前言

人工智能技術在醫(yī)療領域應用多年，大模型技術的出現(xiàn)為其應用價值和范圍又帶來了新的可能。2024年底爆火的國產(chǎn)開源語言大模型DeepSeek極大助力市場教育，將大模型在醫(yī)療場景的應用迫切度也提到歷史新高點。醫(yī)療領域已經(jīng)出現(xiàn)數(shù)百個垂直大模型應用于各個環(huán)節(jié)，企業(yè)從自身數(shù)據(jù)及市場優(yōu)勢出發(fā)自研專業(yè)大模型。產(chǎn)品雖眾多，但是產(chǎn)品到商品還受政策、市場等影響。目前，醫(yī)療大模型在醫(yī)療領域的滲透率、應用情況、應用成果到底如何？

本次報告，動脈智庫聯(lián)合成都高新區(qū)數(shù)智醫(yī)療創(chuàng)新聯(lián)盟創(chuàng)作和發(fā)布，通過調(diào)研、訪談十余家創(chuàng)新企業(yè)、三家投資機構及數(shù)名臨床專家，從市場和企業(yè)兩方面探索我國醫(yī)療大模型滲透率的現(xiàn)狀，試圖梳理各類不同醫(yī)療大模型的競爭要素和優(yōu)勢發(fā)展策略，與共同努力的企業(yè)們一同探討。

主要觀點：

醫(yī)療大模型發(fā)展處于早期，行業(yè)經(jīng)過了“產(chǎn)品打造”階段，亟待通過“性能驗證”釋放商業(yè)價值。目前，對大多數(shù)醫(yī)療大模型依然缺乏明確的安全性、有效性的驗證和監(jiān)管體系，是大模型商業(yè)化推廣限速因素。

醫(yī)療大模型市場規(guī)模預計在2028年突破百億，目前總體滲透率不足10%～20%，是一個極大的藍海市場待企業(yè)去開拓。

2025年截至5月1日醫(yī)療大模型發(fā)布133個，遠超2024年全年的94個、2023年全年的61個。288個醫(yī)療大模型中，九成覆蓋了政策指引的應用場景。

醫(yī)療大模型應用場景中，提及頻次最高的為醫(yī)療服務環(huán)節(jié)，占比高達53%，其中臨床專病輔助決策、預問診、病歷輔助生成、醫(yī)學影像輔助診斷位居前四。

文本類大模型集中在醫(yī)療IT服務環(huán)節(jié)；影像類大模型應用成熟度最高，超聲和病理有驚喜進展；生物大模型極大助力藥物研發(fā)；中醫(yī)類大模型在多方力量推動下快速發(fā)展。

醫(yī)療大模型的滲透率受多方影響，需要通過痛點驗證、市場規(guī)模測算、技術和數(shù)據(jù)能力評估、有公信力的性能驗證以及政策的支持和監(jiān)管來解決“想用”“想做”“能做”“好用”“允許用”的問題。

醫(yī)療大模型落地應用方式靈活，可作為產(chǎn)品使用、可作為AI應用的智能管理平臺、可作為AI產(chǎn)品研發(fā)和優(yōu)化的基座。

總體來說，由于生成式技術與語言大模型的突破，醫(yī)療大模型對文本類的任務助力更大，此外對綜合性、高數(shù)據(jù)密度以及多流程的任務賦能更加明顯。

在醫(yī)療大模型的框架下，以大模型牽動的大小模型協(xié)作模式將是近幾年的主流市場應用方式。

醫(yī)療大模型的發(fā)展初期，大模型的打造和應用成本都較高，隨著技術、政策、市場等多因素助力，未來醫(yī)療大模型將向普惠化迭代升級。

多因素驅動醫(yī)療大模型加速藍海開拓

性能不斷突破，亟待價值驗證推動模型商業(yè)化落地

“百?！毙顒荽l(fā)，亟待性能驗證釋放商業(yè)化價值。醫(yī)療大模型從概念興起到成熟落地大致需要走過需求分析與驗證、模型研發(fā)、模型性能測試或應用市場對模型性能的驗證、商業(yè)模式探索到最后在行業(yè)實現(xiàn)大規(guī)模的商業(yè)化落地。

醫(yī)療大模型從概念到落地的發(fā)展階段，資料來源：公開信息，動脈智庫分析

雖然技術突破帶來的愈發(fā)成熟的大模型產(chǎn)品令人興奮，但是醫(yī)療大模型要實現(xiàn)大規(guī)模商業(yè)化落地還有一段路要走。目前，在各細分領域已有部分醫(yī)療大模型打通了商業(yè)模式實現(xiàn)了商業(yè)閉環(huán)（我們將在第三章詳細分析部分應用場景的典型案例），但就行業(yè)整體而言，發(fā)展尚處早期，更多的醫(yī)療大模型還處于價值驗證階段，亟待通過性能測評釋放其商業(yè)價值。

2、醫(yī)療大模型藍海市場空間充足，亟待企業(yè)開拓

醫(yī)療大模型在2019年至2023年快速興起，期間市場規(guī)模年均復合增長率超過100%；直至2027年都將是醫(yī)療大模型的爆發(fā)期。根據(jù)億歐智庫數(shù)據(jù)，目前醫(yī)療大模型市場規(guī)模接近20億元，在行業(yè)爆發(fā)期間，預計以高達140%的年平均增長率，于2028年突破百億元。盡管快速拓寬的應用邊界不斷拉高醫(yī)療大模型的市場規(guī)模天花板，但要真正大規(guī)模應用落地還需要一步一個腳印，逐步提升市場滲透率。

目前，醫(yī)療影像、輔助診斷、健康管理等領域大模型滲透率相對較高，但依然屬于市場滲透的早期階段。基于動脈網(wǎng)訪談調(diào)研預估，醫(yī)療大模型整體滲透率不足20%，甚至更加保守的受訪者估計不足10%。由此可見，醫(yī)療大模型這塊藍海還有巨大的市場空間亟待企業(yè)們?nèi)B透和開拓。

3、多因素聚合驅動，推動“產(chǎn)品”向“商品”落地

近年來，在算力基礎建設、算法精進、芯片技術進步、政策指引及市場教育多維度，醫(yī)療大模型均受到積極推動。

值得一提的是，2024年11月國家衛(wèi)生健康委辦公廳、國家中醫(yī)藥局綜合司、國家疾控局綜合司聯(lián)合發(fā)布的《衛(wèi)生健康行業(yè)人工智能應用場景參考指引》，明確定義了四大部分、十三大類、總共84個具體的應用場景，其中19個應用場景明確提到了醫(yī)療大模型的應用。

《衛(wèi)生健康行業(yè)人工智能應用場景參考指引》具體場景展示，資料來源：國家衛(wèi)健委官網(wǎng)，動脈智庫整理（打勾為明確提及大模型應用的場景）

此外，DeepSeek自2024年底發(fā)布以來，迅速“走紅”各個行業(yè)，醫(yī)療行業(yè)也不例外。就醫(yī)療大模型領域而言，DeepSeek對其影響已經(jīng)超越了單純的技術突破范疇，其“一炮而紅”對醫(yī)療行業(yè)各環(huán)節(jié)從業(yè)者，以及C端的患者或用戶更是一次直觀且有力的市場教育，迅速提升了市場對醫(yī)療大模型的接受度以及使用積極性，變“被動接受”為“主動擁抱”。

醫(yī)療大模型爆發(fā)，賦能醫(yī)療服務的各個環(huán)節(jié)

1、行業(yè)迎來近三百個大模型，九成覆蓋政策指引應用場景

2025年醫(yī)療大模型密集發(fā)布，截至5月1日已有133個醫(yī)療大模型的密集發(fā)布，遠超2023年（61個）與2024年（94個）的模型數(shù)量。

2023—2025年醫(yī)療大模型數(shù)量（截至2025年5月1日），資料來源：公開資料，動脈智庫整理

截至2025年5月1日，我們收錄了市面上已公開的主要醫(yī)療大模型案例累計288個，其中約有九成以上醫(yī)療大模型應用場景均涵蓋于《衛(wèi)生健康行業(yè)人工智能應用場景參考指引》之中。大模型涉及應用場景12類，所有應用場景總提及頻次814次。其中醫(yī)療服務場景涉及的大模型最多，總提及頻次達430次，占比近53%。

各類醫(yī)療大模型應用場景提交頻次，資料來源：公開資料，動脈智庫整理

從2023年的初步嘗試，到2024年行業(yè)取得長足進展，再到2025年未至年中便迎來超百個模型落地，醫(yī)療大模型的爆發(fā)式增長態(tài)勢已然明晰。

2、四類醫(yī)療大模型，展現(xiàn)七大共同技術發(fā)展路徑

政策與技術迭代驅動下，我國醫(yī)療大模型產(chǎn)品矩陣加速構建。鑒于不同場景及主體間的應用滲透程度存在差異，本報告通過對主流大模型產(chǎn)品的應用場景進行系統(tǒng)梳理與量化分析，選取文本大模型、醫(yī)學影像、藥物研發(fā)、中醫(yī)藥產(chǎn)業(yè)四大核心賽道，以期全景呈現(xiàn)醫(yī)療大模型的技術落地路徑與產(chǎn)業(yè)發(fā)展脈絡。

文本大模型-醫(yī)療IT場景占比最大。在技術適配性、數(shù)據(jù)基礎、應用場景需求及產(chǎn)業(yè)落地可行性等多因素影響下，當前文本大模型仍是醫(yī)療大模型的主要研發(fā)類型。其主導地位源于醫(yī)療場景對語言處理的剛需、文本數(shù)據(jù)的易獲取性、技術成熟度與商業(yè)落地效率。在此之中，醫(yī)療IT是大模型落地場景中占比最大的部分。結合對288個醫(yī)療大模型應用場景的系統(tǒng)性梳理，在累計663個場景提及頻次統(tǒng)計中，非醫(yī)學影像類醫(yī)療IT場景提及頻次高達300余次，以近46%的占比成為核心落地方向。

醫(yī)生成為“AI制造”群體中至關重要的一員。截至2025年4月30日，國內(nèi)“2022屆中國競爭力排行榜”中排名前100的醫(yī)院，已有98家對外宣稱完成了大模型部署。在這之中，有38家醫(yī)院在通用模型的基礎上進一步展開研發(fā)，打造出55個符合自身需求的垂直醫(yī)療模型。其中，醫(yī)院合作企業(yè)依然是主流，有超過一半的項目采用這一模式進行開發(fā)。

醫(yī)療垂直模型開發(fā)模式分布（截至2025年4月30日），資料來源：公開資料，動脈智庫整理

影像大模型-發(fā)展最成熟已覆蓋全周期。醫(yī)學影像是人工智能技術落地最為成熟的醫(yī)療場景之一，并已形成覆蓋圖像采集、處理及診斷全流程的價值賦能體系。通過市場產(chǎn)品圖譜分析，聚焦醫(yī)學影像領域的大模型相關產(chǎn)品已達56款，以心臟、骨骼、頭頸、肺部等解剖部位的輔助診斷應用最為廣泛。其中，超聲和病理成為重要突破方向，脈得智能（超聲）、透徹未來（病理）及醫(yī)策科技（病理）等企業(yè)紛紛推出相關大模型助力臨床輔助診斷。 

藥物研發(fā)大模型-亟待質(zhì)的變化。結合統(tǒng)計數(shù)據(jù)來看，目前大部分生物大模型產(chǎn)品的應用場景集中在藥物研發(fā)領域。需指出的是，當前生物制藥大模型在醫(yī)療機構賦能及藥物研發(fā)探索等領域，尚未實現(xiàn)對既有場景的顛覆性突破，仍處于技術融合與場景適配的漸進式創(chuàng)新階段。隨著算法優(yōu)化、數(shù)據(jù)積累及跨學科協(xié)同的深化，該領域有望催生具有變革性的技術突破。

中醫(yī)大模型-多方力量推動快速發(fā)展。從當前眾多面世的大模型來看，大模型正持續(xù)加大在中醫(yī)藥產(chǎn)業(yè)的應用。2023年，面世的中醫(yī)藥大模型約為13款，2024年數(shù)量稍有下降為9款，2025年已有8款產(chǎn)品面世。從數(shù)據(jù)來看，中醫(yī)藥產(chǎn)業(yè)大模型的研發(fā)匯聚了多方力量，呈現(xiàn)出產(chǎn)學研緊密協(xié)同的態(tài)勢。

結合技術演進邏輯與行業(yè)實踐，當前醫(yī)療大模型核心應用場景及技術發(fā)展路徑可歸納如下：

醫(yī)療服務仍是主流應用場景

公共衛(wèi)生服務、養(yǎng)老托育服務及醫(yī)療機器人等領域的大模型應用較少涉及

基層應用頻頻被提及

中醫(yī)藥領域實現(xiàn)應用的深度滲透

大模型正蓄力賦能醫(yī)療產(chǎn)業(yè)

革新醫(yī)學教育與科研范式

健康管理場景或成醫(yī)療大模型應用潛力股

3、六大醫(yī)療應用場景，解構大模型應用路徑

本次統(tǒng)計的288個醫(yī)療大模型、共814次場景提及頻次中，涉及的12類應用場景中共涵蓋56個細分領域，其中，臨床專病輔助決策、預問診、病歷輔助生成、醫(yī)學影像輔助診斷提及最多，均為醫(yī)療服務大類。

醫(yī)療大模型涉及的56個細分應用場景提及頻次，資料來源：公開資料，動脈智庫整理

差異化價值邏輯形成的技術落地路徑。基于五大核心應用場景的解析，各場景基于差異化價值邏輯形成的技術落地路徑主要如下：

大型醫(yī)療機構：圍繞智慧醫(yī)療核心場景向外延伸

小型?？漆t(yī)療機構：消費醫(yī)療與中醫(yī)藥智能化賽道正在升溫

政府：在基層多個場景實現(xiàn)提質(zhì)增效

藥企：落地仍存在挑戰(zhàn)

患者：潛在挖掘空間明顯

醫(yī)療大模型在多應用場景率先跑通商業(yè)化

1、滲透率受多方影響，需共同驅動商業(yè)化落地

醫(yī)療大模型的落地應用滲透率受多端的影響。需求端，首先需要有明確的、真實的痛點需求，其次需要有足夠大的市場空間吸引科技企業(yè)及資本布局賽道。在需求驗證之后，企業(yè)端需要充分驗證相關產(chǎn)品打造的可行性，例如技術是否足夠支撐、數(shù)據(jù)是否足夠精準等。最后，大規(guī)模的商業(yè)化落地還有賴于相關部門的政策支持，從技術發(fā)展、市場準入、產(chǎn)品性能驗證、收費等環(huán)節(jié)給予指引。

醫(yī)療大模型滲透率影響因素，資料來源：公開信息，動脈智庫整理

基于此滲透邏輯，目前醫(yī)療大模型在放射類影像輔助診斷滲透率最高，據(jù)調(diào)研估計，滲透率接近40%。此外，輔助檢查報告解讀與結構化、病案質(zhì)控、輔助問診/導診類工具、臨床輔助決策、涵蓋智慧病歷書寫等功能的醫(yī)生助手、科研場景、藥物研發(fā)、健康管理等應用場景滲透率其次。我們將在接下來的小節(jié)逐一解析其影響因素。

2、“嚴肅”和“輔助”醫(yī)療應用場景各有標桿

適用于院內(nèi)（包括基層）的醫(yī)療大模型從臨床應用場景不同可以分為嚴肅醫(yī)療大模型和輔助醫(yī)療大模型。就單個醫(yī)療大模型而言并非只能擁有一種類型應用場景，其可同時在兩類場景應用或賦能兩類場景的相關應用開發(fā)。由于醫(yī)療大模型的應用方式兼具“產(chǎn)品”和“平臺”屬性，即其既可作為產(chǎn)品直接應用，也可作為“平臺”賦能進一步人工智能產(chǎn)品升級或研發(fā)。因此，在落地成熟度的討論中，我們將兩種應用形式均考慮其中，作為“平臺”屬性時，將通過其賦能的人工智能應用落地程度進行評估。

（1）嚴肅醫(yī)療大模型-影像走在最前列

嚴肅醫(yī)療大模型在整個影像輔助診斷領域應用滲透率最高，或與其需給出定性分析的任務性質(zhì)有關。從大模型訓練方式及應用目的出發(fā)，醫(yī)療大模型又可分為判別式大模型與生成式大模型。前者學習條件概率，生成的空間受限，類似于回答封閉式判斷題，因此準確度相對更高；后者學習聯(lián)合概率，生成的空間不受限制，類似于回答開放式問答題，因此輸出結果可控性更弱。

判別式與生成式大模型部分性能對比，資料來源：公開信息，動脈智庫整理

判別式大模型由于更高的結果可控性更易提高精準度、更易貼近于臨床醫(yī)生表現(xiàn)，在嚴肅醫(yī)療場景的應用價值體現(xiàn)也更加直觀。因此，目前以影像輔助診斷為代表的判別類的嚴肅醫(yī)療大模型，發(fā)展和推進的階段更加成熟。除其模型應用性質(zhì)外，輔助診斷類影像大模型走在應用最前列的共性原因還有兩點。一是在性能驗證環(huán)節(jié)的優(yōu)勢，該類產(chǎn)品擁有明確的評估標準，例如“敏感度”“特異性”等量化評估指標，其性能驗證直觀。二是在政策完善度的優(yōu)勢，其監(jiān)管路徑相對清晰，通過獲得國家藥監(jiān)局的醫(yī)療器械資格證獲得明確的“入場券”推進商業(yè)化推廣，加之醫(yī)檢互認的促進推動其更快應用落地。

數(shù)據(jù)處理難度影響大模型研發(fā)門檻。進一步細分影像大模型應用場景發(fā)現(xiàn)，按照放射、超聲及病理的順序逐一產(chǎn)品數(shù)量更少、市場應用更早期，其重要影響因素是細分領域數(shù)據(jù)處理難度的不同。

放射影像

標準化數(shù)據(jù)縮短研發(fā)“入門”時間。無論是人工智能產(chǎn)品或是相關醫(yī)療大模型，放射影像能夠成為發(fā)展最為成熟的細分應用場景，其標準化數(shù)據(jù)及醫(yī)療邏輯的可及性是其重要基礎。據(jù)智藥局數(shù)據(jù)，截至2025年3月，國家藥監(jiān)局已批準99張AI放射影像三類證。排在前列的影像三類證獲得者數(shù)坤科技、深睿醫(yī)療和推想醫(yī)療均推出相關醫(yī)療大模型，助力全線產(chǎn)品迭代升級的同時提升模型性能不斷朝臨床應用級靠攏。

“可用”到“好用”讓放射影像大模型從“產(chǎn)品”變?yōu)椤吧唐贰薄?/strong>數(shù)據(jù)處理難度的優(yōu)勢，讓放射影像產(chǎn)品化更早，但要實現(xiàn)其商品化并大規(guī)模落地應用，不僅需要讓臨床“用”，更要讓臨床覺得“好用”。目前，AI影像產(chǎn)品在試用期，由于其優(yōu)異的性能通常能夠獲得臨床的積極反饋和活躍使用，但其長期應用于臨床還涉及醫(yī)生工作流程的變化。如何能夠將影像產(chǎn)品更好融入臨床工作流，培養(yǎng)臨床使用習慣，進而提升使用者動力，是進一步提升影像AI滲透率的重點。這一步，行業(yè)已有企業(yè)積極布局并已見成效。如數(shù)坤科技基于其多模態(tài)大模型數(shù)坤坤，完成了從診斷、教學、科研、隨訪和科室管理等的全工作流串聯(lián)，為影像科醫(yī)生提供了全鏈路的數(shù)智化輔助工具。在北京市科委舉辦的行業(yè)大模型創(chuàng)新應用大賽中，數(shù)坤坤以99（共100個）個病例診斷與專家評委一致、1個優(yōu)于專家評委的優(yōu)異性能拔得頭籌，高精準度和一站式服務的性能推動數(shù)坤坤從“產(chǎn)品”到“商品”的轉變，加速滲透落地。

超聲影像

超聲影像的數(shù)據(jù)為動態(tài)視頻格式，且需要在檢查當時做出診斷建議，因此，“實時”是對于超聲人工智能產(chǎn)品的重要要求，需要其在檢查過程中做出實時質(zhì)控及實時診斷分析。由于數(shù)據(jù)格式及要求的不同，在數(shù)據(jù)標準化程度和醫(yī)療邏輯可及性方面不及放射影像領域，也因此其在數(shù)據(jù)處理階段或需要花費更多精力并且更依賴經(jīng)驗專家進行數(shù)據(jù)標注。這也不難解釋為什么國家藥監(jiān)局批準的超聲輔助診斷軟件三類證寥寥無幾，目前僅脈得智能、醫(yī)準科技等獲得了相關三類證批準。

超聲影像大模型性能逐步驗證。在腫瘤診斷的醫(yī)療流程中，通常超聲給出相關建議后，必要時患者將進行放射或病理的進一步檢查。事實上，由于超聲醫(yī)生的技術差異，進一步檢查的概率并不低，而其中不乏一些本可以避免的進一步檢查，尤其在基層等醫(yī)療資源欠缺的情況下更是如此。因此，要在超聲領域實現(xiàn)“低年資醫(yī)生+AI=高年資醫(yī)生”的人工智能使命，或許需要超聲輔助診斷產(chǎn)品的準確性不斷向病理結果靠近。目前，行業(yè)也不乏朝此方向努力的企業(yè)并已初顯成效。如脈得智能于今年3月份獲得三類醫(yī)療器械證的“甲狀腺結節(jié)超聲影像輔助診斷軟件”，融合臨床真實診療場景訓練AI模型，實現(xiàn)了結節(jié)良惡性的超高精準判斷。其臨床測試結果顯示，該產(chǎn)品甲狀腺結節(jié)良惡性判別準確度高達96%，與組織病理結果高度一致。

病理影像

“金標準”對大模型提出了高要求。病理檢查作為腫瘤診斷的金標準，其嚴肅性較超聲和放射影像更進一步，這也對該領域醫(yī)療大模型提出了更高的要求。行業(yè)對準確性雖然沒有統(tǒng)一的要求，但敏感度無限接近于100%是病理領域人工智能企業(yè)的默契。除此之外，病理領域大模型研發(fā)條件也相對苛刻。首先，病理影像的圖片標準化程度低，且由于病理影像數(shù)據(jù)復雜、廠商利益壁壘等原因，標準化推進程度緩慢，這意味著在數(shù)據(jù)處理及標注上需要投入更多人力物力。其次，我國病理醫(yī)生數(shù)量嚴重不足，稀缺的專家資源也提高了數(shù)據(jù)處理的門檻。

病理大模型多維度構筑核心競爭力。出于不同病理醫(yī)生之手的影像圖片，其染色后的圖像差異度大，這要求大模型擁有極強的泛化能力能夠識別并處理這些圖像。病理大模型通常是與頭部教學醫(yī)院共研訓練而得，泛化能力不足的產(chǎn)品在同級別染色水平下能夠表現(xiàn)出優(yōu)異性能，而在二級及以下醫(yī)療機構假陽性率高，這無法完成助力優(yōu)質(zhì)醫(yī)療資源下沉的使命。因此，在病理領域要實現(xiàn)“低年資醫(yī)生+AI=高年資醫(yī)生”的人工智能使命，病理大模型的泛化能力十分關鍵。強泛化能力能讓模型不僅在頭部醫(yī)院，在二級及以下醫(yī)療機構依然能穩(wěn)定地展示產(chǎn)品的準確度。例如透徹未來基于其大模型Thorough Brain 2.0，賦能其AI病理產(chǎn)品Thorough Insights 4.0達到專業(yè)臨床應用級性能，支持包括胃、腸、食管、胰腺、肺、前列腺、乳腺、子宮內(nèi)膜、宮頸、泛器官淋巴結等十余種高發(fā)腫瘤器官的病理智能分析，精準定位癌變區(qū)域并完成疾病分型，其在大型醫(yī)院的臨床病理應用中，敏感度接近100%，特異性超過94%，在中小型醫(yī)院的敏感度同樣接近100%，特異性超過90%。

此外，作為金標準，病理可能直接影響治療方案，病理醫(yī)生對人工智能的使用通常會更加謹慎。單純給出“是”與“否”的結論，病理醫(yī)生可能依然會按照傳統(tǒng)流程親自進行診斷驗證其準確性，阻礙人工智能輔助臨床提升效率的性能顯現(xiàn)。因此，病理大模型的可解釋性或是其另一個核心競爭力，在給出定性結果的同時，充分展示其判斷邏輯和專業(yè)依據(jù)，增強信任，幫助醫(yī)生從被動接受結果轉為主動利用人工智能實現(xiàn)精準診療。目前，行業(yè)已出現(xiàn)擁有相關核心競爭力的病理大模型。如醫(yī)策科技發(fā)布的病理多模態(tài)大模型“靈眸”，其中包含了企業(yè)創(chuàng)新構建的病理思維鏈框架（Pathology Chain-of-Thought），該框架采用逐層推理解析技術與可解釋性融合機制，可以在給出診斷結果的同時為病理醫(yī)生充分還原診斷的臨床思維路徑，降低信任門檻，讓更多病理醫(yī)生可以放心使用“靈眸”帶來的在9個器官涵蓋57種腫瘤亞型的臨床級病理輔助診斷服務。

最后，可及性也是大模型在應用推廣落地中的核心競爭力之一。眾所周知大模型需要強大的算力支撐，如果大模型的使用附帶著動輒上百萬的GPU購置成本，無疑會勸退一部分潛在使用者。使用端的現(xiàn)狀也促使大模型企業(yè)不斷優(yōu)化其單位算力下的性能，讓大模型“大而不重”，提升模型的可及性，進而推動商業(yè)化落地。如透徹未來、醫(yī)策科技等病理醫(yī)療大模型企業(yè)，均通過技術優(yōu)化實現(xiàn)輕量級私有化部署，在促進各自商業(yè)化進程的同時，更是共同推動了病理人工智能行業(yè)的發(fā)展。

可靠性、可用性、可及性是嚴肅醫(yī)療大模型共性需求。其實，不光在病理領域，對于所有應用于嚴肅醫(yī)療場景的大模型可及性都是共性的需求，此外可靠性、可用性也是重要訴求。

嚴肅醫(yī)療大模型性能共需，資料來源：公開資料、調(diào)研訪談，動脈智庫智能整理

（2）輔助醫(yī)療大模型-展現(xiàn)超強靈活性

相較嚴肅醫(yī)療大模型通常覆蓋專科應用領域，輔助醫(yī)療大模型覆蓋了更加廣泛、更加靈活的應用場景。為了更清晰厘清其應用范圍，我們從服務主體出發(fā)，將輔助醫(yī)療大模型應用范疇分為圍繞醫(yī)生、圍繞患者、圍繞醫(yī)院管理的三類。

輔助醫(yī)療大模型應用場景分類，資料來源：公開信息，動脈智庫整理

目前，輔助醫(yī)療大模型整體而言比嚴肅醫(yī)療大模型落地應用推廣進程更成熟，其中圍繞醫(yī)生的諸多提質(zhì)增效的人工智能工具應用最為廣泛。

多場景應用需要大模型更加“靈活”。不難看出，比起嚴肅醫(yī)療大模型，輔助醫(yī)療大模型覆蓋的場景更多、更廣，且同一場景的應用，機構與機構之間也存在不同的要求，因此需要大模型更加靈活。

其靈活性的其中一個體現(xiàn)在產(chǎn)品的性質(zhì)上，不同于嚴肅醫(yī)療大模型“模型即產(chǎn)品”的要求，輔助醫(yī)療大模型往往更需要體現(xiàn)其“基座”的性質(zhì)，即提供賦能院內(nèi)多場景提質(zhì)增效所需要的醫(yī)學知識、政策法規(guī)和安全要求等數(shù)據(jù)資料的多模態(tài)數(shù)據(jù)，并訓練模型擁有醫(yī)療行業(yè)的決策邏輯。醫(yī)療機構可以將其作為全院人工智能產(chǎn)品的基礎和管理平臺，將所有的人工智能服務統(tǒng)籌起來，也可以基于大模型基礎進一步研發(fā)，圍繞不同主體、應用于不同場景的人工智能產(chǎn)品，以更好地進行全院級數(shù)智化管理。如神州醫(yī)療大模型2.0，是一個擁有文本、影像、病理、基因、時序數(shù)據(jù)處理能力的多模態(tài)大模型，其可以作為全院人工智能應用監(jiān)管的“駕駛艙”，也是各應用場景人工智能產(chǎn)品打造的專業(yè)基礎。企業(yè)基于此大模型已經(jīng)開發(fā)了包括罕見病、腦腫瘤、兒童免疫缺陷等在內(nèi)的20個?？茍鼍癆I應用產(chǎn)品，圍繞醫(yī)生、患者和醫(yī)院不同使用方提供多應用場景的AI工具，助力提升效率、就醫(yī)體驗等。

此外，行業(yè)還出現(xiàn)了支持使用者基于大模型自主建立人工智能服務工具的靈活方式。如醫(yī)渡科技，為行業(yè)提供“大數(shù)據(jù)+大模型”雙中臺，使用者可以在其中臺上構建自己的小模型和智能體。目前已經(jīng)在20余家頭部醫(yī)院上線，其中80%的用戶為醫(yī)生群體，在平臺上自建智能體助力診療科研教學及患者服務等日常工作流，市場使用率極高。

由此可見，可賦能二次開發(fā)的、靈活的輔助醫(yī)療大模型除了具體的應用產(chǎn)品價值，還被賦予了多一層助力人工智能落地、推動行業(yè)發(fā)展的使命與能力。除了靈活的專業(yè)醫(yī)療大模型，行業(yè)還出現(xiàn)了開源醫(yī)療大模型，助力推動人工智能生態(tài)發(fā)展。2025年初，京東健康的“京醫(yī)千詢”宣布開源，“透明化”的技術架構一方面直觀向行業(yè)展示了“京醫(yī)千詢”的技術實力，另一方面也想通過技術共建與行業(yè)一同攜手推動人工智能服務進一步落地。行業(yè)越來越多專業(yè)預訓練大模型能夠幫助初創(chuàng)企業(yè)避免從零打造醫(yī)療大模型的高成本，降低模型研發(fā)門檻，甚至通過更優(yōu)質(zhì)的數(shù)據(jù)助力提升模型性能。

輔助醫(yī)療大模型三大賦能路徑，資料來源：調(diào)研訪談，動脈智庫整理

（3）醫(yī)療大模型賦能基層-標的落地場景

目前，基層醫(yī)療衛(wèi)生機構正以三分之一的衛(wèi)生人力資源，提供全國一半以上的診療服務量以及絕大多數(shù)的基本公共衛(wèi)生服務。隨著國民健康意識增強，人口老齡化、慢病人群數(shù)量攀升，基層的任務愈發(fā)重要及繁多，醫(yī)生數(shù)量短缺的矛盾也將隨之加劇。在政策和剛需的推動下，基層成為醫(yī)療人工智能落地的絕佳場景，而對于近年來興起的醫(yī)療大模型亦是如此。

目前，諸多醫(yī)療大模型企業(yè)，如訊飛醫(yī)療、神州醫(yī)療、數(shù)坤科技等均有基層應用場景布局，并成功實現(xiàn)商業(yè)化閉環(huán)。

標準化：為醫(yī)生提質(zhì)增效、提高群眾信任。基層醫(yī)生通常為全科醫(yī)生，需要涉獵的疾病種類和藥物種類廣泛，作為疾病預防、治療的第一道防線，比起對疑難病例的處理能力，更需要基層醫(yī)生擁有對常見病及慢病不錯診、不漏診及合理用藥的“標準化”能力。此外，“標準化”能力還體現(xiàn)在如隨訪和健康檔案管理的公共衛(wèi)生服務之中。而對于患者或居民而言，也需要得到與上級醫(yī)院同質(zhì)化的診療結果來提升對基層醫(yī)療的信任程度。

醫(yī)療大模型對海量、多模態(tài)知識的學習吸收能力及其標準化輸出能力完美契合基層“標準化”訴求。近年來，大模型賦能下的全科輔助診療應用在基層展現(xiàn)出優(yōu)異成效，也推動了其在基層的滲透率逐步提升。如訊飛醫(yī)療的"智醫(yī)助理"早在2017年就成為全球首個通過國家執(zhí)業(yè)醫(yī)師資格考試綜合筆試的人工智能機器人，取得456分成績(滿分600分)，超過96.3%的人類考生。實際落地應用中聚焦基層醫(yī)療場景，通過“智醫(yī)助理”賦能全科醫(yī)生，在常見病診療規(guī)范化和效率提升方面取得顯著成效。通過今年發(fā)布的星火醫(yī)療大模型X1賦能后，智醫(yī)助理實現(xiàn)了核心性能顯著提升——合理用藥審核正確率達95%以上，基層高發(fā)常見病診斷TOP1推薦合理率突破95%，系統(tǒng)在為基層醫(yī)生提供高效輔助診療支持的同時，有效提升居民對基層醫(yī)療服務的信任度。截至2025年4月，產(chǎn)品已落地全國31個省市的682個區(qū)縣超73000個基層醫(yī)療機構，服務超220000名基層醫(yī)生，累計提供超9.7億次AI輔診建議。

3、院外醫(yī)療大模型助力“提供工具”向“提供價值”轉變

如嚴肅醫(yī)療大模型和輔助醫(yī)療大模型無嚴格區(qū)分標準一樣，院外醫(yī)療大模型板塊也是從應用場景類型出發(fā)，研究醫(yī)療大模型在該場景的應用落地情況。事實上，行業(yè)不少醫(yī)療大模型可同時應用于院內(nèi)及院外多場景賦能。

院外的應用場景，受到的政策監(jiān)管和約束相對較少，在模型性能能夠滿足的應用場景需求后，達成合作的環(huán)節(jié)更加直接和簡單。因此，在大模型能夠顯著提升效率、降低成本的應用場景，行業(yè)已有應用落地成熟的案例出現(xiàn)。我們將以臨床研究及對C端的健康管理為例，解析其發(fā)展?jié)B透率的現(xiàn)狀。

（1）藥物研發(fā)-亟待極致效率提升帶來質(zhì)變

藥物研發(fā)超大的人工智能應用市場規(guī)模，以及極大的提質(zhì)增效空間，散發(fā)著巨大的人工智能應用探索吸引力。其實，AI應用在藥物研發(fā)領域探索不算短，大模型的加持，除了原有AI能力的提升，或許還能帶來新的能力賦能行業(yè)發(fā)展。

多環(huán)節(jié)人工智能服務滲透。藥物研發(fā)囊括了藥物發(fā)現(xiàn)階段、臨床前階段、臨床階段，以及上市后的真實世界研究。人工智能的應用也充斥著長鏈條的各個環(huán)節(jié)。

人工智能在藥物研發(fā)各環(huán)節(jié)應用場景舉例，資料來源：公開資料，動脈智庫整理

人工智能也需要“術業(yè)有專攻”。藥物研究的多環(huán)節(jié)、不同具體的應用場景領域，所用到的人工智能服務不同，這也意味著針對特定環(huán)節(jié)的賦能大模型也需要“術業(yè)有專攻”，由此對訓練數(shù)據(jù)的類型和來源也有所不同。

例如用于臨床試驗階段的大模型，該階段核心訴求集中在中心與患者的篩選、試驗設計和優(yōu)化、數(shù)據(jù)文件管理的能力以及風險預測決策支持等，對數(shù)據(jù)實時處理和倫理合規(guī)要求極高。因此，除了對相關法律法規(guī)的學習和理解，對于大模型的訓練還需要來自真實臨床試驗沉淀下來的數(shù)據(jù)，不僅從中學習相關專業(yè)的知識，更需要學習相關專業(yè)的干預和反饋機制，也就是習得實時處理的能力。例如，當發(fā)現(xiàn)風險的時候，需要人工智能服務提供預警的同時，可以在大模型的賦能下同時進行相關的風險處理動作。有了“動作”的學習，人工智能服務才能跳脫出數(shù)字客服或超大知識庫給出的響應式服務，進而升級為有主動執(zhí)行能力的管理式服務，真正為申辦方提供有責任感的“數(shù)字員工”而不是單純的數(shù)據(jù)管理工具。如太美醫(yī)療科技發(fā)布的文思智能（Wiz.AI）平臺，其能力基座除海量的專業(yè)知識、法律法規(guī)、公開數(shù)據(jù)外，還有其十余年5000余項臨床研究項目運營經(jīng)驗，為其人工智能臨床試驗服務奠定了核心競爭力。基于出色的綜合實力，文思在實際業(yè)務場景中擁有強大的落地能力，以賦能SaaS和服務在各應用場景中發(fā)揮智能化的管理職能，而非單一的智能問答。

再如藥物發(fā)現(xiàn)領域，有了大模型的賦能也為多年的人工智能應用再添利器。首先，大模型的應用增加了AI結果的可解釋性，從而提升信任度，讓使用者可以明白并判斷其可靠程度，從而提升AI服務的接受度。其次，大模型顯著降低了專業(yè)知識的理解和應用門檻，極大提升相關步驟效率?？梢?，效率的提升在行業(yè)已有共識。但研發(fā)的能力驗證還在路上，目前還未有通過AI研發(fā)的藥物走到上市階段，這也讓行業(yè)對其態(tài)度逐步謹慎。目前，在藥物研發(fā)領域，相較于效率和應用工具，企業(yè)更愿意為價值結果付費。

（2）C端健康管理-打造輕中重個性化服務

另一個院外擁有高吸引力的大模型落地場景是面向C端的健康管理服務。

輕量級服務：做群眾的AI健康助手。自2016年《健康中國2030》發(fā)布以來，國民對健康的重視程度持續(xù)增強，并逐步從“疾病治療”向“疾病預防”前移、從“被動治療”向“主動健康”轉變。隨之而來的就是更多的健康服務需求，例如亞健康狀態(tài)改善、日常偶發(fā)性不適的咨詢、體檢報告解讀、藥物及疾病知識學習、個人健康檔案管理及疾病預防等。傳統(tǒng)的醫(yī)療體系顯然難以支撐該類激增的健康服務需求，因而大模型的應用可很大程度解決健康服務能力供給不足的情況，目前行業(yè)已有不少理想的解決方案。例如訊飛醫(yī)療，推出首款面向居民的AI健康助手應用訊飛曉醫(yī)，依托星火醫(yī)療大模型億級高質(zhì)量權威醫(yī)學知識數(shù)據(jù)庫，為用戶打造個人數(shù)字健康空間，覆蓋“看病前、用藥時、檢查后”三大核心健康場景，提供癥狀自查、藥物查詢、報告解讀和個性化健康檔案管理等服務。目前，訊飛曉醫(yī)APP已覆蓋高頻常見疾病1600余種、常見癥狀2000余種、常見藥品4000余種、常見檢查項目6000余項，用戶滿意度達98％。

治療及服務：提供陪伴式服務。面向C端的健康管理服務中，還有一大極具落地吸引力的應用場景，那就是慢病管理。隨著我國慢病患者人數(shù)攀升，目前醫(yī)保用于慢病治療的費用居高不下，占據(jù)醫(yī)保開支大頭。可是，即便如此我國慢病管理現(xiàn)狀也并不如意。究其根本，慢病的治療不僅僅需要藥物，更需要生活方式的干預，而后者需要極高的人力成本及時間，本就供給不足的現(xiàn)有醫(yī)療體系對其難以覆蓋。

慢病管理需要多團隊的有機協(xié)作，且生活方式的干預是一個長期過程、是一個全新生活習慣培養(yǎng)的過程，也就意味著慢病管理團隊需對患者進行長程式的陪伴，其對應的高人力成本是慢病管理落地的一大阻礙。最后，純?nèi)肆Φ穆」芾?，很容易觸及服務能力的天花板，而就我國目前醫(yī)生、營養(yǎng)師、專業(yè)運動教練及健康管理師等服務團隊的數(shù)量對于龐大的需求群體而言，存在極大的人力缺口。正因如此，醫(yī)療大模型在慢病管理場景的應用展現(xiàn)出極大的價值。

輕量級及治療級健康管理服務對比，資料來源：調(diào)研訪談，動脈智庫整理

有了醫(yī)療大模型的賦能，可以極大解放人力，這不僅能夠提升單個管理師的管理能力上限，也能助力提供更好的服務。例如，在大模型的輔助下，用戶可以有更好的“實時應答”體驗，并且可以確保服務“溫度”，沒有情緒的波動。不僅如此，大模型在個性化方案實施上也更有優(yōu)勢，可以基于用戶情況實施輕量級到治療級不同干預程度的管理方案。

循著以上的要求，行業(yè)也已然出現(xiàn)了成功的商業(yè)化案例。如南大菲特，為肥胖伴有代謝綜合征、糖尿病、多囊卵巢綜合征及青少年肥胖等患者提供人工智能生活方式干預?！叭龓煿补蹵I大模型”融合了200余位專家的經(jīng)驗，其多模態(tài)底座賦能管理團隊基于用戶自產(chǎn)及來自監(jiān)測設備的健康數(shù)據(jù)，主動給出實時的專業(yè)管理意見，真正為用戶打造了有溫度的陪伴式生活方式干預。經(jīng)過10年的打磨與沉淀，企業(yè)已經(jīng)成功助力超過3.5萬的用戶減重成功，達成了4周減重4.2kg、8周減重7.4kg、12周減重11.12kg的優(yōu)異成效。此外，大模型的賦能讓企業(yè)也實現(xiàn)了輕量級管理完全AI化、治療類的專業(yè)管理中實現(xiàn)服務能力4-5倍的提升。

2024年，國家衛(wèi)健委聯(lián)合16個部門發(fā)布“體重管理年”活動實施方案，將體重管理提上新的高度，并鼓勵人工智能在體重管理中的應用。此政策為在慢病管理的醫(yī)療大模型企業(yè)發(fā)展注入了新鮮的驅動力。過去，人們對人工智能始終報以謹慎態(tài)度，對于AI提供的健康建議信任度不高?，F(xiàn)在，DeepSeek的爆火極大地推動了市場教育成熟，加之政策鼓勵及行業(yè)專業(yè)級管理方案展現(xiàn)的優(yōu)異成效，相信未來大模型在C端健康管理擁有非常大的想象空間。