Objavljeno 31. svibnja 2026.Aron Balog

GenAI u zdravstvu: $45 milijardi investicija i gdje AI zaista funkcionira — a gdje ne

AI healthcare tržište raste prema $614 milijardi do 2034. Dijagnoza, otkrivanje lijekova i medicinska dokumentacija: gdje GenAI ima dokaz uspjeha, a gdje ostaje hype.

Liječnik u bijeloj kuti s plavim rukavicama koristi VR naočale u kliničkom okruženju moderne medicine

U rujnu 2024. startup Abridge prikupio je 150 milijuna dolara za AI koji transkribira i sažima razgovore između liječnika i pacijenata. Četiri mjeseca poslije, prikupili su još 400 milijuna — ukupno 550 milijuna dolara za kompaniju koja je u biti sofisticirani snimač koji pišeliječničke bilješke.

To je ili ludost investitora ili dokaz da su medicinska dokumentacija i administrativno opterećenje zdravstvenog sustava ogromni, skupi i rješivi problemi. Odgovor je, vjerojatno, i jedno i drugo.

AI u zdravstvu privlači više venture kapitala nego ikoji drugi sektor — i s razlogom. Ali između hype-a i realnih rezultata postoji prostor koji treba pažljivo navigirati.

Koliko je tržište veliko — i kako će narasti

Globalnog tržište AI u zdravstvu procjenjuje se na 14,92 milijardi dolara u 2024. i 21,66 milijardi u 2025. Projekcije govore o 613,81 milijardi dolara do 2034. — CAGR od 38% godišnje za skoro desetljeće.

Samo američki dio tržišta prešao je 8,65 milijardi dolara u 2025. i raste po istoj stopi.

Za kontekst: to bi do 2034. AI u zdravstvu učinilo jednim od najvećih softverskih tržišta ikad, usporedivim s ukupnim IT potrošnjom cijele europske ekonomije danas. Je li to realistično? Vjerojatno da — ali put prolazi kroz regulatorne, etičke i tehničke prepreke koje nijedan drugi sektor nema u jednakoj mjeri.

U prvoj polovici 2024. investicije u AI zdravstvene startupe prešle su 35 milijardi dolara. AI-enabled health startupovi uhvatili su 62% svih venture dollars u sektoru u 2025. — 3,95 milijardi dolara. Abridge je već spomenut; Truveta je prikupila 320 milijuna za health data platformu, Innovaccer 275 milijuna za enterprise health AI, Hippocratic AI 141 milijuna za AI koji razgovara s pacijentima.

Dijagnoza i rana detekcija: gdje AI ima najjači dokaz

Segment dijagnostike i rane detekcije bilježi najvišu projektiranu stopu rasta od svih zdravstvenih AI kategorija — 39,8% CAGR. I ovdje AI ima jedne od najtvrdih dokaza uspjeha.

Radiologia je najzrelija kategorija. Algoritmi za analizu rendgenskih snimki, CT skenova i MRI-a postižu dijagnostičku preciznost usporedivu s radiolozima za specifične zadatke — posebno detekciju tumora dojke, plućnih nodula i dijabetičke retinopatije. Google Health-ov sustav za detekciju raka dojke pokazao je u studiji u Nature Medicine da nadmašuje prosječnog radiologa za 11,5% u smanjenju lažno negativnih nalaza.

Onkologija je drugi snažan segment: AI sustavi koji analiziraju patološke nalaze i genomske podatke pomažu u identifikaciji biomarkera koji određuju koji pacijenti reagiraju na specifičnu terapiju. Foundation Medicine i Tempus grade poslovne modele na preciznoj onkologiji s AI u centru.

Opreznost je ipak na mjestu: većina studija testira AI u izoliranim, kontroliranim uvjetima. Stvarni klinički workflow — s fragmentiranim podacima, lošim slikama i pacijentima koji ne stanu u standardne kategorije — redovito degradira performans. Razlika između "radi u laboratoriju" i "radi u bolnici" u medicini može biti fatalna.

Otkrivanje lijekova: od 12 godina na 3?

Otkrivanje novih lijekova je jedan od najskupljih i najsporijih procesa u medicini. Prosječno traje 12-15 godina i košta 2,6 milijardi dolara po lijeku koji dođe na tržište — a još 9 od 10 kandidata propada u kliničkim ispitivanjima.

AI ubrzava fazu identifikacije i validacije ciljnih molekula. Umjesto da istraživači ručno pregledavaju milione mogućih spojeva, algoritmi analiziraju proteinske strukture, predviđaju interakcije i rangiraju kandidate koji zaslužuju daljnje testiranje.

U 2023. otkrivanje lijekova predstavljalo je 28% AI healthcare tržišta — to je gotovo trećina cijelog segmenta, s vrijednošću od 0,9 milijardi dolara. Do 2024. taj broj gotovo se udvostručio na 1,86 milijardi, uz CAGR od 29,9%. Danas 66% life sciences direktora investira u GenAI s naglaskom na istraživanje i otkrivanje lijekova.

Konkretan primjer: Insilico Medicine koristio je AI za identifikaciju novog kandidata za lijek protiv IPF-a (idiopatska plućna fibroza) za 30 dana — što bi inače trajalo 4-5 godina samo za tu fazu. Lijek je 2024. ušao u kliničke studije. Exscientia je koristila AI da identificira molekule za liječenje OCD-a koje su u dvije godine dostigle klinička ispitivanja.

Bitna napomena: AI ne zamjenjuje klinička ispitivanja. Faza III ispitivanja na ljudima i dalje traje isto — i tu propada većina kandidata. AI ubrzava faze 0 i 1 procesa, što je vrijedno, ali ne transformativno samo po sebi.

Medicinska dokumentacija: neglmaourizirani problem vrijedan milijardi

Ovo je kategorija koja ne zvuči glamurozno ali objašnjava zašto Abridge prikuplja stotine milijuna dolara: američki liječnici provode prosječno 49% radnog vremena na dokumentaciju, a ne na pacijente. To je kronična kriza produktivnosti zdravstvenog sustava.

AI koji transkribirsa razgovor liječnika i pacijenta i automatski popunjava elektronički zdravstveni karton (EHR) rješava konkretan, mjerljiv problem. Bolnice koje su implementirale ovakve sustave bilježe smanjenje administrativnog vremena od 30-50%.

Pored Abrdigea, Microsoft DAX Copilot (integriran u Nuance Dragon Medical) i Suki AI u istom segmentu. Nuance Communications — tvrtka Microsoft kupio za 19,7 milijardi dolara 2021. — danas je jedan od najvećih AI igrača u medicini, baš zbog ovog segmenta.

Gdje AI ne funkcionira — ili još ne

Postoje segmenti u kojima je obećanje AI u zdravstvu daleko ispred rezultata.

Autonomna dijagnoza bez liječničke validacije — regulatorno nedopuštena u većini jurisdikcija i klinički nesigurna za sada. AI sustavi koji predlažu dijagnoze moraju biti validirani od liječnika. Potpuna autonomnost ostaje daleko.

Rijetke bolesti — AI modeli trenirani na veliku podatkovnim skupovima slabo performiraju na rijetkim patologijama jer jednostavno nema dovoljno primjera za trening. Paradoks je da su pacijenti s rijetkim bolestima ti kojima je AI potencijalno najkorisniji, a upravo njima najmanje može pomoći.

Mentalno zdravlje — aplikacije za AI-potpomognutu psihoterapiju i podršku mentalnom zdravlju proliferiraju, ali klinički dokazi o učinkovitosti su tanki, a regulatorna situacija neujednačena.

Interoperabilnost podataka — najveća praktična prepreka nije ni algoritam ni computing moć. To su fragmentirani, nekompatibilni zdravstveni podaci u različitim sustavima koji ne razgovaraju jedni s drugima. AI ne može pomoći ako nema pristupa relevantnim podacima — a u zdravstvenom sustavu to je još uvijek norma, ne iznimka.

Zdravstvo je sektor u kojem AI ima najveći potencijalni utjecaj na živote i najveće regulatorne, etičke i tehničke prepreke. Ta kombinacija čini ga najzanimljivijim — i najopasnijim — mjestom za AI hype.

Izvori i dodatno čitanje

Više članaka

← Nazad na blog