医疗AI的投资失衡：全球资本如何塑造AI创新格局

全球医疗AI领域的投资正在重塑医疗创新的地形。一项覆盖2010-2024年间3807家AI医疗初创公司的大规模研究发现，资本流向高度集中在技术复杂度较高的领域，而许多有临床需求的领域仍被严重忽视。

研究背景

人工智能在医疗领域的应用潜力巨大，从药物发现到临床诊断，再到患者管理，AI技术正在多个环节改变医疗实践。然而，AI医疗创新的发展并非均衡的。不同医疗领域获得的投资差异巨大，地理位置也显著影响了创新生态。了解资本如何流向不同的医疗领域和地区，对于识别创新机遇和解决医疗空白具有重要意义。

这项研究利用PitchBook、LinkedIn和Crunchbase等数据库，对超过3800家AI医疗初创公司进行了混合方法分析。研究人员手工编码了400家初创公司的数据，使用大型语言模型（GPT-4）对全数据集进行分类，并通过专家验证确保数据准确性。研究按医疗领域、AI系统复杂度（分为5个层级）、地理位置、融资规模和创始人构成进行了全面分类。

主要发现

• 投资严重集中在三个领域。约三分之二的AI医疗投资集中在临床决策支持系统（104亿美元）、药物发现（185亿美元）和医学影像与诊断（118.7亿美元）。这些领域通常需要更高复杂度的深度学习系统，但与此同时，精神卫生、公共卫生和康复医学等领域的初创公司获得融资远远不足，尽管这些领域存在明显的临床需求。
• 地理位置高度集中。美国主导全球AI医疗创新，拥有1609家初创公司（占总数的42%）和380亿美元融资。创新集群集中在硅谷、波士顿、伦敦和柏林等高收入国家的城市。相比之下，非洲和南美洲的初创公司数量极少，反映了全球AI医疗创新资源的极度不均衡分布。
• 创始人构成存在显著性别和专业差异。AI医疗初创公司的创始人中，拥有技术专业背景的占35%，商业背景人士也占相当比例。然而，医学专业人士（如医生、护士、公卫专家）在纯创始人团队中的占比不足5%。女性创始人整体占比仅为15.8%，在技术角色中更是仅有10.7%，反映出该行业的性别失衡现象。
• FDA批准的AI/ML设备以低复杂度系统为主。97%以上获FDA批准的AI/ML医疗设备属于辅助型和感知型AI系统（较低复杂度）。相比之下，先进自主AI系统在FDA批准的设备中各自占比不足1%，反映出监管和技术障碍对复杂AI系统的限制。

临床意义

这些发现对医疗创新生态具有深刻的临床意义。首先，投资集中在技术复杂度高的领域可能反映了资本对”高价值”应用的偏好，但这种偏好是否真正满足临床需求值得思考。精神卫生和公共卫生领域的融资不足可能限制了AI在这些领域的应用进展，尽管这些领域面临全球性的医疗挑战。

其次，创始人中医学专业人士的严重不足是一个值得关注的问题。医疗实践的复杂性要求深入理解临床工作流程、患者需求和医疗伦理。当AI初创公司主要由技术人员和商业人士创办时，可能导致开发的解决方案与实际临床需求脱节。有效的AI医疗创新应该建立在医学专业知识和技术能力的结合之上。

第三，地理位置的极度集中意味着许多低收入和中等收入国家的医疗AI创新生态相对薄弱。这加剧了全球医疗卫生的不平等，高收入国家的AI医疗技术可能难以适应或无法覆盖资源匮乏地区的医疗需求。

局限性与展望

虽然这项研究提供了全球医疗AI投资的宏观视图，但仍存在一些局限性。数据库覆盖主要以英文信息为主，可能低估了非英文地区的初创活动。此外，研究使用GPT-4进行大规模分类，虽经专家验证，但自动分类可能在某些复杂案例中存在误差。

研究表明，要促进更加均衡和包容的医疗AI创新，需要采取以下措施：一是为欠资助地区和医疗领域建立区域特定的支持机制，包括融资渠道、监管指导和技术基础设施建设；二是加强AI初创团队与医学专业人士的早期合作，确保开发的解决方案更贴近临床实践和患者需求；三是在性别多样性方面采取具体措施，提高女性在AI医疗创新中的参与度。

Original paper: Mapping AI startup investment and innovation in healthcare using a five-tier AI systems complexity framework. — NPJ digital medicine. 10.1038/s41746-026-02595-5

🎧 收听播客