IQVIA调研34国23769名医生：80%已用至少一种AI工具，近半数每日或每周多次使用

数据视角 × 医疗数据从业者 ｜ 事实报道 × 投资人与产业分析师 ｜ 行业观察

IQVIA 于 10 月 16 日发布博客《Beyond GEO: Turning AI Conversations into Strategic Intelligence》。一组是广度：2026 年覆盖 34 个市场 23769 名医生的调研显示，80% 的医生使用至少一种 AI 工具，近半数每日或每周多次使用。另一组是深度：IQVIA 持续分析英法德 107 名医生的 2000 多条真实 GenAI 提问，映射至 971 个临床主题，数据截至 2026 年 8 月 31 日。

开场：两组量级不同的数字，读法也不同

先看清这是两组性质完全不同的数据。23769 人这一组是广度自报，回答的是有多少医生在用；107 人这一组是深度行为日志，回答的是医生到底在问什么。前者来自医生自报调研，后者来自真实提问的持续分析，两者互为补充但绝不能互换，更不能互相验证。

本文从数据视角读这两组数字各自能支撑什么、不能支撑什么。IQVIA 先给出了一个旧坐标：数十年来药企的互动模式追求的是在正确时间把正确信息传递给正确的利益相关方，而生成式 AI 让医生可以用自己的话提问，并在数秒内得到综合后的答复。IQVIA 在文中把生成式 AI 定位为医学信息的前门，指医生可能在查阅文献、医学网站或咨询 MSL 之前，先向大模型提问。这个定位是否成立，恰恰取决于后面那组深度数据，而不是 80% 这个渗透率。

971 个临床主题的结构比渗透率更有信息量

2000 多条真实提问映射至 971 个临床主题，排序结果值得逐项记录：指南查询是最大的单一主题，治疗选择与诊断紧随其后，其后还有不良事件管理、疗效、剂量与检验解读。这说明医生把 AI 用在证据检索、方案比较与结果判读这条完整链路上，而不是只用来写文档。主题排序还隐含了另一层信息：从指南查询到剂量与检验解读，覆盖的是一条从知到行的连续路径，AI 在其中承担的角色更接近同行顾问，而非检索框。

更有信息量的是另一个比例：近三分之一的临床主题与特定患者相关。IQVIA 据此判断，医生不只在问证据怎么说，也在问这些证据在某个具体患者或临床情境下怎么用，问题越来越反映治疗选择、患者匹配、风险、时机与证据强度这些真实决策点。临床判断仍留在医生手里，但生成式 AI 正在向证据被解读与使用的位置靠近。比起 80%，近三分之一这个比例更能说明渗透的深度。

口径边界：能定方向，不能当基线

数据视角的核心是把边界讲清楚。第一，80% 与近半数来自医生自报调研，34 个市场并非随机抽样，样本可能偏向对 AI 更感兴趣的医生，自报还存在社会期许偏差。第二，2000 多条提问仅来自英国、法国、德国的 107 名医生，样本量小、地域集中，且未披露抽样方式与医生科室构成，代表性有限。

第三，各临床主题只给出排序，未给出具体占比数值，无法计算主题间的真实差距。第四，80% 的定义是使用至少一种 AI 工具，口径宽泛，既未区分通用模型与专科平台，也未区分临床用途与行政、文档用途，因此它衡量的是触及率而非临床渗透深度。第五，IQVIA 明确说明其 GenAI 环境用于教育性知识支持、内置安全与合规护栏，仅限教育与研究语境，不用于提供或替代针对具体患者的临床建议，这限制了这批提问日志向临床结论的外推。落点：这组数字适合定方向、校准预期，不适合充当任何单一市场的渗透率基线，引用时必须带上自报口径与样本来源。

渠道与产业格局层面的可核对事实（次视角：投资人与产业分析师）

换到投资人与产业分析师的视角，先把可对账的事实逐条列出。其一，IQVIA 判断生成式 AI 已成为医学信息的前门，HCP 可能先于文献、医学网站或 MSL 向 LLM 提问，这改变的是触达顺序而非取代既有渠道，药企仍是证据生成与科学传播的中心。IQVIA 同时点明这对药企既是潜在盲点也是洞察来源：问题的初步形成可能发生在企业可管理与可衡量的传统渠道之外，而提问内容与返回的答案，又能反过来揭示新出现的需求、不确定性以及证据呈现方式上的缺口。其二，工具格局是专科平台与通用模型并存：专科平台覆盖 AI 抄写与文档、决策支持、与电子健康记录集成，通用模型则包括 ChatGPT、Gemini、Copilot。

其三，IQVIA 引用的评估显示，领先通用模型在部分临床信息任务上的表现不亚于专科工具，这意味着工具间的差异更多落在如何支撑临床实践，而非谁的答案更准；专科平台随嵌入加深，也更可能反映特定机构或医疗体系的需求与系统。其四，边界正在模糊，专科平台从文档向信息检索与决策支持扩张，部分交互可能从显式提问转向由临床情境自动呈现信息。其五，药企可用结构化的 persona 提示词，测试模型答案中的引用来源、治疗框架与竞品可见度缺口。落点：这条数据支撑的是医药信息渠道与 AI 分发位次的再定价，而不是某个具体产品的份额结论。

冷静观察：渗透率已不是问题，答案质量与可追溯性才是

方法学提醒只有一句：23769 人的广度与 107 人的深度互为补充但不可互换，真正稀缺的是可长期跟踪的提问日志，而非一次性调研。一次自报调研给出的是快照，持续积累的提问流才给出斜率。

对数据从业者而言，可复制的做法有两条。一是建立自己的提问主题映射，把指南查询、治疗选择、诊断这类主题做成可监测的时间序列，观察结构随时间的迁移；二是把引用来源核查做成常规流程，检验模型答案引用的证据是否可追溯。三是按 IQVIA 给出的两个互补视角分开建库：医生在问什么，靠提问日志沉淀；AI 在怎么答，靠结构化 persona 提示词定期抽检。把近三分之一特定患者相关这类比例持续跟踪下去，比反复引用 80% 更有价值。结论：渗透率已不是问题，答案质量与可追溯性才是。

原文链接：IQVIA

千方医数集编辑部 出品