摘要 2024 的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 需方 购置 AI 的主要动力。如今，医疗 AI 企业已突破 1-2 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 互联网医疗、院内信息化系统已经引入相关技术，或能在明年实现规模化落地。 ........................................................................................... 5 2.1 医学影像 AI：拓宽视野，影像 AI 脱离影像科...............................................................6 2.1.1 产品梳理.

底层⼤模型各有所长 在落地过程中，仍需结合⼀定的应⽤框架（ RAG 、⼯作流、 Agent 等）和⼯程优 化 数据来源： 1. Vectara HHEM ⼈⼯智能幻觉测试； 2. 腾讯健康内部测试数据，通过⾼质量医学病历数 据 11 ⼤模型及 DeepSeek 潜在应⽤场景探 索 DeepSeek 有哪些应⽤场景？能产⽣哪些价值？ DeepSeek 会给医药企业带来哪些变化？ • 内部⽂档提效 • ⼤模型语义理解加速医学数据治理和流通 • “ 数字健康”和⽣态“破壁跨圈”， 产⽣更多数据 • 医院数据开放和流通 指出权威出处（如指南、专家共识等） 医⽣ • 学习 / 培训模式发⽣改变→交互性、个性化学 习 模式 • 医⽣临床决策影响模式发⽣改变→从经验驱动 →基于医学搜索、循证医学证据的驱动 • 科研与学术⽅式和效率→通过⼤模型进⾏科研 课题筛选、⽂献收集、数据结构化提取和分析、 摘要及初稿撰写等 科研助⼿ DeepSeek 对于医疗体系有那些影响？

医疗领域幻觉⽐例甚⾄⾼达20-30%2 幻觉⾼=“创造⼒税“ 底层⼤模型各有所长 幻觉情况1 11 数据来源：1.(Vectara(HHEM⼈⼯智能幻觉测试； 2.(腾讯健康内部测试数据，通过⾼质量医学病历数据 ⼤模型及DeepSeek潜在应⽤场景探索 DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 患者⾏为“消费者化”：医疗信息透明化，患者 有更多主动权 • “数字健康”和⽣态“破壁跨圈”，产⽣更多数据 • 个性化诊疗和健康管理 患者 • 电⼦病历和数据管理⾰新 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） Ds推理思考能⼒以及医保控费压⼒ 医院 • 学习/培训模式发⽣改变 • 医⽣临床决策影响模式发⽣改变 “细致⼊微”⾏为管理 “极致简化”服务路径 DeepSeek对于医疗体系有那些影响？-医⽣ • 学习/培训模式发⽣改变→交互性、个性化学习 模式 • 医⽣临床决策影响模式发⽣改变→从经验驱动 →基于医学搜索、循证医学证据的驱动 • 科研与学术⽅式和效率→通过⼤模型进⾏科研 课题筛选、⽂献收集、数据结构化提取和分析、 摘要及初稿撰写等 医⽣ 基于DeepSeek推理模型，整合患者的信息，辅助医⽣深度问诊、

根据患者的症状描述和询症医学知识库，提供初步的健康建议和就医指导 AI 在零售行业的应用 2.1.2 辅助诊断：提高诊断效率，减轻医生负担 分析患者的电子健康记录 (EHR)、医学图像 (如 X 光、CT、MRI) 和医学文献等 数据，辅助医生识别疾病特征，并提供初步诊断建议，减轻医生的工作负担 临床决策支持：实时数据分析, 减少误诊漏诊 实时分析患者临床数据，结合最新的医学研究成果、临床指南及类似病例处理经 分析消费者行为、社交媒体趋势、经济指标等数据，帮助零售商预测未来 销售趋势 基于消费者购买趋势和偏好的变化，及时调整产品线和营销策略 医学教育与培训：虚拟病例训练，优化教学内容 模拟真实临床场景，为医学生和医生提供虚拟病例训练，提升他们的临床决策能 力和实践技能 利用 AI 分析医学教育数据，为教学内容和方法的优化提供数据支持，提高教学质量 AI 在销售领域的应用 2.1.3 10 AI 驱动的获客与线索筛选：提升获客效率，缩短销售周期

，同时规划长期 技术发展。 表 3 国家人工智能政策的案例研究 数字包容性和连接性（巴西）（日本） 移动数据空间（德国）在人工智能项目（哥伦比亚） 伦理指导原则应用于人工计算数据分析的实施 智能在生物医学研究以及（新加坡）中的应用 全国初级中学计算数字劳动力竞争力法案 课程（加纳）（菲律宾） 国家数字技能规划（西班牙）（尼日利亚） 21 政策应当关注三个杠杆点：

NLP 多模态 科学计算 CV 预测 ...... 算力基础设施 AI芯片 AI服务器 智算中心 云服务 智算一体机 ...... 场景模型及应用 智能风控 自动驾驶 智能监控 自动定价 智能医学影像 推荐搜索 代码生成 智能客服 智能药物研发 ...... 智能调度 场景 数据 行业 数据 通识 数据 主要行业大模型应用阶段 大模型赋能千行百业 全球AI产业正处于高速发展阶段，AI搜索、具身智能、AI

的机 器⼈时是⼀个重要障碍。 2020年，OpenAI的GPT-3在各种语⾔任务中的⼈类⽔平表现上取得了22%的改进 ，包括阅读理解和⽂本补全。这⼀重⼤⻜跃之后是GPT-4的开发，⽐如现在在回答 医学考试问题⽅⾯优于⼈类。 语⾳识别是多模态⼈⼯智能的另⼀个关键组成部分，特别是对于需要直观与⼈类互 动的机器⼈。2017年，微软的语⾳识别系统达到了5.1%的词错误率（WER），与 ⼈类抄录员的表现

g-digital-core 10. Yim, D., Khuntia, J., 等人.（2024年3月20日）. 生成式人工智能在医疗保健临床服 务中的应用初步证据：系统叙述性综述。NIH国家医学图书馆： https://www.ncbi.nlm. nih.gov/ pmc/articles/PMC10993141/ 19. Vaughan-Nichols, S. (2019, September