医疗AI的三大应用场景——影像学、信息学、生命科学——均展现出截然不
同的发展路径。
一．影像学AI的商业化（第三类医疗器械注册证）
截至2023.10.31。国内已有118款智能软件获得市场准入。
国家药监局公不的审评审批数量已达44个（2022年全年为32个）
1.AI注册证分布情况。
2020-2021年获批的影像学AI以辅助诊断类AI为主（基于深度学习的分析模块和做哟关于特定影像设备下的特定病种）。
2022年辅助诊断类AI依然是主流（额外新增放疗规划、心电分析、病理分析应用等）
2023年延续过往趋势（额外新增只能手术机器人规划导航类总计10款）
2.公司角度
深睿医疗9张
推想科技、搏动医学、医准智能为后。
辅助治疗类AI企业持有的三类证数量普遍在1-3张左右，市场准入相对滞后。
3.病理角度
拥有公开数据集支撑的病种（肺结节、肺炎、眼底等）对应的AI最易获批。
企业也通过海外引入或与三甲医院合作的形式，将心脏、血液、脑、骨等器官/系统纳入AI落地的新途径。
超声可能将成为AI医疗下一个增长点，已在注册准入上迎来突破（2023年8月德尚韵兴甲状腺结节超声影像辅助诊断软件获得NMPA批准）（医准智能、深至科技的AI超声解决方案也有望后续获批）
二．AI赋能管线
截至2023年11月，进入临床生命科学的AI管线总计97项，超过一半的管线处于临床一期，超过1/3的管线处于临床二期（AI在制药中应用相对难以评估其价值差异）（暂无一项进入上市阶段）
三．AI在信息学
影像学和生命科学将AI作为核心技术底座，形成独立产品或解决方案。而在信息学中，除了专科CDSS以独立产品形态进行销售，大多数AI以支撑技术存在，放置于成熟产品或解决方案中，通过优化性能，提供额外服务提高竞争力。
一．国内初创企业情况
2.英矽智能、晶泰科技：2023年6月/2023年11月递交招股说明书。
晶泰科技更符合AICRO模式，其主要分为三大类业务：量子物理、AI和机器人技术的创新研发平台、融合医药企业与医疗器械企业的服务模式。
一．小节（催化）
1.对于影像学AI而言，该技术核心需要解决的问题是AI能够提升多少效率，为医院创造多少价值？
2.对于生命科学AI而言，核心问题是AI能否制造一款成功上市的新药。
3.许多AI产品的内容与形式过于单一，下游很难为单一产品付出大量成本，制药企业也未能直观感受到AI对于制药成本的节省作用（产品迭代还未能达到改善产业的地步导致不足以让客户买单）
4.医疗AI技术本身的问题。是否封装AI，封装了影响AI迭代，不封装，如果在收到AI建议后又对患者进行干涉，那AI始终无法捕捉到给定数据下应该发生的结果数据。在这样长期以往的环境下，会影响AI收集数据的准确度进而影响其未来迭代和预测的结果。
一．影响AI进入医保的可能前提
困难：目前经济环境下，无论是医院还是支付模型均有企业、政府、监管机构在协力推动中但不够积极。
1.因为规模化的物价准入和医保准入中的支付模型验证均需要企业耗费大量人力物力执行，取得的成果却无法保证产品取得客观的商业化成绩，进而导致推进速度受限。
物价准入和医保准入类似于公用物品，都存在前人种树后人乘凉的可能性，因而率先投入研发的企业趋向于隐藏阶段性成果，导致行业整体推进速度受限或单一产品的研发重复。
可能的解决方案：
一．建立第三方产业联盟
二．创新谋求AI盈利源动力
（其中合作政府覆盖基层医疗）
基层医疗被近期各医疗AI认为是最快实现商业化的医疗场景。
不过其场景也有局限性。近100w定价的辅助决策软件对于基层医疗来说超过了承受范围。所以要拿下这一场景必须找到合理的支付方。
基层医疗当下潜在的支付方：
1.区域卫健委
2.政府
3.医联体、医共体的上级医院
三．成立AI医院
（与互联网医院有所不同，互联网医院的诞生目的是解决就医难这个问题。AI医院更多是实现由间接医疗向直接医疗的转变，以互联网为基础，解决区域医疗难题）
AI医疗大模型
一．应用场景分类：
1.辅助诊断、决策
2.治疗方案生成
3.质控
4.患者服务
5.医院管理
6.教学科研
7.中医（中医常面临医疗知识难以显性化，结构化问题，导致知识传承相对困难）
8.药物研发、销售
9.公共卫生
相较于千亿级参数的通用大模型，医疗中文本类大模型参数可控制于100w内，包含文本与多模态影响的大模型可控制于500w内。
但目前实际在医疗大模型部署上依然存在问题：
1.部署（推动医院主动部署运行基建GPU等运行环境；企业优化模型，尽可能降低医院在技术设施方面的成本投入）
2.应用（非大型互联网企业很难构建通用多模态模型，只能借助于开源同源模型下的自有垂直模式）（但由于垂直大模型应用需要置于医疗信息系统中，所以拥有医疗信息管理系统的医疗IT企业相较于大型互联网企业更具备优势）