五连冠 东软稳居中国医保信息化市场份额榜首

在国际数据公司(IDC)权威发布的《中国医疗保障信息系统市场份额,2024:蛰伏蓄势期》(IDC#CHC53612125,2025年7月)报告中,东软持续领跑,这已是东软连续五年蝉联医保信息化市场份额榜首。

IDC报告深入剖析中国医保信息系统市场的发展动态与未来趋势,对主要厂商的市场份额进行详尽分析并给予专业评价,为医保管理部门及医院等医疗机构在选择医保信息系统供应商时提供决策依据。

深耕细作 市场份额与行业影响力同步跃升

IDC在此次报告中指出,东软是医保信息系统市场的头部厂商。近年来东软积极引入人工智能及大数据技术,推动解决方案智能化,并参与多地的医保数据要素价值化项目建设。2024年,东软在医保核心业务系统、公众服务、数据治理与大数据平台、DRG/DIP系统业务上持续发力,进一步提升了业务的竞争力。

医保信息化领域是东软较早布局且成果斐然的业务板块。东软参与建设全国统一的医疗保障信息平台并在25个省200多个城市的平稳上线,为超8亿参保人、8000多万参保单位提供医疗保障信息化服务,成为推动中国医保信息化进程的重要力量。

2024年,东软持续为深化医保信息平台应用提供技术与服务支撑,为吉林、河南、北京、山东、江苏、新疆兵团、杭州等省市提供医保信息平台运维服务;深度参与医保支付方式改革及医保基金监管,为23个省117个城市提供DRG/DIP、门诊APG及医保基金监管相关解决方案及技术服务,为医保政策的精准落地和医保基金的安全高效运行保驾护航。

在医保便民服务与医药服务领域,东软打造的药品智能比价、移动就医、医保电子地图等便民服务,已分别在辽宁、江苏、江西、黑龙江等地落地,显著提升医疗保障服务的可及性。此外,东软为全国超过40万医保定点医药机构提供软件服务或产品,其中7.5万家为基于SaaS模式的云服务客户,持续保持行业领先地位。

智能化战略引领直面行业未来化需求和挑战

IDC认为,随着国家医保改革持续推进,医保信息系统市场仍然存有较大的市场机遇。未来一阶段,厂商的竞争从信息系统建设,转向了运维、服务以及数据和AI场景的建设。其中,市场对于数据需求较为确切,厂商可首先把握这一需求;同时,人工智能技术也将在未来3年内从单点、单环节开始扩面,厂商也需要储备AI技术能力和相关人员,与医保基金较为充裕的地方合作,积累相关建设经验和案例,从而迎接未来的需求。

面对智能时代的市场需求,东软于2024年全面推进解决方案智能化战略。在医保信息化领域,东软不断加大研发投入,重点推进人工智能与大数据技术在各类医保信息系统中的深度应用。特别是在“AI+医保”领域,东软持续发力,成功推出DRG/DIP智能审核、慢病智能认定审核、失能等级智能评估、云医院智能化等多个创新产品并实现落地。

在数据价值化领域,东软深度参与国家医保局及江苏、沈阳等省市数据治理工程,并孵化出医保智能分析引擎等创新应用,验证了“数据治理筑基-智能应用创效”的可持续发展路径。

此外,东软与福建大数据集团在多个重要领域开展深度合作,承建福建省健康医疗大数据智能运营服务平台及“三医一张网”信息化等项目,不断开辟数据要素价值转化新途径。

未来,东软将紧密围绕产业政策导向,精准捕捉市场需求变化,积极推进智能化战略在医保领域的应用和落地,加速人工智能与大数据技术在各类医保信息系统中的深度应用,加大力度推动新产品的研发与创新升级,并加强与定点医药机构、商保公司、银行、药企的生态合作,推动医保政策的高效落地,支撑医保基金的高效管理。

推荐阅读
国家人社AI蓝图铺开,东软为何能率先交卷?
国家人社AI蓝图铺开,东软为何能率先交卷?
在劳动人事争议仲裁中,这样的场景并不少见: 一名劳动者完成工伤认定后,因工伤待遇问题与用人单位产生争议,需要申请劳动仲裁。过去,他可能要请假前往仲裁机构,咨询流程、填写申请、准备材料。一旦信息不全,还要多次补正、反复往返。 如今,一套看得见、用得上的“黑科技”,正在改变这一过程。 在工作人员指导下,申请人通过移动端录入案情和诉求、上传相关材料,系统即可依托AI能力辅助识别信息、预填表单,并生成规范...
AI 时代,中国三级医院正在选择怎样的未来?
AI 时代,中国三级医院正在选择怎样的未来?
中国三级医院正在用订单,为下一代核心系统投票。 IDC最新报告显示,2025年,东软集团三级医院项目中标总量位居行业第一。 近日,IDC发布《中国医疗核心业务系统市场份额,2025》报告。报告显示,2025年,东软凭借大量三级医院落地订单,进一步巩固了在该领域的领先优势。 这一结论背后,是东软三十余年深耕医疗健康行业的长期积累,更是其行业理解、技术创新与价值交付能力持续转化为市场竞争力的必然结果。...
不用写代码,医生也能训练AI:东软正在重塑医学科研范式
不用写代码,医生也能训练AI:东软正在重塑医学科研范式
一个临床医生,想用自己的研究数据训练一个AI模型,需要做什么? 过去,答案往往是:寻找算法工程师、整理数据、编写代码、反复调参,再经过一轮又一轮沟通和迭代。一个课题从立项到形成可用模型,耗时半年甚至一年,并不罕见。更大的问题是,数据处理、特征提取、统计分析和模型训练往往分散在不同工具中,数据在多个系统之间反复导入导出,不仅容易出错,也让研究过程难以追溯、难以复现。 今天,东软给出了一个完全不同的答...
联系我们

欢迎致电4006556789,或通过在线方式与我们联系

close

关闭