全部商品分類
醫療領域的人工智能應用近年來得到了迅速發展，ＡＩ 大模型在醫療領域的應用場景可分為診前、診中、診后，涉及診前的藥物研發、基因研究、預約就診、預檢分診以及導診，診中的臨床診斷、臨床治療病歷錄入及藥物檢索，診后的醫保支付、報告獲取、患者隨訪、康復管理及遠程醫療等。
Ｆｒｏｓｔ＆Ｓａｌｉｖｏｎ 數據顯示，２０２０－２０２５ 年?。粒欤t療市場規模呈現高增長狀態，市場總規模在?。玻埃玻怠∧陮⑦_３４８ 億元，增速維持在４０％左右。觀研數據中心數據顯示，ＡＩ人工智能細分市場中，影像、數據交換與存儲、綜合輔助診斷占比較高，占比分別為 ３４％、２２％、１３％。據動脈橙數據顯示，從２０２２ 年１月１日至２０２３ 年６月２８ 日全球生成式ＡＩ醫療領域累計投融資事件超過?。保叮啊∑鹄塾嬐顿Y金額超５７．１億美元。
可以說，Ａｌ＋醫療市場前景廣闊，一級市場活躍。但綜合上半年一二級市場ＡＩ的投資情況，橫向對比來看，與金融、政務、文娛、教育等行業相比，醫療行業大模型的滲透率仍然較低。
美國較早推行了醫療信息化，醫療行業有著豐富的結構化的數據，這也方便了美國企業在研發端發力，其中微軟、谷歌、英偉達等科技巨頭在 ＡＩ醫療領域布局積極，比如谷歌早在?。玻埃保础∧昃褪召徚恕。模澹澹穑停椋睿?，２０１６ 年 ＤｅｅｐＭｉｎｄ 就提出將算法應用到醫療保健領域，目前谷歌和 ＤｅｅｐＭｉｎｄ 團隊發布的醫療大模型Ｍｅｄ－ＰａＬＭ在醫學考試中已經基本接近“專家”醫生水平，２０２２年７月ＤｅｅｐＭｉｎｄ進一步破解了幾乎所有已知的蛋白質結構，其ＡＬｐｈａＦｏｌｄ 算法構建的數據庫中包含了超過２億種已知蛋白質結構，為開發新藥物或新技術來應對饑荒或污染等全球性挑戰鋪平了道路。
從國內來看，目前影響大模型在醫療領域滲透的主要問題在于數據，一方面醫療行業數據量非常大、質量較差，將醫療行業的數據進行整理清洗需要一個過程；另一方面醫療行業數據涉及患者隱私和國家安全等敏感信息，數據開放度低。盡管面臨著數據困難，但國內科技企業一直在迎難而上，比如華為盤古大模型已經助力藥品開發，百度文心一言發布了落地醫藥行業的產品 ＧＢＩ－Ｂｏｔ，京東健康發布了“京醫千詢”醫療大模型等等。
從一二級市場來看，對于大模型＋醫療，二級市場更多關注的是原有醫療信息化企業產品的智能化，而一級市場更多關注大模型在醫藥研發、輔助診斷等方面的應用。
報告認為，美國在?。粒伞〈竽Ｐ桶l展的基礎理論與基礎數據方面，有著獨特的優勢，這也為ＡＩ大模型的使用打下了基礎尤其是在醫療研發等方向其會繼續保持著先發優勢。相比美國，國內一直扮演著追隨者的角色，在基礎模型方面，中美之間的差距并不大，“重應用輕基礎”的研發理念，以及國內龐大的下游需求，讓國內機構更加專注于落地應用的研究，可以說，在 ＡＩ 大模型的應用上，國內更勝一籌。
一方面，國內一級市場更多是關于大模型應用的創業項目，另一方面，各行業包括醫療領域較成熟的企業，均依托在各自行業的深耕，或外接基礎模型，或利用開源模型自研模型來使所從事的行業用上ＡＩ 大模型。初衷就是落地而去，可能會在落地應用上領先一步。
但與此同時，報告也指出，國內某些行業尚未完成信息化，基礎數據的匱乏使得ＡＩ大模型在某些行業寸步難行，此外，算力制約成為中美ＡＩ 競爭的一把利刃，努力沖破算力制約是ＡＩ發展路上的頭等大事。
