自从AI技术进入医疗行业的一开始，医疗数据就被认为是重要的竞争壁垒，是用于AI医疗模型训练、技术落地、场景迭代的核心基础。但对于医疗数据具体怎么获取、如何清洗、用在哪里，还没有明确的说法。

不过随着生成式AI技术的迭代，多个AI医疗工具问世，不仅获取了市场份额，而且拿到了商业上的闭环，AI医疗赛道的分布已经开始逐渐清晰，基本以下三个方向展开：

①提高专业人员的使用效率：聚焦专业医疗场景，全方位提升临床医生、医技人员等专业人员的工作效率，解决传统诊疗流程繁琐、重复工作量大的痛点

②降低一般人员的使用门槛：下沉医疗服务场景，大幅降低普通医护人员、基层工作人员的医疗操作与诊断门槛，填补优质医疗资源分布不均的缺口

③对医疗数据的价值应用：深度挖掘医疗数据的核心价值，打破数据孤岛，将零散、非标准化的医疗数据转化为可复用、可迭代、可创造临床价值的数据资产

AI影像是其中一个典型，从2015年谷歌团队在糖尿病眼底筛查中成功应用神经网络技术达到专业医生诊断水平之后，AI影像开始走进临床诊疗，帮助医生更快更便捷的提高检查效率。

一、生成式AI，让影像长出“大脑”

AI影像的研究历史不短，从上世纪60年代就已经开始，尝试让计算机看懂图像，这个过程一直持续到2014年左右，在此之前，AI影像的研究都集中在计算机视觉的分析和识别任务上，根据图像的特征进行“判断”，所以同时意味着，识别效果非常依赖图像的质量，标注的精准度，同时可以覆盖的领域很窄，不同的领域需要一个一个攻克，效率很低。

生成式AI的应用，让影像特征可以持续自动学习，不断生成高质量、逼真的医学图像，扩充训练数据集。原本低分辨率、模糊的临床图像，也能被转化为清晰可用的高质量图像。

与此同时，生成式AI也能基于患者的个体影像数据，预测和可视化治疗结果，为精准治疗提供更好的线索基础。

换言之，生成式AI大大降低了AI影像的使用门槛，过去依赖影像科医生下基层进行检查，未来可能对一个普通人员进行简单培训之后，就能充当一位影像科医生来进行疾病筛查了。

二、AI影像，到底能不能帮医生“减负”？

AI影像在临床诊疗的应用，本质上就是帮助医生自动化完成CT、MRI、X光等各类影像阅片，精准分割病灶、识别细微病变（如早期肺癌微小结节、血管细微狭窄），帮助医生降低误诊漏诊风险，结合影像基因组学，可通过影像预测基因突变，为肿瘤靶向治疗提供无创依据。

这类产品通常来自于综合型科技企业与垂直医疗AI企业，分别深耕于模型能力与垂直场景应用。

以腾讯为例的综合型科技企业，通常借助AI算法、大数据处理等技术及资源整合能力，与医疗机构共建模型，主打一个应用生态打法。

典型案例1：腾讯生命科学实验室与广州医科大学第一附属医院、广州呼吸健康研究院联合研发的DeepGEM病理大模型，提供了肺癌的精准医疗解决方案。该模型仅通过常规的病理切片图像，就可以在1分钟内完成肺癌基因突变的预测，精准度可达78%至99%。这为临床提供了一条不依赖传统基因测序、更快速经济的辅助诊断新路径。传统检测需上万元费用和一两周等待，而DeepGEM有望将成本降低数倍，为患者争取宝贵的治疗时间。该模型采用多示例学习架构，能自动识别关键区域并生成突变空间分布图，辅助医生决策。

典型案例2：百度灵医智惠打造了AI眼底影像分析系统。该系统具备糖尿病视网膜病变、青光眼、老年黄斑病变等三种主要致盲疾病的分析能力，覆盖了数百家医疗机构，实现日均3000人的糖尿病视网膜病变早期筛查。

而垂直医疗AI企业，更多是聚焦单一赛道，深耕肿瘤、肺结核等特定疾病领域，专注辅助诊断、病灶分割等核心应用。

典型案例1：在北京友谊医院，推想科技的AI肺部CT辅助筛查系统已成为影像科医生的得力助手。医改后，CT检查量增加了50%，工作压力骤增。该系统能自动、精准地检测肺结节，显著降低漏诊风险。即便是多发结节或隐匿性微小病灶，AI也能高效标识，辅助快速完成诊断报告，极大减轻了工作负荷。该AI产品无缝融入医院PACS系统，以易用性和可靠性提升了诊断效率与质量。

典型案例2：联影智能推出CT肺结节筛查系统，可以检出3mm及以上结节，特别擅长识别血管旁结节和磨玻璃结节等易漏诊类型，实现肺结节检出率提高32%，阅片效率提升26%，覆盖2000余家医院。

三、从三甲到乡镇，技术如何“沉”下去？

在临床诊疗场景，AI影像借助生成式AI技术的提升实现了识别能力的飞跃。更为关键的是，从依赖高质量标注数据到自动学习、生成高质量图像乃至预测治疗结果，AI影像产品已经开始嵌入了医生的工作流，真正实现了对医生临床工作的减负。

推广层面，无论是综合性科技企业还是垂直医疗企业，都实现了医院的合作。从医疗方案的传播角度，覆盖头部医院的下一步就是辐射基层医院，医生临床路径通过AI影像工具的改变，也即将迎来从头部医院医生到基层医院医生的“大传播”。

值得注意的是，医疗数据的价值远不止于影像。海量的非结构化文本数据，如医生访谈、病历记录，同样蕴藏着关键洞察。玩美数据正是聚焦于此，其AI技术通过智能摘要、情感分析与跨语言处理，能高效提炼文本核心信息，捕捉情绪倾向，并打破语言壁垒。这直接将繁琐的人工信息整理，转化为可迭代的数据资产，让研究人员能聚焦于深度分析与战略思考。这一方向，正好契合了“对医疗数据的价值应用”，为医疗市场调研、临床需求洞察乃至医院管理决策，提供了强大的工具支持。

从影像到文本，AI正在全方位释放医疗数据的潜能。持续关注【玩美数据】公众号，即可获取下篇报告，了解更多AI如何普惠基层、反哺模型，赋能更多医疗场景的专业内容。

【玩美独家】栏目将持续关注科技、医疗与消费等行业的前沿碰撞，深度拆解品牌在数据、场景与用户之间的真实博弈，同步输出一手行业深度观察与原创内容。

我们欢迎行业深耕者、深度作者共同参与内容共创，如果你有独到洞察或实战案例，欢迎投稿咨询，一起把专业做得好读、把趋势讲得清晰。

说明：

本文内容由合作博主Oliver供稿

部分图片来源网络，如有侵权请联系删除