AI医疗市场中，判别式AI与生成式AI的技术分工不同，但当前成规模的应用仍处于起步阶段。判别式AI在识别疾病、分析影像、预测疗效等场景中实现更高准确度；生成式AI则在药物发现、模拟数据生成、个性化医疗等方面展现更广泛的增量空间。从增长潜力看，生成式AI因覆盖研发生产与诊疗全链条的新场景，其赛道增速预期更具想象空间，但两者并非替代关系，而是互补融合。
判别式与生成式：技术分工决定市场基数
判别式AI的核心在于学习输入与输出数据间的映射关系，擅长图像识别与分类，尤其适用于数据集较为单一的场景，如医学影像分析中的病灶识别。其市场基础建立在相对成熟的辅助诊断、疗效预测等垂直应用上，属于“精准识别”型技术。
生成式AI则致力于生成全新的、潜在的数据样本，在数据集丰富或需要创造新数据的场景中优势明显。例如，在医疗图像诊断中，生成式AI可用于3D医学影像重建、脑部疾病影像分析，通过合成结构和强化病变区域来提升诊断能力。这意味着生成式AI的市场基数不仅包含现有诊疗流程的优化，更涵盖数据增强、新药分子设计等从0到1的增量空间。
生成式AI的增量赛道：从药物发现到个性化医疗
当前AIGC在医疗领域的应用仍处于起步阶段，成规模的应用主要集中在聊天机器人领域，如谷歌推出的医用语言模型Med-PaLM 2，用于回答医疗保健相关问题。但在研发生产制造环节，AIGC的应用已更多集中在药物发现及CXO服务领域：生物制药企业构建Transformer等生成式模型来预测结构、发现药物；CRO企业则在已有数据基础上训练生成式语言模型以更好服务临床。
在诊疗环节，生成式AI通过工作流程改进、新数据集成和更个性化的互动体验，为辅助问诊、健康管理及心理健康等专病领域注入新活力。值得注意的是，医疗领域尤其需要高质量的专业化模型，高质量、用户反馈和专有数据集将是专业化模型的关键。从产业链看，AIGC产业由上游基础设施、中游算法模型和下游应用拓展构成，垂类赛道下的专业化模型被认为是解决方案之一。
常见问题
判别式AI和生成式AI在医疗领域会相互替代吗？
不会。判别式AI在图像识别、疾病预测等单一数据集场景中效率更高，而生成式AI擅长创造新数据样本和复杂场景应用。两者结合可实现更复杂精细的任务，AIGC的发展正在促进两类算法的融合。
生成式AI在医疗领域的主要增量空间在哪里？
增量空间主要体现在药物发现环节、CXO服务领域，以及需要生成新数据的场景，如3D医学影像重建、脑部疾病影像分析。此外，个性化医疗和医疗模拟对话也是其不可替代的应用方向。
当前生成式AI在医疗领域的商业化进展如何？
整体仍处于起步阶段，成规模的应用主要在聊天机器人领域。在研发生产环节，药物发现和CXO服务已有实际应用案例，但受限于医疗信息的敏感性及对高质量、专有数据集的要求，技术普及到普通消费者仍需时间。