国金证券-医药健康行业AI+临床决策支持：商业化加速落地，有望助力行业提质增效

“精选摘要：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。”

1. 作为AI医疗系列深度报告的首篇，本文聚焦于AI-CDSS（ArtificialIntelligenceClinicalDecisionSupportSystem，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。

2. 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。

3. 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。

4. 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。

5. 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。

6. 因医疗场景的强专业性，不同领域成熟度差异明显。

7. 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。

8. 行业痛点与技术革新，双重驱动AI医疗行业发展。

9. 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。

10. 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。

11. 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。

12. 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。

13. 在此背景下，以AI医疗技术革新展现出显著价值。

14. 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。

15. IBMWatson早期探索验证临床对AI医疗工具需求。

16. IBMWatson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。

17. 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。

18. 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。

19. 尽管IBMWatson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。

20. 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。

21. 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。

22. 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。

23. 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。

24. 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。