潤達醫療能不能帶來AI+醫療的落地？

在DeepSeek橫空出世后，潤達醫療、萬達信息、智云健康等一大批企業先后官宣接入，最新數據顯示，已有超過30家醫療大健康公司宣布整合DeepSeek，領域覆蓋藥物研發、影像分析、診斷篩查、病理檢測、慢病管理等多個領域。

AI+醫療正從PPT向現實應用中發展。

而實際上，在過去的六年中，僅僅國內就有近千億資金投入到了AI+醫療中，主要目的在于促進影像人工智能判斷、新藥研發人工智能、機器人人工智能以及智慧醫院等多個領域的發展。

然而，龐大的投資卻面臨無法將線下醫療應用進行有效整合，眾多的人工智能在醫療產業的應用呈現分散和間斷狀態，難以充分發揮其潛在價值。

為了解決AI在醫療產業的落地問題，潤達醫療就和華為云合作，打造了醫療領域的AI大模型“良醫小慧”，已經能夠智能化解讀醫學檢驗報告，涵蓋超過4500個檢驗項目和2800種疾病的解釋，綜合準確性達到了87.74%。

但87%的數據看似挺高，但相較于“人命關天”的醫療產業來說，仍是不可接受的，且當前AI+醫療還面臨著數據來源于安全、商業化落地、責任界定等多重問題。

所以，在“AI+醫療”大火的同時，如何從理想照進現實，是該慎之又慎的。

01AI+醫療方興未艾

根據中國醫學裝備協會醫院物聯網分會，2023年我國AI醫療應用規模約為780.5億元，預計未來行業將繼續高速發展，到2024年國內AI醫療應用規模可達到936.6億元。

而AI+醫療當前主要應用于影像診斷、制藥、健康管理三大領域。

首先是是醫學影像的AI技術，已成為當下該領域中最為成功的分支。

醫學影像的AI技術即在實際應用中主要集中于AI的判斷和決策的能力，當前的AI技術能夠迅速處理和分析CT、MRI等醫學影像數據，通過深度學習算法識別出其中的微小異常和病變；同時，將AI技術深度整合進醫療設備，賦予設備自主分析、診斷和提供決策支持的能力。

而全球醫療設備龍頭，通用醫療在影像設備AI轉型速度則相對較快。

根據GE醫療2月13日的公布2024年財報，全年營收達到197億美元。其中，AVS業務（包含AI影像、手術導航等）全年營收為51億美元，EBIT利潤率高達25.9%，成為公司最盈利的業務板塊。

而為了布局AI影像和額手術導航，GE醫療在2024年已經連續布局。

2024年1月，GE醫療宣布計劃收購人工智能和醫學影像分析提供商MIM Software。

2024年7月，GE醫療宣布已達成協議，將以5100萬美元（約合人民幣3.7億元）收購Intelligent Ultrasound Group的臨床AI軟件業務。

而國內像東軟醫療通用在AI影像分析中有長足進步，其NeuBrainCARE軟件對腦卒評估過程能在90秒內完成缺血半暗帶分析，準確率超過95%，并已被納入中國專家共識。

缺血半暗帶搶救時間窗口極為短暫，而NeuBrainCARE軟件僅需90秒即可完成分析，可極大提高效率。

其次，在藥物研發領域，AI對傳統藥物研發模式的改變也是未來值得一看的領域。

據《福布斯》報道，制藥公司通過使用人工智能進行藥物發現，可以節省近70%的成本。波士頓咨詢的報告顯示，AI發現的藥物分子的整體成功率從5%-10%躍升至約9%-18%，實現了翻倍的提升。以英矽智能為例，其首款由生成式AI發現和設計的潛在“全球首創”TNIK抑制劑，從確定靶點到被提名為臨床前候選化合物，僅耗時18個月。

而發展潛力最大的則是AI健康管理與決策支持領域。

美國的Tempus AI于上月底宣布，其AI驅動的個人健康助手應用olivia已在全美范圍內上線。

同時，國內由華為云與潤達醫療、美年健康研發的首款健康管理AI機器人——“健康小美”數智健管師也正式上線。

通過這款產品，用戶上傳個人生活習慣、運動情況等信息后，可以一鍵生成適合自己的健康管理計劃；也可以基于個人健康數據、生活習慣、家族病史等獲取個性化的體檢、預防方案。人們正逐漸轉向使用AI大型語言模型（LLMs）來獲取健康和醫療建議。

那以潤達醫療為典型的的醫療服務商的AI應用是怎樣進行的呢？

02潤達醫療的All in AI

潤達醫療成立于1999年，20多年時間完成了從單一產品代理商轉型為覆蓋IVD(體外試劑診斷）的全產業鏈的醫學實驗室綜合服務商，該業務長期占其總營收的90%以上。

2023年開始，潤達醫療通過與華為云的戰略合作，進行AI醫療與數字化轉型。整合華為云算力與潤達的醫療數據資源，實現臨床數據分析、個性化診療方案生成及病歷自動化管理。

2024 年 9 月 10 日：雙方聯合發布大模型原生解決方案 “CDx 良醫小慧”，已在長海醫院等三甲醫院落地。

這種AI醫療工具，主要用于AI輔助診斷和智慧醫療領域。

例如在AI病理診斷中：基于華為提供昇騰算力、潤達10萬條標注過的數據。讓宮頸癌篩查時間從30分鐘縮短至5分鐘，甲狀腺結節診療方案生成效率提升60%。讓肺結節識別準確率95%，與資深放射科醫生相當。

在智慧醫療領域廣西柳藥集團合作升級藥房服務，實現藥品庫存智能管理和處方自動審核。

同時推出“健康小美”AI機器人，提供7×24小時健康咨詢、家庭健康檔案管理及風險預警。同時能自動生成電子病歷系統：生成式病歷解決方案支持語音識別、跨平臺數據導入，節省醫生60%書寫時間。

商業模式方面，當前潤達醫療主要面向B端和C端兩部分服務：B端即按醫院AI使用量抽成（例如某三甲醫院年節省2000萬元成本，潤達分得500萬元）。

但是這個過程中成本計算的界定、最終雙方具體如何推進尚未形成成熟的模式。而C端的拓展：潤達醫療計劃推出20元/次的低價AI問診服務，目標覆蓋數億潛在用戶，但如何迅速推廣且降低問診風險是當前潤達醫療首先要面臨的問題。

除了面臨AI醫療落地的問題，潤達還同時對AI難以短期盈利的現實壓力問題。

根據潤達發布的年報預告，預計 2024 年度實現歸母凈利潤 僅為4291 萬元至 5149 萬元，與上年同期相比，同比減少 2.22 億元至 2.30 億元，同比下降 81.16% 至 84.30%，尤其是第四季度已經出現虧損。

而第三季度潤達醫療的營業收入為61.76億元，面臨著嚴峻的盈利壓力。且傳統傳統IVD代理業務毛利率僅26%，低于行業平均水平（45-55%）。

所以在押注AI的同時，如何堅持到AI+醫療落地的那天，是潤達醫療不得不重視的問題。

03AI+醫療的風險不容忽視

隨著人工智能在醫療領域的迅速應用，該產業正面臨一系列風險與挑戰。

廈門大學醫學人工智能研究院負責人王連生指出：當前AI+醫療領域面臨著數據安全和隱私保護、推理過程的可信度、責任歸屬的明確以及公平性問題等多重挑戰。

首先是數據整合不足和隱私泄露的矛盾點：當前AI醫療廣泛依賴基因組、影像、臨床等多維度數據，但國內多數企業數據來源單一，例如上文中的潤達醫療數據來源主要依賴IVD流通數據，導致模型訓練效果受限。

而如果想要獲取更多的數據，必將面臨用戶隱私泄露的風險。當前全球平均醫療數據泄露成本達977萬美元/次，潤達醫療與華為云合作涉及大量患者數據，也同樣面臨第三方服務風險與內部管理漏洞。

其次是推理過程的挑戰涉及模型的可信性問題，尤其是面對復雜病例的處理能力不足。

AI在罕見病、多病癥交織場景中表現欠佳，潤達醫療的“良醫小慧”雖能生成診療方案，但實際臨床驗證案例有限。同時國內的AI醫療服務還面臨著支付端瓶頸突出的問題，美國的Tempus通過醫保代碼實現商業化，而國內像潤達的AI問診的產品缺乏醫保覆蓋，用戶付費意愿低，未來商業化路線仍在探索中。

第三是AI＋醫療帶來的責任歸屬的挑戰以及監管規則要求，當前的大模型極容易出現出現的“幻覺”和“偏見”等問題。

AI系統被視為“黑箱”，潤達醫療的AI病歷生成系統雖宣稱準確率90%，但缺乏可解釋性機制，醫患信任度不足。

如果醫療糾紛責任劃分難，則AI診斷失誤（如潤達合作的美年健康“健康小美”機器人），法律責任歸屬尚無明確法規。

針對人工智能模型的“黑盒子”問題，業內認為必須通過充分的臨床驗證和性能測試來證明其安全性和有效性。

如果算法內部不可解釋，可以通過真實數據的長期使用和多場景驗證來證明其可靠性，但這個過程需要的時間和醫療數據需要打通的節點并不是華為或潤達醫療所能支撐的。

04小結

AI與醫療行業的融合并不是那么簡單的，一方面不能脫離開醫療行業自帶的安全為先的屬性；另一方面，獲取大量的用戶數據與拓展更多的AI應用場景也是重中之重。

如果未來潤達醫療能在抓好上述兩點的情況下，推動了AI賦能業務提效增質以及業務流程重塑的落地應用，還是有望在未來較長時間內實現業績穩健增長。

同時，如果潤達醫療帶來AI+醫療的“示范效應”，未來有可能引領健康體檢行業其他企業的AI布局模仿，真正實現AI在醫療產業中的落地。