AI对医疗的影响和改变

雪球：小刘鸭埃里克

今天记录的是自己不成熟的思考，选题来源于雪球粉丝留言，先说结论，纯个人观点AI在医疗器械是现在进行时，AI制药是未来进行时。现阶段AI对医疗器械的改变已经发生，AI制药虽然火爆仍然存在较多制约

一、为什么药物领域AI卡住了？

药物研发链条极长，从靶点发现到上市需要经过分子设计、体外验证、动物实验、临床I/II/III期。如果按整个药物开发的价值链切分，AI目前能撬动的确实主要是前期那10%（靶点发现、分子设计、化合物筛选），而占大头的临床开发（60-70%）和商业化（20-30%），AI基本插不进去手。从算账来看，AI只能撬动整个制药蛋糕的10%，在这么小的地方产生边际变化，增量的价值不够丰厚。

核心瓶颈在于类器官和器官芯片至今没跑通。它们本被寄予厚望，希望替代部分动物实验甚至早期临床，但这条路至今没有走通。类器官能模拟特定器官的部分结构和功能，但无法还原系统性的血液循环、免疫微环境、神经内分泌调控和器官间的代谢互作；器官芯片虽然能构建多器官的流体连接，但芯片上的细胞行为、基质硬度、剪切应力与真实人体差异显著，微循环和旁分泌网络更是无法模拟。这意味着药物进入真实人体后的吸收、分布、代谢、排泄（ADME），以及靶点结合后的脱靶效应、免疫应答、器官互作，这些变量AI既无法通过类器官数据训练，也无法通过算法预测。链条长的环节最终还得上人体做临床试验，AI在这个硬约束面前被卡住了。

大分子药物的情况稍好，机制与靶点相对清晰，但小分子药物的作用机制太长太广谱，类器官和器官芯片很难模拟。阿司匹林和二甲双胍这种发现几十年的经典小分子，至今还在发现新机制；《我不是药神》里格列卫的原型药物伊马替尼，狗模型出现严重肝毒性和导管血栓，导致项目差点被毙掉，是强行上人后才验证出价值——这恰恰说明动物模型和体外模拟的局限性，在关键药物面前可能完全失效。类器官现在跟动物实验比哪个更好？感觉都有局限性，谁也没有绝对优势。

所以AI只能在最前端的分子生成环节大幅提效，一进入临床环节就必须上人体。药物发现的本质还是假设驱动的科学，AI是工具，不是科学家。很多伟大药物的发现，来源于药学家的idea，这部分人类的创造性也是AI无可替代的。

二、医疗器械领域AI价值更大

1. 影像学：AI落地最成熟的场景

医学影像是AI与医疗器械结合最成熟的领域，没有之一。医学影像数据天然适合AI——CT、MRI、超声的结构影像以及PET SPECT的分子影像虽然模态不同，但DICOM格式统一，病灶识别、分割、测量都是明确的模式识别任务；其次影像科医生在美国是有短缺的，中国基层医院的影像判读能力更是参差不齐，AI的补缺口价值是真实的临床刚需。

FDA对AI/ML-based SaMD（Software as Medical Device）的审批框架已经成熟，影像辅助诊断软件走510(k)路径的获批案例很多，这部分确实已经开始规模化落地。但落地不等于没有瓶颈——多中心数据整合时，不同厂商设备的成像参数、灰度值、层厚差异很大，需要大量的影像标准化预处理，这常被低估。

两个方向正在快速兑现价值。一是非标准化影像还原。举个例子，就是我写过的联影的超声产品，传统的超声像是手电筒，高度依赖操作者经验，非超声科医生根本看不懂图像。AI可以把这种非标影像还原为标准化影像，让不同经验水平的医生都能获得可重复的诊断结果。超声AI是所有影像模态中增速最快的，预计2026-2031年复合增长率达31%，驱动力来自手持探头+实时AI指导的POC应用，便携设备大幅增加了扫描频率和数据积累。二是降低辐射量、增强清晰度。低剂量CT的AI重建是热点方向，低剂量CT+AI重建的经济价值和临床价值已经明确：减少患者辐射暴露、降低医院设备损耗、提升扫描通量

2. 智能内窥镜：影像学的自然延伸

本质上是影像学的延伸——不仅仅是CT这类结构化影像，内窥镜+摄像机的视频影像自然也是影像。消化内镜、支气管镜、膀胱镜的实时病灶检测正在快速成熟，比如Olympus的AI内镜系统能在结肠镜检查中实时标记息肉，降低漏诊率、提升腺瘤检出率。逻辑和影像一样：数据标准化（内镜视频）、任务边界清晰（"这里有个息肉，息肉或者肿瘤是可以被训练的影像"）。

3. 数字病理（Digital Pathology）

病理诊断是肿瘤治疗的金标准，但全球病理医生严重短缺。AI在前列腺癌Gleason评分、乳腺癌淋巴结转移检测上，准确率已经媲美资深病理医生——Paige Prostate确实是FDA批准的首个AI病理产品（2021年），AI先筛一遍阴性切片，医生只看阳性/可疑的。

4. 心电图AI：超越人类感知阈值

Apple Watch的房颤检测是一类消费级应用，但医院级应用更深。心电图其实是个很主观的东西，类似于血栓弹力图，不同医生读图差异很大。Mayo Clinic的AI-ECG能从标准12导联心电图中预测射血分数降低（心衰）、低钾血症——这些是人类医生从心电图上看不出来的深层模式。这是超越人类感知阈值的AI应用，价值极大。

5. 手术导航与机器人

手术机器人的AI化常被低估，但神经外科和骨科的术中导航正在突破。已经看到AI融合术前MRI/CT与术中超声/显微镜图像，实现肿瘤边界的实时追踪；骨科关节置换的AI术前规划，能基于患者骨骼形态个性化设计截骨方案，减少术中误差。两者融合是手术智能化的长期方向，但当前仍处于各自独立发展的阶段我曾经写过机器人与AI影像未来会是硬币的一体两面：前者负责精准操作与数据采集，后者负责智能解析与决策支持，两者融合才是手术智能化的完整图景。

6. 脑机接口与闭环控制

脑机领域喜欢讲闭环，外骨骼、智能假肢的AI控制（意图识别）确实是闭环控制——AI直接驱动器械动作，不是辅助决策。这个方向的价值在于把器械从被动工具升级为主动响应系统，未来在神经康复、运动辅助领域空间很大。连续血糖监测（CGM）的AI预测算法（如预测未来30分钟血糖趋势、提前预警低血糖）虽然也是"闭环"，但技术路径完全不同——它是基于血糖趋势曲线的数学预测，属于监测设备的智能化，和脑机接口的意图识别-动作驱动不是一回事。

7. IVD（体外诊断）的智能化

凝血检测的AI质控（识别异常波形）、流式细胞术的AI自动分群（替代人工设门）、化学发光仪器的AI质控、检验报告的AI自动审核——是把熟练技师的经验算法化。血栓检测领域的AI渗透正在发生，但主要是大厂仪器（如Sysmex、Stago）的内置算法，不是独立的AI产品。核心价值是减少人工判读的主观差异、提升质控稳定性。

8. 高值耗材与其他器械

高值耗材本身（支架、瓣膜、骨科植入物）的AI化确实不明显，AI更多作用于耗材的使用场景——术前规划（选择什么型号、怎么放）、术中导航（放在哪）、术后评估（效果如何）。耗材本身是物理实体，AI改变的是围绕它的决策流程，不是耗材本身。但一个新兴方向值得关注：AI驱动的个性化耗材设计。比如3D打印骨科植入物的AI拓扑优化（根据患者骨骼CT自动生成最优结构），或者心脏瓣膜的AI流体力学模拟（预测不同型号植入后的血流动力学表现）。包括神外领域我也看到过类似的产品，总体而言高值耗材更多是材料学在医疗的探索与应用，看起来是收到AI影响最小的器械领域

三、AI对普通人的影响：医疗能力的均值化与处方权的漂移

医疗能力的均值化正在发生。

个人暴论，一个配备最垃圾大语言模型比如豆包的五年本科住院医，在知识检索和标准化诊疗路径的覆盖度上，已经可以比肩三甲主任级别的医生——不是临床思维比肩，而是知识广度和循证检索效率比肩。LLM能让60分的医生变成80分，缩小医生之间的标准差，这是AI对医疗体系最现实的贡献。但80分到95分（复杂病例的个体化决策、疑难杂症的直觉判断、罕见病的经验积累）仍然依赖人类专家，天花板还在。AI不是替代医生，而是把医疗能力的下限往上抬了一截，让基层医院的能力提升。或许展望未来，咱们民间的所谓“神医”会越来越少。我本科不是学临床的这段纯属个人暴论，说错了也没准

处方权的漂移则是另一个维度。普通人打开美团买药，基本能买到所有非管制类药品，精神管制二类都能买，只有一类买不到。美团京东上那个假模假样的"在线问诊"，背后都是挂靠的互联网医生执照，问诊流程高度模板化、甚至自动化——医生只是法律责任的人肉背书，真正的决策主体已经是算法。这是AI对我们普通人生活最隐蔽的改变：处方权在事实上去人格化，药品可及性提升的同时，用药安全风险也在累积。算法推荐的药对不对症、剂量合不合理、药物相互作用有没有被漏掉，这些风险不会立刻暴露，但会在某个时点集中兑现。

四、医保控费与AI对医疗利益格局的冲击

中国自2010年代开启全面医改，从取消药品加成、分级诊疗、到带量采购、DRG/DIP付费，主要医改目标已基本完成。DRG/DIP付费改革后，医院利润空间被压缩，控费动力陡增，展望未来AI正在成为更好的执行工具。预测患者住院天数、识别高费用风险病例、优化临床路径选择，本质上是在给医院的成本结构做实时建模。更深一层，医保局也在用AI反向审核处方和病历，自动标记过度检查、不合理用药，甚至追溯异常诊疗行为。这和我前面提到的处方权漂移形成镜像关系——平台AI在放宽处方入口，监管AI在收紧处方出口，两个方向的算法都在扩张，中间的张力会越来越大。一边是算法让你更容易买到药，另一边是算法让你更难不合理地花医保的钱，普通人夹在中间，既享受了便利，也承担了风险。（想想是不是很好玩）

中国的DRG是医保局主导，美国的DRG则是保险公司主导。把视野拉到全球，医疗行业在美国是百万槽工衣食所系——占美国GDP的18%，三亿美国人的保费和税金支撑起了全球医药产业大部分的研发费用，从跨国药企的管线到顶尖医院的设备，底层都是这张血厚的支付网络在输血。中国创新药也是在美国支付体系下受益的产物，去年港股创新药的爆发，根源是美国MNC入华带来的人才培养和产业建设，到去年开花结果，包括那么多BD交易，本质上也是依靠美国人民的血汗钱来解决自身医疗支付能力不足的桎梏。AI对这个美国医疗老钱的庞然大物不可能无动于衷，问题只是从哪个切口下刀、以什么节奏推进。美国的医疗利益集团——医院协会、医师工会、保险财团——对AI的抵抗会到什么强度？AI一定会对这块蛋糕下手，只是切口和深度的问题。如果这都不敢动手，美国也别说AI革命了。

五、AI在制药的隐性价值与临床CRO

虽然判断AI在制药价值有限，但有一个领域大有可为：临床试验设计优化。AI可以通过分析历史临床数据、真实世界证据（RWE），优化入排标准、预测患者脱落率、选择最佳终点指标，从而降低临床失败率和成本。最后补充下，AI制药改变的不止是10%的蛋糕。上述说的虽然还是临床环节，但属于试验设计层面。进一步推演，其实临床CRO公司的价值因为AI已经在发生改变，我拍脑袋思考会觉着临床CRO会被颠覆的地方，数据录入、医学编码、统计分析编程、患者招募（筛选电子病历匹配入排标准）、药物警戒（PV）的病例处理。这些是结构化、重复性工作，AI完全能替代人。

不会被替代的部分：临床监察（CRA的现场工作）、与PI（主要研究者就是俗话说的大主任）的关系维护、方案设计的医学判断、监管沟通的博弈。这些是人际网络+经验判断，AI做不了。

所以CRO的颠覆底层执行人员减少，医学和监管专家的价值上升。像未来的临床CRO，但核心医学团队反而会扩张。

备注：三张图用的kimi给我画的，我觉着他老拍我马屁会加强我的观点，其实相同的观点的人交流会观点加强。各位凑合看吧。大家心情不好可以多找豆包聊天

如果觉得写得还不错，欢迎大家抓紧时间给我点赞/关注/在看/收藏/分享。

欢迎交流医药及炒股动态！感兴趣的小伙伴可以进读者群交流！

可以小助理微信，让她帮忙拉进读者群