从辅助诊断到药物研发，从智慧医院到精准治疗，近年来，人工智能正以前所未有的速度渗透医疗领域，通过重建医疗市场秩序，重塑健康的未来。技术突破的背后，是资本如何精准赋能、产业如何高效转型、伦理如何平衡的深层命题。

近日，由海富通基金、上海证券报社共同主办的“海谈科技”AI+医疗专场成功举行。优刻得云计算解决方案架构师季冬思、上海交通大学医学院助理教授郭倩宇、天风证券医药行业分析师周海涛围绕我国“AI+医疗”的现况与未来，共同探讨这一领域如何实现从实验室到临床、从资本到市场的跨越式发展。

从实验室到临床“加速跑”

目前，一款新药的平均研发成本超过10亿美元，且需要历经十多年时间才能进入市场。同时，参与临床试验的众多候选药物中，有90%最终会“折戟沉沙”。AI的介入，正在逐步颠覆这一困境。

Ark Invest首席投资官“木头姐”（Cathie Wood）在近期发布的《Big Ideas 2025》报告中多次强调，医疗保健是AI最具潜力却最被低估的应用领域。其表示，多组学测序结合AI，可以大幅缩短药物研发周期，将新药上市时间从13年缩短至8年，成本降低4倍，同时癌症等疾病的诊断和治疗精准度大幅提升。

在郭倩宇看来，这一药物研发的完整周期可能会更快。“随着细胞建模技术的成熟，未来药物研发周期可能会短于8年。”

郭倩宇指出，当前，AI在医疗领域的技术突破已从单点工具革新迈向全链条系统重构。她以药物研发为例：“AI已成功应用到药物研发中的靶点发现和分子互作两个环节上。传统人工筛选周期为45天，而AI仅需1分钟即可实现‘输入靶点-设计小分子’的端到端生成。”

郭倩宇认为，更前沿的探索在于构建细胞模型，通过AI模拟人体细胞功能，可大幅减少动物实验环节，预计未来两三年，药物研发周期有望大幅缩短，从传统的10年压缩至8年以内甚至更短。

“当前，国内乃至全球存在大量未被满足的临床需求，很多肿瘤癌症尚未出现有效治疗手段。在AI加持之下，从分子发现到临床试验的研发周期大幅缩短，将会给行业带来翻天覆地的变化。”周海涛补充道。

周海涛指出，当前，AI制药形成两类商业模式，一类是自研管线的Biotech公司，另一类是提供AI赋能服务的“AI-CRO”，为药企提供靶点发现等模块化服务。在大量临床需求亟待解决的当下，两大方向都会吸引资金的关注。

“AI+医疗”产业爆发在即

当前，“AI+医疗”市场正以破竹之势生长。从互联网巨头到医疗行业玩家，再到大模型初创企业，越来越多的玩家都纷纷涌入“AI+医疗”赛道。

据弗若斯特沙利文预测，中国“AI+医疗”市场规模预计从2023年的88亿元激增至2033年的3157亿元，十年间复合年增长率高达43.1%。

当AI遇上医学，智慧拥抱健康，将开启怎样的智能医疗新时代？

基于在云计算领域多年的一线研发经验，季冬思表示，大模型技术正推动医疗知识问答与专业翻译升级，基于云计算部署的医疗知识库已能实现90%以上的常见病例标准化问答，翻译准确率较传统规则系统提升40%。

AI在医学影像领域的应用已率先实现规模化落地。郭倩宇提到，AI在医学诊断上比人具有更好的准确性。她以肺癌的分类为例指出，小细胞癌存在极大的漏诊的可能性，利用AI进行基因测序后，能更早期发现癌症的风险。面对小细胞癌目标小、基层医院医生诊断经验不足等情况，郭倩宇团队开发了多模态融合的小细胞癌预警系统，结合 CT、PET、MRI 及基因组学数据，将基层医院难以识别的微小病灶检出率提升30%以上。

“在商业化成熟度方面，AI影像诊断已处于领先地位，肺结节检测软件在三甲医院的渗透率超过70%，真阳性识别率达95%以上。”周海涛表示。

他从资本市场角度指出，AI影像诊断以及医疗信息化中的CDSS临床辅助决策系统、基于可穿戴设备的慢病管理、手术机器人等领域，均成为二级市场的热点方向。

伦理与商业模式待破局

AI加速渗透医疗领域，但要真正实现产业化落地，仍有不少问题亟需解决。

季冬思指出，首先，医疗数据质量与标准化是核心难点。很多临床数据缺乏统一标准，需要人工标注，效率低下，影响了AI模型训练的准确性和泛化能力。

其次，医疗数据共享机制不足。医疗数据本身具有高度敏感性，不同医院、机构、地区间数据壁垒明显，难以实现高效流通，这在很大程度上制约了AI模型在更大规模场景中的应用。要打通“产业-医疗”链条，需要建立更加开放和可信的数据联盟，推动跨机构间的数据交换合作。

第三，成本与商业化应用的挑战。“AI+医疗”建设的投入大、回报周期长，前期在算力、数据清洗等方面的投入成本较高。因此，找到具备可持续盈利的落地场景，将是推动AI医疗模式规模化复制的关键。

此外，“AI+医疗”中责任与收益的权责划分问题，也是产业化应用的关键。AI系统辅助诊疗决策后，如果出现失误，是系统开发商还是医生承担责任？这需要从制度层面明确AI在临床中的角色与边界。

“目前看到，区块链与云计算技术结合，在实践中已初步形成可行的商业模式，是未来值得关注的方向。”季冬思表示。

“AI制药是一个高度交叉的领域，需要药学、化学、生物学、自动化等多学科人才的紧密配合，而国内在这方面的人才储备仍有不足。”郭倩宇直言，跨学科人才缺口仍是制约行业发展的主要瓶颈。

尽管挑战与机遇并存，三位专家对AI医疗的颠覆性潜力仍充满期待。他们表示，“AI+医疗”的发展，不仅是技术的革新，更是医疗生态与社会协同的重构。唯有在技术突破、产业落地与伦理规范之间寻求平衡，才能真正释放AI赋能医疗的巨大潜力，为人类健康带来普惠价值。

特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。