AI+临床决策支持：商业化加速落地，有望助力行业提质增效

作为AI医疗系列深度报告的首篇，本文聚焦于AI-CDSS（Artificial Intelligence Clinical Decision SupportSystem，人工智能临床决策支持系统）领域，重点围绕以下问题展开： 1）AI医疗的发展进程及各细分领域的应用潜力；2）AI医疗发展的底层驱动因素分析；3）从海外案例看AI医疗的临床价值验证。 投资逻辑 AI-CDSS在医疗健康领域的应用成熟度较高，市场潜力显著。中国AI医疗行业正经历从信息化（2014年前）到互联网化（2014-2020年），再到智慧化（2021年至今）的三阶段跃迁，技术迭代驱动AI与医疗深度融合。AI医疗行业规模加速扩张，2019-2023年市场规模自27亿元增至107亿元，占AI行业比重由6.4%提升至8.6%；预计2028年将达976亿元，占比升至15.4%，渗透率持续提升。AI医疗应用需经历需求验证、模型研发、性能测试、商业化探索四重递进环节。因医疗场景的强专业性，不同领域成熟度差异明显。行业数据显示，医学影像诊断、临床决策支持系统（CDSS）因数据整合能力强、技术适配性高，其目前在医疗健康领域的应用成熟度较高，且市场潜力较大。 行业痛点与技术革新，双重驱动AI医疗行业发展。医疗行业现有痛点推动技术革新，在需求端，人口老龄化持续加剧，根据联合国标准，我国已经进入“中度老龄化社会”，医疗服务需求持续攀升。在供给端，优质医疗资源集中于头部医院，基层服务能力薄弱，导致资源错配与浪费现象突出。在支付端，医保基金支出增速高于收入，叠加慢性病负担日益加重，控费压力不断增大，优化资源配置成为核心诉求。此外，疾病复杂性高、误诊漏诊风险大，以及医院内部流程繁琐、运营效率低下，进一步制约了医疗服务质量的提升。在此背景下，以AI医疗技术革新展现出显著价值。特别是大模型技术的突破，提升了市场对医疗AI的接受度，CDSS等系统在辅助诊断、治疗方案规划与医嘱生成等环节的应用不断深化，有望系统性缓解资源不均、提升诊疗准确性与效率，为行业转型升级提供核心动力。 IBM Watson早期探索验证临床对AI医疗工具需求。IBM Watson作为AI医疗领域的早期应用案例，其发展历程为行业提供了验证临床价值的重要借鉴。初期，IBM通过自然语言处理与机器学习技术构建了丰富的产品矩阵，并与全球顶尖医疗机构合作，快速积累了高质量的医疗数据与市场信任。然而，其发展最终受限于多重困境：技术层面，系统封闭、数据训练不足及临床适配复杂度过高，导致输出结果不一致且应用条件苛刻；商业化层面，则因成本高昂与临床价值难以清晰量化，未能建立可持续的商业模式。尽管IBM Watson的商业化未能达到预期，其困境凸显了医生、医院及患者端对AI医疗工具的需求。展望国内AI医疗行业发展，我们持续看好兼具技术壁垒、落地应用能力以及明确商业化路径的公司。 投资建议 我们认为，尽管AI辅助诊断的底层需求广阔且明确，但纯粹的技术赋能故事已难以维系企业的长期发展。未来的投资价值将集中于那些能够将前沿技术（大模型能力、数据资产）与具体临床场景深度融合，并能清晰量化其产品价值（提升诊疗效率、优化患者预后、降低医疗成本）的企业。AI医疗已进入商业化加速期，我们持续看好兼具技术壁垒、落地应用能力以及明确商业化路径的公司，其有望在跨越技术与市场成熟的临界点后，实现规模的快速扩张和盈利能力的本质提升。 风险提示 技术迭代与产品落后风险、数据隐私与政策合规风险、商业化落地与盈利不及预期风险、核心人才流失与技术泄露风险、医疗事故与责任认定风险等。 内容目录 一、前言：AI技术革新引领医疗领域向智能化、精准化转型...........................................4二、行业痛点与技术革新，双重驱动AI医疗行业发展.................................................52.1医疗行业现有痛点推动技术革新............................................................52.2技术迭代升级，提升市场接受度与使用积极性................................................8三、海外：从IBM Watson早期发展看AI医疗临床价值验证............................................93.1初期产品矩阵丰富，高举高打策略下快速扩张................................................93.2技术与商业化困境限制成长...............................................................10四、投资建议...................................................................................12风险提示.......................................................................................14 图表目录 图表1：AI医疗占人工智能行业比重有望逐年增加...................................................4图表2：AI技术革新引领医疗领域向智能化、精准化转型.............................................4图表3：AI在医疗健康场景市场潜力及成熟度有所差异...............................................5图表4：国内老龄化加剧，65岁及以上人口占比或持续提升...........................................6图表5：我国医疗资源供需错配...................................................................6图表6：不同等级医院病床使用率有所差异.........................................................6图表7：全国基本医疗保险（含生育保险）基金收支情况.............................................7图表8：全国基本医疗保险（含生育保险）基金累计结存.............................................7图表9：1985-2009年美国医师保险公司协会（PIAA）索赔中提到最多的为误诊（Errors in Diagnosis）..7图表10：此前医院运营面临医护工作负担重、医疗服务流程复杂等问题................................8图表11：各类医疗大模型应用场景提交频次........................................................8图表12：2023—2025年医疗大模型数量............................................................8图表13：CDSS系统建设和工作逻辑................................................................9图表14：AI-CDSS系统与传统EHR相比更智能.......................................................9图表15：IBM Watson的发展历程..................................................................9图表16：IBM Watson三大核心解决方案............................................................9图表17：IBM在AI医疗方面的布局..............................................................10图表18：2015年IBM Watson Health团队及客户覆盖广............................................10图表19：“IBM Watson”的诊断过程................................................................11图表20：Watson与专家治疗方案的匹配度在85%以下...............................................11图表21：IBM代表性AI医疗相关收购.............................................................11 图表22：AI辅助决策相关的公司及业务梳理.......................................................12图表23：AI辅助决策相关的公司及业务梳理（接上表）.............................................13图表24：AI辅助决策相关的公司及业务梳理（接上表）.............................................14 一、前言：AI技术革新引领医疗领域向智能化、精准化转型 AI医疗行业规模及其占人工智能行业的比重有望进一步提升。2019-2023年，中国AI医疗市场规模由27.0亿元增加至107亿元，占AI行业的比重由6.4%增加至8.6%，预计到2028年，市场规模将进一步976亿元，占AI行业的比重增加至15.4%，AI医疗渗透率有望进一步提升。 随着各项技术迭代加快，AI在生命科学与医疗行业的渗透率与融合均有提高。 在2014年之前，国内医疗行业处于医疗信息化阶段，可以通过医院信息系统、电子病历系统、企业资源计划系统等将生产和医疗服务行为信息化。在2014-2020年，逐步进入互联网医疗阶段，在信息化的基础上推动数字化共享和线上服务的推广，应用包括智能药柜、远程医疗等。2021年至今，国内医疗行业正式进入智慧医疗创新阶段。可以通过整合大量的医疗数据，结合先进数智技术来推动创新升级，提高医疗服务质量的可及性。随着行业升级，AI（Artificial Intelligence）的应用在近几年全面铺开，在医疗健康领域的重要性显著提升，不论是在医学影像诊断、病理分析、临床决策支持，或是药物研发等领域都展现了AI特有的优势。 用市场对模型性能的验证、商业模式探索到最后在行业实现大规模的商业化落地，由于医疗健康应用场景繁多，目前AI在医疗健康行业不同应用场景的成熟度也存在显著差异。据阿里云数据，目前AI在医疗健康领域的应用成熟度较高，且市场潜力较大的场景包括智慧医疗（影像智能分析、智能化临床决策支持（CDSS）），以及部分医药创新与健康管理场景。基于上述背景，本报告将重点关注智能化临床决策支持的应用与发展。 来源：《阿里云：人工智能+医疗健康行业应用白皮书》、国金证券研究所 二、行业痛点与技术革新，双重驱动AI医疗行业发展 2.1医疗行业现有痛点推动技术革新 医疗资源供需错配 需求：人口老龄化趋势下，国内医疗服务需求持续提升。2024年底，我国60周岁及以上老年人口31031万人，占总人口的22.0%，其中65周岁及以上老年人口22023万人，占总人口的15.6%。根据联合国标准，60岁及以上人口比例超过