引言：随着医疗数据数量和质量的快速提升、算法和算力的不断突破，医生临床领域的AI大模型快速兴起并进入爆发期。AI大模型正沿着文本与影像双轨深化发展。文本类大模型主要赋能医疗IT服务环节，在电子病历结构化处理、科研文献分析等领域发挥核心作用；影像类大模型则以超声和病理诊断为突破口，形成了较为成熟的应用体系。值得注意的是，生成式技术与语言大模型的突破性进展，使得AI在文本处理、高密度数据整合及多流程任务协同方面展现出独特优势。行业预判，未来3-5年以"大模型驱动、小模型落地"的协同架构将成为主流应用范式。随着算法优化、算力成本下降及政策支持力度加大，早期高昂的模型研发与应用成本正加速向普惠化转型。
基本概念
“AI+医生临床”是指将计算机视觉、语音识别、自然语言处理、机器学习等人工智能技术应用于医生临床领域中。目前，人工智能技术在医生临床领域的应用主要包括医学影像、临床决策支持系统（CDSS）、病历生成与质控优化以及科研与医生教育培训等，以助力降本增效、提升诊疗水平、降低患病风险等为核心目的，全面赋能医生临床诊疗过程。
随着医生接诊数量的大幅上升，传统临床诊疗面临着数据碎片化、专科系统协同困境、智能应用浅层化与流程脱节、人机交互盲区与防错机制失效、临床科研数据割裂与闭环缺失、医疗资源分布不均与医生诊疗时间较长等核心痛点。而在AI大模型应用的加速渗透下，以往的核心痛点有望得到缓解甚至解决。
图1.传统医生临床的痛点（资料来源：华医研究院整理）
发展历程
AI+医生临床是医疗信息化的继承和发展。中国医疗信息化进程在1999年开始推进，2015年后随着互联网高速发展，整体进程加快，目前进入了区域信息化阶段。
在2015至2018年期间，医院数据中心的建设逐渐成为国内医疗信息化的核心工作。随着医院信息化的推进，医院逐步开始构建独立的院内数据中心。
2019，随着国家层面医疗信息化政策的出台，医院信息化系统进入数据融合和初步数据治理的阶段。
进入2021年以后，数据治理成为医院信息化的重点，医疗信息化系统逐渐从数据中心转向数据治理平台。
图2.国内外AI+医生临床发展历程对比（资料来源：国海证券，华医研究院整理）
应用场景
医学影像分析
医学影像是AI+医生临床领域增速最快、应用最为成熟的细分赛道之一。近年来，AI技术在医学影像领域的应用加速普及，适用模态、覆盖病种、应用场景不断丰富，能够更大程度提升医生诊疗效率与诊疗质量。目前，以深度学习为核心的人工智能技术在医学影像的应用场景主要支持CT、MR、DR、超声等模态，覆盖头/胸/腹/骨等部位、脑/眼/心血管/肺/乳腺等器官以及脑卒中/颅内肿瘤/冠心病/肺结节/肺炎/乳腺癌/骨折等疾病，实现辅助筛查、辅助评估、辅助诊断等功能。生成式技术则能够合成图像可增强现有数据集，提高诊断、报告生成和自我监督学习等多种医疗应用的性能，还可用于罕见病诊断等场景。
表1.AI技术在医学影像领域的主要应用情况（资料来源：华医研究院整理）
临床决策支持系统（CDSS）
CDSS的系统逐渐向基于知识库+算法两者结合的方向发展：在传统知识库的基础上，利用机器学习、大数据挖掘等AI技术，从历史医学经验和不断更新的电子病历数据中自主获取知识，抽取信息形成结构化的数据储存在数据库中，识别和学习某些模式，从而提供决策支持。
图3.CDSS应用场景系统（资料来源：36氪，华医研究院整理）
病历生成与质控优化
将AI大模型置入电子病历系统，借助互联网医疗、语音输入等方式收集患者文本信息后，NLP能对信息进行分析处理，自动填充电子病历；利用疾病相关指南及胸外科专家意见汇集的知识图谱对手动录入的病历进行审查，矫正错误病历书写、错误用药等常见问题。
图4.电子病历系统应用水平分级评价标准（资料来源：艾瑞咨询，华医研究院）
科研与医生教育培训
在科研与医生教育培训方面，AI大模型的应用方式多样，通过对多模态的医学大数据进行管理和分析，用于智能患者招募、医学教学资源智能生成、医学教育患者虚拟人、医学教学智能辅助、智能医学科研数据分析、医学科研智能辅助等领域。
图5.科研与医生教育培训应用场景（资料来源：华医研究院整理）
产业链分析
当前，AI大模型在医生临床领域已形成覆盖产品研发、算力支撑、模型底座的全链条跨界生态。在医学影像领域，数坤科技ShuKunGPT等影像大模型实现血管分割与三维重建突破，其中联影智能基于Transformer架构的uAI影智大模型将血管分割数据需求降低95%，并与中山医院合作推出"有爱小山-病历助手"，结构化住院病历生成效率提升75%；在专科专病方向，支付宝联合仁济医院开发泌尿专科大模型，深睿医疗DeepWise-IRENE Model构建多模态辅助决策系统；在医学检验方面，华大基因的基因检测多模态大模型GeneT赋能医检数据解读，实现了对全基因组数据的精准解读。技术底座层面，百川智能、腾讯医疗健康、百度、讯飞医疗等企业提供通用化模型支撑，华为、沐曦等算力供应商通过集群化部署降低应用门槛，共同构建起"影像分析-文本处理-多模态融合"的技术矩阵。
图6. AI大模型在医生临床领域的应用企业图谱（资料来源：亿欧智库，华医研究院整理）
产品开发模式
Al大模型在医生临床领域的应用呈现出多样化趋势，覆盖了专病专科、医学影像、病历文本分析及质控、辅助决策、科研培训等多个关键场景，极大地推动了医生临床医疗服务的效率和质量提升。当前，临床领域AI大模型的创新研发正通过多元化的跨界合作模式加速推进，形成以临床需求为导向、技术互补为核心的协同生态。
图7.中国AI大模型在医生临床领域主要的产品开发模式（资料来源：华医研究院整理）
市场规模
AI+医生临床市场呈现爆发式增长。根据华医研究院测算，市场整体规模预计从2023年3.99亿元攀升至2030年28.25亿元，年复合增长率达31.5%。这一增长得益于政策支持、技术迭代与商业化加速的协同作用。随着AI大模型在医疗场景的深度渗透，市场从“单一技术突破”向“多场景协同落地”转型，细分领域结构持续优化，形成医学影像与医疗信息化主导、新兴领域快速崛起的格局。
图8.中国AI大模型在医疗领域的市场规模（单位：亿元）及增速（资料来源：华医研究院整理）
结语
AI大模型与医生临床进入以价值创造为导向的深度应用期。诊疗一体化的医疗AI解决方案将不断完善，实现多场景、多部位、多病种、多模态全面覆盖。具有多模态数据处理能力、支持快速迭代新应用的医疗AI平台厂商更易实现从单科室渗透到全院级部署的价值跃迁。AI大模型在医生临床领域的商业化路径需聚焦刚需场景，同时，相关厂商的数据治理与模型迭代能力决定了其护城河深度。大量优质数据的积累和共享，将淬炼出更精准的算法赋能AI+医生临床行业发展。
声明
节选自华医研究院行业深度报告：2025年7月《AI大模型在医生临床领域的应用行业研究报告》。
报告中的信息或所表达意见不构成投资、法律、会计或税务的最终操作建议。我公司不就报告中的内容对最终投资建议作出任何担保。
来源：华医研究院
作者：傅浩轩
编辑：邵利娟
