AI 是医疗行业核心驱动力，但技术可靠性、场景适配、数据安全等挑战待解，国内缺乏全景研究。有见及此，艾力彼组织调研覆盖 28 省、903 份问卷及 229 + 案例，系统剖析应用现状、痛点与趋势，撰写了《中国医院 AI 应用现状与发展需求调研》总报告，为政府、企业、医院提供权威决策参考。接下来我们将陆续发布完整内容，带大家一起了解医疗 AI 发展脉络。
支 持 单 位：广东省卫生经济学会绩效管理与评估分会在科技飞速发展的当下，人工智能（Artificial Intelligence，AI）已成为推动各行业变革的重要技术，医疗领域亦不例外。随着人口老化的加剧、慢性疾病负担的加重以及人们对高质量医疗服务需求的持续增长，既有医疗体系面临着巨大挑战。在此背景下，AI技术凭借其强大的数据处理、分析与预测能力，为医疗行业的发展带来了新的契机。
近年来，AI技术在医疗领域的应用取得了显著进展。从医学影像诊断、疾病预测与风险评估，到医院运营管理、临床决策支持、药物研发以及健康管理等诸多方面，AI技术正逐步渗透并改变着传统医疗服务模式。例如，在医学影像诊断中，基于深度学习的AI算法能够快速、准确地识别影像中的病变特征，辅助医生提高诊断的准确性与效率，减少误诊和漏诊的发生；在运营管理方面，可以通过AI技术，帮助医院实现开源、节流、提效、减错的效果。临床决策支持系统借助AI技术，能够整合患者的临床信息、医学知识和最新研究成果，为医生提供个性化的治疗方案建议，提升医疗决策的科学性。尽管医院AI发展势头迅猛，但仍存在一定问题，如技术可靠性不足、应用场景不明晰、法律责任界定模糊、数据安全风险等诸多挑战。目前，国内尚缺乏全国性的针对医院人工智能应用现状与发展需求的系统性、全景式研究报告。因此，广州艾力彼医院管理中心开展《中国医院AI应用现状与发展需求调研》项目，填补这一空白。本报告主要包括三部分：第一部分为问卷调查；第二部分为AI应用场景现状分析；第三部分为2024年智慧医院・AI潜力医院标杆（HAI）500强分析。1. 医疗AI发展的政策分析
人工智能技术的发展大致经历了三个关键阶段：1956 年至 1970 年是神经网络与早期 AI 的初步探索期；1980 年至 1990 年代初进入机器学习崛起期；2012 年至今则迈入了以深度学习为主导的新阶段。随着AI技术的持续演进，其在医疗领域的应用也日益广泛，受到各国政府及相关机构的高度重视。为引导并规范AI医疗技术的健康发展，多国陆续出台了相应的政策与法规。以美国为例，2025年1月，美国食品药品监督管理局（FDA）发布了一项意义深远的指南草案——《关于使用AI支持药品和生物制品监管决策的考量》。该草案是全球首份专门针对AI在药物与生物产品开发中应用的官方指导文件，旨在明确AI技术在相关监管流程中的使用标准，为制药公司及其他相关机构提供具体建议，以确保AI在监管应用中具备安全性、有效性和可靠性。在国内，AI医疗的政策支持体系也在持续完善。2019年3月，国家卫生健康委提出“智慧医院”建设思路，发布《医院智慧服务分级评估标准体系（试行）》和《医院智慧管理分级评估标准体系（试行）》。2020年5月，国家卫生健康委办公厅发布《关于进一步完善预约诊疗制度加强智慧医院建设的通知》，提出进一步推进以电子病历为核心的医院信息化建设，全面提升临床诊疗工作的智慧化程度，发挥智能化临床诊疗决策支持功能。2021年6月，国务院办公厅印发《关于推动公立医院高质量发展的意见》，国家卫生健康委和国家中医药管理局发布《公立医院高质量发展促进行动（2021—2025年）》，明确重点建设行动之一是建设电子病历、智慧服务、智慧管理“三位一体”的智慧医院信息系统，鼓励公立医院加快应用智能可穿戴设备、人工智能辅助诊断和治疗系统等智慧服务软硬件。2024年11月，国家卫生健康委、国家中医药管理局、国家疾控局联合发布《卫生健康行业人工智能应用场景参考指引》（以下简称《参考指引》），积极推进卫生健康行业“人工智能+”应用创新发展。同月，国家医保局首次将“人工智能辅助诊断”列入立项指南，设立“人工智能辅助”扩展项，利用人工智能进行辅助诊断执行与主项目相同的价格水平，但不与主项目重复收费。2025年8月，国务院发布《国务院关于深入实施“人工智能+”行动的意见》，推动人工智能与各行业各领域广泛深度融合，并围绕各行业应用需求和基础能力供给协同推进提出一系列政策举措。综合来看，这一系列政策组合拳，意味着中国AI医学应用领域迎来重大变革，有望在医疗健康产业掀起新一轮创新发展热潮，进一步提升医疗服务效率与质量，惠及广大民众。表1.1我国医疗人工智能重点政策
发布时间 | 印发单位 | 政策名称 |
2017年7月 | 国务院 | 《关于印发新一代人工智能发展规划的通知》 |
2019年3月 | 国家卫健委 | 《医院智慧服务分级评估标准体系（试行）》 |
2020年5月 | 国家卫健委 | 《关于进一步完善预约诊疗制度加强智慧医院建设的通知》 |
2021年3月 | 国家卫健委 | 《医院智慧管理分级评估标准体系（试行）》 |
2021年6月 | 国务院办公厅 | 《关于推动公立医院高质量发展的意见》 |
2021年10月 | 国家卫健委、 国家中医药局 | 《公立医院高质量发展促进行动（2021—2025年）》 |
2021年12月 | 国务院 | 《“十四五”数字经济发展规划》 |
2022年7月 | 科技部、教育部、工信部、 交通部、农业部、卫健委 | 《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》 |
2023年2月 | 中共中央、国务院 | 《数字中国建设整体布局规划》 |
2024年11月 | 国家卫健委、国家中医药局、国家疾控局 | 《卫生健康行业人工智能应用场景参考指引》 |
2024年11月 | 上海市人民政府 | 《上海市发展医学人工智能工作方案（2025—2027年）》 |
2025年8月 | 国务院 | 《国务院关于深入实施“人工智能+”行动的意见》 |
值得一提的是，《参考指引》系统梳理了AI在医疗、医药、医保、中医药管理、医院运营、基层公共卫生服务、健康产业及医学教学科研等领域的4大领域、13个大类、84个典型应用场景，为行业绘制了清晰的“AI医疗地图”。图1.1卫生健康行业人工智能应用场景参考指引全景图
1.1. 人工智能+医疗服务管理
这一领域涵盖了医疗服务、医药服务、医保服务、中医药管理服务、医院管理五部分。除前文提到的医学影像智能辅助诊断外，AI可在术前精准定位病灶，辅助医生评估手术切除范围，手术辅助系统的应用进一步为医师提供清晰视野，减少患者创伤，充分体现了AI在提升医疗质量与效率方面的重要作用。从医院管理角度看，AI为患者提供便捷的挂号、预约与咨询服务，协助医生进行病历管理、数据挖掘与分析，并为临床决策和医院管理策略提供支持。同时，AI能够优化医疗资源的统筹与调度，推动资源的合理配置，辅助医生根据患者病情科学安排诊疗计划，实现物流与药品供应链的智能管理，保障医药物资的及时与稳定供应。该领域包括健康管理服务、公共卫生服务、养老托育服务，AI通过智能健康管理、传染病监测和老年人照护，实现居民健康数据的整合与个性化服务，提升基层医疗效率与应急能力。此领域分为医用机器人、药物研发、中医药产业三部分。手术机器人提升手术精度、智能药物研发缩短周期、AI助力中药材精准种植与生产追溯，推动医疗技术突破和产业质量升级。该领域分为医学教学、医学科研两部分。教学端AI研发虚实融合内容、构建虚拟人及定制教学资源，科研端AI筛选研究患者、搭建科研辅助工具库，显著提升医学教学质量与科研效率，助力科研成果转化。近年来在国家政策持续支持下，国内领先的AI医疗企业已逐步积累一定的技术成果，AI医疗服务的应用日益普及，AI医疗行业进入加速发展期。从产品定义来看，人工智能医疗器械既包括可直接注册的人工智能独立软件，也涵盖需随产品整体注册的人工智能软件组件。从医疗器械产品注册角度，人工智能独立软件是该领域的代表性产品，在我国分为第二类和第三类医疗器械进行管理：能够直接给出诊断结论的软件按第三类医疗器械监管；反之，如不能直接给出诊断结论，则属于第二类医疗器械。自2020年1月国家药品监督管理局核发出国内首张人工智能三类医疗器械注册证以来，截至2024年9月30日，已有160项人工智能产品获得三类医疗器械注册证，覆盖辅助诊断、分诊评估、检测及治疗等多个场景。当前，我国医疗人工智能进入发展新阶段，境内企业发展迅速，但产品种类和数量均相对较少，部分产品集中度较高，市场分布不均匀。不过，产业整体呈良好发展态势，具有广阔的发展空间。
图1.2艾力彼提出的创新级别
在行业快速发展的背景下，针对如何辨别真创新，假创新，如何准确识别创新性的不同程度，艾力彼提出了创新的三个级别：第一级别为源头创新，这是一种开创性的革新，实现了从无到有、从0到1的突破，产生的是前所未有的创新成果。在科学理论创新领域，诸多伟大成就便是源头创新的典范。爱因斯坦的相对论横空出世，打破了经典物理学的固有框架，为人类认知宇宙时空开辟了全新视角；图灵在1950年大胆提出人工智能概念，宛如在科技荒芜之地播下一颗希望的种子，开启了智能机器探索的新征程。这类创新高度依赖创造者的好奇心、想象力，以及非功利性的探索能力，同时也离不开敢于挑战权威、破旧立新的批判性思维。第二级别为伴随创新，即在源头创新的启发下，朝着相同方向开展的创新活动。它可能独具特色，也可能是源头创新在特定垂直领域的应用拓展。伴随创新主要聚焦于技术领域，因此其实现需要强大的实践与应用能力，例如在互联网蓬勃发展的浪潮中，各类网络平台的商业化应用如雨后春笋般涌现，阿里巴巴便是其中的典型代表。它依托先进的互联网技术，创新性地构建起线上商业生态系统，将源头创新的互联网理念成功应用于商业交易领域，实现了商业模式的重大变革。第三级别为模仿创新，即借鉴已有的、经实践证明有效的他人创新成果，借此填补自身在相关领域的空白。以工程创新领域为例，在模仿创新的过程中，高效的组织能力起着至关重要的作用，而这恰恰是我国举国体制所具备的显著优势。在高铁、航天、航空等重大工程领域，我国充分发挥举国体制集中力量办大事的优势，组织各方科研力量、调配各类资源，在借鉴国外先进技术与经验的基础上，不断地消化吸收再创新，实现了在这些领域的快速追赶与跨越式发展，取得了举世瞩目的成就，为我国综合实力的提升奠定了坚实基础。从对应关系来看，源头创新与科学理论创新相对应，伴随创新对应着技术创新，而模仿创新则与工程创新相对应。基于对创新的深度理解，艾力彼发布了与智慧医院相关的两个标杆系列，分别是“智慧医院标杆”系列和“MIT医疗产业智慧化标杆企业”系列。从2015年首次发布“智慧医院”，到2025年发布的2024届“智慧医院・AI潜力标杆”，艾力彼持续为医院信息化、智慧化发展提供行业标杆、探索发展轨迹。在智慧医疗领域，医疗产业主要承担着技术提供者的角色。艾力彼于2021年首次推出“MIT医疗产业智慧化标杆企业”系列，其中“MIT”涵盖“MED”“IVD”和“HIT”三大领域。具体来看，“MED”即“Medical Equipment and Device（医疗仪器设备）”；“IVD”即“In Vitro Diagnostic（体外诊断设备）”；“HIT”即“Hospital Information Technology（医院智慧技术）”，细分为“HIT（医院软件系统）”标杆企业，以及“HIOT（医院物联网技术）”标杆企业，全面覆盖医疗产业的技术供给端。展望未来，需政府、企业、医疗机构、科研机构等多方携手合作，强化技术创新，健全政策法规，推动AI技术与卫生健康行业深度融合，共同开拓医疗人工智能的广阔前景。2.2. AGI时代，AI+医疗可能突破的几个应用场景DeepSeek-R1的发布在医疗行业掀起热潮，医院正加速迈向AGI（通用人工智能）时代，AI变革不仅重塑医疗服务模式，也为提升医疗质量与效率带来新契机。当前，AI在医院的部署策略主要分为两大类别。第一类为本地化部署，是医院利用自身积累的数据对人工智能大语言模型进行针对性训练，从而打造出契合本院实际需求、具有独特优势的定制化AI模型。本地化部署方式能够充分挖掘本院数据价值，让AI更好地服务于本院患者。第二类为非本地化部署，非本地化部署具有便捷性的显著特点。医院直接采购厂商提供的通用数据模型并迅速应用，无需耗时进行本地数据训练，可快速实现AI技术的初步落地。在实际应用层面，AI主要在医疗和医管两大领域发挥关键作用。医疗AI贯穿于诊前、诊中、诊后全流程。在诊前，医疗AI通过智能分析帮助患者更精准地预约及导诊；诊中，辅助医生进行疾病诊断，提供更全面的诊断依据，同时为诊疗方案和诊疗技术提供更智能化帮助与支持；诊后，助力患者康复并加强慢病随访管理，实现医疗服务的全周期覆盖。医管AI则聚焦于医院行政管理和运营优化，从人员调度、物资管理到财务管理等多个方面，借助AI技术提升管理效率，降低运营成本。从实际应用载体来看，AI的应用载体又可分为有形机器和无形软件。有形机器以机器人等实体设备为代表，它们在医院的各个场景中发挥着独特作用，如手术机器人能让手术操作更精准，康复机器人帮助患者更好地恢复身体机能。无形软件则部署在本地计算机或手机上，通过数据分析和算法为医疗决策提供有力支持，辅助医生作出更科学的判断。本研究以医院AI应用场景为核心，通过系统梳理AI在医疗领域的应用实况、典型场景与标杆案例，为破解技术落地难题、规范市场发展秩序破解技术落地难题、规范市场发展秩序提供数据支撑，助力医院AI产业从“快速扩张”向“高质量发展”转型，具有重要的理论与现实意义。
从理论层面来看，通过对AI医疗技术的多维度研究，能够进一步丰富和完善医疗信息技术领域的理论体系。深入分析AI技术在医疗数据处理、疾病诊断与预测、临床决策支持和医院运营管理等方面的应用原理和机制，有助于揭示AI技术与医疗行业深度融合的内在规律，为后续相关研究提供坚实的理论基础。同时，对AI医疗技术发展过程中涉及的数据安全、隐私保护、伦理道德等问题的研究，也能够拓展科技伦理、信息安全等学科领域的研究范畴，促进多学科交叉融合发展。在现实意义方面，本研究对推动AI医疗技术的广泛应用与健康发展具有重要的指导作用。通过梳理和总结AI医疗技术的应用案例和实践经验，能够为医疗机构、企业以及相关政府部门提供有益的参考，助力其更好地规划和实施AI医疗项目。例如，医疗机构可以借鉴成功案例，合理引入AI技术，优化医疗服务流程，提高医疗服务质量和效率；企业能够根据市场需求和技术发展趋势，加大研发投入，开发出更具创新性和实用性的AI医疗产品；政府部门则可依据研究成果，进一步完善政策法规和监管体系，保障AI医疗技术的安全、可靠应用。此外，本研究还有助于提高公众对AI医疗技术的认知和接受度，促进AI医疗技术在全社会的普及与推广，最终为改善医疗服务可及性、提升全民健康水平做出贡献。为确保研究的科学性与系统性，本研究采用以下四种研究方法：通过多渠道搜集资料，初步了解中国医院AI应用现状与行业规范。资料来源包括论文数据库、卫健委官网、工信部官网、权威媒体报道、医院官方网站及公众号等，确保信息的全面性与权威性。为更好地了解AI在医院的应用现状与发展需求，本研究通过问卷调查，调查对象为各层级各类别医院标杆，包括省部级医院（以下简称省部级医院）、地级医院、县级医院、中医医院、社会办医医院标杆、智慧医院・AI潜力标杆（HAI）500强。本研究特邀请五类行业专家，包括AI技术服务提供商、医院院长、临床科主任、信息科主任、医疗行业研究学者等，对问卷内容设计进行指导，且提前向20家医院的院长和信息科主任发放问卷进行预调查并根据反馈意见对问卷内容进行调整。本研究问卷调查相关过程包括问卷设计、预调查、调查实施、数据校验与清洗、调查结果分析等。通过深入、系统地研究一个或多个现实世界中的医院AI应用案例，剖析案例特点、实施路径与成效机制，总结不同分层（省部级、地级、县级医院）、分类（中医、社会办医医院）、不同场景（诊疗辅助、运营管理、科研教学等）下AI技术的落地经验，为行业提供可复制、可借鉴的实践范式。1)加权TOPSIS：采用加权TOPSIS法（Technique for Order Preference by Similarity to an Ideal Solution）开展综合评价。该方法是多目标决策分析中一种常用的有效方法，通过引入不同量纲的指标来进行综合评价，根据有限个评价对象与理想化目标的接近程度进行排序，是在现有对象中进行相对优劣的评价。加权TOPSIS法进一步强调了各参与评价指标的重要性的不同，从而使评价结果更趋合理。本研究通过该方法，对医院基本情况、信息化基础建设及认证、智慧医院及人工智能建设投入、智慧医院及人工智能创新应用、行业影响力五个维度进行量化评估，评选出智慧医院・AI潜力标杆（HAI）500强。2)艾力彼AI+医疗评价模型：基于AI在医院的部署、应用及载体分类，艾力彼构建了一套全面的AI+医疗评价模型（如图1.3所示），涵盖以下8个维度。
图1.3艾力彼AI+医疗评价模型
A.A1维度为有形+本地化部署医疗，典型的应用包括手术机器人、康复机器人，它们依托本地数据训练，为患者提供更个性化的医疗服务。B.A2维度是无形+本地化部署医疗，如病理影像诊断系统、临床决策支持系统，通过对本地数据的深度挖掘，辅助医生进行更准确的诊断和治疗决策。C.B1维度是有形+非本地部署医疗，部分未进行本地化训练患者自助设备、导诊机器人等设备，虽采用通用模型，但在提升医院服务效率方面发挥着重要作用。D.B2维度为无形+非本地部署医疗，部分第三方平台的患者服务、线上问诊系统等，能快速对患者病情进行初步评估，合理利用医疗资源。E.C1维度是有形+本地化部署医管，智能化的物流机器人等设备，在优化医院后勤管理方面表现出色。F.C2维度是无形+本地化部署医管，未来医院的人财物系统，与大模型结合，借助医院本地数据，实现对医院规范化、精细化，以及更科学的管理。G.D1维度是有形+非本地部署医管，部分未进行本地化训练，仅提供通用功能管理类的机器人等，提升了医院的安全管理和物资管理水平。H.D2维度是无形+非本地部署医管，如部分第三方管理、科研教学平台，同样也可为医院管理、科研教学及学科发展提供了新的助力。《中国医院AI应用现状与发展需求调研》旨在深入探讨AI技术在医疗领域的应用现状、面临的挑战以及未来发展趋势。通过多维度的研究与分析，力求为各级医院、医疗AI研发相关企业、政府相关部门提供切实可行的参考依据。
