2025年全球医药、医疗行业专题报告：GenAI前沿实践更新，Agent化落地成主线

2025年全球与中国医疗大模型市场

根据 Data Bridge 的预测，全球医疗健康领域的生成式 AI 市场规模到 2032年有望达到 228亿美元，2023 年至 2032 年间的复合年增长率（CAGR）将高达 32.6%。在中国市场，亿欧智库的估算则更为乐观，国内医疗大模型市场规模 2025年将接近 20 亿元人民币（约合 2.8 亿美元）；预计将以年均约 140%的复合增长率迅猛发展，到 2028 年市场规 模有望突破 100 亿元人民币。

根据蚂蚁集团研究院的数据，截至 2024年8月统计，全国共有存续、在业人工智能医疗产业相关企业536 家，其中广 东省医学人工智能企业数量最多，为142 家。北京、上海等城市也在政策驱动下，推动多家医疗大模型与医保、药监 数据融合，布局专科诊疗、药物研发和患者服务场景，支持新药研发和数字疗法落地。这一现状反映了发达地区由 于具备更强的资金支持、人才储备和技术基础设施，能够更快地推动相关技术和应用的发展。 从增长结构看，医院端的提效降本、稀缺专科的“缺人”痛点、科研转化等多元需求正在同步拉动供给侧从“单点 算法”走向“整条临床流程”的智能体化落地，叠加数据与场景壁垒的持续积累，医疗AI赛道呈现规模空间大、需 求层次丰富的双重特征。 我们坚信，未来的行业赢家将很可能是具备以下核心优势的平台：（一）闭环的临床证据体系，涵盖前瞻性和真实世 界的验证；（二）能够在各科室及多种医疗场景中实现可复制、可规模化的推广路径；（三）具备严密的合规体系，包 括数据治理、安全保障及医疗器械/数字治疗（DTx）监管通路。具备这些特质的企业将在即将到来的规模化扩展阶 段中显著抢占市场份额。

医疗AI Agent

在本届CHITEC 和 WAIC 行业大会上，医疗 AI Agent（智能体）的落地应用成为最受关注的议题。我们在 2 月份的行 业报告中已深入讨论过大语言模型（LLM）的原始能力与固有限制。尽管新一代推理式模型在鉴别诊断、诊断推理和 治疗决策等任务上展现出超越人类平均水平的潜力，然而在严肃的医疗环境中，它们依旧难以克服“黑箱”特性、幻 觉现象以及不完善的流程约束。具体而言，依赖单一基座模型的方案存在三大痛点： 1. 缺乏长时记忆，难以在多轮对话或复杂病例中保持连贯一致的推理； 2. 工具使用受限，只能调用少数预设 API，无法像医生那样灵活检索文献、调阅影像和执行计算； 3. 思考模式偏“在线”，多为短句式交互，难以离线规划、反思并输出结构化诊疗方案。

医疗 AI Agent 通过把底座LLM 作为“超级大脑”，再叠加记忆、工具库与任务编排能力，实现从“会回答”迈向“会 做事”。它们可以：长时记忆与情境洞察：持续汇聚历次就诊记录、可穿戴设备指标和医嘱执行情况，实时更新患者动态病程画 像。智能工具链调用：按需检索最新指南，调用影像／基因分析 API，自动生成个体化剂量方案，并无缝对接 HIS／EMR 完成处方和随访。闭环决策迭代：先拟定诊疗计划，再依据实时反馈快速调整，并借助自我反思机制持续优化策略。多角色协同：在多智能体体系中与药师、护理、保险理赔等子代理协同作业，打通筛查—诊疗—随访—支付 的全流程。

在本次医疗人工智能大会上，我们看到医疗 AI Agent 已初步跳出“对话框”束缚，正演变为贯穿诊前筛查、院内决 策、术后随访乃至科研闭环的“数字医生”。大会上，各大医院与厂商相继发布自己的医疗 AI Agent，比如蚂蚁集团 的“名医 AI 智能体” 目前上线了由院士领衔的、超过 200 个专科名医的AI智能体，覆盖了 20个专科专病，让名医的 服务能力得到了拓展，也让优质的医疗服务借助 AI的能力实现普惠：它们能在专家问诊替身、诊后随访等高负荷场 景中，接管繁复流程提高整体医疗效率。例如在心血管全病程管理中，系统可与硬件结合持续获取数据：入院阶段由 Agent 自动输出心血管风险评分并推送个性化用药方案；术中在虚拟环境先行模拟支架或瓣膜的型号与植入深度；术 后依托穿戴设备实时捕捉异常并动态调整随访计划。

AI Agent 等级划分

通常AI Agent 的能力可以概括为由低到高的五级递进：Level 0 仅是传统的界面程序，完全依赖人工操作，谈不上智 能；Level 1 引入固定规则或脚本（如简单问答机器人），能完成单步指令但无法泛化；Level 2 借助监督／强化学习 实现有限决策，可自动化部分标准化流程，却缺乏深层推理与长时记忆；Level 3 由大型语言模型（LLM）驱动并原 生集成工具链与短期记忆，已能在垂类任务中达到接近专业人士水准，实现策略化自动执行；Level 4 再向上叠加情 境感知、持久记忆与自主学习，使智能体能够主动理解用户意图、动态规划并持续优化服务，接近“专家助理”形态； Level 5 则被视为未来目标，要求智能体在多代理协作框架下具备完整人格、情感与超人级表现，能够安全、可靠地 代表人类独立完成复杂事务，真正成为“数字分身”。

名医“数字孪生”：AI 赋能顶级专家同时跨越时间和空间出诊

在2025年世界人工智能大会（WAIC）大会期间举办的《AI智变·未来健康》产业论坛上，蚂蚁集团旗下AI健康应用 AQ首次公布一系列医生共建合作进展。针对我国居民面临的“看病难、看病累、看病贵”等医疗痛点，蚂蚁集团在6 月底发布全新AI医疗健康应用“AQ”。“AQ”提供了智能问答、名医 AI分身、一站式医疗服务和健康管理等功能模块， 包含健康科普、就诊咨询、云陪诊、报告解读、健康档案等在内的上百项细分 AI功能。

目前由于我国优质医疗资源供给有限、优质医生服务能力有限，患者往往体会到“看病难”。蚂蚁通过与各专科专病 领域的知名医学专家的深度合作，训练“名医 AI智能体”，协助医生拓展服务边界。依托蚂蚁自研的医疗多模态大模 型，“名医 AI 智能体”先以权威文献、临床指南和专科科普资料完成通用预训练，再将经脱敏的经典病历、真实医患 对话以及专家论文、思维链等个性化语料深度精调；整个流程由专家团队全程参与校审和测评，确保诊疗逻辑、语言 风格与声音特征均高度还原“真人名医”。借此，智能体能够 7 × 24 小时在线提供专病专科咨询，将顶级诊疗流程 规模化复制至大众，同时下沉至基层医疗机构，为一线医生实时推送风险评估与诊疗方案优化，显著提升基层诊疗质 量和系统运行效率，实现优质医疗资源的普惠共享。 同时，为确保“名医 AI 分身”能被规范、安全地使用，蚂蚁集团正积极推动行业标准的建立 。为此，蚂蚁集团联合 了中国信通院、浙江省卫健委等多家权威机构，共同参与“数字分身”标准系统的建设工作 。该标准体系将从两方 面入手：在技术规范上，聚焦于多模态交互能力、安全检测与伦理隐私保护； 在专科标准上，将联合全国十几个学科的顶级专家团队，针对具体的专科诊疗路径给出更明确的规范 。根据 计划，首批两个技术规范和两个专科标准预计将在 2025 年发布，旨在确保 AI 可以真正实现普惠医疗，并让 所有医生都能“用得上、用得好、用得规范”。

“毛洪京医生”智能体案例：AI 赋能 24/7 云端门诊，惠及 200 万失眠患者

毛洪京为精神科资深医生，长期探索“AI+医疗”。2024年10月，他在安诊儿上线“数字孪生智能体”，提供诊前评估、 AI电话随访、睡眠自测等服务。该智能体基于大量临床真实世界数据与逾5万篇科普/论文训练，可复刻其问诊路径与 诊疗思维，带来接近真人的交互体验。智能体应用后，问诊量从线下每月约600人的接诊上限攀升至单日服务峰值超 11万人次，覆盖342座城市、累计服务约200万名失眠用户。毛医生智能体还学习了医生的声音与表达习惯，以“数 字医生”形象线上服务，便捷、可及且重视隐私，并显著填补夜间咨询缺口。 该智能体的价值主要体现在三个层面： 1. 提升医疗可及性：它打破了时空限制，让平时难以挂上专家号的患者能随时随地通过手机获得初步的专家级 咨询，兼具便捷性与隐私性。 2. 实现智能分诊与闭环管理：智能体能作为高效的初步筛查工具。例如，它在与一名陕西患者的交互中判断其 可能为重度睡眠障碍，并建议线下就医，随后其助理团队主动介入，成功帮助患者实现了从线上初筛到线下 精准就诊的闭环。 3. 填补服务空白：该智能体7x24小时在线，有效满足了大量年轻用户因焦虑等情绪在深夜产生的问诊需求，化 身为“数字守夜人”，提供了传统医疗难以覆盖的服务。

毛医生表示，智能体目前可以达到自己 50%的能力。从上文的 5 Levels of AI Agents 框架来看，“毛洪京医生”智能 体处于 level3 状态，它能够基于大量专业知识进行推理和多步决策（模拟问诊），并具备一定的记忆和情境感知（深 夜陪伴），符合“战略性任务自动化”。

Agent Hospital 案例：清华 AIR 孵化的“加速式”AI 医疗创新

Agent Hospital 是由张亚勤院士领导的清华大学智能产业研究院（AIR）团队研发的一种开创性的虚拟医疗体系，旨 在让医疗大模型能够在一个高度仿真、且可自我进化的环境中实现“闭环式”模拟诊疗与持续学习。其核心创新在于， 系统中所有医生、护士及患者均为大模型驱动的自主智能体（Agents），在模拟的完整医疗流程中互动，从而推动 AI 医生在被“加速”了约 100 倍的虚拟环境中，快速积累相当于数年临床经验的诊疗技能。 Agent Hospital 最具颠覆性的概念是“自我进化”。系统会让 AI 医生在海量合成患者身上进行诊疗，并根据结果反馈， 动态更新或“回溯”其知识结构，通过自身的成功与失败经验不断“打磨”诊疗水平，相比传统模型更具适应性与灵 活性。 2025 年 4 月 26 日，清华大学正式宣布成立人工智能医院，旨在瞄准世界前沿和国家战略需求，推进医工结合。随 后，由 AIR 孵化的无锡紫荆智康科技有限公司将 Agent Hospital 技术迅速产品化。2025 年 8 月 1 日，“紫荆 AI 医院” 系统（Agent Hospital）正式在清华大学医院启动内部测试。

截至内部测试启动，该系统已取得显著进展： 规模与性能：系统已覆盖 21 个临床科室和 14 个非临床科室，涵盖上千种常见及重大疾病。在国际权威的 MedQA（美国执业医师资格考试）数据集上，其准确率超过 96%，达到了公开报道中的世界顶尖水平，并超 越了大多数人类医生。 核心功能落地：内测阶段已为医患双方提供了一系列具体功能。患者端可体验 AI 护士分诊、AI 医生预问诊、 纸质健康资料的自动录入与解读等服务；医生端则可以获得智能体协作问诊、关键决策的推理建议、病历自 动实时撰写以及诊后自动随访等强大支持。

在紫荆智康的愿景中，Agent Hospital 就像一个“医疗版《西部世界》”，它不仅在 AI 模型研究上意义重大，更在实际 应用中展现出多元化潜力： 首先，在诊疗与教研层面，它不仅是 AI 医生的虚拟“训练场”，也为人类医生提供了模拟教研环境。内测中 的“医生可进化专属分身构建”功能，正体现了其作为 AI 与人类医生技能共同提升的平台价值。 其次，在城市级公共卫生管理中，它仍具备通过沙盘推演，评估医院应对突发疫情能力的巨大潜力。 最后，在远程医疗与医患沟通方面，它正逐步成为现实的基础平台。本次内测已包含线上复诊的测试计划， 未来，AI 医生与真实患者结合，让部分常见病的诊疗与康复管理在线上完成，将有望大幅缓解医疗资源不平 衡和成本压力。

从上文的5 Levels of AI Agents框架来看，我们认为Agent Hospital处于level3+状态，核心架构围绕“自主学习”构建， AI智能体在模拟环境中通过交互进化，是迈向Level 4（自主学习与泛化）的关键一步，并已展现出Level 5多智能体 协作的雏形。

透过“Agent hospital”和“毛洪京医生” 两个智能体，我们可以隐约窥探下一代医疗 AI 的雏形：它们既继承顶级 专家的知识体系与行医逻辑，又通过多模态模型、实时数据接口和严格的合规治理，把这种稀缺的专业能力封装成随 时可调用、持续自进化的数字服务节点。 它们的并行落地证明：当高门槛专科知识被结构化、可穿戴与院内系统打通数据流、监管标准与支付路径同步完善， 医生智能体就能够从实验室走向大规模临床，真正把专家服务半径扩展到基层与夜深人静的时刻。下一个阶段，无论 是更多科室的数字孪生医生，还是“医疗版《西部世界》”，都将沿着同一条可验证、可追溯、可支付、可协同的路径 加入网络，最终把“看病难”一点点拆解为可被 AI 和医生共同承载的可管理工作流，让优质医疗服务在空间与时间 维度上同时实现普惠。 接下来，我们将目光转向的当下医疗AI实践最前沿，通过分析浙大二院和梅奥诊所这两家中美顶级医院案例，看这 些领先的医疗机构在做什么，想什么。它们如何构建从“数据-验证-部署”的闭环生态、如何进行平台化建设、以及 如何选择技术伙伴（无论是科技巨巨头还是初创公司），这些战略选择共同构成了一个判断赛道价值的清晰框架。我 们认为，这不仅是医院在AI竞争中成功的核心，也是医疗大模型厂商关注的重点，更是投资者绘制自身投资版图、筛 选未来赢家的“领先指标”。通过深入观察AI技术如何在复杂的临床与科研体系中被打造为可验证、可复制的生产力， 将为投资决策提供一个清晰的框架。

中国顶级医院案例：浙大二院 AI 赋能临床全链路

依托浙江大学雄厚的计算机与医学“双一流”资源，浙大二院在医疗AI上已形成“科研—转化—临床”高效闭环，可 以在手术预演、早期预警与自动病理等复杂临床场景快速落地前沿 AI 技术。2025 年 CHITEC 大会上，浙大二院人工 智能与信息化部主任相鹏介绍了医院的智慧化成果。 自 2019 年浙江大学成立计算机创新技术研究院并组建智慧医疗团队以来，浙大二院已在《柳叶刀》等顶级期刊连续 发表多项 AI 研究。其中最具代表性的 FLAVOUR II 冠脉数字介入项目，利用冠脉造影图像，通过大模型驱动的三维 血管重建与血流动力学仿真，在术前即可完成“虚拟支架”植入预演并预测术后效果；临床数据显示，该技术可使非 必要支架植入率下降 11.5 %。今年 3 月，浙大二院受邀在第 74 届美国心脏病学会年会（ACC 25）“最新突破性研究 专场”展示这一成果，彰显了中国医院在 AI 介入治疗领域的国际影响力。

AI 在浙大二院的临床落地、运营增效与技术创新突破

关键患者精准追踪系统（APTS）

根据浙大二院的数据，医院每天会产生数万份检验与影像报告，而传统人工或关键词检索很难从非结构化病历里及时 甄别出需紧急复诊、拟行三四级手术或疑似罕见病的关键患者，结果导致多达 30 %的门诊患者和 40 %的待住院患者 在回转过程中迷失诊疗方向、错过最佳干预窗口。 针对“初诊后患者在信息缝隙中流失”这一长期痛点，由人工智能与信息化部牵头，浙大二院上线了 AI 关键患者精 准追踪系统（APTS，AI for Patient Precision Tracking System），APTS 基于自研的启真医学大模型的自然语言理解 与推理能力，把每天产生的全部病历、检验和影像报告交给启真医学大模型“读一遍”。模型不靠关键词，而是理解 语义，通过各专科预设的追踪规则，可从海量文本中抓出那些尚未复诊、但可能病情紧急或需要手术的患者。系统自 动过滤已回院或已确诊病例，把真正需要关注的人推送给专管员，由其立刻转交医生并电话召回，从异常发现到专科 干预形成几乎实时的闭环。 试运行一个月，肝胆外科便在一周内精准筛出 118 例关键病例并成功召回 60 例，显著提升了疑难、危急患者的就医 及时性与院内留存率；全院预计扩展到 10 个专科后，可每年为上万名患者提前发送“复诊警报”，极大的缓解了高峰 挂号难和资源错配的问题。

AI for Prediction（院内早期预警）

在“患者召回”的 APTS 之外，浙大二院在重症与住院场景同步部署了 AI 早期预警体系：将预测模型嵌入 ICU 电子 病历与床旁监护系统，连续接入生命体征、监护波形、检验结果、用药与医嘱等多源数据，对急性肾损伤（AKI）、 脓毒血症等高危事件进行实时风险评分与趋势判断。与传统依赖人工经验或单一指标阈值的方式相比，这一模型能够 在症状出现前数小时识别潜在危重状态，为医生争取宝贵的干预时间。该系统还会将风险评估结果可视化呈现在 ICU 中央监护平台与床旁终端，提示相应干预建议，帮助医生快速决策与精准用药。

AI 赋能下的泛血管病院区

浙大二院还专门设立了心脑血管智慧院区——集临床病区、数字疗法中心、全国重点实验室和人工智能联合平台于一 身，使每位患者都能获得基于 AI 风险评分的个性化管理，也为未来心脑血管研究提供了源源不断的高质量数据。

在 2025 世界人工智能大会（WAIC）医疗分论坛上，王建安院士勾勒出一副“脑-心-周”三大血管病与糖脂代谢风险 汇入同一智能平台的蓝图。平台以代谢为“前哨”，用 AI 对早期代谢异常进行预警；随后沿着脑-心-周血管顺序，将 影像诊断、手术模拟、干预决策、术后随访和科研数据沉淀一体化串联，从而实现从心血管疾病管理全流程闭环。

全血管病区的 AI 驱动医疗路径

在泛血管病区，患者的诊疗正在被 AI 接管：挂号之后，系统自动读取症状、体检和化验结果，先做一次智能筛查，再 给出高危或低危的分层结论。随后，平台把适合的血压、血脂、血糖控制目标和用药建议推送给负责的医生和护士。 病人出院后，随访任务又顺着“省医院—市县医院—乡镇—社区”四级网络下沉，异常指标一旦回传，AI 会立即提醒 医生并调整方案。临床、随访和生活方式数据最终沉淀成专病数据库，为后续科研和大模型训练提供素材。

在脑血管疾病中，过去急性缺血性卒中的溶栓或取栓决策高度依赖昂贵且耗时的灌注 CT，但浙江省仅 35 %的医院配 备此设备，导致约三分之一患者因此错过最佳救治时机。浙大二院团队将普通平扫 CT 与 U-net-CNN-Transformer 模 型结合，仅凭黑白影像便可自动勾勒梗死核心与可挽救区域，诊断一致性（Dice≈0.85，ICC≈0.92）接近造影水平， 却把决策时间压缩到几分钟；浙江多家县域医院试点后，急性缺血性卒中的再通治愈率提升超过五成。

在心脏瓣膜介入手术中，浙大二院利用术前 AI 自动识别高风险瓣膜结构并生成 3D 几何；随后在虚拟心腔内迭代模 拟不同瓣膜型号与植入深度、计算血流剪切应力；借助这套“可视化 + 可量化”的数字预演，术者无需在真正手术台 上试错，就能提前锁定最佳瓣膜型号与植入策略，大幅降低并发症风险并缩短手术时长。

浙大二院将冠心病诊疗流程打造成一条由 AI 驱动的“影像-功能-手术”闭环：首先，深度网络把 CTA 切片自动重建 为三维冠脉模型，并计算 CT-FFR/QFR 功能学阈值——若 CT-FFR ≥0.90，说明血流通畅，可直接药物治疗，无需 再做有创造影，据统计可减少约 60 %的造影检查。

若功能学提示缺血，系统便进入第二阶段：对造影图像实时做无创 QFR 评估，判断是否确需支架。确认需介入后， AI 会在虚拟血管内迭代模拟不同支架方案，量化比较血流恢复效果，最终给出精准的支架长度（如 38 mm）与直径 （如 3.0 mm）并预测术后 QFR，术者据此“一次下定决心”完成植入。

术后实际测得 QFR 0.99，与预演高度吻合，既避免了“60 %狭窄却血流充足”造成的过度造影，也消除了“看似轻 度却严重缺血”带来的漏治风险，真正实现了从精准筛查到精准诊断再到精准介入的全链条智能化。

Jack 安心智能体

浙大二院利用 AI 把脑-心-周三大血管与代谢管理打通，构建一条从早筛、决策到随访和科研的数据闭环。在闭环里扮 演的数据入口与决策执行者——Jack 安心智能体可以：调用平台大模型能力，为瓣膜病、冠心病患者给出个体化手术方案；一边把可穿戴监测、随访反馈持续写回 总数据库，反哺整个平台的风险模型和科研队列。在患者侧充当“数字孪生医生”——将院士团队的诊疗逻辑 7×24 小时复制到手机终端，补上传统线下门诊 在时空与资源上的缺口。

Jack 安心智能体的核心是蚂蚁自研的多模态医疗大模型，但整个能力并非单靠通用大模型得来，而是经过三轮“专 家共建”精调： 1) 首先，研究团队选取十余年积累的血流动力学仿真数据和 300 余例典型瓣膜病病例，将医生的诊疗思路拆解 为可计算的思维链（COT），并对每一步临床判断进行去标识化处理后喂给模型； 2) 第二，把实时可穿戴监测数据（华为手表、鱼跃血压计输出的血压、脉搏、ECG 波形）与术后并发症标注库 同步加入，训练模型在时序数据上学会关联“指标异动—风险判读—干预建议”的闭环逻辑； 3) 第三，由王建安院士团队十余名医生轮流与模型“问答质询”，用强化学习与人类反馈（RLHF）方法反复校 正输出，确保语言风格、诊疗路径和用药剂量完全贴合院士团队的日常实践。

AI 时代医院之变：几点思考

通过大会嘉宾的分享和与一线人员的交谈，我们看到 AI 正深刻重塑医院间的竞争格局，其核心特征是从过去信息技 术带来的“同质化”转变为人工智能驱动的“智能化分化”。这一变革预示着在未来三至五年内，医院间的竞争力鸿 沟将被迅速拉开。在这场新的竞赛中，资本投入与基础设施虽是基础，但真正的决定性变量在于两大核心要素：高质 量的数据资产与强大的组织能力。

竞争壁垒：优质数据决定护城河——启真可计算医学知识库是核心底座

随着基座大模型的迭代加速，我们认为 GenAI 时代下是数据和成本的竞争。与 C 端应用不同，许多 B 端行业（如金 融、医疗、法务）因其高风险和严格的监管要求，无法承受 AI 模型的“幻觉”问题 。这种“幻觉”的产生，其根源 或在于训练数据的质量。如果一个事实在训练数据中没有足够的信息冗余度，模型就记不住，继而会用“幻觉”去补 白、编造细节。通用大模型依赖互联网进行无差别学习，其数据源庞杂，难以保证事实的准确性与重复度，这在高度 严肃的医疗领域是不能接受的。 我们认为，这恰恰凸显了垂类数据的核心价值：当一个行业拥有通用大模型无法从公共互联网获取的独有数据时（如 特定医疗项目数据），这本身就形成了一道强大的护城河，并构成了投资者眼中极具价值的核心资产。 因此，拥有这些高质量、独有数据的垂类公司和机构便建立起了坚实的竞争壁垒，这也证明了人工智能的竞争已不在 是模型的竞争，更关键的是数据质量和成本的竞争。最终，要打造真正可信赖的医疗 AI，构建一个权威、纯净、可 追溯且动态更新的专业知识库是解决模型产生幻觉的重要途径。 基于医疗行业对数据质量和应用风险的高严肃性，浙江大学医学院的团队 2023年发布了“启真医学知识库”，旨在解 决通用人工智能在医疗领域应用的核心痛点。相鹏主任指出，医疗大模型并非学习得越多越好，如果模型训练采用了 十年前的指南或二十年前的文献，其对大模型训练毫无帮助。由此，团队参照梅奥诊所（Mayo Clinic）10 年斥资数 亿美元构建动态知识库的模式，打造了总投资达 5000 万人民币的医学知识库项目。

该知识库的核心是建立一个“有进有出”的活数据系统。团队汇集了浙江大学所有附属医院的科研课题，由各学科 专家将最优质、最前沿的知识精选后注入数据集。这一模式确保了数据的权威性与时效性。 目前，启真医学知识库已取得显著成果：该数据集已获得浙江数据知识产权登记，已累计整理文献上百万份、梳理结 构化医学术语、实体、关系超千万条，建立百余种疾病临床决策路径，支撑申请国家、省级科研项目 10 余项，并孵 化了多个创新产品。现已有肝胆外科、内分泌科、精神科、病理科、心血管科、护理等 10 余个学科完成知识库数据 入库。

AI 时代下，信息科转型正成为医院竞争核心

相鹏主任对当下全球医疗人工智能发展做出介绍，表示新一代人工智能或成为重塑医疗行业的关键变量。他引用了 2024 年 7 月 CB Insights 发布的美国“医院 AI 准备度指数”，该指数评估 2019 年至 2024 年间各大医院在 AI 领域的 创新（如专利，科研）和执行力（如投资，落地应用）。他指出，在 2019 年以前基于上一代 AI 技术，大部分医院的 医疗信息化水平差距有限，然而，在引入新一代 AI 技术后的短短五年内，医院间的智慧化鸿沟被迅速拉大，出现 “五星 vs 一星”的显著分化，这也表明未来 AI 对医院之间的竞争的影响力正在逐步扩大。

相鹏主任进一步以指数中排名第一的梅奥诊所（Mayo Clinic）为例，深入剖析了医院信息化间拉开差距的深层原因， 其中信息科的转型能力起到决定性影响。过去医院信息科主要职责是“买系统-上线-培训-维护”，价值体现主要在 IT 的基础设施建设和使用推广。而梅奥诊所借助新一代 AI 对组织架构进行重塑，在原信息科基础上组建“人工智能和 信息化研究中心（Department of Artificial Intelligence and Informatics）”，同时引入与其他科室的跨学科团队合作， 通过把“医护人员的临床想法和实践”放置首位，从需求出打造基于“数据建模、输入、训练、输出、验证”的完整 闭环。

相鹏主任认为，当一个部门能够主导这五步、并在每一步都与临床实践紧密耦合时，它才真正完成了从“信息科”到 “人工智能部门”的转型，这也正是梅奥领先的原因。现如今也有越来越多国内医院（包括浙二年去年新设的 AI 和 信息化部）正在复制这一组织架构和工作流，从根本上将医院从“技术采购方”转变为“技术创造与验证者”。

海外顶级医院案例：Mayo Clinic

作为全球公认的医疗 AI 领导者，当多数医院还在探索 AI 应用时，梅奥诊所已凭借其深厚的临床专业知识和前瞻性布 局，成为全球公认的 AI 准备度最高的医疗机构。在其“2030 大胆向前 (Bold. Forward. 2030)”战略的指引下，从 利用 AI 可以比传统方式提前一年多诊断胰腺癌，到与英伟达、微软共建基础模型，梅奥的应用成果令人瞩目。 我们认为，真正奠定其领导地位的，并非这些孤立的技术亮点，而是其背后系统性的生态架构。 事实上，梅奥诊所已经构建了一个“临床验证—数据平台—资本运作”的强大闭环生态。 AI 在梅奥已成为深度嵌入临床的战略主线，实现了从早筛、影像分析到流程自动化的可复制工作流。 梅奥打造了一个世界级的、难以匹敌的合规数据与模型/算法训练平台（Mayo Clinic Platform）。它不仅是内 部创新的引擎，更向全行业开放，成为初创企业和医疗机构依赖的“真实世界数据底座”。 以战略资本为催化剂。 梅奥的投资部门将资本作为驱动力，自 2023 年以来，其早期 VC 交易中约 63%投向 AI 领域。 梅奥诊所的实践，可以为投资者拨开医疗 AI 投资的迷雾。我们认为，在思考未来方向时，最有价值的线索，就是看 全球最领先的医院在做什么，想什么，以及如何布局。梅奥展示的“临床-数据-资本”三位一体的生态闭环，不仅是 其领先的核心，更是投资者绘制自身投资版图、筛选未来赢家的清晰指南。它的每一步，都在为我们拓展医疗 AI 的 想象空间，也为我们的投资决策提供了坚实的启示。

定义未来医院：梅奥诊所如何通过布局算力、数据平台与战略投资，构筑其 AI 领导地位

携手 NVIDIA 构建顶级算力基础设施

梅奥诊所于2025年7月宣布，已成功部署NVIDIA最新一代的DGX SuperPOD（含DGX B200系统），此次合作旨在加 速其在数字病理学、药物发现和精准医疗等领域的基础AI模型开发。 该系统的部署带来了显著的效率飞跃。例如，全玻片病理图像集的处理周期已从四周缩短至一周。这一强大的计算能 力，是梅奥50亿美元“2030 大胆向前 (Bold. Forward. 2030)”创新战略的关键支柱，为高分辨率医学图像分析和大 规模模型训练提供了有力支撑。

携手 Cerebras：以专有计算架构攻克基因组学挑战，打造全球领先的基因组基础模型

梅奥诊所与Cerebras Systems的合作，旨在构建一个能理解复杂疾病遗传基础的基因组学基础模型。然而要训练如此 巨大且单一的模型，其主要技术障碍并非单个芯片的处理速度，而是在于传统多芯片集群（如GPU集群）中，因模型 被拆分而产生的“通信瓶颈”——芯片间的数据传输与同步耗费了绝大部分时间。 为了克服这一瓶颈，梅奥选择了Cerebras的专有计算架构。Cerebras的晶圆级引擎（Wafer-Scale Engine）将数百万 计算核心和海量高速内存集成在一块单一的巨型芯片上。这种独特的“单体巨芯”设计，使得一个庞大的AI模型可以 被完整地加载和处理，有效降低芯片间的通信延迟。

梅奥的世界级的、海量的患者临床与基因组数据与Cerebras的“晶圆级引擎（Wafer-Scale Engine）”结合。利用这 一组合，团队能训练出一个近乎实时分析基因变异、精准识别患者模式的先进AI模型。 该基因组基础模型的应用前景包括，一个针对类风湿性关节炎（RA）等复杂自身免疫性疾病的精准治疗。临床实践 中，RA患者通常需要经历耗时数月的“试错性治疗”来寻找有效方案，这一过程不仅延长了患者的痛苦，还可能因 疾病长期得不到有效控制而导致不可逆的身体损伤。 为解决这一难题，梅奥与Cerebras开发的AI模型能够将患者的基因图谱与数据库中成千上万具有相似特征的病例进行 近乎实时的比对分析。基于这种深度比较，模型能够精准预测出个体患者对特定疗法的潜在反应，从而为选择最有效 的靶向治疗方案提供关键的数据依据。早期研究结果已证实该模型在基准测试中表现出色，并且随着更多临床数据的 整合，其预测准确性有望进一步提升。 梅奥诊所 GenAI 战略医学总监 Matthew Callstrom 博士所表示，这一进展是“个性化医疗领域的重大突破”，它通过 更精准地预测治疗反应，实现了“更快速的诊断和靶向疗法的选择”，从而有望将数月的治疗探索周期缩短，显著改 善患者预后。

携手微软，双线布局生成式 AI：革新临床影像与运营效率

在2025年的摩根大通医疗健康大会上，梅奥诊所宣布正与微软研究院共同开发一种结合医学影像（首先是胸部X光片） 与文本的多模态生成式AI模型。该基础模型的目标是实现放射学报告的自动生成、评估导管/管路放置，并通过新旧 影像对比自动标记病情变化。这旨在极大简化放射科医生的工作流程，提升诊断效率与准确性。

携手谷歌云-数据与生成式 AI 构建医院的“数据和 AI 大脑”

早在2019年，梅奥诊所就与 Google云建立了为期十年的战略合作伙伴关系，旨在实现其数据基础设施的现代化，并 充分利用基于云的 AI 解决方案。在此基础上，Google 和梅奥诊所于 2023 年宣布合作，将生成式 AI 应用于医疗保健 领域，首个项目是开发智能企业搜索工具。梅奥诊所利用 Google 的Gen App Builder 进行搜索，整合了来自医疗记 录、影像、基因组学和诊疗指南的数据，以帮助临床医生更快地获取所需信息。生成式 AI 能够理解复杂的查询并提 供 对 话 式 答 案 ， 从 而 帮 助 医 生 和 研 究 人 员 迅 速 从 分 散 的 数 据 中 发 现 有 价 值 的 见 解 。 梅奥诊所的首席信息官指出，这类工具可以解锁以往难以获取的信息——无论是患者的长期病史，还是非结构化的临 床笔记——最终将显著改善决策制定和患者护理。此外，Google 的安全云还负责存梅奥诊所的数据，并确保这些 AI 应用符合 HIPAA（健康保险流通与责任法案）的合规性要求。

Mayo Clinic Platform：梅奥诊所的医疗数据基础设施

过去十年，梅奥诊所在医疗数据治理上的总投入达 20 亿美金， 其医疗数据平台 Mayo Clinic Platform（梅奥诊所平 台,MCP）于 2020 年正式启动（尽管其数据整理工作之前早已开始），其核心理念是将梅奥诊所积累的患者数据转化 为未来患者的全新治疗方案。通过对长达 150 多年的患者数据进行去识别化处理，无论是小型初创企业还是大型医疗 机构，各类创新者都能在此基础上开发出针对疾病的全新解决方案。

MCP 具备高合规性

MCP 提供结构化与非结构化数据的访问权限 ，并采用创新的去识别化流程。梅奥已处理来自逾 1360 万名患者的数 据，其中包括超过 13 亿张影像、16 亿份实验室检测结果、1010 万份病理报告以及 6.98 亿份临床记录。 在处理过程中，平台会依据 HIPAA 等法规，由专家对数据进行认证的匿名化处理 。该流程中包含两项关键技术，以 在保护隐私的同时，确保数据保留其研究的相关性和价值。哈希（Hashing）：将患者姓名、ID 等个人标识符通过单向加密算法，转化为一个不可逆的、独一无二的匿 名代码 。这一致的匿名代码使得研究人员能够关联同一患者的所有医疗记录，同时无法获知其真实身份。 统一日期平移（Uniform Date-Shifting）：将单个患者病历中的所有日期（如出生、入院、手术日期）统一 向前或向后平移一个随机的天数。此举在隐藏真实事件日期的同时，完整保留了事件之间的时间间隔与顺序， 确保了数据在时间序列分析中的完整性和价值 。 梅奥也在逐渐扩张其全球影响力。2023年5月，Mayo Clinic Platform将其分布式数据网络“Connect”扩展至巴西、 以色列和加拿大的多家顶尖医疗机构 。该平台的核心是其“玻璃后数据（Data Behind Glass）”模型和联邦式架构 。 这种架构在数据质量、患者隐私和知识产权方面提供了强大的保障： 数据质量与控制：所有加入网络的合作伙伴（数据节点伙伴）都遵循统一的数据标准以进行协作。最关键的 是，每个机构都在自己的 IT 基础设施内对数据保有完全的本地控制权和管理权 。 患者隐私保护：客户可以查看去标识化的单条记录级数据，但严禁导出、混合或试图重新识别数据 。所有结 果只能以满足平台阈值的聚合形式导出，且平台会对所有导出进行审查以确保合规 。知识产权与法规遵从：在联邦式架构下，数据和由开发者创建的 AI 模型等知识产权，始终归属于各自的合作 伙伴或开发者 。该模型在设计上具备高度适应性，旨在为全球合作者提供所需数据可见性的同时，也能从容 应对未来如欧盟 GDPR、巴西 LGPD 及中国等主要经济体不断发展的法规要求 。 梅奥的文化还强调赋能临床医生成为“公民数据科学家（citizen data scientists）”，鼓励临床医生和研究人员在数 据科学专家的支持下，利用平台开发 AI 解决方案，而非仅仅依赖集中的 IT 部门。

MCP 向全行业开放，成为初创企业和医疗机构依赖的“真实世界数据底座”

MCP是一个旨在将医疗AI从科研构想转化为临床生产力的端到端生态系统，它主要服务于两大核心群体：AI创新者 （如初创企业）和医疗服务提供者（如医院）。 对于AI创新者， MCP提供了一条龙式的加速路径，显著缩短从算法到临床收入的时间。这包括：为早中期团队提供 临床场景共创和指导的加速器（Platform Accelerate），已成功孵化Genomate、ImpriMed等公司； 提供海量、多站点、去识别化的纵向临床真实数据（涵盖影像、病理、临床记录等）用于算法训练的探索平 台（Platform Discover）； 提供业内稀缺的、独立的第三方临床级验证服务（Platform Validate），为AI模型的性能、偏倚和泛化能力出 具可用于监管申报的“盖章”证据； 最后通过部署服务（Platform Deploy），解决AI与医院电子病历（EHR）及影像工作流集成的“最后一公里” 难题。

对于医疗机构， MCP则提供了一套可控风险、可度量回报的AI引入方案。医院可以从平台的“数字化解决方案货架 （Digital Solutions）”上，挑选已经过严格验证的AI应用进行快速试点和规模化部署，或者通过其连接与关怀网络 （Connect & Care Network），复制梅奥已经落地的AI路径与最佳实践。

迄今，梅奥诊所平台已支持创建 200 多个人工智能项目。这些人工智能项目涵盖了不同科室和专业——从心血管疾 病检测，到为放射肿瘤学家提供的人工智能算法，该算法能比传统勾勒方法更快、更准确地自动勾勒头颈部癌症。 平台总裁Halamka 博士表示“在过去几年中，数据越多，解决方案就越多，这吸引了更多医疗机构参与进来，从而 产生了更多数据，带来了更多解决方案，”Halamka博士说。“因此，以真正的平台模式，每个参与者都在为其他所有 参与者创造价值。”

投资：梅奥诊所看好人工智能在医疗保健领域的持久力和长期潜力

根据 24 年 8 月 CB insight 的调查，自 2023 年以来，梅奥诊所的大部分早期 VC 交易（63%）都集中在人工智能领 域。鉴于此类早期投资通常需要数年才能成熟，这种早期活动的集中——代表了各种人工智能应用——表明梅奥诊所 预计人工智能将在医疗保健领域带来长期回报。梅奥诊所的投资活动表明，它预计人工智能将成为医疗保健领域的基 础性持久力量，影响从患者参与到评估再到治疗的一切——而不仅仅是短暂的风潮。

梅奥正加速迈向预测性护理

梅奥诊所的战略目标是从传统的“诊断与治疗”转向“预防与治愈” 。换言之，它希望从管理症状和疾病进展，转 向在疾病发生前就将其消除或阻止 。 为实现这一战略目标，梅奥将其 AI 投资的重点高度集中于 监测与诊断领域 。自 2023 年初以来，该类别吸引的 AI 投资比其他任何类别都多，占总数的 47% 。通过将 AI 注入这 些工具，梅奥旨在解锁其海量患者数据的潜力，实现更早的疾病检测、更精准且侵入性更小的诊断，以及更快的干 预 。 具体案例包括： Lucem Health：梅奥于 2023 年 5 月投资了该公司的 A 轮融资 。Lucem Health 利用 AI 大规模快速分析电子 病历（EHR）数据，以帮助医生发现未被诊断或治疗不足的患者，例如心房颤动（AFib）患者，以及识别那 些有糖尿病、中风、肺癌等更高风险的个体——在某些情况下甚至在症状出现之前 。Aignostics：梅奥与这家计算病理学 AI 公司合作，共同开发了其“Atlas”病理学基础模型。这些丰富的多模 态数据集为先进的算法提供了强大支持，例如梅奥的“Atlas”病理人工智能模型。该模型是一个基础模型， 由梅奥与合作伙伴 Aignostics 共同开发，通过对超过 120 万张数字化玻片图像进行训练而成。Atlas 能够通过 识别玻片上细微的疾病模式来辅助病理学家，从而提高诊断准确性并减少人工工作量。

机器人有望在医院内外扩大其应用范围

人工智能正在帮助机器人从单纯的手术助手，转变为患者护理中不可或缺的团队成员 。梅奥诊所的投资表明，其兴 趣已从传统手术机器人扩展到更具实验性的应用，涵盖了医院的内外场景 。这不仅可以节省人员配备成本，也为患 者提供了新的医疗保健选择 。 梅奥诊所在该领域的投资包括： 微型机器人（Microrobotics）：自 2023 年初以来，梅奥已投资了两家微型机器人初创公司 。 Bionaut Labs：专注于为脑部疾病（如脑瘤和帕金森病等）进行精准药物递送 。该公司使用 AI 驱动的规划软 件，来自动化控制其米粒大小的机器人，帮助它们到达传统方式难以触及的脑部区域 。 Endiatx：正在开发一种可像药丸一样吞咽的微型电动机器人，供医生远程检查胃肠道 ，作为传统上消化道 内窥镜检查的非侵入性替代方案 。

协作机器人（Collaborative Robots）

梅奥诊所投资了 Collaborative Robotics 公司，该公司正在开发由大语言模型（LLM）驱动的协作机器人 。 这些机器人能够自主导航空间以完成指定任务，并对周围环境做出动态反应 。例如，它们可以在模拟的医院 环境中自主运送物资或清理溢出物 。

人工智能正在帮助梅奥诊所摆脱“一刀切”的治疗方法

不同患者对同一种治疗的反应可能截然不同，有时甚至关乎生死 。梅奥诊所正寄望于将 AI 与精准医疗相结合，使治 疗方案的定制化变得更容易，以提高疗效、安全性并改善患者预后 。这些努力旨在扩大精准医疗的可及性并提高治 疗效果 。 梅奥诊所在该领域的投资包括：个性化癌症护理：在过去两年中，梅奥诊所从其加速器项目（Platform_Accelerate）中孵化了 Genomate 和 ImpriMed 两家公司 。为了给癌症患者匹配最合适的治疗方案，Genomate 专注于分析个体的基因变异和生 物标志物，而 ImpriMed 则分析患者的肿瘤细胞对特定药物的反应 。 数字化物理治疗：梅奥于 2023 年投资了 Jogo 公司 。该公司提供一种 AI 赋能的数字疗法，专注于利用可穿 戴传感器和生物反馈技术，为慢性疼痛和神经肌肉疾病患者提供量身定制的康复理疗方案 。

编辑：火腿肠