东北数字经济专家会议AI医疗模型落地实践及2026展望20260112

2026年01月14日09:44 关键词 AI医疗健康商业闭环蚂蚁阿福支付方降本增效供应链生活方式健康管理医疗大数据全生命周期医保数据AI大模型数据治理公共医疗体系医保支付结算病例指控辅助诊断病理诊断老龄化 全文摘要 在探讨AI医疗领域的发展时，讨论着重于投资和产业的回暖，以及AI在健康检查和个性化预防医学的应用，显示了从实验室到商业化的转变。行业关注点在于哪些AI产品能在2026年前实现盈利。AI健康专家指出，AI医疗与AI健康有别，强调支付方对技术价值和市场天花板的影响，指出中国和美国市场的差异。 东北数字经济专家会议AI医疗模型落地实践及2026展望-20260112_导读 2026年01月14日09:44 关键词 AI医疗健康商业闭环蚂蚁阿福支付方降本增效供应链生活方式健康管理医疗大数据全生命周期医保数据AI大模型数据治理公共医疗体系医保支付结算病例指控辅助诊断病理诊断老龄化 全文摘要 在探讨AI医疗领域的发展时，讨论着重于投资和产业的回暖，以及AI在健康检查和个性化预防医学的应用，显示了从实验室到商业化的转变。行业关注点在于哪些AI产品能在2026年前实现盈利。AI健康专家指出，AI医疗与AI健康有别，强调支付方对技术价值和市场天花板的影响，指出中国和美国市场的差异。数据治理成为关键议题，特别是在模糊数据训练模型时面临的挑战。尽管存在难题，政策放宽和基础设施完善预示着AI在医疗健康领域的巨大潜力。展望未来，尽管有挑战，AI医疗和健康领域的创新将推动行业进步，特别是在提高效率和促进健康生活方式方面。 章节速览 00:00 AI医疗商业化路径探讨：从算法到用户级闭环 对话围绕AI医疗的商业化进程展开，强调了从实验室算法到千万用户级商业闭环的可能性。讨论了AI医疗产品如何通过解决低频工具化问题，实现C端流量反哺医院和药企，形成商业闭环。专家指出，蚂蚁服务月活破1500万，展示了健康陪伴产品在解决互联网医疗低频使用问题上的潜力。 01:34 AI医疗与健康：支付方限制下的创新探索 讨论了AI医疗与AI健康的区别，指出AI医疗更接近临床，而AI健康侧重预防与管理。强调了支付方对医疗市场的决定性影响，以及蚂蚁OpenAI在整合资源、推动医疗健康领域创新方面的努力。 03:43 AI健康助手与全生命周期健康管理趋势 讨论了AI健康助手如阿福在解读体检报告、整合终端硬件资源方面的应用，以及其在健康决策中整合生活方式服务的重要性。指出中国在医疗大数据和供应链营养改革方面与美国的差异，强调阿福需在知行合一的健康执行上做更多探索，以契合主动健康趋势，拓展全生命周期健康管理概念，可能为医疗生态带来增量市场。 08:27 AI医疗企业业绩超预期原因分析 对话探讨了一家AI医疗企业业绩超预期的原因，认为其成功在于利用AI技术在医疗健康领域实现降本增效与创收，特别是在美国市场，AI技术有效解决了医疗体系效率冗余问题，同时，美国独特的医疗生态和资本投资策略也促进了企业的发展。 10:44医疗健康AI工具收费模式与数据政策探讨 对话讨论了海外医疗健康AI工具的收费模式，尤其是订阅制在美国的成熟应用，以及中国对此类消费模式的接受度差异。提及苹果可能进入医疗健康领域，以及AI技术融入硬件或药物的两种发展方向。此外，对话还更新了国家数据局和医保局对于医疗数据流动性的最新态度，指出虽然前期有政策推动，但去年数据要素方面进展较少，市场期待政策开放的同时也关注当前政策走向。 12:26医保数据治理与AI模型训练挑战 国家医保局推进个人医保数据云建设，形成国家级与省级两层架构。医院内部AI大模型部署遭遇数据噪声问题，影响模型训练效果。上海与北京相继推出数据治理试点与支持政策，旨在改善医疗数据质量，但实施过程复杂，需政府协调各方参与，以期实现高质量医疗数据的规模化，为个人健康大数据与AI应用奠定基础。 15:19医保报销数据失真与AI医疗合作探讨 对话讨论了医保报销条件中数据可能存在的失真问题，指出个性化数据与系统设定的不匹配，如糖尿病诊断时长选择的影响。提出与专科科室合作，利用医生科研积累的手工记录数据，对于训练AI医疗模型具有重要价值。强调了医院医生对数据价值的认识，使得此类合作成为热门需求。 16:58 AI医疗产品提升医院效率与医保结算优化 对话讨论了AI医疗产品在医院的应用，特别是医保支付结算产品，能有效提高结算效率，减少医院损失。同时，提及本地化公司与医院合作，利用AI工具优化病例指控，提升医保结算的合规性。 18:31 AI技术在医疗领域的应用与医保政策的协同效应 讨论了AI技术在医疗领域的应用，特别是病理诊断方面，如何通过与医保政策的结合实现降本增效。提到国家医保局正在拆分成本结构，鼓励医院与第三方AI机构合作，以提升效率和减少成本。同时，强调了AI技术在辅助诊断中的优势，以及如何通过医保政策的支持实现创收。 21:22 AI医疗报账与体重管理探索 讨论了医院中广泛使用的AI医疗报账软件供应商，强调了技术成熟度与地方性供应商的重要性。提到了AI在院外体重管理领域的探索，包括与医院体检中心的合作，指出虽然目前规模较小，但未来增长潜力巨大。 22:21 AI医疗补助与医保政策趋势分析 讨论了国内医疗服务中AI技术的补助可能性，以及医保政策对AI医疗发展的推动作用。强调了老龄化背景下，AI医疗提效的必要性，以及数据基础设施完善的重要性。政策趋势向好，但具体时间点难以预测。呼吁关注北京等地政策进展，鼓励投资者提问交流。 24:43 AI医疗拐点展望：政策、需求与产业外延 对话讨论了AI医疗未来发展的乐观信号，包括支付端资金注入、应用层面政策支持以及需求端健康意识提升带来的市场扩展，尤其在穿戴设备和健康管理服务方面增长显著，预示AI医疗外延将扩大。 28:12 AI健康管理软件进展与潜在竞争者分析 对话探讨了国内互联网厂商在AI健康管理软件的进展，指出大厂在该领域表现平淡，而垂类平台如Keep等因提供个性化解决方案，与AI结合可能更具潜力。同时，供应链外的健康玩家被视为新兴机会，整体行业仍受互联网医疗思维影响，缺乏创新。 30:05 AI医疗应用与算力需求分析 讨论了国内医院AI系统搭建速度、科室应用热点及竞争格局，指出肿瘤科、心脑血管科、儿科等科室AI应用较成熟，病理、影像、检验科活跃度高。提及AI医疗算力需求，虽垂类模型参数较小，但整体算力是否充足仍需考量。商业模式上，to C慢病管理和to B数字营销有潜力，特别提到小公司利用政府资源获取订单的机会。 34:42 AI医疗算力与投资标的分析 讨论了AI医疗中算力的使用与调整，以及当前投资标的的选择。算力需求曾因追求大模型而引发担忧，但实际应用中已趋于合理。投资方面，关注健康管理服务和连续监测硬件，尤其是院后服务和干预类设备，如调节咸味的智能勺子，展现出AI技术在医疗硬件领域的应用潜力。 39:00 AI医疗与商保支付模式分析 讨论了平安好医生等AI医疗商业模式的影响，指出国内商保支付体量较小限制了其发展。分析认为，离健康要素资源更近的企业可能在AI医疗健康时代更具优势。强调了支付端与服务端协同的重要性，以及AI人才密度对企业发展的关键作用。 发言总结 发言人2 重点讨论了人工智能在医疗健康领域的应用和前景，强调了AI在提升医疗效率、推动个性化预防医学和健康管理方面的潜力。他指出，尽管业内对AI在医疗健康领域的进展存在低估，但实际应用中AI已显著影响临床医疗和医药研究，并正探索更有效的个性化预防和健康管理服务。特别提到了蚂蚁集团的OPAI项目，展示了如何利用医疗健康生态推动行业创新，特别是在数据治理和商业模式探索方面的努力。发言人强调，医疗市场主要受支付方驱动，讨论了中国与美国在医疗保险支付方面的差异及其对AI医疗健康技术应用的影响。他还探讨了AI在辅助诊断、病例管理、个性化治疗建议等方面的应用案例，以及其在提高医疗服务效率、降低医疗成本方面的潜力。最后，发言人对AI医疗的未来发展提出了见解，包括政策支持、技术进步和市场需求变化等方面，强调了AI在促进医疗健康服务模式转变和推动医疗健康产业生态化发展中的关键作用。 发言人3 他对AI医疗领域的算力需求和商业模式提出了全面的疑问与探讨。首先，他关注当前AI医疗算力是否能满足需求，特别是垂类模型与大医疗大模型所需的算力情况。其次，讨论了AI医疗的商业模式，包括面向C端的慢病管理和面向B端的数字营销，以及互联网大厂在医药健康领域的业务聚焦。他还提及了通过AI进行数字营销的可能性与投资机会，并指出了某些公司在政府资源与产学研合作方面的优势，如讯飞与政府及医保局的良好关系，为其赢得B端或H端订单提供了便利。最后，他请求专家评估不同商业模式和公司中，哪些板块或公司具有更高的投资价值。 发言人1 他（文恒）总结了近期AI医疗领域的热度回升情况，强调了Open I和蚂蚁阿福等公司在健康检查领域的应用展示了AI医疗从理论到实践的转化潜力。他指出，投资者当前更为关注AI医疗产品如何创造实际商业价值，如提升医院盈利能力、降低药企成本。文恒还提到，会议邀请了AI健康领域的专家，讨论了数据获取的挑战、商业收费模式、国内医疗数据政策、AI医疗产品的市场接受度，以及平安好医生等商业模式的影响。他还谈及了AI医疗发展面临的挑战和机遇，感谢了参与者的贡献和专家的分享，并预祝大家投资顺利。 发言人4 首先对与会者表示了热烈的欢迎，随后详细介绍了会议的参与方式，确保网络和电话接入的投资者能够顺利提问和加入讨论。他/她强调了交流的重要性，并鼓励所有参与者积极互动。在发言的结尾部分，他再次表达了对与会者参与的感激之情，并以美好的祝愿结束，希望与会者在会议后能拥有愉快的生活。通过这次发言，他展现了对会议顺利进行的期望和对与会者个人福祉的关怀。 问答回顾 发言人1问：近期AI医疗领域的热度有所回升，投资人最关心的是哪些问题？ 发言人1答：投资人现在最关心的是，在2026年哪些AI医疗产品能够产生真实订单，能够帮助医院挣钱、药企省钱，并形成商业闭环。 发言人1问：AI健康领域的资深专家如何看待AI健康产品解决互联网医疗低频工具化的问题以及C端流量反补医院和药企商业的问题？ 发言人2答：现在的AI健康领域被很多人低估了，它更偏向于个性化预防医学和健康管理。蚂蚁阿福的OPAI通过整合既有资源，在医生、商保和医药等方面建立生态，并尝试解决个人信息解读和终端硬件资源整合的问题，但目前在用户积极性和效果上可能不如预期。 发言人2问：OpenAI z在健康领域的关键动作是什么？ 发言人2答：OpenAI z不仅整合了体检报告解读功能，还接入了生活配套服务商，调用健康档案数据，尤其在健康决策层面，它与第三方市场化机构合作，提供了更多与生活方式相关的健康要素资源，帮助用户实现知行合一的健康管理。 问：对于蚂蚁阿福产品在国内面临的挑战和未来发展方向有何看法？ 发言人2答：国内相关基础设施不够成熟，阿福产品需要进一步向“知行合一”方向延伸，解决过去互联网医疗时代未解决好的问题，通过AI健康的新技术扩展医疗服务范畴至全生命周期概念，未来有望反哺整个健康生态，形成新的流量入口和对医院、药企的赋能，带来增量市场。 发言人2问：降本增效方面，中美两国医疗市场的区别是什么？ 发言人2答：中美两国医疗市场的主要区别在于效率层面。中国医疗效率相对较高，而美国由于其商保支付体系 和健康产业GDP占比高达20%的特点，导致在体系中存在较多需要降本增效的空间。AI技术在美国医疗体系中能够创造实际的竞争价值，解决冗余和提升效率。 发言人1问：美国医疗企业通常如何通过收费模式完成商业闭环？ 发言人2答：在美国，医疗健康服务企业往往采用订阅制作为主要的收费模式，这是中美两国市场的典型差异。而在中国，虽然订阅制也在尝试中，但可能不如美国成熟，更多是通过其他方式如硬件、药物内化成本等方式来实现价值输出。