中国AI医院信息化行业综述——市场缺口（2/2） 来源：中国医院协会信息专业委员会(CHIMA)，头豹研究院 中国医院新应用技术及辅助设备应用状况，2021-2022 n 新应用技术及辅助设备应用状况区域差异明显，AI赋能将有望缩小地区差异，实现医院信息化地域普惠 针对医院新应用技术及辅助设备应用的状况发现，排名前三位的是门诊发药机、住院包药机和医学影像AI。 三对比不同经济发达地区状况分析，经济发达地区医院应用最多的是住院包药机，占比60 8.4%和34.5%。同时对比经济发达地区和其他地区 应用状况相比，经济发达地区应用率为其他地区的2倍以上，地区差异明显。AI赋能医院信息化领域，使之 从数字化向智能化发展，有利于减少地区差异，有望早日实现普惠。 中国推进医院信息化建设中的障碍因素，2021-2022 单位：% 厂商服务 能力不足 信息技术部门 人力资源不足 缺乏充分的 资金支持 管理部门协 调不到位 医院重视 2023/08 www.leadleo.com 400-072-5588 15 中国AI医院信息化行业潜力巨大，赛道厂商众多，随着院内数字基 建的逐步完善，以及AI的渗透深入，软件及服务的投入占比将有望 进一步攀升 中国AI医院信息化行业市场分析——竞争格局 来源：各企业官网，头豹研究院 AI医院信息化行业竞争格局，2023 营业收入 应用场景 2 4 6 8 10 12 14

2023年是中国医疗大模型发展的元年，各种医疗大模型已广泛应用于临床辅助决策、 医学研究、健康管理等多个场景。未来，医疗大模型有望实现多模态AI与医疗实践全 流程的深入链接，应用于医疗教育和临床培训，提高药物研发和药物反应监测等方面 的能力。但在实际应用中，医疗大模型仍面临一些挑战，如准确度、透明度和可解释 性等问题，以及对数据隐私和安全问题的担忧。本文主要探讨医疗大模型在医疗领域 的应用及其面临的挑战。 率。 医疗大模型的应用场景展示了其在医学领域的多样性和重要性，可改善诊断、治疗和 疾病预防，提高医疗保健质量和效率。其应用涵盖临床、管理、教育、公共卫生等多 个方面，突显了医疗大模型的全流程应用，有望推动医疗保健的创新和进步。 人工智能技术 在医疗领域的优势与挑战 （一）医疗大模型超越传统方法的优势特征 大语言模型（Large Language Model）在医疗领域相对传统方法具有多方面的优势， 疗问题 时具有优势。 在医学影像分析方面，传统医学影像分析需要专业的放射科医生或病理学家进行手工 解读，耗时且存在主观性。随着人工智能技术的发展，ChatGPT目前已经可以分析多 模态信息，在未来有望能够分析X光、CT扫描、MRI等医学影像，自动检测异常或疾 病迹象，提供快速的初步诊断。此外，它还可以学习大量样本，提高准确性和一致 性。 在医学研究和知识发现领域，传统医学研究依赖于繁琐的实验和文献回顾，速度较

为问诊、影像、制药等各个医疗健康场景注入新活力 医疗健康领域是人工智能率先落地的行业之一，也已经催生了 Nuance、IBM Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看 到 AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时 问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一 方面，目前尚未看到面向医疗影像的新 AI 大模型服务，大模型在医疗影像 领域 领域的应用仍处于起步阶段，但天壤 XLab 负责人苗洪江博士认为，从 AlphaGo、 AlphaFold2 到生成式 AI 是一个从分析工具走向解决方案、并落地解决实际问题的过程。 长期来看，生成式 AI 有望赋能生物医药源头创新。 图表7： 从 AlphaFold2 到类 ChatGPT 生成式 AI 资料来源：GTC2023，Large language models generate ChatPandaGPT 资料来源：英矽智能，华泰研究 AI+医疗影像：应用相对成熟，关注 AI 大模型提升数据标注效率 AI图像识别技术在 CT、MR影片诊断领域的应用也已相对成熟，未来十年将有望规模发展。 AI+影像并非全新概念，包括科亚方舟、乐普医疗、推想医疗、联影等公司的产品已经获得 国家药监局认证，可在中国开展商业化销售。比如数坤科技提供疾病筛查、诊断及治疗选 择与规划的人工智能医学影像解决方案，以底层

成功，但因其需针对每家医 院进行大量病历模板训练，导致推广成本较高且具有局限性。 发言人 问：AI辅助诊断是否已纳入医保支付？ 发言人 答：AI辅助诊断是一个发展趋势，部分产品已能进行收费，并有望纳入医保支付，国家卫健委也 有要求影像科使用人工智能辅助诊断，且采购金额从100万至几百万不等。 发言人 问：每家医院写病历的格式不统一，如何解决这个问题？ 发言人 答：我们主要从两个方面解决

续促进创新药物的研 发。它是一个诞生于大数据时代的工具，也将作为大数据时代的代表将药物筛选 由principle base 推向 data base。这不仅有助于缩短药物从实验室到市场的 时间，还有望为患者带来更加个性化的治疗方案。随着AI技术的不断进步，我们 期待着一个更加高效、经济和精确的药物研发新时代的到来。 Reference [1] Zhang Y, Luo M, Wu P, et

与中医医院等医疗机构的紧密合作, 建立起实时、 双 向的沟通机制, 以便生成式人工智能技术的不断优化 与升级。 这样的反馈机制将有助于技术更好地适应实 际医疗场景, 提高其在中医医疗领域的实际效果。 这 些综合措施有望有效促进生成式人工智能技术的研发 与应用, 推动人工智能产业与中医行业的协同发展。 这样的合作将为未来更智能、 更人性化的医疗服务奠 定基础, 同时在经济和社会层面带来更广泛的推动 效应。 3. 4

市内型 AP ，室外型 AP 联合部署，实现校园无线全覆盖。 背景 北京市求实职业学校是国家级重点中等职业学校，学校有现代办 公、金融商贸、信息技术、民航服务四大专业集群和一个学前教 育特色专业。并有望京，机场，安贞，等多个校区，为更好的实 现数字教学，多资源共享，以及现代化的教学平台和学生管理， 求实职业学校决定建立多校区互联的数字化校园网络 40 上海中学桌面云系统 客户需求 解决方案

医疗元宇宙的“形”主要依靠大模型强大的建模能力[24]，由于 3D 场景重建与渲染 对算力、模型效率要求极高，这也进一步阻碍了医疗元宇宙的发展。然而，近些年随 着扩散模型（Diffusion Model）的发展，将有望解决这一问题。2020 年，Ben Mildenhall 等人提出一种名为 NeRF 的隐式 3D 重建技术，该模型可以通过给定 2D 图像及拍摄视 角快速重建 3D 对象，这无疑是图像合成领域里程碑式的成果[25]。2022

保障署 （QAA） 《 质 量 指 南 针：驾驭高等 教育人工智能 时 代 的 复 杂 性》 13 探讨了生成式人工智能在英国高等教育（HE）中带来的变革潜力与复 杂挑战。生成式人工智能有望通过增强对残疾学生等群体的可及性、 个性化学习支持以及自动化管理事务来促进教育民主化，使教育工作 者能更专注于有意义的互动。然而，挑战也十分严峻，包括数字鸿沟、 数据隐私，以及对学术诚信的深刻影响，甚至可能进入“后抄袭时代”。 带来更强大的计算手段，更广阔的知识视野，更新的方法论。 64 另一方面，作为科研中的“智能合作者”，人 在回路的动态复杂性对 AI 也提出了新的挑战，将驱动 AI 技术的迭代优化，人机协同的科学研究有望通过双向 赋能共同推动 AI 领域的发展与科学研究的进步。 65 2.2.4 提升社会服务能力和水平 高等教育狭义的社会服务表现为利用自身的资源直接投身于社会各方面的建设和发展 66，主要涵盖继续教育、 教育公平和数据保护方面的责任。 3.3 教育大模型赋能高等教育创新发展 教育大模型的应用不仅能够提升个体的学习效果，还能对教育教学的整体结构和流程产生深远影响。通过智能 化的技术手段，教育大模型有望重构传统的高等教育教学模式，推动精准适需的教育内容、个性灵活的教学方 式、沉浸互动的学习体验、教育主体的角色与能力、数据驱动的教育评价、智能高效的教育治理、安全可信普 惠包容的伦理治理体系、优质

并解决教育环境中更广 泛的挑战。 1. 积极 参与并贡献于由对人工智能对 社会规范影响的批判性理解指导的包 容性AI社会的构建，并促进旨在增强人 类福祉、包容和社会公正的人工智能 的设计与使用。 达到这一水平的教师有望能够 ： 3. 专业 自定义或修改 AI 工具 ， 将 增强的概念知识和技能应用于 28 4.1 进展级别 1 ： 收购 教师的 AI 能力框架 - 第 4 章 ： AI