當(dāng)各行各業(yè)因?yàn)榻?jīng)濟(jì)周期的壓力而出現(xiàn)回調(diào)時(shí)，醫(yī)療AI行業(yè)在尚未突破規(guī)模化盈利的情況下，仍維持著高增速發(fā)展。最新市場(chǎng)調(diào)研數(shù)據(jù)顯示，2024年中國(guó)解決方案市場(chǎng)共計(jì)164億元，預(yù)期于2030年擴(kuò)大至353億元，CAGR13.63%。

龐大且增長(zhǎng)的市場(chǎng)不僅吸引了更多創(chuàng)業(yè)者，亦將帶動(dòng)大量醫(yī)生進(jìn)入AI的科學(xué)研究與產(chǎn)品研發(fā)，當(dāng)前的醫(yī)療AI已不是某個(gè)單一學(xué)科的造物，而是計(jì)算機(jī)、工業(yè)、醫(yī)學(xué)等學(xué)科的深度融合。

聚焦2025年，醫(yī)療AI最顯著的變化可歸納于兩個(gè)要點(diǎn)：大模型的突破式演變與醫(yī)療機(jī)構(gòu)的規(guī)?；瘏⑴c。

2025年年初DeepSeek發(fā)布的DeepSeek-R1為大模型產(chǎn)業(yè)帶來(lái)。參數(shù)高效微調(diào)（PEFT）、混合專(zhuān)家架構(gòu)（MoE）等創(chuàng)新設(shè)計(jì)支持下，DeepSeek成功降低了大模型的入場(chǎng)門(mén)檻，讓醫(yī)院管理者們開(kāi)始主動(dòng)部署基礎(chǔ)設(shè)施。

動(dòng)脈智庫(kù)統(tǒng)計(jì)數(shù)據(jù)顯示：截至2025年5月，第三方榜單中國(guó)內(nèi)排名前100的醫(yī)院已全部完善大模型部署，有38家醫(yī)院在通用模型的基礎(chǔ)上進(jìn)一步展開(kāi)研發(fā)，打造出55個(gè)符合自身需求的垂直醫(yī)療模型，其中22個(gè)為專(zhuān)科模型。

同時(shí)，醫(yī)生對(duì)于大模型的實(shí)操熱情也遠(yuǎn)超傳統(tǒng)AI。當(dāng)深圳市衛(wèi)健委開(kāi)始限制醫(yī)院自行算力采購(gòu)（算力集中采購(gòu)，避免單個(gè)醫(yī)院過(guò)量采購(gòu)造成算力浪費(fèi)），醫(yī)院不愿意數(shù)據(jù)出院時(shí)，部分醫(yī)生仍通過(guò)申請(qǐng)科研的方式繞過(guò)政策算力采購(gòu)，堅(jiān)持借助大模型進(jìn)行臨床科研探索。

2025年上半年醫(yī)院參與開(kāi)發(fā)的專(zhuān)科大模型（資料來(lái)源：公開(kāi)信息）

需要注意的是，非Transformer架構(gòu)AI同樣在臨床中的應(yīng)用愈發(fā)深入。過(guò)去它們集中落地于醫(yī)技科、信息科等科室，賦能問(wèn)診、檢查、隨訪環(huán)節(jié)，近年來(lái)手術(shù)機(jī)器人的崛起后，大量應(yīng)用開(kāi)始出現(xiàn)在治療場(chǎng)景。

公開(kāi)資料顯示，胸外科、神經(jīng)外科、心內(nèi)科、骨科等涉及手術(shù)的科室均已有大量輔助治療型AI可供選擇。本次調(diào)研中，超過(guò)90%使用過(guò)相關(guān)AI的醫(yī)生都給予了正向反饋，證實(shí)AI能夠提升手術(shù)精準(zhǔn)度，顯著降低并發(fā)癥發(fā)生概率。

人工智能在醫(yī)療領(lǐng)域細(xì)分場(chǎng)景應(yīng)用全景（資料來(lái)源：動(dòng)脈智庫(kù)）

政策方面的推進(jìn)力度也在逐步加大?！蛾P(guān)于優(yōu)化全生命周期監(jiān)管支持高端醫(yī)療器械創(chuàng)新發(fā)展的舉措（征求意見(jiàn)稿）》，公開(kāi)征求多病種AI、大模型等新興技術(shù)準(zhǔn)入方式的意見(jiàn)，先行一步為大模型的發(fā)展樹(shù)立道標(biāo)。

《關(guān)于促進(jìn)和規(guī)范“人工智能+醫(yī)療衛(wèi)生”應(yīng)用發(fā)展的實(shí)施意見(jiàn)》則提出24個(gè)重點(diǎn)應(yīng)用建設(shè)方向，要求到2027年建立一批衛(wèi)生健康行業(yè)高質(zhì)量數(shù)據(jù)集和可信數(shù)據(jù)空間，形成一批臨床專(zhuān)病專(zhuān)科垂直大模型和智能體應(yīng)用，基層診療智能輔助、臨床專(zhuān)科專(zhuān)病診療智能輔助決策和患者就診智能服務(wù)在醫(yī)療衛(wèi)生機(jī)構(gòu)廣泛應(yīng)用，基本建成一批醫(yī)療衛(wèi)生領(lǐng)域國(guó)家人工智能應(yīng)用中試基地，打造更多高價(jià)值應(yīng)用場(chǎng)景，帶動(dòng)健康產(chǎn)業(yè)高質(zhì)量發(fā)展。以上政策的出臺(tái)進(jìn)一步明晰了醫(yī)療AI的發(fā)展路徑。

總的來(lái)說(shuō)，現(xiàn)階段的醫(yī)療AI享受到了資本、政策、醫(yī)生協(xié)同的紅利，可在至少3年內(nèi)為醫(yī)療AI高速發(fā)展提供充足動(dòng)力。但要將這些資源轉(zhuǎn)化為源源不斷的價(jià)值，醫(yī)療AI還需進(jìn)一步壓低研發(fā)成本，解決好醫(yī)療AI的“價(jià)值分歧”，在商業(yè)模式/支付方上進(jìn)行創(chuàng)新。

01

價(jià)值分歧深陷：難以平衡的患者療效與科室效益

盡管AI在多方協(xié)力之下發(fā)展迅速，作為獨(dú)立產(chǎn)品形態(tài)出現(xiàn)的AI器械/軟件始終難以在商業(yè)化破局。歸根結(jié)底，醫(yī)療AI在不同部署環(huán)境產(chǎn)生的價(jià)值不一致，醫(yī)院很難精準(zhǔn)核算效益，一定程度上阻礙了醫(yī)療AI的商業(yè)化。

此外，應(yīng)用AI產(chǎn)生的診療效益未必能轉(zhuǎn)化為醫(yī)院價(jià)值。大多數(shù)情況下，只有在符合管理者利益的情況下才會(huì)配置AI，因而部分服務(wù)于醫(yī)生、患者的智能應(yīng)用可能會(huì)在采購(gòu)中被忽視。

■ 短期：醫(yī)院和醫(yī)生利益大部分不一致

考慮科室容量（態(tài)度中立，下同）：出現(xiàn)患者排隊(duì)時(shí)（主要出現(xiàn)在影像科），對(duì)于單一環(huán)節(jié)的優(yōu)化理論上能夠?qū)φw帶來(lái)效率提升，幫助醫(yī)生收治更多患者；未出現(xiàn)排隊(duì)時(shí)，科室引入AI后，患者數(shù)量不會(huì)變化，醫(yī)生工作更輕松，但AI對(duì)于醫(yī)生效率的提升不會(huì)在短期內(nèi)帶來(lái)效益。

考慮應(yīng)用功能（反向）：醫(yī)院以評(píng)級(jí)為目的采購(gòu)AI，可能忽視應(yīng)用能力、互操作性等因素，而這些因素與醫(yī)生的使用體驗(yàn)緊密相關(guān)。

考慮模型自主學(xué)習(xí)（反向）：醫(yī)院希望醫(yī)生能夠整理診療過(guò)程中產(chǎn)生的數(shù)據(jù)，實(shí)現(xiàn)院內(nèi)的模型的自主學(xué)習(xí)；將自身能力給予AI不符合醫(yī)生短期利益，部分醫(yī)生反感借助自身數(shù)據(jù)訓(xùn)練模型。

■ 長(zhǎng)期：醫(yī)院和醫(yī)生利益大部分一致

科室方面（一致），更好的手術(shù)質(zhì)量將為醫(yī)院帶來(lái)更多的名望，吸引更多患者前往治療，可能同時(shí)提升科室效益與醫(yī)生收入。

科研方面（一致）：AI節(jié)約下來(lái)的時(shí)間推進(jìn)醫(yī)生進(jìn)行更多科教工作，可提升醫(yī)生個(gè)人影響力及醫(yī)院整體科研實(shí)力。

自主學(xué)習(xí)（中立）：模型學(xué)習(xí)醫(yī)生習(xí)慣后可在醫(yī)生再次使用時(shí)進(jìn)行個(gè)性化設(shè)置（尤其是在手術(shù)操作方面），同時(shí)提高手術(shù)效益及手術(shù)效率，進(jìn)而轉(zhuǎn)化為科室效益。但對(duì)于資深醫(yī)生而言，將自己積累的經(jīng)驗(yàn)無(wú)償整合成AI能力，提升了科室能力，卻降低了自身競(jìng)爭(zhēng)力，不符合資深醫(yī)生利益，因而部分醫(yī)生不愿將其相關(guān)數(shù)據(jù)用作AI模型訓(xùn)練。

考慮成本（反向）：AI的規(guī)?；褂每赡芙档歪t(yī)院對(duì)醫(yī)生數(shù)量的需求，對(duì)醫(yī)生工資或崗位進(jìn)行降裁。

■ 患者方面：患者與科室利益可能不一致

患者體驗(yàn)（一致）：AI可對(duì)療效與手術(shù)進(jìn)行優(yōu)化，為患者帶來(lái)更好的預(yù)后，在DRG支付下提升結(jié)余，進(jìn)而提升醫(yī)生及科室收入。

患者支付（反向）：部分流程優(yōu)化降低了患者的治療時(shí)間及治療花費(fèi)，但可能因?yàn)楦淖兞司幋a、減少了科室協(xié)助而降低了科室收入。

從上述分析可以看出，配置AI后的短期時(shí)間中醫(yī)院和醫(yī)生大部分情況下利益不一致，短期部署利于醫(yī)生不利于醫(yī)院，且投資回收期難以估量。在當(dāng)前經(jīng)濟(jì)環(huán)境下醫(yī)院普遍現(xiàn)金流緊張，管理者傾向于控制風(fēng)險(xiǎn)，投資回收期短的創(chuàng)新技術(shù)，因而能夠接受AI落地，但難以為其支付費(fèi)用。

至于長(zhǎng)期效益，實(shí)際調(diào)研結(jié)果：2020年—2021年開(kāi)始在臨床科室部署專(zhuān)科AI的醫(yī)院，已有部分實(shí)現(xiàn)了科室效率、就診人數(shù)的雙向提升，醫(yī)生診療流程與AI應(yīng)用深度融合。

不過(guò)，不同科室短期、長(zhǎng)期內(nèi)的效益計(jì)量各不相同，受宏觀政策、醫(yī)院硬件、管理者觀念、AI能力界限、AI支付方等因素影響較大，需要獨(dú)立考察。在本報(bào)告中，我們將深入胸外科、心內(nèi)科、神經(jīng)外科、放療科等科室，逐一分析具體臨床環(huán)境下的AI應(yīng)用與商業(yè)化進(jìn)展，找到化解醫(yī)療AI商業(yè)化難題的新思路。

02

科室分析：胸外科

作為三級(jí)醫(yī)院患者診療量偏大，臨床壓力及工作強(qiáng)度偏高的科室，胸外科天然存在醫(yī)療AI的需求，用以提升科室運(yùn)行效率與診療，降低醫(yī)生日常過(guò)程中的冗余診療。

同時(shí)，胸外科診療過(guò)程中產(chǎn)生的數(shù)據(jù)易于標(biāo)準(zhǔn)化，尤其是在肺外科中，CT、DR等肺部影像數(shù)據(jù)非常適合于深度學(xué)習(xí)訓(xùn)練，因而成為醫(yī)療AI最早賦能的場(chǎng)景之一。

胸外科門(mén)診情況及人工智能分布（資料來(lái)源：調(diào)研訪談）

調(diào)研顯示，國(guó)內(nèi)三級(jí)醫(yī)院胸外科使用頻率較高的AI集中于輔助診斷、輔助穿刺、手術(shù)規(guī)劃、術(shù)中導(dǎo)航方面，尤其以肺外科最為成熟。

診斷階段，基于低于100層CT影像樣本的人機(jī)對(duì)照實(shí)驗(yàn)，醫(yī)生獨(dú)立判別肺結(jié)節(jié)需要耗時(shí)5～10分鐘，在人機(jī)協(xié)作模式下耗時(shí)為1.6～2.2分鐘，理論上可縮短2.8～8.4分鐘，效率提升范圍為56%～84%。當(dāng)CT層數(shù)增加，效率提升比率還有進(jìn)一步增長(zhǎng)的空間。

以東北某三甲醫(yī)院為例，該院肺外科醫(yī)生每日需從頭至尾翻閱60組患者影像，閱片速度慢且容易漏診。AI賦能后，平均每日會(huì)篩出數(shù)個(gè)需要特別關(guān)注的影像（該醫(yī)院通常為5—6個(gè)），部分醫(yī)生詳看標(biāo)注影像，略看非標(biāo)注影像，提升整體診斷效率約73%。該系統(tǒng)上線約4年時(shí)間，加上術(shù)中AI的賦能，該科室門(mén)診量已提升約40%。

手術(shù)階段，AI價(jià)值創(chuàng)造主要體現(xiàn)在復(fù)雜手術(shù)規(guī)劃與穿刺角度指導(dǎo)。復(fù)雜手術(shù)規(guī)劃方面，年輕醫(yī)生在處理風(fēng)險(xiǎn)較大的病灶（如貼近血管的病灶）時(shí)容易發(fā)生失誤，AI可以對(duì)穿刺路徑進(jìn)行優(yōu)化，降低醫(yī)生的穿刺風(fēng)險(xiǎn)。穿刺角度方面，醫(yī)生要在立體人體中，精準(zhǔn)復(fù)刻二維影像上的 “虛擬角度”，還要應(yīng)對(duì)呼吸、體位等動(dòng)態(tài)干擾，很難快速找到有效的穿刺角度，AI可以幫助醫(yī)生實(shí)時(shí)判斷穿刺角度是否符合手術(shù)要求。

AI穿刺的價(jià)值資料來(lái)源：公開(kāi)信息、調(diào)研訪談

在AI+穿刺中，某三甲醫(yī)院數(shù)據(jù)顯示：使用AI賦能的機(jī)器人組在調(diào)整不超過(guò)2次的定位成功率（76.5% vs. 25.0%）、穿刺平均調(diào)整次數(shù)（1.62±1.71次 vs. 4.39±3.69次）、患者接受的CT掃描次數(shù)（5.47±2.59次 vs. 8.39±4.69次）方面均顯著優(yōu)于傳統(tǒng)人工穿刺方式組。

三維重建方面，哈爾濱醫(yī)科大學(xué)附屬第一醫(yī)院引入AI實(shí)現(xiàn)精準(zhǔn)肺段切除后，患者的3年生存率提升了約20%，并發(fā)癥顯著減少（頑固性咳嗽下降約40%、疼痛下降約20%、并發(fā)癥下降約30%）。住院時(shí)間方面，該院引入AI前平均住院日為12天，現(xiàn)如今為5天，提升效率約58.3%。

理論上講，胸外科AI的商業(yè)價(jià)值取決于其為科室?guī)?lái)的經(jīng)濟(jì)價(jià)值。目前胸外科AI表現(xiàn)分為三種模式：增效、提質(zhì)、優(yōu)化流程。其中，增效主要為科室?guī)?lái)價(jià)值，提質(zhì)主要為患者帶來(lái)價(jià)值，優(yōu)化流程部分情況下為醫(yī)生帶來(lái)價(jià)值，部分情況下為患者帶來(lái)價(jià)值。

在科室實(shí)際診療成本低于該DRG組付費(fèi)標(biāo)準(zhǔn)的前提下，提效模式對(duì)科室收益有一定影響，但影響幅度有限。這是因?yàn)榭剖医?jīng)營(yíng)效率提升在核心邏輯上符合木桶原理，即效率提升的上限由最薄弱的環(huán)節(jié)決定。即便問(wèn)診、手術(shù)環(huán)節(jié)能夠提升超過(guò)50%，但術(shù)前檢查過(guò)長(zhǎng)、醫(yī)生排班不合理等情況都會(huì)影響最終效率的實(shí)現(xiàn)。

提質(zhì)模式對(duì)于患者價(jià)值提升比較明顯，對(duì)于科室價(jià)值的提升視情況而定。當(dāng)科室床位處于飽和狀態(tài)時(shí)且診療成本低于該DRG組付費(fèi)標(biāo)準(zhǔn)時(shí)，將平均住院日縮短能夠增加科室獲得的醫(yī)保支付結(jié)余。但若床位有空余，AI的賦能僅能通過(guò)降低單病例成本（減少并發(fā)癥，降低再入院率）獲得更多結(jié)余，存在價(jià)值但較為有限。

優(yōu)化流程模式相較于前兩種模式常會(huì)因?yàn)榫邆錁O大的患者價(jià)值而實(shí)現(xiàn)更高綜合價(jià)值（患者價(jià)值+科室價(jià)值），但可能不利于DRG下的科室績(jī)效考核。

以后縱隔的神經(jīng)纖維瘤為例，傳統(tǒng)路徑下胸外科醫(yī)生會(huì)做胸部增強(qiáng)CT，明確腫瘤位置、大小、與血管（如主動(dòng)脈、奇靜脈）、氣管及椎間孔的關(guān)系。但若腫瘤入侵了椎間孔，則需加做胸部 MRI，聯(lián)合神經(jīng)外科評(píng)估風(fēng)險(xiǎn)，患者總花費(fèi)約5萬(wàn)元。

AI三維重建技術(shù)成熟后，部分AI能夠借助CT影像重建重要神經(jīng)，直接判斷切除風(fēng)險(xiǎn)。由于沒(méi)有神經(jīng)外科參與，患者總花費(fèi)下降，診斷流程隨之縮短。但在DRG下，傳統(tǒng)診療路徑涉及兩個(gè)術(shù)式，能夠分成兩個(gè)部分報(bào)銷(xiāo)，而新流程僅涉及一臺(tái)手術(shù)，報(bào)銷(xiāo)費(fèi)用減少。

此形勢(shì)下，新流程有利于患者利益但不利于科室利益，相關(guān)AI在短期內(nèi)難以實(shí)現(xiàn)它的價(jià)值，一定程度削減了它的商業(yè)價(jià)值。但在長(zhǎng)期之中，相關(guān)AI仍然保留價(jià)值質(zhì)變的可能，這一可能將與DRG的支付規(guī)則變化緊密聯(lián)系。

03

數(shù)據(jù)資產(chǎn)化：暗藏醫(yī)療AI可持續(xù)增長(zhǎng)的破局路徑

從醫(yī)療AI在臨床專(zhuān)科與臨床支撐兩個(gè)部分的應(yīng)用來(lái)看，醫(yī)療AI能夠發(fā)揮一定價(jià)值，但這些價(jià)值絕大部分不足以說(shuō)服支付方進(jìn)行支付。那么，在未來(lái)一段時(shí)間中，醫(yī)療AI仍需探索更多路徑，更深入地應(yīng)用于臨床，探索那些能夠更直觀改善患者檢查、手術(shù)受益的應(yīng)用場(chǎng)景。

不過(guò)，更深入的探索意味著更高昂的成本，如果要維持醫(yī)療AI的可持續(xù)發(fā)展，行業(yè)必須探索出更優(yōu)的研發(fā)路徑，有效控制支出，以更低的成本產(chǎn)出更高效的AI。此外，壓低成本還能進(jìn)一步影響售價(jià)，進(jìn)而在更多醫(yī)療場(chǎng)景中打開(kāi)銷(xiāo)售空間。

在2023年前，“數(shù)據(jù)治理”作為研發(fā)AI的硬性成本，我們很難在這一環(huán)節(jié)中談“降本”。但在國(guó)家數(shù)據(jù)局成立后，數(shù)據(jù)的“生產(chǎn)要素”這一身份開(kāi)始發(fā)揮作用，變局從這里開(kāi)始。

當(dāng)前階段，“數(shù)據(jù)”要素對(duì)AI發(fā)展的影響較算力、算法更直接、更深遠(yuǎn)。它不僅取決于企業(yè)對(duì)于該要素的投入；企業(yè)、醫(yī)療機(jī)構(gòu)、研究機(jī)構(gòu)的數(shù)據(jù)治理速度，還取決于醫(yī)療健康數(shù)據(jù)相關(guān)倫理的探索，即研發(fā)者對(duì)于醫(yī)療健康數(shù)據(jù)的使用方式。

如果能夠提升數(shù)據(jù)治理效率，壓縮優(yōu)質(zhì)數(shù)據(jù)集制作成本，實(shí)現(xiàn)優(yōu)質(zhì)數(shù)據(jù)的多重復(fù)用，醫(yī)療AI產(chǎn)業(yè)的應(yīng)用范疇及算法本身的魯棒性都能實(shí)現(xiàn)大幅提高。

數(shù)據(jù)集建設(shè)難點(diǎn)資料來(lái)源：調(diào)研訪談、東軟醫(yī)療

2020年4月，國(guó)務(wù)院發(fā)布《關(guān)于構(gòu)建更加完善的要素市場(chǎng)化配置體制機(jī)制的意見(jiàn)》，正式將數(shù)據(jù)確立為第五大生產(chǎn)要素，明確提出“健全數(shù)據(jù)要素流通規(guī)則”。2023年國(guó)家數(shù)據(jù)局的成立后“數(shù)據(jù)資產(chǎn)化”提速，醫(yī)療健康數(shù)據(jù)從此真正意義上開(kāi)啟探索。

圍繞健康數(shù)據(jù)資產(chǎn)化展開(kāi)的數(shù)據(jù)復(fù)用路徑很多，這里重點(diǎn)圍繞場(chǎng)內(nèi)交易與可信數(shù)據(jù)空間展開(kāi)。

醫(yī)療數(shù)據(jù)的場(chǎng)內(nèi)交易是國(guó)家公允的數(shù)據(jù)流通方式。高效數(shù)據(jù)流通的前提在于具備豐富的供應(yīng)商和充足的需求。現(xiàn)階段需求充沛，但供應(yīng)商有所不足。

將原始數(shù)據(jù)轉(zhuǎn)變?yōu)榭晒┙灰椎尼t(yī)療健康數(shù)據(jù)標(biāo)的，供給方通常需要完成收集數(shù)據(jù)、治理數(shù)據(jù)、律所評(píng)估、確立資產(chǎn)、平臺(tái)交易五個(gè)環(huán)節(jié)，治理數(shù)據(jù)、律所評(píng)估、確立資產(chǎn)三個(gè)部分共同組成了數(shù)據(jù)資產(chǎn)的生產(chǎn)成本。

1. 數(shù)據(jù)清洗環(huán)節(jié)。機(jī)構(gòu)在建立數(shù)據(jù)資產(chǎn)前需確立數(shù)據(jù)集的內(nèi)容，找到原始數(shù)據(jù)及對(duì)原始數(shù)據(jù)進(jìn)行清洗。以影像數(shù)據(jù)資產(chǎn)為例，三甲醫(yī)院醫(yī)生標(biāo)準(zhǔn)一張胸部CT的成本大概為50元-60元/張。包含1000例患者的數(shù)據(jù)集，對(duì)應(yīng)數(shù)據(jù)治理的成本為5萬(wàn)—6萬(wàn)元。

2. 完成數(shù)據(jù)治理后，下一步供給方需要請(qǐng)律師事務(wù)所進(jìn)行合規(guī)評(píng)估，保證數(shù)據(jù)資產(chǎn)的來(lái)源符合法律要求。各個(gè)律所的收費(fèi)標(biāo)準(zhǔn)近似，費(fèi)用與數(shù)據(jù)內(nèi)容無(wú)關(guān)，僅按體量、次數(shù)計(jì)量。一般而言，單次數(shù)字資產(chǎn)評(píng)估的費(fèi)用在5萬(wàn)—6萬(wàn)元浮動(dòng)。

3. 資產(chǎn)確權(quán)，數(shù)據(jù)供給方需要找到交易所進(jìn)行資產(chǎn)確權(quán)，出具一份用于公示和交易的數(shù)據(jù)資產(chǎn)證書(shū)。這一步驟相較前面要便宜些，不同交易所收費(fèi)不同，但都限定在數(shù)千元內(nèi)。

三個(gè)環(huán)節(jié)成本綜合約在10萬(wàn)元左右，對(duì)于部分機(jī)構(gòu)（尤其是醫(yī)療機(jī)構(gòu)）而言，在單個(gè)醫(yī)療健康數(shù)據(jù)資產(chǎn)交易次數(shù)的情況下，數(shù)據(jù)資產(chǎn)生產(chǎn)的成本可能超過(guò)數(shù)據(jù)交易收益，還需承擔(dān)數(shù)據(jù)相關(guān)風(fēng)險(xiǎn)，因而短期內(nèi)銷(xiāo)量受限，致使醫(yī)療數(shù)據(jù)資產(chǎn)供給稀缺。

部分信息科醫(yī)生表示：現(xiàn)階段的數(shù)據(jù)交易為醫(yī)院帶來(lái)的收益不足以讓醫(yī)院冒這么大的風(fēng)險(xiǎn)。因此，目前大多數(shù)醫(yī)院仍處于觀望狀態(tài)，有待醫(yī)療數(shù)據(jù)交易市場(chǎng)進(jìn)一步發(fā)展。

部分上架線上交易所的健康數(shù)據(jù)交易標(biāo)的

（資料來(lái)源：公開(kāi)信息，統(tǒng)計(jì)截至2025年7月10日，非完全統(tǒng)計(jì)）

可信數(shù)據(jù)空間是一種基于共識(shí)規(guī)則的數(shù)據(jù)流通利用基礎(chǔ)設(shè)施，旨在聯(lián)接多方主體，實(shí)現(xiàn)數(shù)據(jù)資源的共享共用。相較于區(qū)塊鏈、隱私計(jì)算等技術(shù)，它的突破在于構(gòu)建了一個(gè)內(nèi)涵數(shù)據(jù)共享信任機(jī)制的特殊空間，為不同主體、行業(yè)和區(qū)域營(yíng)造安全可信的數(shù)據(jù)流通環(huán)境，推動(dòng)數(shù)據(jù)有序流動(dòng)。

具體而言，可信數(shù)據(jù)空間可保障數(shù)據(jù)資源接入、使用、溯源全過(guò)程的“可信” 能力，通過(guò)對(duì)接入主體、數(shù)據(jù)、產(chǎn)品及服務(wù)、技術(shù)組件等進(jìn)行嚴(yán)格的接入認(rèn)證，確?？臻g內(nèi)主體身份可信、數(shù)據(jù)可用、產(chǎn)品與服務(wù)安全可靠。同時(shí)，借助數(shù)字合約與使用控制策略，對(duì)數(shù)據(jù)流通使用全過(guò)程行為實(shí)施實(shí)時(shí)管控，切實(shí)保障各方的數(shù)據(jù)權(quán)益。

在醫(yī)療健康領(lǐng)域，這一技術(shù)的價(jià)值在于幫助醫(yī)療機(jī)構(gòu)、藥企、保險(xiǎn)、科研機(jī)構(gòu)等各方能夠在遵循共同規(guī)則的基礎(chǔ)上，安全地共享患者診療數(shù)據(jù)、臨床研究數(shù)據(jù)等各類(lèi)醫(yī)療數(shù)據(jù)，打破數(shù)據(jù)孤島，促進(jìn)醫(yī)療數(shù)據(jù)的深度整合與利用。

醫(yī)保行業(yè)的可信數(shù)據(jù)空間

（數(shù)據(jù)來(lái)源：公開(kāi)信息，江蘇省數(shù)據(jù)集團(tuán)）

醫(yī)療健康數(shù)據(jù)交易市場(chǎng)未成規(guī)模前，可信數(shù)據(jù)空間可以承擔(dān)小規(guī)模的數(shù)據(jù)交易，推進(jìn)空間建設(shè)主體的數(shù)據(jù)復(fù)用。

總的來(lái)說(shuō)，可信數(shù)據(jù)空間領(lǐng)域已有積極的探索和實(shí)踐，但整體發(fā)展尚處于起步階段，特別是“大模型+數(shù)據(jù)空間”的結(jié)合，因技術(shù)復(fù)雜度高和成本約束，相關(guān)應(yīng)用案例較為稀缺。要真正推動(dòng)可信數(shù)據(jù)空間的健康發(fā)展，還需要形成統(tǒng)一技術(shù)路線和標(biāo)準(zhǔn)體系，并解決大模型與數(shù)據(jù)空間技術(shù)結(jié)合的問(wèn)題，推動(dòng)安全、高效、公平的數(shù)據(jù)流通環(huán)境建設(shè)。

以上為報(bào)告主要內(nèi)容節(jié)選，掃描二維碼，即可免費(fèi)下載報(bào)告全文。

報(bào)告目錄

第一章：醫(yī)療人工智能，困在價(jià)值分歧里

1.1“資本+政策+醫(yī)生”三向驅(qū)動(dòng)，3年內(nèi)醫(yī)療AI仍將維持高速發(fā)展

1.2 價(jià)值分歧深陷：難以平衡的患者療效與科室效益

第二章：臨床專(zhuān)科人工智能：患者獲益顯著，需在院外場(chǎng)景探索支付方

2.1 胸外科：發(fā)跡于診斷，深根于治療

2.2 心內(nèi)科：后發(fā)先至，器械銷(xiāo)售開(kāi)啟AI商業(yè)化新路徑

2.3 骨科：高度契合機(jī)器人應(yīng)用，率先實(shí)現(xiàn)AI規(guī)?；涞?/p>

2.4 神外科：聚焦治療，人工智能重塑精細(xì)手術(shù)

2.5 內(nèi)分泌科：盤(pán)活慢病管理，全周期賦能衍生海量健康數(shù)據(jù)價(jià)值

2.6 臨床AI科室的商業(yè)化需要轉(zhuǎn)變思維

第三章：臨床支撐人工智能：醫(yī)技落地模式成熟，信息需與系統(tǒng)深度融合

3.1 醫(yī)技科-影像科：人工智能賦能最全面的科室

3.2 醫(yī)技科-放療科：尋求療效最大化與損傷最小化的智慧飛躍

3.3 醫(yī)技科-病理科：大模型或能重新定義病理能力

3.4 醫(yī)技科-檢驗(yàn)科：多模態(tài)大模型實(shí)現(xiàn)效率質(zhì)變

3.5 管理支撐－信息科：融入系統(tǒng)，不以效益為核心目的

3.6 基層醫(yī)療：商業(yè)化模型轉(zhuǎn)向，政策驅(qū)動(dòng)向用戶驅(qū)動(dòng)遷移

第四章 數(shù)據(jù)資產(chǎn)化：暗藏醫(yī)療AI可持續(xù)增長(zhǎng)的破局路徑

4.1 醫(yī)療數(shù)據(jù)治理的智能化迭代

4.2 醫(yī)療數(shù)據(jù)的復(fù)用

4.3 倫理問(wèn)題下的挑戰(zhàn)與機(jī)遇

第五章 企業(yè)案例

*封面圖片來(lái)源：123rf

如果您認(rèn)同文章中的觀點(diǎn)、信息，或想進(jìn)一步討論，請(qǐng)與我們聯(lián)系；也可加入動(dòng)脈網(wǎng)行業(yè)社群，結(jié)交更多志同道合的好友。

聲明：動(dòng)脈網(wǎng)所刊載內(nèi)容之知識(shí)產(chǎn)權(quán)為動(dòng)脈網(wǎng)及相關(guān)權(quán)利人專(zhuān)屬所有或持有。未經(jīng)許可，禁止進(jìn)行轉(zhuǎn)載、摘編、復(fù)制及建立鏡像等任何使用。文中如果涉及企業(yè)信息和數(shù)據(jù)，均由受訪者向分析師提供并確認(rèn)。