医疗AI大模型：从喧嚣走向落地，商业化之路在何方？｜AI医疗浪潮⑳

21世纪经济报道记者 韩利明 上海报道

“2023年是医疗AI大模型元年，企业纷纷跑马圈地，推动大模型应用落地。”这是业内对2023年医疗AI大模型的界定。2024年底，国家卫生健康委牵头制定了《卫生健康行业人工智能应用场景参考指引》，列出了AI在医疗领域创新应用的84个领域，为AI在医疗行业的进一步拓展提供了明确方向。

各地也在积极响应。上海市发布了《上海市发展医学人工智能工作方案（2025-2027年）》，从政策层面为医疗AI的发展提供保障与支持；四川省则在2025年政府工作报告中提及，“发展互联网医院、远程诊疗和‘AI+医疗’，促进优质医疗资源更好下沉共享”。

2025年以来，随着DeepSeek等国产大模型取得突破，医疗大模型及AI应用热潮再度高涨。众多三甲医院、专科医院等官宣已完成DeepSeek的本地化部署，其他医疗服务机构也加速跟进。这背后，是我国医疗资源长期失衡的现状，医疗领域亟需AI支持。

上海交通大学医学院附属仁济医院（以下简称“仁济医院”）泌尿科主任潘家骅向21世纪经济报道等解释，“我国95%的医疗机构为基层医院，却出现患者扎堆少量三级医院的现象，导致三甲医院人满为患，医生超负荷工作。如何科学导流患者、精准匹配医疗需求，成为行业难题，而人工智能的应用则为破局提供了新方向。”

那么当前，我国 AI 医疗究竟发展到了何种程度？

从通用大模型到医疗专科大模型

医疗AI在2023年迎来一轮爆发式增长。彼时，百度文心一言牵手有来医生、莫廷医疗、启灏医疗等多家医疗企业推动医疗产业升级；嘉会医疗携手商汤科技，AI赋能打造国际化智慧医院样板。围绕患者问诊、医院管理、医学影像等多方面的AI大模型产品不断在市场涌现。

然而，受限于开发成本、数据安全、技术成熟度等多种因素，医疗 AI 的大规模普及与应用受到阻碍。今年，随着国产大模型突破，众多医疗机构看到了广泛应用医疗AI的可行性。数据显示，DeepSeek-R1训练成本低至557.6万美元，API定价百万token输入仅2元、输出8元，通过动态激活参数，DeepSeek显著降低医疗AI部署成本，推理效率提升300%。

不少医疗机构也陆续发布大模型相关的采购计划。江苏政府采购网显示，常州市第一人民医院采购基础大模型与训练推理算力一体化平台项目，预算金额480万元；广州医科大学附属脑科医院计划采购 DeepSeek R1 70B 本地部署一体机服务器一台，预算66.8万元。

有业内人士向21世纪经济报道指出，“当前，医院对应用大模型积极性颇高，纷纷开展私有化部署，一方面是辅助医生生成门诊、住院病历，依据主诉、现病史等信息推荐治疗方案、医嘱、处方及其他建议供医生参考；另一方面是在药品知识领域，大模型能给出比传统合理用药更具个性化的建议。”

不过，医疗场景具有复杂性、专业性和高风险性等特点，要求AI不仅要“知其然”，更要“知其所以然”。仁济医院副院长、泌尿科学科带头人薛蔚指出，“在医疗领域，精准知识的训练比注入规模化数据更重要，除了教给AI医学文献和指南，关键还在让AI学会医生的逻辑和思维，因此在这个过程中顶尖医生与技术应该成为搭档。”

据介绍，日前，仁济医院公布其与蚂蚁集团合作医疗AI的最新进展。据悉，这是全国首个用疾病结构化数据训练、在真实医疗场景运行的专科智能体，涵盖了98%常见泌尿系统疾病类别，上岗8个月，服务了30万患者，使用诊前咨询、多轮问诊、多报告解读、肿瘤分期及医疗挂号等能力。

“通用大模型缺乏医生深度参与，构建相对简单；而医疗专科大模型由专科医生深度参与知识语料库构建及疾病判断逻辑设计，更契合真实医疗路径与逻辑，能提供更接近医生诊疗的服务，这正是二者核心差异所在。”潘家骅介绍。

潘家骅进一步解释，“以前列腺癌为例，与通用大模型仅机械罗列前列腺癌治疗方法、诊疗指南和用药不同，深度融入医生经验的医疗大模型，能基于患者‘尿频尿急、骨头痛’等症状，从患者实际表现出发，逻辑推断潜在病因，如是否存在前列腺癌骨转移，实现从症状到病因的正向诊断推理。”

医疗AI如何走通商业化？

在我国医疗资源紧张、医保费用需合理管控的大背景下，医疗智能化革命势在必行。随着 DeepSeek等模型的推广，AI 在越来越多医疗机构中得到应用，医疗专科大模型也在持续优化，不断提升自身的性能与服务质量。

蚂蚁集团医疗大模型算法负责人王剑表示，“将顶尖医院的诊疗经验标准化是AI未来的使命，推动医疗大模型进医院最大价值是向下扎根，通过‘封装’三甲医院的诊疗能力，广泛服务基层医疗机构，使有限医疗资源以技术的方式得到扩容。”

不过，当前医疗 AI 在赋能医疗机构降本增效、服务基层的同时，AI系统入院变现也有不少难点。国家医保局价格招采司医药价格处负责人蒋炳镇曾表示，调研发现，AI技术在一定程度上能够帮助医生提高诊断效率，但现阶段还无法完全“平替”，在已经收取相关诊疗费用后，不宜额外单就AI辅助技术再向患者收费。

上述业内人士也直言，受益于多年来持续发展的AI技术，互联网医疗模式才能走到今天。但即便是布局多年的互联网医疗企业，目前也难以在“AI看病”上得到更多的回报。很长一段时间里，平安好医生、阿里健康、京东健康等企业最核心的营收均来源于医药电商。

从最新披露的财报数据看，截至2024年9月30日止六个月，阿里健康收入142.74亿元，同比增长10.2%。收入增加主要由于报告期内医药自营业务及医疗健康及医药电商平台业务稳健增长所致。其中，为终端用户提供包括中医、体检、问诊、挂号在内的线上线下一体化的医疗健康服务收入4.42亿元，同比下降9.4%。

2024年，京东健康实现收入582亿元，同比增长8.6%，也是得益于销售医药和健康产品所得商品收入由2023年的457亿元增加6.9%至2024年的488亿元。商品收入的增长驱动力主要有活跃用户数量增加及用户的额外购买、医药和健康产品销售的线上渗透率不断提高及产品品类的丰富。

值得关注的是，京东健康也在强化互联网医疗专科能力建设。例如在精神心理专科方面，与武汉大学人民医院开展临床科研合作，启动“基于多模态大模型等AI技术的自动辅助病历生成系统”项目，以技术创新提升精神科门诊服务效率和准确性。

行业需求快速更迭，产业机会稍纵即逝，越来越多的医疗机构、医药企业、医疗器械企业、医疗科技企业参与其中，AI医疗的商业化路径可能有哪些新的探索或突破？

“AI医疗的商业化进程并非一蹴而就。我们对AI医疗的商业化持谨慎态度。开源技术允许私有化部署，这在一定程度上解决了数据隐私的问题。然而，医疗级别的AI应用还涉及伦理、幻觉等众多问题，这些都是亟须解决的挑战。”此前IQVIA在接受21世纪经济报道采访时表示。

对此，IQVIA认为可以从三个维度来探讨医疗AI大模型的商业化突破问题。一是，涉及更广泛专家角色的参与；二是，关于prompt engineering所使用的材料和专家的判断，我们是否能够从这个角度出发，整合行业的各种信息，打破企业或组织间的界限，这可能是未来解决行业环境问题的一个有效突破点；三是，私有化部署的模式，目前看来，它有可能解决隐私保护和数据安全的问题，值得我们关注是否能出现一些成功的案例。