隨著互聯網、云計算、5G、人工智能、物聯網等技術發展，數字化在醫療場景中的價值日益顯現，數字醫療產業也迎來蓬勃發展。據《2023―2027全球數字醫療產業經濟發展藍皮書》，2022年全球數字醫療市場規模為2110億美元，2023年至2030年將以18.6%的年均復合增長率增至8092億美元，全球醫療數字化轉型已成大趨勢。

　　數字化探索已到深水區

　　當前，我國數字醫療產業規模穩步增長。日前，在中國首個數字醫療創業孵化器的揭牌儀式上，北京昌平科技園發展有限公司總經理王穎介紹，數字醫療發展可謂一日千里，已成為行業風口。以醫療器械廠商、互聯網科技公司、傳統醫療服務機構為代表的產業鏈上下游都在積極入局。

　　諸多企業乘著數字技術的東風進行數字化轉型，將數字技術與藥械產品進行融合創新，推出了多項走在前沿的高科技器械產品和創新藥。

　　作為布局醫療領域的互聯網企業之一，騰訊健康智慧醫療的總經理張國棟表示，數字化目前已成為藥企降本增效的有力手段。受深化醫改、支付政策變革、數據積累以及新型數字技術進一步成熟等多種因素影響，藥企的數字化探索進入深水區，藥械企業開始應用多種數字化創新技術與模式，來應對多變環境帶來的挑戰。在這個過程中，企業的生產、協作方式都發生了變化和重塑，從線下轉到線上，最終走向線上線下一體化。在實體走向數智融合過程中，數字技術正逐步成為企業的內驅力，更為企業提供了新的生產力。

　　在醫療健康產業數字化升級方面，最直觀的表現莫過于數字技術與創新藥械的深度融合。而這方面，AI創新藥物研發體現得淋漓盡致。公開報道顯示，國內目前已有上百家AI創新藥企。

　　“AI創新藥物研發未來已來。”可瑞生物CEO謝興旺說，數字醫療技術可以幫藥企更快設計出更好的醫療場景解決方案，促使企業合理分配研發資源。比如做大分子藥物時，如果沒有AI輔助手段，可能藥物要做一兩萬個分子，才可以找到滿足要求的候選藥物。現在通過AI計算，可以大量壓縮無效的工作量。相信隨著數據的積累和算法的提升，效率會更優。

　　深度融合需要互聯互通

　　數字化時代的來臨，使醫藥行業加速洗牌。相較于傳統研發生產經營模式，探索數字化、擁抱現代化已成為藥企高質量發展的必經之路，這也將沉淀出企業未來的核心競爭力。

　　“數字醫療是一個很廣泛的行業。廣義來看，它其實就是數字技術賦能新興醫療健康產業的集合。”在遠毅資本投資人侯占才看來，我國數字醫療的發展歷經了3個階段，即醫療信息化階段、互聯網醫療階段以及現在的數字醫療創新階段。

　　針對深度融合，高博醫療集團副總裁尚華表示，未來的互聯網醫院更多還是依托于實體醫療機構，目前看，互聯網醫院業務場景偏少，數據全面性、數據可追溯性方面仍有很大發展空間。

　　如何統一地、有規則地、結構化地把這些數據串聯起來，需要繼續推動。業內人士表示，無論是線上還是線下，醫療的本質都是服務，數據底層的穩定性和安全性尤為重要，這方面還有很長的路要走。

　　目前我國異地就診率居高不下，國家也正著力解決看病難看病貴的問題。利用數字化技術打破資源分配不均衡、看病難、掛號難、報銷難等問題，更好服務于民，已成為醫療行業建設發展的重點。

　　“在這個過程中，我們看到了AI醫生的價值。在我國，看病難、看病貴的本質是享受優質醫療服務難且貴。AI醫生，就是優質醫療資源擴容下沉和區域醫療資源均衡布局的重要抓手。”為更好推動AI影像醫生產業的發展，數坤科技首席發展官萬怡挺建議把影像醫生和技師的專業服務從檢查費中拆分單列為一項醫事服務費，從而明確這部分服務的價值。同時，參考發達國家相關政策，探索納入商保和醫保的合理方式。

　　鷹瞳科技合伙人伍王應認為，現在提倡優質醫療資源下沉，未來數字醫療的重點一定是面向基層、面向臨床的。

　　數字醫療未來雛形初現

　　人工智能技術加速更新迭代，引發各界熱議和關注。對于超級人工智能的出現，數字醫療行業圈持有怎樣的態度？是否會重構數字醫療的形態與格局？

　　尚華認為，數字醫療未來的終極形態是全息數字人，即真實的人在虛擬世界的分身，這個分身可以全面映射身體狀況。比如真實的人生了病，數字人分身就可以展現癥狀，先模擬出將來愈后狀況，然后再去治療。“事實上，很多現有的數字產品都是在全息數字人形態上做切面。如何整合切面，幫助我們做低成本的診療和臨床研究，這是我們的目標。”尚華說。

　　目前，人工智能已廣泛應用在醫療領域。有專家認為，超級人工智能可在患者端、醫院端、企業端尋求突破。比如，在患者端，大模型的應用可以促進在線問診更專業更理性更具人情味，同時，對于精神疾病診療，AI對話可以對患者進行干預陪伴。在醫院端，人工智能可以輸出更為結構化的病案，并進行病案質量控制，提升智慧醫院管理效率，同時借助醫生數字人形象，進行患者宣教工作。在企業端，較之傳統營銷方式，可更高效完成推廣工作。

　　人工智能更迭加速能推動數字醫療發展。“AI升級迅速的原因之一就是訓練數據量足夠大。如何把所有醫療數據用合規的方法去訓練成內容，在法規層面、倫理層面和技術層面做好把控，讓數據安全地用起來，是個值得探討的問題。”謝興旺說。 （本文來源：經濟日報 作者：記者 郭文培）