AI醫療概念持續走高 一文分辨哪些在蹭熱度炒概念，哪類業務跑得最快

每經記者 金喆  林姿辰    每經編輯 陳俊杰    

AI大模型DeepSeek的風從科技板塊吹到了醫療應用端。多家相關上市公司宣布接入DeepSeek大模型，多家券商醫藥分析師為AI醫療搖旗吶喊。

2月14日，在AI概念加持下，A股和港股互聯網醫療板塊及生物醫藥股漲勢較大。當日收盤情況顯示，A股方面，安必平、嘉和美康、泓博醫藥等超20只概念股漲停；港股方面，阿里健康漲超29%，平安好醫生漲約18%，京東健康漲近6%，藥師幫漲近4%，叮當健康漲超3%。

也有行業觀察者在樂觀情緒井噴的時候保持了冷靜。一位不愿具名的醫藥行業資深人士對《每日經濟新聞》記者分析，現在AI比較成熟的是語言模型，在醫藥領域應用得區分來看。首先，如果只是單純接入DeepSeek、與實際業務沒太多關聯的，基本屬于炒概念；AI 在診斷方面的應用邏輯相對更清晰，這類公司本身有數據積累，能更好地利用AI技術進行數據分析處理，提升診療效率和準確性。但在受限于現有技術無法自主思考，很難在探索性的新藥研發中發揮關鍵作用。

AI在診斷方面的應用邏輯相對更清晰

醫療保健板塊在理論上是AI的最大應用領域。據Global Market Insights數據，2023年全球AI醫療健康市場規模約為144億美元，預計到2032年將達到2812億美元。

醫療領域行業人士“阿基米德”表示，AI醫療大陸還在漂移、碰撞，關于這個世界的分類、命名處于混亂之中，今天暫時按英偉達高管Eva-Maria Hempe的說法，把AI醫療分為三個領域：改善患者醫療過程的智能代理、執行復雜手術任務的機器人、加速藥物研發的生成式AI工具。

其中，AI在診斷方面的應用邏輯相對更清晰。在傳統的病理分析中，醫生需要花費大量時間仔細觀察這些微觀細節，這不僅是一項極為耗時的工作，而且長時間的觀察還容易導致醫生出現視覺疲勞，進而可能影響診斷的準確性和效率。此前，安必平相關人士也對記者表示，如果病理人工智能投入臨床使用，預計能夠減少病理醫生65%～75%的“篩陰”讀片工作，而臨床醫生只要將注意力集中在可疑位點即可。

在前述業內人士看來，國內企業過去幾年都在利用自檢積累的數據訓練大模型，DeepSeek做到了最大程度的開源和非常低的成本，有助于進一步降低數據分析成本，提升檢測效能。

2月10日，浙江大學對外宣布研發的病理AI助手OmniPT僅需1到3秒便能精準鎖定癌癥病灶。為何這款AI助手能如此高效？原來，癌癥組織的單個切片盡管面積不大，僅有指甲蓋般大小，但其多切片掃描圖像卻有著龐大的數據量，像素高達數10億之多。原本人工分析至少需要10多分鐘的圖像，OmniPT僅需1到3秒就能快速且精準地鎖定病灶區域，大大提高了癌癥診斷的效率和準確性。

美國“女版巴菲特”，人稱“木頭姐”的凱西·伍德在近期發布的《Big Ideas 2025》報告中同樣多次強調，醫療保健是AI最被低估的應用領域，多組學測序和AI藥物研發正成為改變醫療行業的重要創新。

凱西·伍德預測，AI將使DNA等生物信息的讀取和寫入成本大幅降低，AI將使癌癥篩查的效率提高20倍，并且將市場規模擴大10倍。利用人工智能來“操作”數據將顛覆診斷、藥物發現和治療，到2030年，整個行業的表現將提升幾個數量級。AI 將徹底改變多組學工具、藥物研發、分子診斷，并顯著改善藥物的經濟回報。

此外，醫渡科技、鷹瞳科技、智云健康等多家醫療上市公司宣布接入DeepSeek大模型，多位知名分析師看好AI醫療方向，中信建投證券醫藥行業首席分析師賀菊穎在研報中表示，AI醫療在提升醫療器械功能、檢查檢驗結果解讀、輔助臨床醫生決策、健康管理等多個領域的應用價值較大，是醫療企業和醫院必須重視的創新方向和競爭趨勢。

細分賽道里，為何互聯網醫療漲得兇？

在本輪行情中，天然接近“AI醫療”概念的醫療細分行業——互聯網醫療的巨頭們，已經嘗到了身價大漲的甜頭。Wind數據顯示，2025年開年至今，阿里健康、京東健康、平安好醫生的股價分別上漲了77.71%、26.51%和18.71%。

為什么互聯網醫療的股價反應這么大？2月14日，一位業內人士對《每日經濟新聞》記者表示，DeepSeek對傳統產業都有增值作用，但本輪推理模型的核心是解決了醫療健康領域的邏輯推理短板，能力匹配更強，所以對互聯網醫療這個分支賽道的影響更大。

“AI醫療仍被顯著低估。”東吳證券在研報中稱，“我們認為人工智能的興起進一步提升了疾病診斷、風險預測和個性化治療方案的水平。AI醫療經歷了從機器學習到深度學習，再到大模型時代的演變。近年來，生成式AI與傳統AI結合，為醫療服務優化和創新提供新動力。生成式AI不僅能夠分析現有數據，還能生成新數據，拓展智能交互和對話能力，使醫療服務更加精準、自然和高效”。

前述行業人士則認為，互聯網醫療板塊漲幅較大的原因依然是基于醫療數據優勢。或許也是出于這一原因，在DeepSeek爆火前，許多互聯網醫療企業曾發布過自有大模型，其中最近的一個是京東健康于今年1月發布的京東卓醫（JOY DOC）。資料顯示，該模型面向患者、醫生和醫院分別構建了個人就醫管家、醫生數字分身、未來數字醫院，是業內首個醫院全場景應用大模型產品。

DeepSeek的到來對既有的醫療大模型也有加成。2月14日，京東健康方面對記者表示，公司構建的是醫療專有大模型，通用大模型的優勢是認知推理能力，和公司大模型的醫療專業知識能力是優勢互補的。在過去不到一個月時間內，公司持續進行模型算法和架構優化，構建了業內獨一無二的、能適配不同場景應用的模型整合能力，目前已陸續接入GPT系列、DeepSeek等通用模型。以接入DeepSeek的“AI京醫”產品為例，后續可在互聯網醫院平臺上針對分診、在線問診、科研數據分析、患者隨訪等不同場景需求，智能靈活調用最適配最優的模型能力組合。

公司表示，醫療AI作為一個效率工具，正在市場中不斷被驗證，而且提質增效的價值越來越大。在下一階段，京東健康將持續推動AI大模型在醫療全場景中的應用，尤其是首先會在京東互聯網醫院和線上全場景中規模化落地應用，然后再將這些經過長期打磨驗證的技術、能力、產品，對外開放，服務更多人群，以此逐步破解醫療領域的“不可能三角”——成本、質量和可及性。

AI藥物研發是最難啃的骨頭

2023年底，困擾業界60年的新抗生素發現難題被AI破題。《自然》雜志刊文講述了科學家運用AI技術首次發現抗耐甲氧西林金黃色葡萄球菌（MRSA）的新抗生素的歷程——以3.9萬種化合物對MRSA的抗菌活性數據作為訓練“腳本”，麻省理工學院研究團隊獲得了抗菌能力的評估預測模型。隨后以3個深度學習模型為基礎，團隊又“塑造”出化合物人類細胞毒性的“鑒定師”，對1200萬種化合物進行“篩選”，最終獲得能對抗MRSA又對人體安全的化合物。

這是人力幾乎不可能完成的實驗。長期以來，藥物研發行業都有著名的“雙十”魔咒，即新藥研發需要花費10年時間、10億美元，AI在新靶點的發現和預測方面被寄予厚望。國外研究數據顯示，人工智能技術應用可以使藥物設計時間縮短70%、藥物設計成功率提升10倍。

目前，已有不少新藥在AI協助下快速進入臨床試驗階段。

2月14日，復星醫藥相關人士對《每日經濟新聞》記者表示，復星醫藥近期在內部發布了自主研發的PharmAID決策智能體平臺，已接入Deepseek R1，加速推進“藥物商業價值輔助決策”的能力建設，提升決策視野，提高決策準確性。在結合點位預測、構象預測、結合機制分析、毒理優化、醫學寫作、臨床資訊信息萃取等方面，提升藥物研發效率，加速研發成果的轉化。

盡管如此，“阿基米德”依然認為AI藥物研發是最難啃的骨頭，暫時難以取得突破性進展。AI是工具，而非“顛覆者”，藥物開發的核心仍是生物學洞察與臨床驗證。

對此，前述業內人士也表示，現在AI比較成熟的是語言模型，是在既定框架下，按照人為規定規則進行演算、知識抓取等。但制藥是對未知世界的探索，比如靶點發現以及針對靶點的作用機制，并沒有既定規則。目前的AI還無法自主思考，很難在這種探索性的新藥研發中發揮關鍵作用，最多只能在已知藥物基礎上做些結構調整，做me-too（跟蹤性新藥）藥物，提高既定規則下的效率，沒辦法真正實現創新。

此前，英矽智能CEO任峰接受記者專訪時談到，2020年之后，隨著國內外一些AI藥物管線進入臨床二期進行有效性驗證，整個AI制藥行業也迎來一個關鍵性階段：如果有藥物能夠驗證成功，那么就意味著在新藥研發流程中，從靶點發現到臨床試驗，AI制藥已能夠實現閉環。

任峰也向記者表示，臨床試驗是AI制藥的真正考驗。任何一款藥物，無論是通過AI還是傳統路徑所研發的，都必須經受來自臨床試驗以及監管層面的考驗，這中間“沒有捷徑可走”。“當藥物研發步入臨床試驗階段，還未有證據表明AI可以完全地賦能臨床研究、縮短臨床試驗的時間。我認為目前AI還不能有效解決這一階段的問題。”

封面圖片來源：視覺中國-VCG211374266925