全文翻译！黄天荫团队最新成果探讨中国医学AI研究现状 ...

近日，《新英格兰医学杂志》子刊NEJM AI发表清华大学黄天荫团队观点文章《中国医学AI现状》。作者系统梳理中国医学AI研究领域、参与者及驱动力，并与美国进行对比。作者指出，中国在论文数量、算力和监管框架方面取得显著进步，但仍面临数据碎片化与与临床整合方面的挑战。

本文通讯作者是清华大学副教务长、医学院院长，北京清华长庚医院眼科中心知名专家，新加坡全国眼科中心教授黄天荫，第一作者是清华大学医学院副教授邱月，其他作者包括清华大学智能产业研究院助理教授马为之，中山大学附属第一医院大数据与人工智能中心教授王海波，新加坡全国眼科中心、新加坡国立大学助理教授覃宇宗。

我们在此发布本文全文翻译。

中国医学AI现状

The Landscape of Medical AI in China

Qiu Y, Ma W, Wang H, et al.

DOI: 10.1056/AIp2401234

摘要

近年来，中国在医学AI领域取得重大进展，但国际学术界可能并不了解中国医学AI创新广度和深度。本文介绍中国医学AI现状，涵盖研究重点领域、学术界和产业界主要参与者以及医学AI发展主要驱动力。

我们将这些趋势与美国医学AI趋势进行比较。过去两年间，中国发表的医学AI相关论文数量超过美国。尽管中国和美国论文都优先关注技术发展，其次才是临床学科，但美国关注点在技术和临床研究之间达到了更好平衡。中国科学院和拥有顶尖附属医院的大学是学术研究主要参与者。在专利和收入方面，中国几家大型医疗技术公司正崭露头角，但仍落后于美国大型技术公司。

快速增长的政府投资、算力和经过优化的AI监管框架已成为中国医学AI发展主要驱动力。尽管取得上述进展，但关键挑战依然存在，包括数据源碎片化以及AI与临床工作流程整合有限。克服这些障碍将助力中国为全球医学AI发展作出贡献。（由中国国家重点研发计划[项目编号：2022YFC2502800]等资助）。

---

近年来，医学AI取得重大进展。世界卫生组织将医学AI视为有望提升全球医疗成果的变革性技术。中国医疗领域面临巨大挑战，包括人口迅速老龄化、糖尿病等慢性病增加、医疗成本增加以及患者对公平医疗服务更高期望。许多挑战都可通过医学AI技术解决。因此，中央和地方政府、大学、医院和私营企业都很重视医学AI研究、开发和应用。

最近发布的DeepSeek-R1是中国开发的基础模型，其推理能力与美国的领先专有模型相当，而成本效益和开源透明度更高，因此引发全球学术界对中国AI发展的关注。然而，由于语言差异和公开信息有限，全球学术界对中国医学AI发展现状仍不甚了解。本文将介绍中国医学AI研究趋势、重点领域、学术界和产业界主要参与者，以及主要驱动力。

中国医学AI研究领域

中国医学AI研究论文数量稳步增长。我们评估了从2015年至2023年的医学AI论文数据，我们将其定义为与“人工智能”“机器学习”“深度学习”“神经网络”“算法”以及“医学”“医疗”“健康”“诊断”和“治疗”等术语相关论文。分析涵盖Web of Science所有文献类型，包括论文、已发表会议文献、综述和社论。

我们发现，中国机构研究人员发表论文数量稳步增长，英文论文总数达到108,282篇，中文论文总数达到3489篇。事实上，在2022年和2023年，中国每年发表论文数量都超过美国（图1A）。中国发表论文年均增长率为21.0%，超过美国增长率（9.9%）。

中国和美国团队发表预印本数量都相对较少。自2017年以来，两国数量均呈上升趋势（图1B和表1）。中国预印本数量（2023年为782篇）仍低于美国（2038篇）。与此同时，中国作者高质量医学AI论文（我们将其定义为发表在自然指数（Nature Index）收录期刊上的论文）数量也呈现显著上升趋势，从2015年的20篇增加到2023年的164篇（图1C）。然而，中国高质量论文总数仍远低于美国，美国每年发表高质量论文数量从2015年的207篇增加到2023年的580篇。

图1. 从2015年至2023年，中国和美国发表的医学AI论文和高质量论文数量

图A显示中国和美国发表的医学Al论文数量（不包括预印本）。图B显示中国和美国团队发表的医学AI论文（包括预印本）和预印本数量。图C显示中国和美国发表的高质量医学AI论文数量。数据来源：Web of Science核心合集和中国知网核心期刊。

表1. 英文医学AI预印本和论文数量：中美团队比较*

* 检索策略是使用自由文本检索词：“人工智能”或“AI”或“机器学习”或“深度学习”或“神经网络”或“算法”；和“医学”或“医疗”或“健康”或“诊断”或“治疗”。数据来源：预印本从Web of Science预印本引文索引服务器检索。

我们将论文分为三大类：技术开发类（例如关于开发AI算法和大语言模型的论文）；临床学科类（例如关于将AI应用于疾病诊断和治疗的论文）；以及管理类（例如政策类论文）。技术开发类论文（72.1%）在中国发表的论文中占大多数，其次是临床应用类论文（21.5%）（图2）。相比之下，美国发表论文的分布情况如下：技术领域51.4%，临床领域30.8%，管理领域6.1%。

图2. 中国和美国团队医学AI论文在各学科中的比例

图A显示位于中国的团队发表的英文论文。图B显示位于美国的团队发表的英文论文。学科来源于Web of Science（WoS）核心合集数据库提供的“分析结果”的学科分类。美国发表论文指的是至少有一位作者属于美国机构（根据地址字段中的作者地址确定）。英文论文学科由WoS直接提供。“研究与实验医学”学科是“生命科学与生物医学”大类的一个专门分类。

图C显示中国团队发表的中文论文。数据来自2015年1月至2024年5月中国知网核心期刊。学科分类来自中国知网提供检索结果学科分析功能，该功能根据论文数量提供排名前30学科。不同大类使用不同颜色表示：技术学科为蓝色，临床学科为红色，管理学科为绿色。在每个类别中，不同学科用不同色调区分。数据来源：数据来自2015年1月至2024年5月的Web of Science核心合集。

此外，中国在工程学（32.8%）和计算机科学（24.8%）方面研究论文比例高于美国（工程学，15.7%；计算机科学，18.2%）。在临床学科方面，两国在AI医学方面分布相似，例如放射学和医学影像、肿瘤学和神经科学。

我们根据合著者所属机构将论文归属于国家的方法并未考虑各位作者的相对贡献（如第一作者、通讯作者、其他标准）。虽然该方法与自然指数等方法一致，但我们的分析可能无法充分反映国家在特定研究论文中所起作用的相对重要性。

中国医学AI领域的主要参与者

我们利用公开数据分析了中国医学AI领域的主要参与者。对于学术机构，我们根据期刊论文评估其影响力。对于产业界，我们评估了公司专利和收入，我们认为这与其在医学AI领域的创新和实力密切相关。这一方法并不完美，但在与美国进行比较时较为简单。

头部学术机构

中国的公立机构和拥有顶尖附属医院的大学是医学AI研究的主要参与者。中国科学院（拥有104个研究所和12个分院）位列第一，从2015年至2024年共发表7744篇论文，其次是上海交通大学、浙江大学和复旦大学（图3）。

图3. 中国和美国领先医学AI研究机构发表的论文数量

中国领先机构的数字是基于2015年1月至2024年5月发表的英文和中文论文总和。美国领先机构的数字是基于2015年1月至2024年5月发表的英文论文数量。数据来源：数据来源于Web of Science核心合集和中国知网核心期刊。

中国大学以公立院校为主。许多大学拥有顶尖附属教学医院，这促进了跨学科和应用研究，例如上海交通大学、复旦大学、中山大学和北京大学。中国一些顶尖的工科大学也是医学AI研究的领先机构，包括清华大学、浙江大学和华中科技大学。相比之下，在美国，公立和私立大学在医学AI领域占据主导地位。

头部公司

近年来，中国医疗技术公司也发展迅速，其中几家已成为在全球舞台上具有影响力的医学AI公司。

然而，它们仍落后于在医学AI领域占主导地位的美国公司（图4）。图4A显示了中国和美国公司在医疗器械专利数量方面的排名；中国的两家头部公司“联影智能”和“微创”分别位列全球第16位和第20位，而美国公司占据了前10位中的5位，且专利数量显著超过中国公司。

图4. 根据专利数量和收入分列的中国和美国顶尖公司

图A显示2023年医疗器械注册专利数量排名前10的中国和美国公司。图B显示2022年收入排名前10的中国和美国公司。数据来源：IPRdaily和incoPat Research Center发布的2023年统计数据（
https://top.askci.com/news/20240425/171328271403640754301707.shtml），以及2022年全球医疗科技百强榜（
http://www.camdi.org/news/12453）。

在收入方面，位于中国的公司与位于美国的公司存在巨大差距。例如，2022年，排名最高的中国公司“迈瑞”的收入不到排名第十的美国公司“丹纳赫”（Danaher）的一半。这一差距表明，在医学AI领域，虽然中国公司在创新方面取得了长足进步，但尚未获得可观收入。

由于中美两国在医疗器械监管方面存在差异，因此很难进行比较；但截至2023年底，中国国家药品监督管理局（NMPA）已为AI驱动的第三类医疗器械发布共计122项批准。其中，“数坤科技”获得12项批准，排名第一；“联影智能集团”获得11项批准，排名第二；“深睿医疗”获得9项批准，排名第三；“推想医疗”、“博动医疗”和“医准智能”紧随其后。

需要注意的是，NMPA第三类医疗器械是受到严格监管的高风险医疗产品。它们在中国上市前需要经过严格测试、临床证明和官方批准。美国食品药品管理局（FDA）的第三类医疗器械针对的是没有先例的新型器械，需要根据临床证据通过全面上市前审批。截至2022年底，大多数AI驱动的医疗器械在美国被归为第二类，2024年有500多种器械获得批准。

资助中国医学AI和推动其发展的主要驱动力

过去十年间，中国政府对医学AI研究的资助稳步增长，超过一半的项目资助来自于医学科学部门。为了解国家资助的医学AI项目的趋势和分布情况，我们分析了国家自然科学基金委员会（NSFC）官网数据。尽管NSFC是中国医学AI研究的重要政府资金来源，但它并不是唯一资金来源，因为医学AI研究还可获得国家社科基金和其他政府主导项目的资助，如国家重点研发计划（NKRDPC）。然而，NSFC的研究覆盖面最广、最全面，而且有公开数据。

我们发现，从2015年至2023年，NSFC共资助了964个与医学AI相关的项目，年均增长37.9%（图5）。这些项目大部分由MSFC医学科学部资助（64.6%），其次是信息科学部（30.1%）和管理科学部（5.3%）。值得注意的是，医学科学部资助的医学AI项目越来越多，并且医学AI项目一直占所有资助项目的一半以上，特别是从2020年开始。此外，NFSC资助项目在自然指数收录期刊上发表的论文数量超过了NKRDPC资助项目的论文数量，但两者均呈上升趋势（图6）。

图5. 2015至2023年，NSFC及下属部门资助的医学AI项目数量

通过对NSFC官网和GoingPub查询系统的数据进行整理，检索范围涵盖2015年至2023年医学/健康与人工智能/机器学习/深度学习/算法的所有组合。医学科学部的检索词为“人工智能”“机器学习”“深度学习”和“算法”；信息科学部的检索词为“医学”和“健康”；管理科学部的关键词为“人工智能”“机器学习”“深度学习”“算法”“医学”和“健康”；所有结果均经过人工筛选，删除了与医学AI无关的结果。NSFC表示国家自然科学基金委员会。数据来源：数据来源于NSFC官网和GoingPub查询系统。

图6. NSFC和国家重点研发计划资助的高质量医学AI论文数量

检索策略是使用自由文本检索词，如“人工智能”“机器学习算法”“深度学习”；以及“医学”“疾病”“健康”和“治疗”。高质量论文是指在自然指数收录期刊上发表的论文。数据集是通过筛选Web of Science平台上自然指数收录期刊进行完善。NSFC表示国家自然科学基金委员会；R&D表示研发。数据来源：数据来自Web of Science核心合集。

NMPA指南的逐步优化和更新，也为扩大AI在医疗领域的应用奠定了基础。2019年，NMPA启动了人工智能医疗器械创新合作平台（aimd.org.cn），在基于算法成熟度和预期用途的评估框架下，发布详细的基本技术要求，从而加快法规实施，该措施使目前我国批准的59种AI器械全部被列为第三类（高风险）。

与此同时，美国FDA发布的“将基于AI和机器学习的软件作为医疗器械行动计划”采用了风险分级框架，优先考虑迭代的上市后更新，而不是严格的上市前技术要求，并且美国FDA批准的大多数AI器械被归类为第二类（中风险）。欧盟将风险分级（《医疗器械法规》）与以伦理为重点的符合性评估（《欧盟AI法案》）相结合，强调透明度、减少偏倚和人工监督。

尽管三个地区都在寻求风险与疗效之间的平衡，但中国模式优先考虑上市前技术控制，美国侧重于适应性学习系统的上市后评估，而欧盟则在强调安全性的同时强调伦理严格性。2024年11月，中国国家医疗保障局发布了首个针对AI辅助放射科医疗服务的价格政策，将AI定位为在不增加患者成本的前提下提高质量和效率的工具。这些里程碑标志着为医学AI应用建立生态系统的关键步骤。

中国在算力、数据共享、AI基础模型开发、医学AI法规等方面也取得稳步进展，这些都是医学AI发展的重要因素。截至2023年，中国在全球智能算力方面排名第二，仅次于美国，这反映了中国在基础设施和能力建设方面的发展。中国的DeepSeek-Rl是AI创新的典范，其推理能力与美国领先的专有模型（如GPT o1、Claude-Sonnet）相当，同时兼具成本效益和开源透明度。其本地化部署和集成有望加速医疗、产业和政府部门的智能转型。

数据汇集和利用方面仍需应对的挑战

中国医疗系统仍面临重大挑战。根据《2023年我国卫生健康事业发展统计公报》，每年有3.01亿人次住院，其中49.1%在三级医院，24.9%在二级医院，少数在基层和社区医疗服务机构。尽管目前已经设立几个集中的国家医疗数据库，但供AI利用的医疗数据仍然是碎片化的，医院对AI数据的操作是彼此独立的。这种碎片化对中国医学AI发展造成了重大瓶颈；但国家数据局正在解决这一问题，这是一个成立于2023年的专门的中央政府机构，负责协调政府各部门和公共部门之间的数据共享和利用。

结论

近年来，中国医学AI领域进展迅速，研究论文数量和质量都大幅增长，其中包括来自公共学术机构和私营企业的贡献。尽管取得了这些进展，但中国医学AI进展所带来的影响仍落后于美国领先机构。在研究经费、扩大计算基础设施、促进数据共享和利用以及加强监管框架等方面取得的进展，可共同推动改善中国医学AI发展的生态系统。然而，重大挑战依然存在，包括数据碎片化、监管和安全问题，以及将AI技术与临床实践和医院工作流程整合方面的困难。解决这些障碍对于中国和其他国家充分发挥医学AI潜力至关重要。

来源 | 《NEJM AI医学前沿》公众号

美编排版 | 宣传中心

审核 | 韩冬野

要闻回顾 news

祝贺 ！清华长庚王亚星当选国际眼科科学院院士

阴雨连绵天气潮 毛霉感染“夺命刀” 清华长庚有妙招

微信订阅号

医院资讯 科普信息

挂号小程序

操作简单 方便快捷

微信服务号

就医服务 便民信息

官方APP

功能丰富 特色服务