2025ivd体外诊断展会AI驱动IVD行业变革从概念炒作到产业落地有多远

【来源：21世纪经济报道】
近期，IVD行业的AI概念股表现强势。安必平、迪安、华大、三诺、万孚、润达、金域、塞力医疗等多家IVD企业股价大幅上涨。

这一轮强势表现离不开AI技术的革新，尤其是DeepSeek大模型的推出。DeepSeek凭借广泛的应用场景和低成本的数据获取，迅速成为AI大模型领域的新焦点。

目前，金域医疗、华大基因、圣湘医疗等IVD企业已选择接入DeepSeek。随着DeepSeek等新一代人工智能的出现，IVD行业将迎来前所未有的变革。这些技术将从诊断精度、场景拓展等多个方面，为IVD行业注入强劲动力，但真正从概念落地到商业化实践尽管检验学科冲在前面，但仍道阻且长。

华南某医检从业者向21世纪经济报道记者表示，利用新技术挖掘行业产业链深层次的价值已经不是新鲜事，各家布局之外仍存在公开的竞争，DeepSeek开源策略之外更会加速整体竞争的过程。

无独有偶，从事AI药物设计研究的浙江大学药学院教授谢昌谕也表示，技术可能并不是DeepSeek最大的优势，在代码开源、研发人才充沛和迭代优化异常迅速的AI行业，技术上的差距或许很快会被其他公司追赶。

检测效率及精度得到提升

DeepSeek作为新一代人工智能的代表，能够提升检测的速度以及诊断的精度。拿基因测序仪为例，通过DeepSeek的算法优化，数据处理效率的能够提升300%，大大提高了医疗诊断的效率和医疗服务的质量。

而在应用方面，金域医学宣布接入DeepSeek，2月份，金域医学在域见医言大模型以及配套的智能体应用“小域医”上正式完成DeepSeek-R1模型的部署。金域的医疗模型具备智能项目推荐、检测结果判读、报告生成等功能，能够提升了检验效率并优化了医生的诊疗决策流程。例如在HPV检测方面，“小域医”可直接为医生提供详细的检测分析与建议，大幅缩短患者从检验到治疗的等待时间。

与金域一样，华大基因也希望借助DeekSeek提升检测的整体效能。近期，华大就宣布，基于DeepSeek-R1的技术优化，进一步降低数据分析成本，从而提升整体基因检测效能。

华大基因在24年推出了基因检测多模态大模型“GeneT”，这一模型有超过百万级的数据训练，能够准确识别基因组中的致病变异，提高诊断的准确性。而在DeepSeek的助力之下，华大基因将进一步降低分析成本，扩大应用范围。

同样选择接入DeepSeek的还有思路迪诊断。最近,思路迪诊断宣布将DeepSeek接入肿瘤临床知识库（CKB），从而优化基因变异解读。

值得一提的是，思路迪CKB团队在GPT-4o版本发布后，就已经其集成到肿瘤临床知识库中。此次接入DeepSeek模型，也旨在扩容整体数据量，提升分析的效率以及精度。

随着DeepSeek的开源，各大医疗器械厂家纷纷开始针对复杂的医疗场景，对专业医疗数据进行二次开发，从而推动IVD产业向智能化、信息化方向发展。

DeepSeek等新一代人工智能的出现，为诊断行业带来了充分的想象空间。首先，AI技术打破了地域限制，实现了远程医疗。搭载AI的远程诊疗设备能够进行高清影像传输、实时数据分析和远程会诊，让优质医疗资源得以更广泛地共享。

圣湘生物公开表示通过大模型的接入，推动远程医疗的发展。宣布圣湘生物自研平台“传染病数智化系统”正式接入DeepSeek-R1模型。

公开信息显示，基于DeepSeek的深度学习和专属产品知识库的高效协同，圣湘生物希望将这一系统与数智化传染病系统深度融合，结合已有的三端合一医院合作检测数据和诊疗路径，持续优化呼吸道传染性疾病的诊断和治疗环节。这一举措将为居家消费者提供智能抗生素合理用药提醒的数据支持。

此外，DeepSeek等新一代人工智能凭借着其海量的数据，以及出色的数据分析和学习能力，能够为患者提供个性化的诊疗方案。这也是IVD行业未来发展的重点方向之一。

智能大模型能够通过接入海量的数据，以及出色的自主学习能力，能够对患者的健康数据进行长期跟踪和分析。

在DeepSeek等新一代人工智能的助力之下，各大IVD能够更自如地对不同应用场景进行探索，从而扩充整体的市场容量。

商业化落地之难

数据是AI医疗的重要资源之一。无论是检测诊断的实施，抑或是诊疗方案的提供，都需要庞大的、高质量的数据资源供给。然而，数据质量和隐私问题使得获取高质量、标注良好的数据集成为一大挑战。

有业内人士向21世纪经济报道表示，“医疗数据是各类数据中最难获取的，但它又是医疗AI发展的核心资源。受现有管理体制机制影响，不同监管部门之间的共享渠道也不畅通，大量有价值的健康数据无法有效利用。同时，国内数据的标准化程度较低，不同医疗机构之间的数据格式和结构各异，需要医生群体不断在前期做相应的前置投入诊断训练。”

数据标准化是医疗数据应用的一大问题。标准化问题主要体现在数据整合、效率和跨机构协作等方面。上述AI医检专家向21世纪经济报道表示，“不同来源的数据格式和标准不统一，导致数据整合困难。医疗机构、科研机构、医疗器械公司等各有不同的数据采集和管理系统，缺乏统一标准，从而限制了数据的价值挖掘。”

除了数据价值难以挖掘外，非标准化的数据还会严重影响了数据的效率。在数据格式和编码标准不同的情况下，就需要花费大量时间和资源进行预处理和清洗工作。

此外，非标准化问题还会阻碍跨机构的数据写作，使得不同医疗机构之间的数据无法直接互通，从而让联合研究和远程医疗服务难以实现。

医疗数据不同于其他资源，它具有明显的合规性的问题。如何解决数据的合规性问题，是医疗数据开发的主要难点之一。

目前，法律法规和技术保障是确保医疗数据使用合规的主要手段。上述AI医检专家向21世纪经济报道表示，“确保医疗数据使用的合规性和透明度是一个复杂的多方面问题，涉及法律法规、技术手段以及伦理考量。首先，在法律法规层面， 各国都有一系列严格的法规来规范医疗数据的收集、存储和使用。其次技术手段也是保障数据合规性的重要环节。可以采用加密技术和匿名化处理可以有效保护患者的隐私信息。例如，通过差分隐私技术可以在数据过程中加入随机噪声，从而在不影响结果的前提下保护个体隐私。”

而对于IVD企业而言，在使用医疗数据时，需要遵循最高的伦理标准，确保患者知情同意，并尊重患者的自主权。

总的来说，只有解决了数据合理化和标准化问题，IVD智能产业才能真正实现商业化。