醫療保健進入AI時刻！重磅研究揭示：這些賽道已在爆發前夜！

近日，Exploding Topics發表研究文章《隨著藥物發現和精準醫療的飛躍式發展，AI醫療蓬勃發展》，討論AI醫療的快速發展。

Exploding Topics通過分析大量的在線數據（例如搜索趨勢、社交媒體、電商平臺等）來識別快速增長的新興趨勢，幫助發現那些正處于上升期但尚未爆發的領域，從而搶占先機并獲得競爭優勢。

核心亮點速覽：

• 巨大的經濟驅動力：預計AI的廣泛采用每年可為美國醫療系統節省2000億至3600億美元。自動化重復性任務被視為解決人員短缺的關鍵，推動全球醫療自動化市場在2033年達到1195億美元。

• 效率革命與投資熱潮： AI正在幫助臨床醫生從繁重的文書工作中解脫出來，風險投資正大量涌入醫療AI領域。

• 解鎖精準醫療：AI能夠處理并利用目前97%未被利用的醫療數據，實現真正的精準醫療。通過整合來自“醫療物聯網”（IoMT）的數據，AI可以創建患者的“數字孿生”，用于模擬治療效果和優化用藥。

• 加速藥物開發：AI在藥物發現中的作用日益重要。它能作為早期篩選器，預測藥物潛力，甚至提出新的分子。

• 面向患者的AI：AI已進入臨床一線，包括AI醫生初診和AI機器人手術。

• 信任與準確性：在AI廣泛應用之前，必須解決公眾的信任問題和 “AI幻覺” 導致的準確性風險。醫療機構急需建立健全的 AI治理框架 來應對偏見、隱私和責任追究等挑戰。

以下為全文：

人工智能正在改變醫療行業。

隨著技術的發展，該行業的應用場景數量也在不斷增長。AI現在幾乎出現在醫療周期的每一個階段。

AI在藥物發現中扮演著越來越重要的角色。它幫助患者分診并個性化治療方案。它甚至在手術中也發揮作用。

在本文中，我將探討這一切。但我也關注在AI真正普及醫療領域之前，仍需克服的信任和準確性障礙。

高效人工智能作為醫療利潤驅動力

就像其他行業一樣，AI的未來角色醫療領域的目的是簡化現有流程。美國國家經濟研究局的一篇論文估計，美國醫療系統中更廣泛采用人工智能有望帶來每年的節省2000億美元到3600億美元。

圖：過去五年中，“醫療人工智能”搜索量增長了913%

牛津大學的研究發現，沒有單一醫療職業能完全自動化——即使在自動化潛力較高的地區，自動化的吸引力通常較低。人際接觸仍然是初級保健中至關重要的組成部分。

相反，人工智能非常適合顯著提升護理人員已完成工作的效率。高盛估計，美國醫療技術員和從業者完成的工作任務中有28%可以實現自動化。

92%的醫療領導者認為自動化重復性任務對于解決人員短缺至關重要。

因此，到2033年，全球醫療自動化市場預計將達到1195億美元。

圖：過去五年中，“醫療自動化”搜索量增長了122%

重癥監護、內科、神經科和腫瘤科的從業者平均每周花費18小時處理文書和行政工作。利用人工智能自動化部分或全部工作，將釋放大量額外時間以照顧更多患者。

超過一半的醫療領導者表示，他們的組織已經在臨床數據錄入中實施了自動化，另有33%計劃在未來三年內實施。

在已經以某種方式實施生成式人工智能的醫療機構中，超過一半（54%）已經實現了顯著的投資回報。

隨著行業急于向行業提供自動化解決方案，“醫療人工智能”如今被視為難以排名的關鍵詞，需要268個高權威的引用域名和經過優化的內容。

• 微軟的醫療自動化業務

微軟在2022年支付近200億美元收購Nuance，這是一款面向醫療行業的“環境智能”平臺。此后，它已被整合進Microsoft Cloud for Healthcare。

圖：過去五年中，“Nuance AI”搜索量增長了614%

今年三月，微軟發布了Dragon Copilot，一款面向醫療專業人員的AI驅動語音聽寫工具。它將口頭摘要轉換為專科專屬筆記，節省臨床醫生大量時間。

微軟已經擁有一套龐大的醫療軟件套件。因此，其AI筆記功能還帶來了一個額外優勢，就是可以整合進許多醫療機構現有的結構。

去年，大多數醫療機構表示在購買臨床文檔解決方案時考慮了Nuance。

微軟正在其醫療軟件中推廣人工智能，自動化患者預約等行政任務。

• 投資流入醫療人工智能領域

不僅僅是微軟大力押注醫療人工智能。

在所有行業，投資者在2023-24年度向生成式人工智能公司投入了560億美元。事實上，去年人工智能初創公司占所有創業資金的約35%。

醫療行業也感受到了部分好處。2024年，行業的總風險投資增長了17%，這得益于對醫療人工智能的重大押注。

2025年1月，Qventus籌集了一筆1.05億美元的D輪融資，用于開發醫療人員的“AI隊友”。其技術旨在通過高效的自動化減輕員工工作負荷。

圖：過去五年里，“Qventus”搜索量增長了90%

通過簡化和自動化排班，Qventus表示可以利用超過50%的釋放手術室（OR）時間段，這些時間段本可能被閑置。總的來說，它可以解鎖多達9%的黃金時段運籌碼容量。

今年三月，Navina為其面向初級保健醫生的AI臨床智能平臺籌集了5500萬美元的C輪融資。

Innovaccer完成了2.75億美元的F輪融資。其AI能夠清理患者數據以獲取更豐富的洞察，同時通過自動化文檔記錄，節省臨床醫生“每天數小時”的工作時間。

今年五月，Rad AI將其C輪融資提升至6800萬美元。通過自動化后續護理管理，其“連續性”人工智能將隨訪檢查完成率從30%提升至75%以上。

人工智能解鎖精準醫療

雖然排班、筆記以及人工智能中不那么光鮮亮麗的部分可能對醫療公司的利潤產生最直接的影響，但這項技術也有一些令人興奮的行業特定應用，最終可能以更激進的方式改變行業格局。

特別是，人工智能已經開始解鎖精準醫療的進步。

圖：過去五年里，“精準醫療”的搜索量增長了80%

精準醫療涉及根據患者的獨特特征進行治療。雖然治療方案歷來較為個性化，但人工智能讓從業者能夠更加細致地細化。

AI能比醫生或護士更快更輕松地處理完整的病史。目前97%的醫療數據未被利用，但數字化轉型正開始利用這座信息礦藏。

其中有一個潛在的障礙，就是所謂的“醫療互作性”。這指的是部門和組織之間訪問和共享數據的能力。

這是充分利用人工智能力量的必要步驟，但也需要一定程度的重組，以及保障患者隱私的保障。

但理論上，人工智能可以快速生成極其詳盡的患者檔案。它甚至可以利用“醫療物聯網”（IoMT），整合智能手表等連接設備的數據。

圖：過去五年中，“IoMT”搜索量增長了91%

隨著消費科技公司也開始擁抱人工智能，這些數據只會變得更加全面。蘋果計劃在2026年為其健康應用添加AI教練，顯然認為其已經收集了足夠的健康信息，能夠提供有意義的醫療洞察。

蘋果的人工智能已經能幫助檢測跌倒、感知心律不齊以及進行睡眠分析等功能。

• 數字孿生

利用所有這些數據，人工智能可以幫助創建患者的“數字孿生”。這是對實體消費者的虛擬再現。

數字孿生在運行模擬和計算最佳治療路徑方面非常有用。例如，他們可以幫助確定藥物的最佳劑量和服用時間。

圖：“醫療數字孿生“搜索量仍然偏低，但從長期來看呈上升趨勢

在約翰霍普金斯，患者心臟的數字孿生被用來預測心律失常并相應調整治療。模擬電波通過數字孿生發送，使從業者能夠觀察電波是否與任何疤痕或損傷有異常交互作用。

這些進步帶來了更好的醫療效果。但它們也能幫助加強患者與醫療提供者之間的信任。

德勤2025年美國醫療展望研究發現，43%的消費者現在正在使用聯網監測設備。如果這些數據被納入并幫助制定治療方案，患者會覺得自己的聲音被傾聽了。

這對行業來說是一大挑戰。另一項研究中，46%的患者表示“從未或極少”被要求自我評估其狀況，一位參與者形容這“令人羞辱和去人性化”。

• 人工智能改變藥物試驗

數字孿生可以在其他醫學領域應用，徹底改變藥物試驗的流程。

最明顯的是，這消除了藥物試驗中遇到的不良反應風險。但這也大大加快了整個過程，從最初發現到全面批準的時間線通常需要10年甚至更久。

圖：平均藥物審批流程大約需要15年

此外，在傳統試驗中，藥物可能因患者平均反應未達試驗目標而失敗。通過數字孿生，更容易區分某些藥物效果特別顯著的患者群體，提供了商業和醫療可行性的替代途徑。

制藥公司仍在人體開發后期進行測試，這種情況短期內不太可能改變。但賽諾菲利用數字孿生技術，實際上從1期臨床試驗“跳躍”到2b期臨床試驗，通過虛擬患者確定最佳劑量。

• 人工智能藥物發現

甚至在進入試驗階段之前，人工智能在藥物開發中就扮演著巨大的角色。

圖：過去五年中，“人工智能藥物發現”搜索量增長了609%

AI可以極大地提升藥物發現的進程。機器學習模型在大量相關數據上訓練后，能夠更早預測哪些藥物值得進入試驗階段。

除了作為早期篩選器，越來越先進的人工智能還能提出全新的藥物建議。

去年，46種“AI發現”藥物進入了第二期和第三期臨床試驗。總共有至少75種“AI發現分子”進入臨床試驗。

谷歌DeepMind和Isomorphic Labs合作開發了AlphaFold 3。借助龐大的蛋白質數據庫，該人工智能模型能夠準確預測這些物質組合在分子層面的相互作用。

圖：AlphaFold 3正確預測了感冒病毒刺突蛋白與抗體和單糖相互作用的真實結構

Isomorphic Labs本身就是一家藥物發現初創公司。他和谷歌隨后與其他制藥公司合作，將AlphaFold 3模型應用于藥物開發。

與禮來和諾華的合作金額可能高達29億美元，具體取決于未來里程碑的實現情況。

憑借自有的人工智能模型，英矽智能已將特發性肺纖維化的治療方案在18個月內進入臨床試驗階段。這個過程通常預計需要4年。

面向患者的AI

人工智能顯然已經在幕后對醫療產生了切實影響。但面向患者的人工智能會成為常態嗎？

• 人工智能醫生

網上已經有大量“人工智能醫生”了。

圖：過去五年里，“AI醫生”搜索量增長了1125%

在一項研究中，ChatGPT-4在根據病例報告診斷疾病時平均得分為90%。單獨行動的醫生得分為74%，而由人工智能協助的醫生得分為76%。

令人驚訝的是，另一項最新研究甚至發現，患者在反應的共情程度上，對人工智能的評價遠高于人類醫生。ChatGPT被評為“有同理心”或“非常有同理心”的比例為45%，而醫生中僅有4.6%。

即便如此，人工智能在臨床和機構環境中短期內被如此使用的可能性似乎不大。

但Akido正在利用人工智能來解決人類醫生短缺的問題。

圖：“Akido”搜索在過去一年中增長了38%

這家初創公司表示，美國人口每年需要30億次醫生就診，目前只有8.25億次。報告稱醫生短缺是全球醫療系統面臨的最大挑戰。

2025年5月，公司籌集了6000萬美元的B輪融資，用于開發ScopeAI以解決這一問題。

ScopeAI的就診由受過培訓的醫療助理監督，而非醫生。AI會生成初步診斷和治療方案。

Akido表示，其AI引導的醫療就診使與患者面對面交流的時間增加了5倍。

另一家人工智能醫生初創公司Doctronic，出現在我們增長最快的健康初創公司目錄中。

• 人工智能機器人手術

談到一線醫療自動化，機器人手術始終是討論焦點。人工智能也在影響這里的格局。

圖：“AI機器人手術”搜索量正在上升

“傳統”的機器人手術概念更準確地稱為機器人輔助手術，由受過培訓的人類外科醫生引導機械臂，以更精準地完成手術。但如果機器人設備配備了人工智能呢？

這確實是醫學界正在討論的問題。約翰斯·霍普金斯大學和斯坦福大學的一項研究通過數小時的技術外科醫生視頻訓練機器人，之后它能夠以同等的技能水平執行相同的手術。

論文的一位高級作者稱其為“邁向醫療機器人新前沿的重要一步”。

機器人已經以各種形式每年被用于400萬次手術。人類的角色可能會逐漸從控制轉向監督。

然而，與人工智能初級保健醫生的理念類似，人工智能機器人手術需要變得更值得信賴和更值得信賴，才能真正普及。

• 信任的必要性

我們已經看到，當AI用于追求更個性化、以患者為驅動的精準醫療時，實際上可以成為信任的驅動力。但至少目前，美國公眾并不信任人工智能在醫療環境中發揮核心作用。

根據德勤的一項研究，30%的消費者不信任生成式人工智能提供的信息。80%的人希望如果醫生在醫療決策過程中使用AI時被告知。

德勤醫療展望報告明確指出了醫療行業面臨的信任危機。對行業領導者來說，這比消費者的負擔能力挑戰更為重要。

因此，在AI能夠廣泛應用于任何面向患者的環境中之前，醫療機構需要確保擁有非常健全的人工智能治理框架。

圖：過去五年中，“AI治理框架”的搜索量增長了8900%

人工智能治理框架為AI在組織內的開發和部署設定參數。這在醫療行業尤為重要，因為在AI誤診時，責任追究問題需要考慮。

• 準確性的需求

顯然，醫療環境中準確性的需求至關重要。雖然人工智能在某些研究中擊敗了醫生，但像ChatGPT這樣的模型目前仍容易產生看似合理但不準確的信息。

圖：過去兩年，“人工智能幻覺”搜索量增長了203%

人類醫生可能會誤診。但這些幻覺為診斷過程引入了一類全新的潛在錯誤。

美國國立衛生研究院的一項研究發現，即使人工智能模型做出了正確的最終選擇，它也常常錯誤地描述醫學圖像，并給出錯誤的診斷推理。當醫生被允許咨詢外部資源時，診斷的準確度也優于人工智能，尤其是在最難回答的問題上。

AI需要更可靠且準確，才能以這種方式在前線使用。也許更關鍵的是，消費者對技術準確性的信任必須建立，才能讓這些應用場景成為可行。

• “低級”臨床決策

人工智能目前已經可以做出一些臨床決策。特別是，這項技術在診斷層級決策中發揮了重要作用。

加州大學的一項研究發現，ChatGPT在88%的分診場景中成功識別出更緊急的病例。醫生有86%的時間做出了正確的決定。

研究指出，在急診科環境中以這種方式負責任地部署人工智能之前，還需要更多測試。但在整個醫療行業，任務優先級自動化的趨勢明顯。

36%的醫療領導者已經實施了臨床工作流程優先級自動化。41%計劃在未來三年內實現這一目標，使其成為計劃醫療自動化中最大的單一領域。

AIDOC已在1000多家醫療中心推廣了人工智能分診軟件，其中包括美國排名前10的7家醫院。其軟件每月分析300萬名患者。

圖：AIDOC的人工智能分診技術已在全球范圍內廣泛應用

在分診設置之外，人工智能已被廣泛用于幫助分析醫療掃描結果。

在FDA批準的950款AI醫療器械中，有700多款與放射學相關。

圖：過去五年中，“AI放射學”搜索增長了536%

Spectral AI是致力于將AI應用于醫學影像的組織之一。它專門掃描傷口。

其DeepView技術利用人眼看不到的掃描信息預測傷口愈合。醫生隨后可以利用這些信息來制定治療方案。

圖：過去五年中，“Spectral AI”搜索增長了6700%

Spectral已獲得超過700萬美元的美國政府資助。

醫療人工智能網絡安全問題

與人工智能的所有領域一樣，醫療領域的進步正在迅速發展。但安全措施必須跟上技術的發展，尤其是在醫療領域。

數億條醫療記錄被保存在美國各地的數據中心。在理想情況下，人工智能將在篩選這些信息并揭示提供最佳護理所需的洞見方面發揮重要作用。

但這些數據極其敏感，也極易受損。去年，Change Healthcare遭黑客攻擊，泄露了1.9億患者的數據。

自2009年以來，近8.5億患者的受保護健康信息因數據泄露而暴露。

因此，超過50%的醫療決策者將安全問題視為擴大人工智能應用的最大障礙，這并不令人意外。

圖：“人工智能網絡安全“搜索量在五年內增長了1950%

此外，72%的醫療機構擔心人工智能進步帶來的安全威脅。尤其是，聯網智能設備被認為是黑客容易接觸的接入點。

這是一道必須克服的障礙，人工智能才能真正對醫療行業產生變革性影響。

• 醫療領導者必須投資人工智能以推動增長

人工智能將長期存在，隨著技術的日益成熟，其應用場景只會不斷增加。就直接應用而言，仍有大量行政自動化待完成，醫療行業也不例外。

至于人工智能的具體醫療應用，醫療行業已經可以在精準醫療、藥物發現、分診和醫學影像等領域應用該技術。

也許最重要的是，醫療行業必須努力建立與患者的信任。隨著人工智能在行業內的日益普及，這一領域變得更加重要且更具挑戰性——但當負責任地使用時，這項技術有助于增強信任，而非破壞信任。