人工智能+醫療與生命科學，是在協助人或解放人的狀態下，以提升院內外醫療服務效率效果為目的、以人工智能為核心干預技術手段介入傳統的院內外醫療環節，從而產生相應軟硬件產品的新型醫療應用技術，本報告于后文中將人工智能+醫療與生命科學簡稱為AI醫療。因AI醫療需AI技術結合具體的醫療場景方能釋放與彰顯其具象的原理與作用，故其具有很強的場景關聯性。按應用場景分類，人工智能+醫療與生命科學主要分為AI醫療影像、CDSS、智慧病案、AI制藥、醫療數據智能平臺、AI醫療機器人、AI基因分析等細分應用技術。由于AI基因分析在我國的發展處在早期雛形階段，商業模式與規模釋放尚不清晰，故在本報告中，AI基因分析不予討論。AI制藥的下游服務市場為藥企，而其他應用技術的下游主要覆蓋范圍都為醫院，少部分應用會在院外市場中使用，如AI醫療服務機器人應用于康養機構環境消毒，醫學數據智能平臺應用于醫學研究中心統計數據與疾病研究等。
基于數據建設、算法開發與產品商業化的角度，艾瑞將中國AI醫療的發展軌跡分為四個階段：1）AI初步介入醫療階段，醫療數據零散地儲存在各類醫院信息系統中，AI技術在醫療領域的探索更偏向試探性的測試，標準化產品尚未出現。2）AI醫療應用浮現階段，院內外數據建設工作展開，眼底、肺部影像的標準數據庫率先建立，為AI醫療影像產品領跑奠定了基礎，眼底、肺部影像產品跑出，其他產品還不明確，商業化還在起步，商業模式并不明朗，還處在多元、混沌的嘗試階段；3）AI醫療應用深入探索階段，醫療數據的安全性得到維護，數據互聯互通建設向數據治理與開發轉變，AI醫療影像向多疾病多科室橫向拓展與縱向深挖，NLP技術產品跑出，個別賽道競爭加劇，可行的商業模式浮出水面；4）AI醫療應用穩定完備階段，數據互聯互通建設基本告一段落，數據共享初步實現，以KG為主的認知智能技術邁向成熟，與感知智能協同推進各類應用的均衡互補發展，總體賽道的競爭格局與商業模式形成并穩定，頭部聚集效應長期存在。
我國的C端用戶出于被動或主動的檢查與治療動機，越發重視醫療保健，對醫院診療與保健資源的剛性、柔性消費需求程度持續加強。診療與入院數據方面，2016-2020年，我國的診療人次與入院人數都呈穩步上升趨勢，2020年因疫情影響，相應數據有所回落，總體來說，我國診療、住院人口基數龐大。醫療費用數據方面，2015-2019年中國人均衛生費用呈逐步上升態勢，且在2019-2020年的細分衛生費用中，次均門診費用與人均住院費用的價格與同比增長都在提升，反映出居民衛生付費意愿與消費能力增強。就診科室與癌癥情況方面，2019年我國內科急診人數高達13.4億人次，2020年我國癌癥發病數TOP6相關發病總人數高達301萬人，病種治療人口基數巨大；體檢情況方面，2015-2019年我國各類醫療衛生機構健康檢查人數總體呈上升趨勢，體檢覆蓋率有待提升。若引入AI，醫療AI應用有望進一步落地，診療服務有望實現質量與數量的改善，從而滿足居民不斷增長的醫療保健需求。
