川观智库资讯|医疗大模型迈入快速扩张期，应用落地仍面临两重技术挑战

川观智库研究员 黄爱林

本月初，继OpenAI发布医疗开源大模型后，百川智能也发布了第二款医疗增强大模型Baichuan-M2，并迅速反超OpenAI。医疗大模型的价值凸显，正成为科技巨头争抢的重要赛道。蚂蚁集团研究院与中国信通院联合发布的《人工智能大模型在医疗健康领域发展态势研究报告》(下简称“报告”)指出，基础层数据问题正成为医疗大模型发展的最大瓶颈，高质量数据短缺与“孤岛效应”，让医疗大模型陷入“无米之炊”的困境。

中国医疗大模型的规模迅速扩张。毕马威指出，据不完全统计，在全球范围内已发布的医疗大模型里中国发布数量占比超70%，其中按模型类别来看，大语言模型数量最多占比近65%。报告显示，截至2025年5月1日，我国新发布医疗大模型133个，远超2024年全年的94个、2023年全年的61个。同时，根据亿欧智库数据，2025年医疗大模型市场规模接近20亿元，在行业爆发期间，预计以高达140%的年平均增长率扩张，于2028年突破百亿元。

尽管规模在迅速扩张，医疗大模型仍在技术上深陷双重困境。首先是医疗模型在学习阶段面临“数据贫瘠与知识鸿沟”挑战。高度专业化的医疗任务需要特定知识支撑，但高质量、覆盖全疾病谱系的标注数据集极其匮乏。主要因为标准化缺失，各级医疗机构数据编码、字段命名混乱；质量参差不齐，病历、影像等非结构化数据存在大量缺失、重复和人工录入错误；标注成本高昂，专业医学标注需临床专家参与，罕见病、复杂病例数据尤为稀缺。而且这些数据来源往往单一(比如主要来自大城市大医院)，导致医疗大模型到了小医院或者面对不同人群就容易“蒙圈”，诊断可能不靠谱。

即使模型训练好了，部署落地仍面临“算力饥渴与系统孤岛”的阻碍。一方面，训练和运行需要巨额算力投入，推理速度难以满足临床实时需求，庞大的模型和硬件要求令基层医院望而却步；另一方面，缺乏统一标准的医疗信息系统(如HIS/EMR)形成孤岛，换言之医疗大模型更像一个“外来户”，和医院既有的老系统完全“语言不通”，难以直接融合。而大模型与医院系统集成需要大量定制开发，成本高昂且复杂，严重阻碍了其融入实际诊疗流程。这些困境相互交织，共同制约着医疗大模型从规模扩张迈向真正的临床应用和价值释放。