全球技术超级博弈 这个顶流赛道 被看见了

正文

请到「今天看啥」查看全文

Tempus AI的起点是做基因检测，逐渐获得了包含850万份电子病历、120万张医学影像的超级数据库， 建起一座数字化医疗图书馆。

第二步是让数据变成治病救人的工具，Tempus将海量的数据转化为医生智能助手、药厂研发加速器和患者健康管家。 这样的电子化数据解决了药厂的燃眉之急，目前来看，产品与服务的市场接受度很高。

除了这家公司之外，还有Hippocratic AI、Quibim、Abridge等许多同行，它们有的专注于AI健康助手、有的专攻某一特定领域，比如肿瘤方向的AI药物研发。

还有初创公司深度挖掘医学影像AI分析，或者是药物临床试验优化、医患高效沟通等。

国外先行者们像一面镜子，照亮了国内医疗AI企业前进的大方向。

（图片由AI生成）

我们国内的医院、机构、诊所和社区已经积累大量有效数据， 犹如满地珍珠，只是缺少了串联起来的一根金线。

如果把这些医疗富矿挖掘开采出来，结合技术平权与市场化的数据，真正解决医护人员和患者的问题，医疗AI赛道有可能迎来全面爆发。

中国医疗AI行业有三大痛点

中国医疗AI行业，面临三大痛点。

第一是医疗资源分配不均和数据孤岛。

从机构端，也就是大企业端来看，医疗数据分散在不同医院和机构里，数据多但使用效率低。这种数据孤岛，导致AI模型训练缺乏高质量、多维度的数据支持。

举个简单的例子，上海的一家医院，医生在日常工作中积累起大量临床数据，这对于训练AI大模型来说很重要。

然而，数据是多点分散的。 电子病历系统、检验科LIS系统、影像科PACS系统，每一个都有单独的数据格式与标准，无法有效整合共享。

（图片由AI生成）

第二是落地场景单一、适配性不足。

比如说，北京一家三甲医院的影像科，引入了一套AI辅助诊断系统，专门用于肺结节筛查，这个系统确实非常出色，大大提升了医生判断的准确率。

问题在于，这个系统只能做筛查，不能参与后面的诊疗，还需要医生手动输入信息，增加了工作量。

请到「今天看啥」查看全文