中国医疗大模型发展现状及前景规模展望报告2024

来源：北京华研中商经济信息中心 时间：2024-10-04 16:00:07 [举报]

中国医疗大模型发展现状及前景规模展望报告2024～2030年

★★★★★★★★★★★★★★★★★★★★★★★
【报告编号】: 470132

【出版时间】: 2024年8月

【出版机构】: 华研中商研究院

【交付方式】: EMIL电子版或特快专递

【报告价格】:【纸质版】: 6500元 【电子版】: 6800元 【纸质+电子】: 7000元

【联-系-人】: 成莉莉--客服专员

免费售后服务一年，具体内容及订购流程欢迎咨询客服人员。
【报告目录】

——综述篇——

第1章：医疗大模型行业综述及数据来源说明

1.1 大模型产业界定

1.1.1 大模型定义

1.1.2 大模型的特征

1.1.3 大模型核心优势

1.1.4 大模型所处行业

1.2 医疗大模型行业界定

1.2.1 医疗大模型的界定

1、定义

2、特征

1.2.2 医疗大模型相关术语

1.2.3 医疗大模型行业监管

1.3 医疗大模型产业画像

1.3.1 医疗大模型产业链结构梳理

1.3.2 医疗大模型产业链生态全景图谱

1.3.3 医疗大模型产业链区域热力图

1.4 本报告数据来源及统计标准说明

1.4.1 本报告研究范围界定

1.4.2 本报告数据来源

1.4.3 研究方法及统计标准

——现状篇——

第2章：中国医疗大模型产业发展现状及痛点

2.1 中国大模型发展现状及趋势分析

2.1.1 中国大模型发展历程

2.1.2 中国已发布大模型数量变化

2.1.3 中国大模型参数规模变化

2.1.4 中国大模型商业模式分析

2.1.5 中国大模型发展趋势洞悉

2.2 中国大模型落地医疗可行性分析

2.3 中国医疗大模型技术选型与部署方式

2.3.1 中国医疗大模型技术选型

2.3.2 中国医疗大模型部署方式

2.4 中国医疗大模型开发与应用模式

2.4.1 提示工程

2.4.2 各种指令/任务微调

2.4.3 继续训练通用大模型

2.4.4 从头开始预训练

2.5 中国医疗大模型产品汇总

2.6 中国医疗大模型招投标情况

2.6.1 医疗大模型招投标统计

2.6.2 医疗大模型招投标分析

2.7 中国医疗大模型竞争要素及竞争格局

2.7.1 医疗大模型竞争要素

2.7.2 医疗大模型竞争格局

2.7.3 主要医疗大模型厂商竞争力评价

2.8 中国医疗大模型市场规模体量

2.9 中国医疗大模型发展痛点

第3章：中国医疗大模型技术架构及能力构建

3.1 完整大模型开发步骤

3.2 大模型基础架构及工程化

3.2.1 大模型基础架构

1、Transformer架构

2、大规模语言模型：BERT和GPT

3、卷积神经网络CNN

4、循环神经网络RNN

5、前馈神经网络MLP

3.2.2 大模型工程化

1、数据工程（数据处理和回流）

2、模型调优（模型训练与微调）

3、模型交付（模型压缩与测试）

4、服务运营（服务部署与托管）

5、平台支撑能力

3.3 基础大模型底座

3.3.1 NLP大模型

3.3.2 CV大模型

3.3.3 多模态大模型

3.3.4 科学大模型

3.4 医疗大模型构建路线图

3.4.1 行业需求分析与资源评估

1、业务需求评估

2、算力层评估

3、算法层评估

4、数据层评估

5、工程层评估

3.4.2 行业数据与大模型共建

1、明确场景目标

2、模型选择

3、训练环境搭建

4、数据处理

5、模型训练共建

3.4.3 行业大模型精调与优化部署

1、模型精调

2、模型评估

3、模型重训优化

4、模型联调部署

5、模型应用运营

3.5 医疗大模型基础能力构建概述

3.6 医疗大模型基础能力构建之“算力”

3.6.1 大模型的算力需求分析

3.6.2 AI芯片

1、AI芯片概述

2、AI芯片发展现状

3、AI芯片供应商格局

4、主要AI芯片类型

（1）CPU

（2）GPU

（3）DPU

（4）TPU

（5）FPGA

（6）ASIC

3.6.3 AI服务器

1、AI服务器概述

2、AI服务器发展现状

3、AI服务器供应商格局

3.6.4 医疗大模型算力部署路径

3.7 医疗大模型基础能力构建之“数据”

3.7.1 数据处理与服务概述

3.7.2 国内外主要大语言模型数据集

3.7.3 数据API

3.7.4 训练数据开发

3.7.5 推理数据开发

3.7.6 数据维护

3.7.7 医疗大模型对数据的需求

3.8 医疗大模型基础能力构建之“AI基础软件”

3.8.1 AI基础软件概述

3.8.2 AI基础软件市场概况

3.8.3 AI基础软件竞争格局

3.8.4 AI基础软件主要类型

1、机器学习框架和库

2、模型训练和部署平台

（1）模型训练平台

（2）模型部署平台

（3）模型推理平台

3、数据处理和分析工具

4、优化和自动化工具

3.9 医疗大模型标准化

3.9.1 大模型标准体系发展

1、大模型标准体系1.0

2、可信AI大模型标准体系2.0

3.9.2 行业大模型标准体系

3.9.3 医疗大模型标准及解读

1、医疗健康行业大模型系列标准框架

2、医疗大模型标准解读

第4章：中国医疗大模型应用场景分析

4.1 医疗大模型行业应用场景分布

4.2 医疗大模型应用场景：医学影像和图像

4.2.1 医学影像和图像概述

4.2.2 医学影像和图像领域大模型应用优势分析

4.2.3 医学影像和图像领域大模型应用案例分析

4.3 医疗大模型应用场景：医疗问答和智能问诊

4.3.1 医疗问答和智能问诊概述

4.3.2 医疗问答和智能问诊领域大模型应用优势分析

4.3.3 医疗问答和智能问诊领域大模型应用案例分析

4.4 医疗大模型应用场景：辅助诊疗和临床决策

4.4.1 辅助诊疗和临床决策概述

4.4.2 辅助诊疗和临床决策领域大模型应用优势分析

4.4.3 辅助诊疗和临床决策领域大模型应用案例分析

4.5 医疗大模型应用场景：医疗记录和行政管理

4.5.1 医疗记录和行政管理概述

4.5.2 医疗记录和行政管理领域大模型应用优势分析

4.5.3 医疗记录和行政管理领域大模型应用案例分析

4.6 医疗大模型应用场景：个人健康管理

4.6.1 个人健康管理概述

4.6.2 个人健康管理领域大模型应用优势分析

4.6.3 个人健康管理领域大模型应用案例分析

4.7 医疗大模型应用场景：其他

4.7.1 生命科学研究

4.7.2 药械研发

4.7.3 医疗保险

4.8 医疗大模型应用场景战略地位分析

第5章：中国医疗大模型应用实践分析

5.1 中国医疗大模型应用实践汇总

5.2 医疗大模型应用案例分析

5.2.1 北京友谊医院大模型应用布局

1、医院概况

2、医疗大模型落地实践

3、医疗大模型新布局动态

5.2.2 郑州大学附属医院大模型应用布局

1、医院概况

2、医疗大模型落地实践

3、医疗大模型新布局动态

5.2.3 浙江省人民医院大模型应用布局

1、医院概况

2、医疗大模型落地实践

3、医疗大模型新布局动态

5.2.4 上海仁济医院大模型应用布局

1、医院概况

2、医疗大模型落地实践

3、医疗大模型新布局动态

5.2.5 复旦大学附属中山医院大模型应用布局

1、医院概况

2、医疗大模型落地实践

3、医疗大模型新布局动态

5.3 医疗大模型应用难点及应对

5.3.1 大模型“幻觉”问题

5.3.2 数据质量与成本问题

5.3.3 隐私保护和数据安全

5.3.4 伦理道德问题

第6章：中国医疗大模型企业案例解析

6.1 中国医疗大模型企业梳理与对比

6.2 中国医疗大模型产业企业案例分析（不分先后，可）

6.2.1 医联年到MedGPT

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、新进展

6.2.2 叮当健康年到叮当HealthGPT

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、新进展

6.2.3 医渡科技年到医疗大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、新进展

6.2.4 智云健康年到ClouD GPT

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、新进展

6.2.5 华为年到盘古医疗大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、新进展

6.2.6 东软年到添翼医疗大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、新进展

6.2.7 科大讯飞年到星火认知大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

标签：中国医疗大模型