2024年的醫療AI領域，正經歷著變革與挑戰并存的時期。新一代大語言模型的崛起，正以前所未有的力量重塑醫療領域，從互聯網醫療、醫學影像到新藥研發，每一個場景都在經歷深刻的變革。
然而，盡管前景廣闊，但在當前融資環境不佳的背景下，企業無法像深度學習時代那樣隨意試錯。有限的現金流要求企業在布局時必須全面考察市場、技術、風險控制和商業化等多個方面。
在政策推動方面，我國自2016年起便圍繞AI出臺了一系列政策，旨在推動AI技術在醫療領域的應用，提高醫療服務效率和質量。而在效率驅動方面，以影像AI為例，這類AI能夠幫助醫生處理高強度重復的閱片工作，提高影像科的效率。
隨著AI技術的進一步發展和醫生對AI技術的認可，越來越多的醫院開始主動尋求AI解決方案，以提升內部的精細化管理和科學化運營。
在政策與效率兩大動力的支持下，國內已經涌現了一大批醫療人工智能產品，覆蓋了醫療領域的絕大多數場景。特別是在醫學影像方面，從熱門臟器到冷門臟器，都有相應的AI產品在進行輔助診斷。
在病種方面，心腦血管、骨關節、肺結節等是當前最熱門的病種，市場上的同類產品超過15種。而冷門病種如腸息肉、泌尿相關等，盡管有潛力，但布局的企業相對較少。
醫療IT方面，電子病歷評級仍是醫院配置AI的主要動力。高級別的電子病歷評級要求醫院在數字化建設的基礎上實現智能化部署，這意味著他們必須引入AI工具。
在制藥AI方面，盡管2024年的發展步伐有所放慢，但英偉達等巨頭在AI制藥領域的頻繁出手，以及MNC與AI新藥研發企業之間的合作交易增幅，都顯示了AI制藥依然充滿生機。
大模型的出現，更是為醫療行業帶來了前所未有的變革。市面上的醫療垂直模型數量已逾百個，不少頭部醫院甚至主動要求上線相關平臺，探索AI的次世代應用。
然而，大模型要想在醫療領域站穩腳跟，不僅需要技術本身具備充分創新，還需要相應產品高度適配于場景本身，融入醫療體系已有的流程。這意味著，大模型的歷練才剛剛開始。
