传统电子病历存在录入效率低、信息提取难等问题，AI 电子病历可通过自动抓取诊疗数据、规范文本格式、辅助临床决策，大幅减轻医护负担，对医疗服务高质量升级具有重要意义。

核心观点：

• AI电子病历的高水平应用是医院提升医疗水平和医疗质量的基础，也是医院开展临床科研、学科建设、医院管理等重要抓手。
• 评级正成为促进国内电子病历市场发展的引擎。目前国内各省为了响应卫健委号召，正积极建立电子病历等级评审机制，推动4级及以下级别的评审工作，很多县级医院正在按照4级标准要求来建设或者升级系统。
• 北美的初创公司Abridge是今年AI电子病历市场上最受关注的玩家之一，其在半年内完成2笔融资，分别为2.5亿美元的D轮融资以及最新的3亿美元E轮。如今，Abridge的估值4个月翻倍，已经来到了53亿美元。
• 全球电子病历市场分散且竞争激烈，有多家国际参与者，集中度不高。国内电子病历市场呈现半垄断格局，2024年CR5达53.9%，嘉和美康、卫宁健康、海泰医疗、东软集团、东华医为5家巨头占据半数以上市场份额。

（1）定义

AI电子病历系统是基于人工智能技术构建和应用的一种电子医疗信息管理系统。它以电子化的方式记录、储存和管理病历数据，再利用自然语言处理、机器学习和数据挖掘等AI技术，实现对大量医疗数据的自动化分析、挖掘和应用，并给出临床医疗诊断，是EMR（电子病历系统）与AI技术结合的新型医疗信息化范式。

图1 AI电子病历生成流程

数据来源：融中咨询

（2）意义与技术支持

AI电子病历的高水平应用是医院提升医疗水平和医疗质量的基础，也是医院开展临床科研、学科建设、医院管理等重要抓手。当前，不仅大型医院在加强AI电子病历系统建设，而且市级和县级医院都在积极提升AI电子病历应用水平，电子病历评级等级的提高正在成为医疗信息化升级的必备条件。

图2 AI电子病历系统的技术实现手段

数据来源：融中咨询

自然语言处理（NLP）是AI电子病历系统的核心技术框架，它能使AI读懂非结构化文本形式的病历。例如，基于Bi-LSTM+CRF的医疗命名实体识别（NER）模型，可精准提取病历中的“疾病名称”“药物剂量”“手术名称”，在梅奥诊所的EMR系统中，病历录入准确率达96%，节省70%的病历录入时间。

除此之外，机器学习（ML）、计算机视觉（CV）、大数据等几项核心技术也为AI电子病历系统提供了支持，而联邦学习与差分隐私等学习框架保障了患者医疗信息的隐私安全。

（3） 特点

AI电子病历系统结合了各类人工智能技术学习框架，使其拥有了智能数据转化、多模态分析能力、临床决策支持、全流程自动化、隐私安全等特点。

图3 AI电子病历系统的五大特点

资料来源：融中咨询

（4）应用场景

AI电子病历系统与医院信息系统（HIS）、实验室系统（LIS）、影像归档系统（PACS）等系统协同作用，渗透到了医疗行业的多个环节，在院内院外多个医疗场景下均有应用：

图4 AI电子病历系统与其他系统在多场景下协同应用

资料来源：融中咨询

从60年代学界开始研究NLP技术在临床医学领域的可行性，到如今AI生成式电子病历系统在三级医院落地应用，EMR技术与医疗NLP技术经历半个世纪的发展，融合成为如今的智能AI电子病历系统。

图5 临床领域NLP技术与EMR技术协同发展的历程

资料来源：融中咨询

其中，2019年的儿科疾病智能诊断研究是AI电子病历系统发展的里程碑事件。2019年2月11日，广州市妇女儿童医疗中心与依图医疗团队合作完成儿科疾病智能诊断研究，其成果在国际知名医学科研期刊《Nature Medicine》中刊登。这是全球范围内，顶级医学杂志首次发表有关基于中文文本型电子病历（EHR）的自然语言处理（NLP）技术在临床智能诊断场景中应用的研究成果。

图6 基于中文文本EHR系统的NLP技术在临床智能诊断中的首次应用

资料来源：Nature Medicine官网

这一成果标志着在AI技术的赋能下，EMR从“病历数据仓库”转变为了“临床决策智能体”，首次实现从非结构化病历数据到临床诊断的全流程自动化，为精准医疗、个性化健康管理等未来医疗模式奠定了基础。

（1）产业链

AI电子病历系统产业链上游包括系统所需的各类软硬件基础设施。硬件包括AI芯片、服务器、存储设备等，软件系统包括各类算法技术，例如机器视觉、语音识别、自然语言处理等。

中游为软件系统集成商与软硬件定制化集成商。AI电子病历软件功能的实现需集成电子病历系统（EMR）、临床辅助决策系统（CDSS）和病历质控引擎等系统框架。而定制化方案提供商将集成各类软硬件系统，为不同类型的客户提供定制化系统方案。

下游为AI电子病历软件的各类用户，包括公立/私立医院、研究机构、保险机构、检测机构等。

图7 AI电子病历系统产业链图谱

资料来源：融中咨询

（2）市场规模

1）全球市场规模

全球电子病历（EMR）市场在2024年的市场规模为71.8亿美元，预计2025年达到76.97亿美元，到2032年将达到125.3亿美元，年复合增长率为7.20%，主要受益于AI医疗技术的不断突破和医疗信息化的普及。

图8 全球电子病历（EMR）市场规模预测

资料来源：Data Bridge Market Insight

而按地域分布来看，北美地区凭借成熟的医疗信息化、经济实力与技术生态，占据AI病历市场核心地位；欧洲地区、亚太（以中国为代表）地区依托医疗体系基础、政策支持与AI发展势能紧随其后。

图9 全球电子病历（EMR）各地域市场规模

资料来源：Data Bridge Market Insight

2）国内市场规模

国内电子病历（EMR）市场在2024年的市场规模为50.26亿人民币，预计2025年达到53.27亿元，到2032年将达到79.52亿元，年复合增长率为5.90%。

图10 国内电子病历（EMR）市场规模预测

资料来源：融中咨询

评级成为促进国内电子病历市场发展的引擎。目前国内各省为了响应卫健委号召，正积极建立电子病历等级评审机制，推动4级及以下级别的评审工作，很多县级医院正在按照4级标准要求来建设或者升级系统。

IDC指出，截至2025年3月，通过5级以上高等级电子病历评级的医院基本上是三级医院，且数量仅仅约占三级医院总数的10%左右。随着大数据和人工智能技术赋能电子病历系统的发展，二甲医院也越来越具备参与5级评审的能力。在评级升级的需求催化下，无论是5级以上的高等级市场还是4级以下的基层市场，都具备可观的增长空间，市场规模增长潜力巨大。但同时，外部不利环境的影响下也使市场需求释放受限，2024年国内电子病历市场规模较2023年仅增长了5.9%。

（3）商业模式

1）目标客户

AI电子病历系统的目标客户主要有公立/私立医院和诊所、中医诊所、保险公司、医疗研究机构等。

2）盈利模式

针对不同使用场景与用户，AI电子病历系统有以下几种付费模式：

（1）政策环境

国内AI电子病历系统的政策风向整体呈现持续强化支持与规范化引导的态势，政府通过一系列指导原则、行业标准及发展规划，明确将AI医疗列为重点发展领域，强调合规性、数据安全要与技术创新并重，旨在推动电子病历系统向智能化、标准化升级，为AI在医疗场景的落地提供政策保障和方向性框架，助力行业高质量发展。

（2）融资热度

1）全球代表融资事件

进入2025年，全球AI医疗行业迎来新一轮投融资热潮。而聚焦到AI电子病历市场，一些具有独特技术的独角兽企业也展现了其市场活力。

北美的初创公司Abridge是今年AI电子病历市场上最受关注的玩家之一，其在半年内完成2笔融资，分别为2.5亿美元的D轮融资以及最新的3亿美元E轮。如今，Abridge的估值4个月翻倍，已经来到了53亿美元。

2）国内市场融资热度

2016-2025年期间，国内电子病历市场融资事件数量与金额整体波动较大，阶段性特征较明显。

根据融中数据，2016-2021年间，融资数量整体呈下降趋势，但融资金额趋于平稳，2021年融资额达到顶点，后续融资热度趋冷，到了2025年上半年，热度开始回暖。在AI医疗融资的热潮中，预计后续AI电子病历融资市场将会持续向好。

图11 2016-2025H1国内电子病历融资事件数量与金额变化

资料来源：融中数据

自2016年以来，国内电子病历市场的融资事件以天使轮、A轮、B轮等早期投资为主，后期大额融资占比较少，体现资本市场愿意为处于初步阶段的项目投入资源，但对后期阶段的投资趋于谨慎。

这种轮次分布情况反映AI技术在医疗信息化领域的潜在价值被资本所认可，但市场仍处于早期阶段，在技术成熟度、商业落地化层面仍面临挑战。

图12 2016-2025H1国内AI电子病历市场融资事件轮次分布

资料来源：融中数据

在2016-2025H1国内电子病历市场投融资事件中，涉及到的公司大部分位于北上广以及东南沿海，北京有7家，上海6家，广东广州1家、深圳3家，浙江杭州2家，江苏南京1家；内陆地区方面四川成都和湖北武汉各有1家。整体而言，电子病历市场的布局仍依托于东南沿海以及一线城市丰富的AI基建以及医疗资源。

图13 2016-2025H1国内AI电子病历市场融资事件主体公司所在地分布

资料来源：融中数据

（1）竞争格局

1）全球竞争格局

全球电子病历市场分散且竞争激烈，有多家国际参与者，集中度不高。主要参与者正在采取不同的增长战略来增强其市场占有率，包括Epic Systems Corporation、Cerner Corporation (Oracle)、Allscripts Healthcare Solutions Inc.、eClinicalWorks等，其中Epic是美国市场主要的领导者，在美国EMR市场占据较大份额。

图14 全球EMR市场知名参与者以及市场集中度评估

资料来源：Mordor Intelligence

2）国内竞争格局

国内电子病历市场呈现半垄断格局，2024年CR5达53.9%，嘉和美康、卫宁健康、海泰医疗、东软集团、东华医为5家巨头占据半数以上市场份额。

这五家企业在医疗信息化领域已深耕多年，拥有充足的头部三级医院合作资源以及技术护城河，但在AI技术的渗透以及评级制度的催动下，中小企业有望从基层医院蓝海市场以及技术普惠层面破局，通过下沉市场占据更大市场份额。

图15 2024年国内AI电子病历市场主要厂商份额占比

资料来源：IDC

（2）企业分析

• 嘉和美康

嘉和美康以电子病历为核心，辐射医院管理、医学科研、区域医疗等场景的综合解决方案体系，构建了“数据生成-治理-应用”的完整生态闭环。

作为国内电子病历领域的领军企业，嘉和美康已拥有医院客户1700余家，其中三级医院650余家，占全国三级医院比例超过三分之一，成为医院冲刺高等级EMR等级评审的首选合作伙伴。2024年，嘉和美康以15.0%的市场份额位居市场第一。公司新一代智能电子病历平台（V7）深度融合自研的嘉和美康医疗大模型，采用微服务与B/S架构，实现国产化全栈适配，确保系统的自主可控和信息安全。

图16 嘉和美康的医疗信息化技术框架

资料来源：嘉和美康2024年年报

• 卫宁健康

卫宁健康成立于1994年，是国内医疗信息化领域的龙头企业之一，2024年公司在电子病历系统市场占有率达13.7%，排名第二。公司拥有广泛的客户基础，覆盖全国6000多家医疗机构，包括400多家三级医院。

卫宁健康的技术平台WiNEX智能中台采用模块化设计，整合EMR、HIS、CDR等30余子系统，显著缩短了部署周期，从传统的18个月降至3-7个月。

图17 卫宁健康的WiNEX智能中台

资料来源：中国医院协会信息委员会

公司的EMR系统嵌入了自研医疗大模型WiNGPT，并已通过网信办备案，支持病历自动生成、质控与辅助诊断等功能，目前接入200余家医院并按问诊量收费。同时，系统嵌入了多项专科应用模块，如儿科骨龄检测、肺结节识别等，提升诊断效率。此外，系统支持多级闭环管理，覆盖药品、检验、手术全流程追踪，使其成为少数能满足电子病历5-6级评审要求的厂商。

• 东软集团

东软自1997年进入医疗信息化领域以来，通过持续的技术创新和业务拓展，逐步构建起覆盖大型医院、基层医疗机构及区域卫生平台的完整解决方案体系。2024年公司在电子病历系统市场占有率达9.7%，排名第4。

东软的RealOne-EMR系统支持电子病历5级以上评级的高要求，同时能够满足三甲医院在临床诊疗、科研数据管理及质量控制等方面的复杂需求。截至目前，东软已服务超过400家三甲医院，其中近30家通过电子病历系统功能获得高级别评级。

在技术层面，东软采用DeepSeek大模型本地化部署，开发了智能陪诊、影像报告生成及病历质控等应用场景，而其云EMR系统采用混合云架构，支持本地化敏感数据处理与云端大数据分析的动态平衡，通过人工智能和云计算技术的深度融合，不断优化EMR系统的智能化水平。

• 同方知网数科

同方知网数科前身为1995年创立于清华大学的“中国知网”（CNKI），2019年并入中核集团后加速拓展医疗信息化业务。公司核心业务覆盖电子病历系统、临床决策支持及专科化医疗平台，通过该系统的本地化部署，同方知网数科已服务500余家医院，创新了临床辅助诊疗智能体构建及应用新范式。

在电子病历领域，同方知网数科以临床诊疗决策支持系统（CDSS）为核心抓手，深度融合权威医学知识库与医疗AI大模型双引擎架构，2024年，其帮助山西白求恩医院、连云港市立东方医院、绍兴第二医院医共体总院、绍兴市妇幼保健院等多家医院顺利通过2024年度高级别电子病历评审。

图18 同方知网数科的CDSS系统架构

资料来源：知网医药

• 威高云智

威高云智成立于2021年10月，隶属于威高集团旗下。依托集团在医疗产业的深厚积累，威高云智专注于云计算、大数据及医疗人工智能技术的融合应用，定位为云医疗健康服务提供商。在电子病历评级领域，公司通过AI重症助手、智能质控等模块，帮助医院提升病历质量，满足5级评审要求。

威高云智的eCORE医核平台，旨在为医院提供一体化HIS & EMR解决方案，通过微服务架构实现多院区数据实时互通，并集成智能运维平台保障系统稳定性。2024年7月，其助力威海市立医院通过电子病历5级评审。该平台支持医疗大数据治理和临床科研数据挖掘，例如在病历质控环节，通过标准化数据采集和开放平台权限管理，确保数据可追踪、可监控。

• 云知声

云知声智能科技股份有限公司成立于2012年6月，总部位于北京，是国内首批将深度学习算法应用于商业语音识别的企业之一。公司在电子病历领域的布局始于2016年与北京协和医院的合作，以语音电子病历为切入点逐步拓展智慧医疗场景，通过语音交互与自然语言处理技术解决医生高频刚需，开发了门诊病历生成系统。

该门诊病历生成系统利用山海大模型及前端声音信号处理、声纹识别、语音识别和语音合成等智能语音交互技术，针对医疗文书撰写需求进行了全栈式的研发。系统能够在诊室复杂环境下实现降噪、医患角色区分、信息摘要以及病历自动生成等功能。2024年，该系统入选工信部“未来产业创新发展优秀典型案例”，成为智慧医疗领域唯一获此认证的创新应用，目前已在北京、青岛、南京等地的医疗机构推广，累计生成病历超千份，并且成功入选北京市首批人工智能行业大模型应用案例，这充分展现了云知声山海大模型的技术实力和场景应用能力。

（1）跨病种分析

AI电子病历系统将通过深度学习、自然语言处理和机器学习技术的持续优化，显著提升医学信息的理解与处理能力。未来，算法将进一步融合影像、基因、电子病历文本等多模态数据，实现跨病种综合分析，辅助医生进行复杂决策，从而减少误诊率，提升诊疗效率，缩短诊断时间。

（2）个性化医疗服务

基于患者的基因数据、病史、生活习惯等个体差异，AI电子病历系统将提供定制化诊疗方案，例如结合患者历史数据生成个性化用药推荐，有效避免药物冲突与过敏风险。未来，随着精准医疗技术的发展，AI将实现从“通用治疗”向“一人一策”的转变，提升治疗效果，提高病理完全缓解率。

（3）系统集成化与互联互通

AI电子病历系统将与医院信息系统（HIS）、实验室系统（LIS）、影像归档系统（PACS）等系统完成更加深度的集成，形成统一医疗信息平台。此类集成能打破“数据孤岛”，实现患者全生命周期数据实时在不同科室间、医院间共享。未来，系统将通过API接口与区域医疗平台、可穿戴设备互联，支持多机构协同诊疗，同时嵌入质控引擎自动校验病历可能发生的的逻辑错误，最终提升医疗资源调度效率，缩短诊疗周期。

（4）远程诊断

随着技术成熟和硬件成本降低，AI电子病历系统将从三级医院下沉至基层医疗机构。政策推动会加速这一进程，比如《卫生健康行业人工智能应用场景参考指引》的出台，基层医院可通过云端部署低成本使用AI辅助诊断。未来，结合5G和边缘计算技术，AI将在偏远地区实现远程诊断覆盖，惠及更广泛患者群体，降低筛查成本。

（1）数据隐私与安全风险

医疗数据安全系统的升级是行业亟待解决的问题。医疗数据包含高度敏感的个人健康信息，系统面临数据泄露、未授权访问等威胁。联邦学习虽实现“数据不出域”，但参数交互过程仍可能被内部破解。同时，医疗机构的旧有系统安全防护薄弱，如基层医院HIS系统普遍存在未加密传输漏洞，易被中间人攻击截获数据。

（2）临床适配性不足

现有AI系统与真实医疗场景存在断层。AI生成的标准化病历可能无法适配复杂的实际病情，造成病历与病症无法对应的问题。同时，医生需额外时间核实AI报告，可能无法达成预期的提高诊疗效率的效果。系统对突发公共卫生事件（如新发传染病）缺乏动态学习机制，可能无法实时更新诊断逻辑。

（3）医疗资源分配失衡

AI系统部署成本高昂，单院部署费超200万元，可能加剧“数字鸿沟”。基层医疗机构因资金短缺难以接入，而顶级医院则通过AI进一步扩大诊疗优势。国家卫健委统计显示：“三级医院AI电子病历覆盖率超80%，而社区医院不足15%”。这违背“技术普惠”初衷，可能强化医疗资源马太效应。

（4）伦理冲突升级

AI决策可能违背普世价值观，因为AI系统是基于效益最大化的前提来推荐治疗方案，可能会忽视情感、人道主义、宗教信仰等因素。例如东京某医院AI系统建议终止对晚期痴呆患者的治疗，理由是"资源利用效率低下"。