我国医疗人工智能发展 现状与展望初探

我国医疗人工智能发展现状与展望初探目 录人工智能与医药卫生我国医疗人工智能发展状况未来发展展望国家人口健康科学数据中心3国家人口健康科学数据中心年份事件意义1943人工神经元数学模型提出AI理论起源1950图灵测试提出确立AI核心命题1956达特茅斯会议AI学科正式诞生1957感知机发明神经网络雏形1966ELIZA聊天机器人NLP先驱1972MYCIN医疗专家系统医疗AI先河1986反向传播算法深度学习基础1997深蓝击败卡斯帕罗夫机器超越人类博弈人工智能发展重大事件年份事件意义2006深度学习理论突破第三次AI浪潮开启2012AlexNet图像识别革命深度学习席卷工业界2014GAN生成对抗网络生成式AI奠基2016AlphaGo胜李世石AI战略思维突破2017Transformer架构大模型时代的发动机2020GPT-3发布LLM大模型时代开启2021AlphaFold2公开发布蛋白质折叠问题突破2022ChatGPT发布生成式AI全民化2024AlphaFold研究获诺贝尔奖AI科学贡献获最高认可2025DeepSeek

R1发布AI算法效率革命人工智能推动社会发展（科研范式变革）经验范式-以观察和实验为依据的研究理论范式-以建模和归纳的理论学科和分析范式模拟范式-以模拟复杂现象为基础的计算科学范式数据密集型范式-科学大数据Alforscience-人工智能驱动的科学研究第四范式5人工智能推动蛋白质结构预测——AlphaFold262022年，AlphaFold公开超2.14亿种蛋白质结构预测，覆盖约100万个物种，免费向全球科学家开放

2024年，AlphaFold3将预测范围扩展至DNA、RNA、配体及其相互作用，将药物靶标结合预测准确率提升约50%2024年，DeepMind创始人哈萨比斯（Demis

Hassabis）与AlphaFold核心开发者John

Jumper、大卫·贝克（DavidBaker）共同荣获诺贝尔化学奖抗疟疾疫苗研发：利用AlphaFold解析出疟原虫关键蛋白RH5的精确结构，加速了候选疫苗的设计，相关疫苗已进入临床试验阶段抗生素耐药性攻克：研究人员利用AlphaFold预测多重耐药菌中外排泵蛋白的结构，为设计新型抑制剂提供精确靶点新型抗菌蛋白设计（2025年）：科学家利用AlphaFold、RFdiffusion、ProteinMPNN等诺奖级模型，从头设计出可杀灭大肠杆菌的新型蛋白质，展示了AI驱动理性设计的新范式人工智能加速新药研发7传统新药研发平均耗时

10—15

年、花费约25

亿–27

亿美元，临床试验失败率超

85%。AI通过分析基因组学、蛋白质组学和临床大数据，从海量生物学信号中识别潜在疾病靶点。谷歌DeepMind、礼来（Eli

Lilly）等企业已将AI靶点识别平台纳入核心研发流程，大幅缩短早期发现周期。基于深度生成模型（如Transformer、扩散模型）的分子设计工具，可在化学空间中高效搜索满足活性、毒性和成药性要求的候选分子，将先导化合物优化周期从数年压缩至数月。英矽智能：全球首款全程AI设计新药进入临床试验（Pharma.AI

：端到端生成式AI药物研发平台。）药物：ISM001-055（靶向IPF特发性肺纤维化，靶点为TNIK激酶）研发历程：从靶点发现到临床前候选化合物仅用18个月，总花费约260万美元，远低于传统研发成本2023年6月：ISM001-055正式进入II期临床试验（中美双地同步开展），全球首款进入II期临床的纯AI设计创新药2024年：公布II期临床概念验证（PoC）积极数据，证明AI药物设计路径的可行性2026年：ISM001-055

吸入制剂获得中国

CDE

临床批件人工智能加速新药研发8Exscientia（英国）：AI驱动研发的DSP-1181（OCD治疗药物），从靶点到候选分子仅用12个月，已完成I期临床Recursion

Pharmaceuticals（美国）：利用AI细胞图像分析平台筛选罕见病药物，合作伙伴包括诺华、拜耳等亚马逊（2026年）：推出Amazon

Bio

Discovery代理型AI应用，为研究人员设计和测试新型药物提供支持医学影像AI辅助诊断9FDA

已累计批准约1240款AI/ML医疗器械（截至2025

-

7

），2024年获批238件其中约75%集中在放射影像、心脏病学、病理学领域

据《柳叶刀・数字健康》研究数据，AI

辅助诊断可将肺癌早期检出率提升约

40%， 乳腺癌诊断一致性从78%提高至92%–94%谷歌CHIEF——泛癌种AI病理诊断哈佛医学院等机构开发的CHIEF（ClinicalHistopathologyImaging

EvaluationFoundation）AI病理模型发表于《自然》（Nature）杂志，在19种癌症诊断中准确率接近94%，在数秒内完成传统病理医生需要数小时的工作。谷歌DeepMind眼底AI视网膜扫描AI系统在识别超过50种眼部疾病方面达到与顶级眼科医生相当的水平，已在英国NHS（国家医疗服务体系）开展大规模部署。腾讯觅影：覆盖食管癌、肺癌、乳腺癌、宫颈癌等多癌种的筛查，已部署至全国超1500

家医疗机构，累计辅助诊断超

1.2亿人次10医学影像AI辅助诊断-应用医疗大模型全方位支撑医药领域发展11模型研发机构核心能力Med-PaLM2/M谷歌医学问答、多模态影像分析GPT-4

医疗版微软/OpenAI临床笔记、辅助诊断讯飞星火医疗版科大讯飞中文医疗问诊、病历生成华为盘古医疗华为药物研发、医学影像百度灵医大模型百度辅助诊断、医疗问答DeepSeek医疗应用深度求索临床推理、医学知识问答………………医疗人工智能在中美两国的发展当前，中美两国是全球医疗AI领域最主要的两极，在技术研发、市场规模、政策布局和国际影响力上均遥遥领先其他国家。根据斯坦福大学《2025年人工智能指数报告》，中美两国在AI相关研究论文发表总量和专利申请数量上均位居前两位，但在技术路线、数据资源和治理理念上呈现出鲜明的差异与分歧。市场规模：2024

年全球医疗

AI市场规模约380

亿–450亿美元，预计

2030

年突破1500亿美元美国占据全球医疗

AI市场份额35%–45%，中国约占22%–30%中国

AI医疗市场

2024年同比增长30%–40%目 录人工智能与医药卫生我国医疗人工智能发展状况未来发展展望我国医疗人工智能相关政策时间 政策文件14发布单位核心内容2017年7月《新一代人工智能发展规划》（国发〔2017〕35号）国务院首次在国家层面将"智能医疗"列为重点发展方向2018年4月《关于促进"互联网+医疗健康"发展的意见》国务院办公厅支持AI在医疗领域应用，推动智慧医院建设2019年《深度学习辅助决策医疗器械软件审评要点》国家药监局明确AI医疗器械审批标准和流程2020年《关于进一步推动互联网医疗服务发展和规范管理的通知》国家卫健委规范互联网诊疗行为，为AI医疗应用提供制度保障2022年《"十四五"医疗装备产业发展规划》工信部等将AI医疗装备列为重点发展方向2023年《生成式人工智能服务管理暂行办法》国家网信办等规范生成式AI服务，为医疗大模型应用提供监管框架2024年11月《卫生健康行业人工智能应用场景参考指引》国家卫健委明确AI在卫生健康领域的应用场景2025年8月《关于深入实施"人工智能+"行动的意见》（国发〔2025〕11号）国务院将医疗健康列为六大重点融合领域之一2025年10月《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》国家卫健委等五部门系统部署"人工智能+医疗卫生"八大应用场景2025年11月国家医保局首次将AI辅助诊断纳入立项指南（康复类、放射检查类、超声类等）国家医保局允许医院选择人工或AI辅助诊疗，但不额外重复收费2025年10月20日，国家卫健委、国家发展改革委、工信部、国家中医药局、国家疾控局五部门联合发布《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》（国卫办规划发〔2025〕30号），是我国医疗AI领域最系统、最全面的政策文件。15我国医疗人工智能相关政策时间节点核心目标到2027年建立一批高质量数据集和可信数据空间；形成一批临床专病专科垂直大模型和智能体应用；基层诊疗智能辅助、临床专科专病诊疗智能辅助决策和患者就诊智能服务广泛应用；基本建成一批医疗卫生领域国家人工智能应用中试基地到2030年基层诊疗智能辅助应用基本实现全覆盖；二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策；"人工智能+医疗卫生"应用标准规范体系基本完善；建成一批全球领先的科技创新和人才培养基地医疗专科大模型已覆盖83个应用场景，专科化率从2023年的35%跃升至68%2025年上半年新增22个专科模型，超过去两年总和全国排名前100的三甲医院中，98家已完成大模型部署，33家研发出55个垂类大模型医院参与大模型研发占比从2023年的7%上升至2025年的26%16我国大模型发展情况AI在影像领域的覆盖率已达80%-90%，放射科与病理科普及率领先AI医学检验当前渗透率不足9%，是最具增长潜力的方向之一

一、二级医院近半数医生使用AI临床决策支持系统（AI-CDSS），工作年限11-15年的医生使用率最高，达72.7%17技术及使用特点截至2025年12月5日，我国累计批准AI医疗器械207款，其中2025年新增41款（已连续三年年度审批量超40款）超过160个影像AI产品获批医疗器械三类证截至2025年7月，206个算法医疗产品完成备案，其中160家企业通过APP嵌入AI服务数据来源：国家药监局医疗器械审评中心公开数据18我国AI医疗器械审批情况目前覆盖场景——诊前场景19场景说明实例智能预约分诊AI根据患者症状智能推荐科室和医生优化医疗资源配置，浙大邵逸夫医院"智能医生助理"模拟医生问诊，精准分流智能预问诊患者就诊前通过AI完成病史采集，生成结构化病历山东曹县人民医院"众阳GPT"：5秒生成结构化电子病历智能导诊AI引导患者完成就诊流程，减少等待时间多家三甲医院部署的AI导诊机器人………………：目前覆盖场景——诊中场景场景20说明实例医学影像智能辅助诊断AI自动识别CT/MRI影像中的病灶，辅助医生诊断北京天坛医院"龙影"：自动识别标注病变区域临床决策支持AI根据患者数据提供诊疗建议，减少误诊漏诊复旦中山医院"观心"：心血管诊疗合理率85%-90%智能手术规划AI辅助医生进行手术方案设计和模拟上海市肺科医院：三维重建时间从数小时缩短至数分钟智能麻醉管理AI辅助麻醉方案制定和围术期管理南方医院"南方智麻"：融合百万级手术病历床旁智能护理AI监测患者生命体征，及时预警多家三甲医院部署的床旁智能监测设备………………目前覆盖场景——诊后场景21场景说明实例智能随访AI自动跟踪患者康复情况，提供个性化康复指导山东大学齐鲁医院"齐鲁•星火"：个性化康复指导慢病管理AI持续监测慢病患者健康指标，提供干预建议南方医院"智肾"：慢性肾病筛查-诊断-干预-随访闭环报告解读AI自动解读检查检验报告，用通俗语言告知患者南方医科大学南方医院"AI智能总检大模型"：5分钟生成报告用药提醒AI根据患者用药方案提供用药提醒和不良反应监测基层医疗机构广泛部署的AI用药提醒系统………………目前覆盖场景——医院管理场景场景 说明22实例智能病历质控 AI实时监控病历书写质量，自动识别缺陷北京中医医院"Copilot"：实时监控病历质量智能排班调度AI优化医护人员排班，提升人力资源利用效率多家三甲医院HRP系统中的AI排班模块智能物资管理AI预测医疗物资需求，优化库存管理山东大学第二医院DeepSeek应用：整合物资管理模块智能后勤管理AI监控医院能耗、设备运行状态，提升后勤保障效率华西医院"华西黉医"：覆盖后勤管理场景………………目前覆盖场景——专科专病场景23专科说明实例心血管AI辅助心血管疾病筛查、诊断、治疗决策北京安贞医院心血管专病诊断模型神经科AI辅助脑卒中、脑肿瘤等疾病的早期识别北京天坛医院"天枢"神经系统模型肿瘤科AI辅助肿瘤筛查、分期、治疗方案推荐复旦肿瘤医院福建医院"孟超大模型"精神心理AI辅助心理疾病筛查和心理咨询北京安定医院"PsychGPT"儿科AI辅助儿童疾病诊断和治疗方案制定北京儿童医院"福棠·百川"中医AI辅助中医辨证论治和健康管理广东省中医院"Hengqin-R1"………………目前覆盖场景——公共卫生与教育科研场景24场景说明实例传染病监测预警AI分析多渠道数据，实现传染病早期预警国家传染病智能监测预警前置软件（全国部署中）临床科研AI辅助文献综述、研究方案设计、数据分析陆军军医大学新桥医院DeepSeek智能体医学教学AI提供虚拟病例、模拟诊疗环境复旦中山医院"医界智圣"教学大模型四川大学华西口腔——"华西口腔智联大模型"………………我国医疗人工智能发展存在的主要问题25——缺乏高质量医疗数据医疗数据中非结构化数据占比超过70%，数据缺失率及错误编码超过30%跨医疗机构数据调阅率不足15%，数据孤岛问题突出多模态长时序高质量队列治理成本极高，许多医院需投入千万元清洗数据库才能获得基础元数据大量依赖UKB、ALL

ofUs、MIMIC、NCBI等 （美国停止部分数据库对中国的服务）缺少数据共享应用的机制和制度，跨机构共享存在法律与技术双重壁垒《HIPAA》法规保障患者数据在一定框架内的商业化利用缺少建设高质量数据的生态，全社会建设意愿低真实世界数据质量参差不齐，影响模型泛化能力美国拥有全球最完善的电子健康记录（EHR）系统，Epic、Cerner等平台汇聚数亿患者数据监管与伦理：缺乏可行的监管细则和伦理途径，打击数据生产者的主动性（UKB数据被出售）我国医疗人工智能发展存在的主要问题26——算法黑箱与可解释性问题AI算法的"黑箱"属性使其内部决策逻辑难以还原，医生和企业都难以完全理解算法判断依据心血管疾病AI系统难以识别女性患者的非典型症状；皮肤病变识别系统因缺乏有色人种数据，在该类患者中准确率极低（算法偏见）算法透明度低加剧了医患纠纷的风险我国医疗人工智能发展存在的主要问题数据泄露与滥用风险——数据安全与隐私保护风险高敏感数据集中泄露外部网络攻击与勒索AI算法带来的隐私特有风险跨境数据违规出境脱敏/匿名化不彻底、可重识别模型记忆与隐私泄露（模型反演/成员推理）治理、权限与合规风险27第三方数据合作/标注扩散风险数据治理薄弱、质量差、留痕不足多法规叠加、合规缺口多AI辅助诊疗出现漏诊、误诊时，责任主体难以界定（数据提供者、算法开发者、产品生产方、医疗机构、医务人员、患者等多方主体）法律上AI能否作为责任主体存在"肯定说"、"否定说"、"折中说"三种观点，尚未形成共识医疗损害纠纷中，难以判断损害是算法问题、数据问题还是操作问题28我国医疗人工智能发展存在的主要问题——责任分配困境医保支付需漫长循证数据链评估AI实际贡献，是美国、中国均面临的全球性难题国家医保局将AI辅助诊断纳入立项指南，但不允许额外重复收费，AI服务价值难以通过医保直接体现定制化服务削弱规模化复制能力29我国医疗人工智能发展存在的主要问题——商业化与支付机制难题AI医疗产品的临床价值评价体系尚未建立，缺乏统一的疗效和安全性评价标准训练数据标准化尚未形成大规模共识，阻碍AI产品