快速发展的大语言模型，携着生成式AI掠过医疗领域。过往的互联网医疗、医学影像、新药研发……一个一个场景经由新一代AI重塑，焕发出前所未有的价值。

不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察场景、技术、风控、商业化等方方面面，才能做出决定。

因此，今年的人工智能报告将研究核心放在了“场景”与“产品”之上，尝试通过洞悉医院、药企、械企多方的供需逻辑，分析先驱者们的实战案例，为AI企业下一步的布局、选品、研发、商业化提供参考建议。

什么构成了医疗AI产品配置动力？

拆解医疗AI的配置需求，大致可分为政策驱动与提效驱动两个方面。

在AI发展之初，政策驱动在医疗AI落地的过程中起主导作用。政策制定者通常会根据医疗卫生领域的发展现状和未来趋势，制定具有前瞻性和指导性的政策文件。这些政策文件不仅明确了医疗信息化建设的总体目标和阶段性任务，还规定了建设内容、技术要求、实施路径等关键要素。因而对于公立医院，政策需求是他们需要考虑的首要需求。

为了树立医院对于前沿技术的正确认知，引导相关产业的快速发展，我国自2016年起便开始围绕AI出台相关政策，从宏观角度出发，推动AI技术在医疗领域的应用，提高医疗服务效率和质量，最终实现医疗行业的智能化升级。

对于医院以外的场景，同样有部分赛道需要沿着政策的方向提前布局。以生物制药为例，“722”事件后，NMPA（当时为CFDA）相继发布了《关于开展药物临床试验数据自查核查工作的公告》《关于调整药物临床试验审评审批的公告》等文件，引发了国内EDC、RTSM市场的繁荣，太美医疗等企业在系统中植入AI，使其顺势成为药企数字化的关键要素。

如今FDA鼓励药企采用数字健康技术（DHT）进行临床试验申办，间接引导着药企的进一步开展转型。以eCOA为例，美国约80%的临床研究都以eCOA的形式进行，欧洲也有60%依照这一路径，而中国只有不到5%的申办方使用了eCOA。当出海“欧美”成为大势所趋，FDA的政策也将传导至中国的药企。目前，Medidata、Veeva等企业已将AI融入数字化转型解决方案中，准备承接这波海外政策变化带来的新需求。

与政策主导下的AI需求不同，早期提效主导下的AI需求没有引导、没有给定的形态。它需要企业自身从医院的临床、运营、管理等流程中发现真正痛点，且当AI解决这一痛点时，能够为医院带来直观的收益。

众多场景之中，影像AI是最早出现也是最为直观的例子。作为AI领域应用最为广泛的应用之一，此类AI能够帮助医生处理高强度重复的阅片工作，帮助影像科提质增效。

随着AI的进一步发展及医生对于AI技术的进一步认可，许多医生、管理者开始找到AI企业主动提出需求，要求后者根据具体需求打造能够提质增效的AI解决方案。

举个例子。DRG出台后，医院的盈利逻辑由规模扩张向成本控制转变，管理者开始更加注重内部管理的精细化和科学化，提高运营效率和医疗服务质量。这个时候，传统的医疗IT系统不能满足医院精细化管理提出的各种需求，医院管理者转向AI系统寻求助力，形成了提效主导下的AI购置动力。

诸如此类的场景还有很多，尤其是当医疗机构逐步完成政策定下的基础要求，他们开始主动需求智能化升级，提升竞争力。在没有新政策出台的前提下，提效主导下的AI购置动力将逐步取代政策主导下的AI购置动力，引导医疗AI的未来发展路径。