☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
自从人工智能（AI）概念大热之后，其进入各个产业领域的速度加快。不过，鉴于医疗领域的复杂性，AI在医疗产业的拓展并不顺利，唯一获得规模化的正向增长的是手术机器人，其他在经历了多年的发展，整个领域仍属于不成熟的早期市场，难以真正商业化。
如果按照人工智能进入医疗的领域来区分，主要分类是药物研发、诊疗、影像识别、手术机器人和健康管理5大方向。但从实践来看，药物研发领域虽有一些进展，但离真正规模化仍有一定距离，而诊疗领域的工具属性更强，对医疗的作用只具备信息化附属的角色。真正在过去5年吸引市场的领域是AI解决方案（以影像识别为主）、手术机器人和健康管理这三大类。
虽然资本市场热捧这几个领域，但从目前来看，真正有发展前景的还是手术机器人，如果没有战略转型，其他两个领域即使在长期来看也难以在商业上规模化。
分析的四个角度
对这三者进行分析可以通过四个角度：监管属性、实用性、迫切性和可持续性。
首先，从监管属性来看，都是按照医疗器械来获得监管许可，但是只有手术机器人是真正依赖医疗器械和耗材来走通商业模式的，其他都是比照器械来获得监管许可，但实际上并不是依靠医疗器械本身来获得发展，而是更偏向医疗信息化的院内和院外模式。影像识别类似院内影像科购买系统进行信息化能力提升，而数字疗法则类似借助信息化软件进行专科的院外随访和康复管理。从监管准入角度来看，医疗器械和耗材模式是成熟商业模式，且客单价较高；而面向专科的信息化软件模式的客单价较低，市场规模的增长依赖跑量。至于面向院外的健康管理则连商业模式的逻辑都无法成立。
其次，从实用性来看，手术机器人和影像识别的实用性较强，用户主要为医院科室，有着较为明确的采购需求。而数字疗法的疗效目前只是在试验中获得了证明，但由于始终没有获得大基数的用户，其实用性存疑。由于需要医生开具处方且主要面向院外C端客户，数字疗法的使用场景无法像前两者那样创造出一个具有迫切性的刚需场景，一切都掌握在个人的主观意愿上，可持续性偏弱。
再次，迫切性决定支付能力和意愿，迫切性低会导致支付意愿低，反之就高。从支付意愿来看，手术机器人的迫切性较高，支付意愿度较高，但影像识别的迫切性并不强，数字疗法的迫切性更弱，支付意愿更低。从支付能力来看，医院采购设备的资金最充足，市场接受度也最高，手术机器人的销售面临的挑战是政策准入而不是支付能力。影像识别仅限于影像科，经费相对有限，因此支付能力明显受限。而且影像识别提供的服务更类似信息化软件，难以提高客单价。至于数字疗法，C端自费支付能力始终是大问题，难以推动产业商业化，必须依赖支付方，但支付方需要看到明确的疗效和成本控制，这点数字疗法并不具备，也难以获得商业化所需的规模。
最后，从可持续性来看，商业模式能否持续满足客户需求和支付能力是关键，手术机器人和影像识别主要依赖医院采购，可持续性能力较强，但数字疗法依靠C端自费，难以获得稳定的市场规模，可持续性较弱。
规模化的挑战
从本质上来说，影像识别对医生的帮助更多是效率上的，但与类似电子病历等全局性的信息系统不同，医疗机构对局部效率提升的急迫性并不强。因此，医疗机构的支付意愿并不强的前提下，影像识别产品的定价只能类比专科化的信息系统，难以与大型医院信息化系统比肩。在需求意愿有限和定价难以提升的市场环境下，影像识别的商业化面临很大的局限。
而另一方面，影像识别是一个重人力的服务，需要投入大量人力去做生物标志物，这大幅度推高了公司的成本，每获得1元收入所投入的成本要远远超过1元，这样的商业模式只能依靠不断融资支撑。与传统互联网公司不同，由于是一个完全2B的市场且客单价较低，影像识别公司缺乏快速规模化的可能性，很难长期烧钱来发展。
而手术机器人面向的领域虽然较窄，目前成熟的主要是腹腔，以泌尿外科和普外科为主，骨科类的规模化仍需时日，但由于能够解决医生的痛点，大幅提高手术的精度和效率，在经过了数年的市场培育期之后，获得了明显的发展。由于客单价较高，拥有一定自费用户的基础，随着部分地区医保纳入之后，手术机器人将获得明显的增长。
但是，手术机器人市场仍然缺乏有体量的国产品牌。虽然目前有较多产品线在研发和临床试验，但真正能够规模化的手术机器人产品还较为匮乏。手术机器人是一个长周期发展的商业模式，但打开医院市场的销售渠道必须紧密配合产品开发进行，否则很容易形成有产品而没有市场的局面，并一拖多年，产生不了现金流，一直需要融资输血。
而人工智能在健康管理领域的体现主要是数字疗法。数字疗法并不是新产品，更多是采用了软件加硬件的模式将原有的产品重新包装。与影像识别和手术机器人不同，数字疗法更多是面向个人。人工智能的本质是提高效率和技能并降低成本，但数字疗法并没有体现出这一点。虽然数字疗法在试验阶段展示了其能够对慢病或精神健康疾病进行有效治疗和管理，但从实践来看，其实际效果仍然存疑。这导致医保和商保作为支付方仍然非常谨慎，直接去覆盖数字疗法的意愿度非常低，降低了其快速规模化的可能性。
当然，人工智能在数字疗法上主要的优势在其算法，通过不断调整用户数据来推动算法具备更精准，从而提高用户的健康水平。但是，正如影像识别一样，必须投入高人力，依靠大样本才能开发出准确率更高的算法。当前的数字疗法却采取药品的研发模式，只是在院内对小规模人群进行试验。当这样的数字疗法产品上市后，用户的使用率和续约率并不高，作为头部的Pear Therapeutics的处方实际调剂率只有50%，处方实际支付率只有25%，这极大的制约了其规模化的可能性。
因此，如果从商业模式的潜力来辨别，用户需求的迫切性、支付意愿和能力以及可持续性是判断其未来能否获得真实发展的关键。从市场趋势来看，手术机器人的商业模式已经成熟，但受制于技术的能力，未来的规模取决于技术成熟度和成本控制力。而以影像识别为主的AI解决方案的商业模式仍不成熟，未来能否真正规模化受制于是否能找到新的刚需性应用场景和医院的支付意愿的提升。数字疗法则还不存在清晰的商业模式，市场仍将继续探索。????
