KI-Medizin: Der hundert Milliarden schwere Zukunftsmarkt – wer ist der Spitzenreiter?

In den letzten zehn Jahren war die KI-gestützte Gesundheitsversorgung stets die „Goldbahn“ in den Augen des Kapitalmarkts.

Im Juli 2026 schloss SenseTime Healthcare eine Serie-B-Finanzierungsrunde mit über 100 Millionen US-Dollar ab, wobei die Unternehmensbewertung nach der Finanzierung 10 Milliarden Yuan überschritt. Diese medizinische Tochtergesellschaft, die aus dem KI-Visionsgiganten hervorgegangen ist, stürmt mit dem Konzept des „Medizinischen Weltmodells“ auf den Kapitalmarkt zu. Laut Quellen aus Insiderkreisen ist das Unternehmen bereits in die Pre-IPO-Phase eingetreten und hat gute Chancen, die „erste Aktie des medizinischen Weltmodells“ zu werden.

Gleichzeitig beschleunigen auch die Großkonzerne ihre Investitionen. ByteDance investierte 6 Milliarden Yuan, um das erste „KI-native Krankenhaus“ des Landes zu errichten; Ant Financials A-Fu dringt aus dem Endverbrauchermarkt in den Bereich der Gesundheitsversorgung vor und erlangte mit der Kampagne „Wissenschaftliche Gewichtsreduktion um 50 Millionen Kilogramm“ große Bekanntheit, seine monatlichen aktiven Nutzer überschreiten derzeit 30 Millionen; Tencent hat eine vollständige Stack-Lösung für die KI-gestützte Gesundheitsversorgung veröffentlicht, um die beschleunigte Umsetzung der KI-Medizin zu unterstützen; die von Robin Li gegründete und von Baidu unterstützte KI-Pharmazeutikfirma BioMap hat laut Marktinformationen ebenfalls heimlich einen Börsengangsantrag eingereicht......

Geld und Personal strömen mit beschleunigter Geschwindigkeit in die KI-gestützte Gesundheitsversorgung.

Die neuesten Daten von Analysys zeigen, dass der chinesische Marktumfang von KI + Gesundheitsversorgung bereits 150 Milliarden Yuan überschritten hat, mit einer durchschnittlichen jährlichen Wachstumsrate von 40 % bis 50 %, die weit über der Gesamtwachstumsrate der Gesundheitsbranche im gleichen Zeitraum liegt. Auch die Durchdringungsrate steigt rasant: Die Durchdringungsrate von KI-gestützten Diagnosesystemen in Krankenhäusern der Stufe 3 hat bereits 65 % überschritten, in Krankenhäusern der Stufe 2 erreicht sie 40 %; bis Ende 2025 hat die Nationale Medizinproduktebehörde mehr als 120 Zulassungen der Kategorie 3 für KI-Medizinprodukte genehmigt. KI arbeitet schon lange in Krankenhäusern.

Allerdings begann die letzte Welle des Booms auf die gleiche Weise. Um das Jahr 2021 herum strebten KeYa Medical, Infervision Medical, Deepwise Technology und Airdoc Technology gemeinsam einen Börsengang an. Diese vier Star-Unicorns wurden vom Kapital auf einen hohen Stand gehoben, aber letztendlich ging nur Airdoc Technology an die Börse, die anderen drei erlebten Schwierigkeiten. Sie sind immer noch in Betrieb, aber die gemeinsamen Rückschläge damals haben die gemeinsamen Schwierigkeiten der Branche offengelegt: Die Kern-KI-Produkte konnten lange Zeit keine skalierbaren Einnahmen erzielen, die anhaltend hohen F&E-Investitionen führten zu anhaltenden Verlusten, und der kommerzielle Weg ließ sich nicht nachweisen. Hinzu kommt, dass der Aktienkurs von Airdoc nach dem Börsengang von einem Hoch von 75 Hongkong-Dollar auf heute einstellige Werte gefallen ist, sodass die Aufmerksamkeit für die gesamte Branche nachließ.

Der Unterschied in dieser Runde liegt in der Entwicklung der KI-Technologie und der verstärkten Politikunterstützung.

Laut Analysys sind nach dem Durchbruch von DeepSeek im ersten Halbjahr 2025 medizinische vertikale Großmodelle in eine Phase der intensiven Veröffentlichung und schnellen Iteration eingetreten; Branchenkenner sagen, dass vor dieser Technologiewelle die meisten Unternehmen keine Maßnahmen zur KI-Transformation ergriffen haben. Die Generalisierungsfähigkeit und das multimodale Verständnisvermögen der Großmodelle haben der KI zum ersten Mal die Möglichkeit gegeben, von einem Werkzeug zu einem Assistenten zu werden. Das ist auch der entscheidende Unterschied zur letzten Welle der Bild-KI.

Auf politischer Ebene hat die Nationale Krankenversicherungsbehörde im Jahr 2024 im Leitfaden für die Einrichtung von Preiskategorien für medizinische Dienstleistungen erstmals eine „Erweiterungskategorie“ für die KI-gestützte unterstützende Diagnose eingerichtet. Danach hat die nationale Ebene fortwährend Signale ausgesandt, die die KI-gestützte unterstützende Diagnose fördern und lokale Erkundungen von Anwendungsszenarien unterstützen.

Kann die KI-gestützte Gesundheitsversorgung in dieser Runde eine andere Geschichte erzählen?

01. Was KI in der Gesundheitsversorgung zuerst erledigt

Der Vorstellungsraum der KI-gestützten Gesundheitsversorgung erweitert sich ständig. Aus der Sicht der Position in der Industriekette und des technischen Reifegrads konzentriert er sich grob auf vier Richtungen: unterstützende Diagnose, Arzneimittelentwicklung, Krankheitsbehandlung und Gesundheitsmanagement.

Die KI-gestützte unterstützende Diagnose ist derzeit die Richtung mit den schnellsten Fortschritten.

Ein Mitarbeiter im Bereich der KI-gestützten Gesundheitsversorgung erzählte dem Magazin „Dingjiao One“: „Derzeit sind einzelne, leicht zu standardisierende Module wie Bildgebung, Krankenblattassistent und Arzneimittelprüfung relativ ausgereift, aber die vollständige unterstützende Entscheidungsfindung ist noch nicht vollständig umgesetzt. Derzeit gibt es kein Großmodell, das den gesamten Behandlungsprozess unabhängig abschließen kann.“ Daher ist es umso einfacher für die KI, umgesetzt zu werden, je einheitlicher die Aufgabe, standardisierter die Daten und klarer die Grenzen sind.

Lü Yizhi, geschäftsführender Direktor des Instituts für Künstliche Intelligenz von Cofoe Medical, erklärte gegenüber „Dingjiao One“, dass die Software auf der abstraktesten Ebene aller Technologien steht, sodass die KI am einfachsten ihre Wertschöpfung entfalten kann; weiter unten sind Embodied Intelligence oder die Fertigungsbereiche, in denen die KI auf größere Herausforderungen stößt.

Berichten von Frost & Sullivan zufolge hat die KI-gestützte unterstützende Diagnose nach und nach wichtige Anwendungsrichtungen herausgebildet, die durch medizinische Bildgebung, digitale Pathologie und Laboruntersuchungen repräsentiert werden, wobei die medizinische Bildgebungs-KI derzeit das Anwendungsszenario mit schnelleren kommerziellen Fortschritten ist.

Quelle / KI-generiert

Das Prinzip der KI-gestützten medizinischen Bildgebung ist nicht kompliziert: Man füttert den Algorithmus mit einer großen Menge markierter CT-, Röntgen- und Fundusfotos, sodass er sich merkt, wie Läsionen aussehen, und dann verdächtige Bereiche auf neuen Bildern markiert, die von Ärzten überprüft und bestätigt werden. Im Jahr 2025 überschritt der chinesische Marktumfang der KI-gestützten medizinischen Bildgebung 15 Milliarden Yuan, und für 2026 wird er voraussichtlich 23,57 Milliarden Yuan erreichen. Bis Juni 2026 wurden in China 134 Softwareprodukte für die KI-gestützte unterstützende Diagnose in der medizinischen Bildgebung der Kategorie 3 (die höchste Risikostufe für Medizinprodukte) genehmigt, die Bereiche wie Herz-Kreislauf-System, Lunge, Gehirngefäße und Orthopädie abdecken.

Aber in den Augen von klinischen Ärzten ist die tatsächliche Verwendung der KI in der Bildgebung nicht das, was die Außenwelt sich vorstellt.

Dr. Hu, Neurochirurg an einem umfassenden Krankenhaus der Stufe 3 in Peking, erzählte „Dingjiao One“, dass Ärzte in den meisten Fällen die Bilder selbst betrachten. Der Bereich, in dem die KI derzeit im klinischen Alltag wirklich Wert schafft, ist die quantitative Analyse. Am Beispiel des Hirninfarkts ist das Infarktvolumen ein Schlüsselparameter für die Erstellung des Behandlungsplans, aber die Schätzung mit bloßem Auge weist große Fehler auf. Die KI kann mehrere Schichtbilder stapeln und zu einem 3D-Modell rekonstruieren, um das Volumen relativ genau zu berechnen und gleichzeitig die räumliche Beziehung der Läsionen intuitiver zu machen. Seiner Schätzung nach liegt die Abdeckungsrate von 3D-Rekonstruktionssystemen mit solchen Funktionen in Krankenhäusern der Stufe 3 zwischen 70 % und 90 %. „Für Ärzte mit wenig Erfahrung ist die Hilfe sehr deutlich.“

Aber er erinnert gleichzeitig daran, dass einige der derzeit im klinischen Einsatz befindlichen „KI-Bildgebungsprodukte“ in der Ebene der eigenständigen Erkennung und Schlussfolgerung komplexer Läsionen noch weit von der echten „Intelligenz“ entfernt sind. Ein erheblicher Teil gehört im Wesentlichen noch zur fortgeschrittenen digitalen Bildverarbeitungstechnologie, die ein Produkt der letzten Welle der Deep-Learning-Bilderkennung ist.

Die zweite Richtung ist die KI-gestützte Arzneimittelentwicklung.

Die Entwicklung neuer Arzneimittel hat ein berühmtes „Doppelte Zehn“-Dilemma: zehn Jahre Zeit, eine Milliarde US-Dollar Investition und eine extrem hohe Misserfolgsrate. Die KI greift hauptsächlich im vorderen Bereich ein: bei der Zielentdeckung, dem Moleküldesign und der Vorhersage von Proteinstrukturen, und wandelt den Prozess des stückweisen Ausprobierens im Labor in eine simulierte Ableitung auf dem Computer um.

Laut Branchendaten sind bis zum ersten Halbjahr 2026 weltweit mehr als 170 Arzneimittelpipelines, die von KI entworfen oder optimiert wurden, in die klinische Phase eingetreten, davon sind mehr als zehn Kandidatenarzneimittel in die Phase III (die entscheidendste Phase der Humanversuche vor der Zulassung neuer Arzneimittel) vorgedrungen. Das Jahr 2026 wird von der Branche als das „Jahr der klinischen Validierung“ der KI-gestützten Arzneimittelentwicklung bezeichnet.

Diese Richtung hat den größten Vorstellungsraum, aber auch die größte Validierungsschwierigkeit. Bislang wurde kein einziges Arzneimittel, das vollständig von Grund auf von KI entworfen wurde, für den Markteintritt zugelassen. Da die physiologischen Mechanismen des menschlichen Körpers komplex sind, kann die KI schöne Formeln berechnen, aber es ist schwierig, die tatsächliche Reaktion des Körpers nach der Einnahme des Arzneimittels vorherzusagen. Fälle mit guten Ergebnissen in der Vorphase, die in der Klinik scheitern, sind nicht selten.

Die Haltung der klinischen Seite ist direkter. Dr. Hu ist der Ansicht, dass der Gesundheitsbereich keine „Schnellstraße“ für neue Technologien öffnen wird. Seiner Meinung nach kann die KI tatsächlich den gesamten Entwicklungszyklus von der Zielvalidierung über Tierversuche bis zu Humanversuchen verkürzen – früher dauerte die Entwicklung eines innovativen Arzneimittels von der Projektgenehmigung bis zur klinischen Anwendung ein bis zwei Jahrzehnte, die KI kann diesen Zyklus möglicherweise um drei bis fünf Jahre verkürzen. Aber er betont, dass dies nicht bedeutet, dass der Sprung von dem Algorithmus zur klinischen Produktion in kurzer Zeit erreicht werden kann, die starre Sicherheitsvalidierungsphase der klinischen Versuche kann nicht ersetzt werden.

Die dritte Richtung ist die KI-gestützte Krankheitsbehandlung. Der Bericht von Frost & Sullivan unterteilt die Anwendung von KI in der Krankheitsbehandlung in drei Ebenen: Abgleich von Behandlungsplänen und Vorhersage der Wirksamkeit, Planung von Interventionen und Operationspfaden, Operationsnavigation und robotergestützte Chirurgie.

Der Abgleich von Behandlungsplänen und die Vorhersage der Wirksamkeit funktionieren, indem verschiedene Merkmale des Patienten analysiert werden, um den Patienten automatisch mit dem optimalen Behandlungsplan abzugleichen; die Planung von Interventionen und Operationspfaden nutzt technische Mittel wie präoperative Modellierung, sodass der Behandlungsplan nicht mehr wie früher stark von Ärzten abhängt, die auf der Grundlage erster Bilder „einmalige Entwürfe“ erstellen, sondern „kontinuierlich dynamisch optimiert“ werden kann. Die ersten beiden Ebenen beziehen sich im Wesentlichen noch auf die präoperative Planung, und es gibt bereits einige Umsetzungsfälle.

Die am meisten beachtete und umstrittenste ist die dritte Ebene, insbesondere die robotergestützte Chirurgie. Der Roboter selbst trifft keine Entscheidungen: Der Arzt gibt Anweisungen über die Bedienkonsole, der mechanische Arm gibt die Handbewegungen des Arztes in Echtzeit wieder und hebt die Betriebspräzision von der Millimeter-Ebene auf ein höheres Niveau. Sie eignet sich für Operationsszenarien mit hoher Präzision und hohem Schwierigkeitsgrad. Da sie aber direkt mit Patienten in Kontakt kommt, ist die Sicherheitsschwelle extrem hoch.

Bezüglich Operationsrobotern weist Dr. Hu darauf hin, dass Operationsroboter, die durch das Da-Vinci-System repräsentiert werden, zwar schon seit vielen Jahren existieren und in einigen Krankenhäusern in China installiert sind, aber die hohen Kosten für den Gerätekauf und Verbrauchsmaterialien sowie die lange Ausbildungsdauer der Chirurgen machen es schwierig, sie weit verbreitet in ländlichen Gebieten zu popularisieren. „Nur weil es die Technologie gibt, kann sie nicht sofort umgesetzt werden.“ Seine Einschätzung zur viel diskutierten Fernoperation ist noch direkter: Die erste Schwelle ist nicht einmal der KI-Algorithmus, sondern die Netzwerklatenz und die Signalstabilität – das ist ein tödliches Risiko im Operationsszenario, daher sind die entsprechenden Anwendungen derzeit sehr vorsichtig.

Er schätzt einen anderen Weg wirklich hoch ein: die Kombination aus Medizin und Ingenieurwesen. Menschen, die Ingenieurwesen und Materialdesign betreiben, kennen die menschliche Struktur nicht, Ärzte kennen die klinischen Probleme, aber verstehen keine Ingenieurmechanik und Strömungsmechanik. Wenn die beiden Seiten zusammenkommen, ist die Erfindung und Innovation von Medizinprodukten möglich.

Die letzte Richtung ist das KI-gestützte Gesundheitsmanagement. Es richtet sich direkt an Hunderte Millionen Verbraucher und ist die leichteste und dem Internet am ähnlichsten Bahn.

Die kumulierten Nutzer von Ant Financials A-Fu überschreiten 100 Millionen, die monatlichen aktiven Nutzer überschreiten 30 Millionen, und es werden täglich mehr als 10 Millionen Gesundheitsberatungen verarbeitet; JD Health hat offiziell bekanntgegeben, dass die Durchdringungsrate der KI-gestützten ärztlichen Beratung 80 % erreicht hat; die KI-Ärzte von Ping An Good Doctor können täglich bis zu 4 Millionen Beratungen übernehmen. Die Schwellen für Szenarien wie KI-Gesundheitsassistenten, Management chronischer Krankheiten und Interpretation von Untersuchungsberichten sind nicht so hoch wie bei Bildgebung und Arzneimittelentwicklung. Wer die Nutzergröße aufbauen kann, kann den ersten Vorteil erlangen.

Aber die Mitarbeiter weisen auch auf die praktischen Probleme dieser Bahn hin: „Derzeit ist die Zahlungsbereitschaft und Anerkennung der Endverbraucher (C-Ende) noch relativ gering.“

Dr. Hu hat eine spezifischere Beobachtung dazu: Einige KI-Gesundheitsberatungsprodukte befinden sich in einem Teufelskreis, bei dem „kleine Krankheiten überbewertet und große Krankheiten unterschätzt werden“. Sie geben übermäßige Ratschläge und übertreiben die Risiken bei einfachen Symptomen, können aber bei komplexen Erkrankungen aufgrund der Begrenzung des W