影像科医生复合年增速仅为4%，供需矛盾紧张。

以 CT 报告为例，影像科医生每天需要完成的阅片量在80- 100份，每份耗时几分钟到半个小时乃至更长时间，医学影像医生面临较大的工作压力。

近年来，国务院、药监局、卫健委、工信部等国家有关部门大力推动国产医学影像设备的发展，积极探索人工智能在医学影像的多个应用场景，为AI医疗影像提供政策支持。

截至2024年7月，国家药监局共批准了99个三类证，涵盖了辅助诊断和辅助治疗两个大类，涉及心血管、脑血管、肺部、骨折/骨龄、眼底等多个领域，呈现出多样化的蓬勃发展态势。

目前，AI医学影像商业落地进展较快，覆盖院内、院外以及出海等多个渠道，市场有望迎来高速增长。

据统计，2023 年 AI 医学影像市场规模为24亿元，机构预测这一数字到2030 年将达到 137.4 亿元，年复合增长率为33.8%。

临床决策支持系统（CDSS）是医院信息化建设的核心系统，对于规范医生诊疗行为，提升医疗质量和管理水平均具有重要意义。

在实践中，医院往往选择将CDSS通过接口无缝对接大部分乃至所有业务系统，也正因如此，AI+CDSS是AI辅助诊断中应用要求最高的领域之一。

在落地过程中，AI+CDSS需要整合文字、图像等多模态医疗数据，并结合权威医学知识和医疗规则提供精准、实时的决策支持，这对模型提出了极高要求。

而 大模型的问世，为上述挑战带来可行解 。

通过海量数据的训练和推理，大模型能够更好地捕捉医学数据中的复杂关联与潜在规律，从而为临床决策提供更加全面、精准的支持。

此外，AI+CDSS凭借早年医疗信息化打下的基础，再加上DeepSeek完成的市场教育，大模型落地正当其时。

三甲医院和二甲医院拥有充足的采购预算，已成为AI+CDSS的主要采购力量。然而，对于众多基层医疗机构而言，尽管对AI+CDSS有着强烈的需求，却往往受限于预算约束。在这一背景下，区域医联体/医共体的建设为解决这一问题提供了可行路径。

通过区域医疗资源的整合与共享，基层医疗机构可以借助医联体/医共体的协同效应，以更低的成本获得AI+CDSS的技术支持，从而实现优质医疗资源下沉，助力实现分级诊疗的目标。

在CDSS商业化进程明显加快的当下，不同企业根据自身优势建立起各具特色的产品壁垒和业务模式。

例如讯飞医疗开发的星火医疗大模型2.0，在医疗海量知识问答、医疗复杂语言理解、医疗专业文书生成、医疗诊断治疗推荐、医疗多轮交互以及医疗多模态交互等方面超越了GPT-4 Turbo和GPT-4o

目前其开发的AI临床决策支持系统——智医助理已入驻约60000家基层医疗机构，涵盖30多个省份的610多个区县，在国内医疗机构CDSS市场份额超过60%。

未来，在大模型的加持下，AI+CDSS将向专科领域进一步突破，在肿瘤、心脑血管、ICU、产科等细分科室，深入临床专科领域的诊疗特点，结合患者的具体病情，探索专科专病落地模式。

当经验医学迈向精准医学，病理诊断作为临床金标准，其意义愈加重要。

尤其是，随着肿瘤创新药以及肿瘤疗法的不断发展，癌症的筛查和诊断逐渐受到重视，随之而来的是病理科骤升的供给压力。

信息显示，我国病理医生缺口高达10万人，且资源分布十分不均衡，大部分集中在三甲医院，二甲及以下医院的病理医师严重缺乏且经验不足。

从技术视角来看，病理辅助诊断系统是AI在医学检验领域相对成熟的应用场景之一，但因为病理学图像对数据集质量、储存、算力等资源都有极高的要求，AI病理诊断往往是顶尖院所和大厂的游戏，目前国外病理学模型研究几乎被哈佛与微软垄断。

以微软为例，其与美国普罗维登斯医疗集团合作，在《Nature》发布全球首个千亿级数字病理基础模型Prov-GigaPath——实现了26项病理任务中的25项SOTA，甚至能通过病理图像预测基因突变。

近年来，中国在AI病理诊断领域取得了显著突破，国内科研机构、医疗机构和科技企业协同发力，展现出强劲的发展势头和创新能力。

2023年9月，透彻未来发布了透彻大脑病理大模型。2024年7月，商汤医疗联合清华大学等科研院所发布了病理大模型PathOrchestra，利用国内规模最大的近30万张全切片数字病理图像（近300TB数据）数据集训练。

今年2月，华为联合上海瑞金医院正式发布瑞智病理大模型RuiPath，这一成果基于瑞金医院病理科百万级数字切片库，覆盖了中国每年90%癌症发病人群罹患的癌种，并且亚专科知识问答深度达到专家级知识水平。

然而，值得注意的是，AI病理诊断在临床转化和规模化落地仍面临诸多挑战，尤其相关的技术标准、审批流程和临床应用规范等领域，仍处于探索阶段 。

如果说AI病理诊断的上半场，是围绕模型本身进行深度研发，那么正在到来的下半场将是一场围绕应用落地、生态构建和价值挖掘的全面竞争。

为此，企业、科研机构和医疗机构需要紧密协作，针对不同应用场景开发定制化的解决方案，为病理医生提供真正高效的辅助工具，同时探索多元化的商业模式，如按需付费、远程诊断服务等。

结语

在这场AI医疗革命的浪潮中，AI辅助诊断不仅是技术创新的前沿阵地，更是医疗行业智能化转型的核心引擎。

随着技术的不断成熟和应用的持续深化，AI辅助诊断将逐步从单一的工具升级为医疗生态系统的智能中枢，推动医疗服务的效率、质量和可及性全面提升。

而随着多学科协作的深入和跨领域资源的整合，AI辅助诊断有望在更多场景中实现突破，为医疗行业带来更加深远的影响。

—The End—