2025年8月，國務院《關于深入實施“人工智能+”行動的意見》正式出臺。其中“民生福祉”板塊直接對準醫(yī)療健康行業(yè)，為醫(yī)療健康行業(yè)發(fā)展描繪了清晰的頂層設計和宏偉藍圖。文件提出“打造更有品質的美好生活”：探索推廣人人可享的高水平居民健康助手，有序推動人工智能在輔助診療、健康管理、醫(yī)保服務等場景的應用，大幅提高基層醫(yī)療健康服務能力和效率。
AI技術在醫(yī)療領域的應用從“可選”變?yōu)?ldquo;必選”。醫(yī)療行業(yè)作為數(shù)據(jù)密集型、專業(yè)門檻高、民生關聯(lián)度強的領域，正成為AI技術落地的核心沃土。從臨床輔助決策到醫(yī)學影像分析，從專病科研到患者服務優(yōu)化，AI技術正在重構醫(yī)療服務的全鏈條。IDC數(shù)據(jù)顯示，到2025年，全球人工智能應用市場總值將達1270億美元，其中醫(yī)療行業(yè)將占總規(guī)模的五分之一。而Global Market Insights的報告則進一步預測，“AI+醫(yī)療”市場規(guī)模年均復合增速將超過29%，2032年將達到700億美元。
醫(yī)療行業(yè)的核心痛點——醫(yī)療資源分布不均、醫(yī)生工作負荷過重、診療精準度有待提升、科研轉化效率低下等，均為AI技術提供了廣闊的應用場景。從東軟等企業(yè)的實踐來看，2025年AI在醫(yī)療行業(yè)的應用已從早期的概念驗證階段，進入規(guī)?；涞氐年P鍵期，形成了以臨床輔助決策、醫(yī)學影像智能分析、醫(yī)療數(shù)據(jù)價值化利用、患者全周期服務為核心的幾大應用賽道，且每個賽道均已出現(xiàn)具備示范效應的實踐案例。
以臨床輔助決策（CDSS）為例，在AI問世的初期CDSS就已經(jīng)是醫(yī)療行業(yè)應用AI的重要領域之一，其核心價值在于彌補醫(yī)療知識爆炸與醫(yī)生個體知識儲備之間的“知識鴻溝”。醫(yī)療知識每三天翻一番的客觀現(xiàn)實，使得即便是專科專家也難以全面掌握所有領域的最新進展，而循證醫(yī)學的發(fā)展則進一步要求醫(yī)生在診療過程中具備充分的證據(jù)支撐。從技術演進來看，CDSS經(jīng)歷了從規(guī)則驅動、知識圖譜驅動到如今大模型驅動的三次迭代，應用能力實現(xiàn)了質的飛躍。
早期的CDSS基于固定規(guī)則構建，局限性顯著。1972年，斯坦福大學的愛德華·肖特利夫教授（Edward Shortliffe）團隊開發(fā)了首個用于感染性疾病診斷的專家系統(tǒng)——MYCIN，該系統(tǒng)專注于輔助診斷細菌感染性疾?。ㄈ缒X膜炎）并推薦抗生素治療方案，其核心采用基于規(guī)則的推理技術，通過編碼約600條“如果－那么”規(guī)則來模擬醫(yī)生決策過程，標志著醫(yī)療人工智能從理論探索邁向實際應用的關鍵一步。
這類系統(tǒng)僅能處理特定病種的簡單診療場景，且規(guī)則更新需要大量人工投入，難以適應醫(yī)療知識的快速迭代。隨后出現(xiàn)的知識圖譜驅動型CDSS，通過構建結構化的醫(yī)療知識網(wǎng)絡，提升了知識組織的系統(tǒng)性，但仍存在更新滯后、覆蓋病種有限等問題。東軟早期基于知識圖譜的CDSS版本，能支持1000多種疾病的輔助診斷，且每次知識庫更新都需要巨大投入。
大模型技術的出現(xiàn)為CDSS帶來了革命性突破。通過大語言模型與向量模型的融合應用，CDSS實現(xiàn)了知識庫的實時動態(tài)更新，覆蓋病種數(shù)量大幅提升，診斷準確率也顯著優(yōu)于傳統(tǒng)技術。
據(jù)東軟研究院院長張霞介紹，2023年東軟完成又一輪技術升級后的CDSS系統(tǒng)，已能支持10000多種疾病的智能輔助診斷，其在東軟“添翼”中的應用數(shù)據(jù)顯示，Top5診斷準確率達到91.54%，超過了80%左右的人類專家平均水平。這一技術突破直接提升了醫(yī)生對CDSS的接受度，也使得CDSS從“政策驅動部署”轉向“臨床需求驅動應用”。
除了輔助決策之外，醫(yī)學影像是AI在醫(yī)療領域應用最成熟的場景之一。早在2007年，IBM沃森（Watson）問世，首次將語音問答集成到了臨床診療智能化產(chǎn)品中，通過挖掘醫(yī)療文獻和相似病例為醫(yī)生提出對癥治療建議，同時支持影像識別，在腫瘤治療領域有明顯共享。
2012年前后IBM和醫(yī)療保險公司W(wǎng)ellpoint簽訂協(xié)議，會開發(fā)出一套面向醫(yī)生的技術，使得醫(yī)生可以通過自己的手機和平板電腦，了解腫瘤患者的身體狀況。
早期的醫(yī)學影像AI產(chǎn)品以肺結節(jié)、骨折等單病種篩查為主，產(chǎn)品同質化嚴重，且大多處于“能用但不好用”的階段。由于技術門檻相對較低，大量企業(yè)涌入這一賽道，但多數(shù)產(chǎn)品僅能實現(xiàn)病灶的初步檢出，難以提供精準的定量分析和臨床建議，且研發(fā)投入大、商業(yè)變現(xiàn)困難，導致整個賽道陷入“全行業(yè)虧損”的困境。
多模態(tài)融合是醫(yī)學影像AI的重要發(fā)展方向。東軟正在研發(fā)的多模態(tài)影像分析模型，能夠整合CT、核磁、病理等多種數(shù)據(jù)，實現(xiàn)對單一病灶的多維度評估，提升診斷的精準度。例如，在腦膠質瘤手術規(guī)劃中，東軟通過融合患者的影像數(shù)據(jù)、病理數(shù)據(jù)和臨床病歷，構建智能分析模型，為醫(yī)生提供腫瘤切除范圍的建議，既保證了切除的徹底性，又避免了損傷腦部功能區(qū)。目前，該模型已完成科研驗證，正在推進工程化轉化，未來將直接應用于臨床手術規(guī)劃。
在商業(yè)落地方面，醫(yī)學影像AI的變現(xiàn)模式正在從“產(chǎn)品銷售”向“服務收費”轉型。隨著國家醫(yī)保局推動影像云建設，電子膠片將逐步取代傳統(tǒng)物理膠片，這為醫(yī)學影像AI的規(guī)?；仗峁┝嘶A。張霞告訴筆者，東軟正在布局的血管健康度分析服務，就是這一轉型的典型案例：患者通過影像云獲取電子膠片后，還可選擇進一步獲取AI生成的血管健康評估報告，包括斑塊分析、狹窄程度、血流速度等指標，為健康管理提供參考。這種服務模式不僅降低了醫(yī)院的設備投入壓力，也使得醫(yī)學影像AI的價值能夠直接觸達患者，開辟了新的商業(yè)路徑。
說到應用落地，目前來看，AI+醫(yī)療體系化走得最為靠前就是“人機協(xié)同”服務模式，讓高質量的醫(yī)療服務更可及，中國平安首席技術官王曉航曾表示，AI賦能家庭醫(yī)生是AI角色變化的重要體現(xiàn)。AI家庭醫(yī)生可以幫助醫(yī)生進行病史整理、客戶信息交換、預診、健康咨詢、分診等，達到流程自動化、體系規(guī)范化，“目前AI可以輔助家庭醫(yī)生完成50%以上的工作。”他說。
平安科技醫(yī)療AI產(chǎn)品團隊總經(jīng)理倪淵曾透露平安通過AI預診、專家服務，在遠程可以解決很多偏遠地區(qū)的人來線上問診的問題。例如，一位有胸悶胸痛問題的患者，經(jīng)過AI初診發(fā)現(xiàn)問題嚴重，隨后被安排線下就醫(yī)，最終確診為肺部腫瘤；平安還通過多學科會診幫他連接多個專家，提供了二診建議。
同時，倪淵曾公開表示，平安的家庭醫(yī)生和健管師，平時會做一些客戶的隨訪干預，但因為他們通常比較忙，可能隨訪不一定很全面，隨訪占比最多可能達到20%。如今，AI介入以后，可以達到全量個性化隨訪。
在慢病管理中，因為有了AI全程督促，人工健管師可以有更多時間做有溫度的患者服務，客戶群活躍度大幅提升。80%—90%的用戶，推薦使用這套AI+人的管理模式。
從目前市面上各個廠商的解決方案，以及醫(yī)療機構的應用來看，AI+醫(yī)療已經(jīng)進入了規(guī)?；瘧玫碾A段，并且這個趨勢將在2026年得以更進一步的深入。
新一輪AI技術給醫(yī)療行業(yè)帶來感官最強的提升就是在患者服務領域的應用。這些應用的核心目標是優(yōu)化就醫(yī)流程、縮短就醫(yī)時間、提升患者體驗。從行業(yè)實踐來看，相關應用已覆蓋從院前預問診、院中導診分診到院后隨訪的全周期，形成了多元化的產(chǎn)品形態(tài)。
而AI+醫(yī)療也成為眾多大廠布局的重點方向。以平安為例，平安以“綜合金融+醫(yī)療養(yǎng)老”雙輪驅動為戰(zhàn)略，聚焦AI醫(yī)療“能咨詢、能辦事、能應急”的核心定位，構建差異化服務體系。其以超級客服為統(tǒng)一AI入口，通過語音交互簡化操作，核心依托“到線、到院、到家、到企”四到服務體系，覆蓋在線問診、線下掛號綠通、居家養(yǎng)老智能服務及企業(yè)醫(yī)療支持等全場景。AI承擔導航員、醫(yī)助、多學科會診助手等多重角色，同時憑借2.5億客戶數(shù)據(jù)沉淀、開源大模型技術路徑及合規(guī)牌照保障服務落地。核心產(chǎn)品平安AI醫(yī)生作為7x24小時數(shù)字家庭醫(yī)生，目前能實現(xiàn)常見病診療準確率超95%，健康咨詢準確率97%，問診準確率98%，用戶規(guī)模達千萬級。具體案例中，用戶詢問頭暈、胸悶等癥狀時，AI醫(yī)生經(jīng)多輪追問生成健康小結，引導至真人醫(yī)生問診，結束后可智能推薦線下醫(yī)院，實現(xiàn)嚴肅醫(yī)療閉環(huán)。
除了大幅提升了患者的就醫(yī)體驗之外，在診療階段，AI技術，尤其是生成式AI技術的出現(xiàn)，也有助于醫(yī)生提升診療效率和準確度。
以慢性阻塞性肺疾?。ê喎Q慢阻肺）為例，這是一種常見的、可預防和治療的慢性氣道疾病，其特征是持續(xù)存在的氣流受限和相應的呼吸系統(tǒng)癥狀。在中國約有1億慢阻肺患者，每年導致約100萬人死亡，已成為中國致死率第三高的疾病。
慢阻肺發(fā)病時會出現(xiàn)胸悶、呼吸困難等癥狀，與很多其他疾病具有相似的病癥，篩查要通過胸部CT進行，而對于醫(yī)生而言，解讀CT影像給出診斷意見需要消耗大量時間，而對于急性發(fā)作的患者來說等報告的時間過于漫長，患者有可能在短時間內(nèi)有生命危險。
這時候，如果將AI技術應用到CT篩查中，就能夠快速對CT影像進行初步解讀、篩查出可能是慢阻肺造成的患者不適，醫(yī)生能盡快干預治療，從而讓患者在發(fā)病初期就能得到適當?shù)闹委?，降低慢阻肺的死亡率?/p>
東軟醫(yī)療基于此，與廣州醫(yī)科大學附屬第一醫(yī)院廣州呼吸健康研究院合推出肺部CT影像處理軟件NeuLungCARE-QA，填補國內(nèi)通過胸部CT平掃圖像篩查慢阻肺的技術空白。
據(jù)了解，NeuLungCARE-QA是一款針對慢阻肺篩查的智能輔助分析軟件，軟件可以通過肺部CT平掃圖像的自動分析，輸出肺實質分析定量（Quantification定量）與支氣管（Air氣道）的相關參數(shù)，輔助醫(yī)生進行慢阻肺的早期篩查等臨床應用，從而有效推進呼吸疾病“早篩早診早治療”的健康行動落實。相較于肺功能檢測，CT平掃覆蓋面廣，且已在基層醫(yī)院和體檢中心普及。因此，在肺癌CT篩查人群中，借助NLC軟件即可進一步挖掘受檢者的胸部CT平掃信息，幫助盡早發(fā)現(xiàn)潛在的慢阻肺患者，將防治前移至無癥狀期，使患者獲益更多。
而在皮膚病篩查等方向上，也有不少服務商通過生成式AI的能力，提升了醫(yī)生診斷效率和準確度。以京東健康為例，數(shù)據(jù)顯示，京東互聯(lián)網(wǎng)醫(yī)院皮膚醫(yī)院基于大模型的AI輔診準確率超過95%，皮膚醫(yī)院開發(fā)的專病隨訪服務患者付費轉化率已達20%。
對此，京東健康探索研究院（JDH XLab）的大模型專家向鈦媒體APP表示，從目前醫(yī)療大模型應用趨勢看，AI在專病?？茍鼍暗膽脙r值在不斷放大。目前，“京醫(yī)千詢”醫(yī)療大模型已實現(xiàn)從通用基座模型到全科大模型，再到專科專病大模型的技術演進，也正與國內(nèi)頂級醫(yī)療機構合作，持續(xù)研發(fā)涵蓋大部分常見腫瘤和重大慢性病的?？茖２〈竽Ｐ?。
盡管AI在醫(yī)療行業(yè)的應用取得了顯著進展，但從“技術可行”到“規(guī)?；涞?rdquo;，仍面臨著一系列挑戰(zhàn)。這些挑戰(zhàn)既包括技術層面的可解釋性、數(shù)據(jù)質量等問題，也包括商業(yè)層面的成本高企、變現(xiàn)困難等困境，還涉及生態(tài)層面的政策監(jiān)管、數(shù)據(jù)共享等障礙。
技術層面，自從AI在醫(yī)療行業(yè)開始應用以來，可解釋性與嚴肅性的問題就一直是困擾兩者融合的最大阻礙，“醫(yī)療行業(yè)的特點是診療嚴肅性和過程不可逆性，這也是AI技術落地的難點所在。”高博醫(yī)療集團首席信息顧問陳金雄曾在2024 ITValue Summit數(shù)字價值年會期間就指出了這個問題。
醫(yī)療行業(yè)的核心特質是診療的嚴肅性和過程的不可逆性，這對AI技術提出了極高的要求——不僅要“準確”，還要“可解釋”，能夠讓醫(yī)生理解AI決策的依據(jù)，從而放心使用。但當前的AI技術，尤其是大模型技術，仍存在“黑盒”特性和“幻覺”問題，難以完全滿足醫(yī)療行業(yè)的要求。
在臨床實踐中，醫(yī)生需要為每一個診療決策負責，因此必須了解決策的依據(jù)。但當前的大模型大多基于統(tǒng)計學習，其決策過程難以用人類可理解的語言解釋。例如，AI輔助診斷系統(tǒng)給出的“扁平疣可能性90%”的結論，醫(yī)生無法知曉其是基于哪些癥狀、哪些數(shù)據(jù)得出的，這就導致醫(yī)生難以完全信任并依賴AI的建議。
針對此，張霞表示，東軟在病歷生成系統(tǒng)中引入的“溯源功能”，正是為了解決這一問題——通過標注病歷內(nèi)容的來源依據(jù)，提升AI生成內(nèi)容的可信度，但這一解決方案僅適用于文書生成等場景，難以覆蓋輔助診斷、治療建議等核心環(huán)節(jié)。
除了可解釋性之外，數(shù)據(jù)是幾乎所有行業(yè)落地AI過程中最大的阻礙之一，這點對于醫(yī)療行業(yè)而言，亦是如此。在此前與東軟集團副總裁、醫(yī)療健康事業(yè)部總經(jīng)理李東的交流中，他也曾對筆者表示，數(shù)據(jù)是技術層面面臨的最大挑戰(zhàn)。
在李東看來，目前醫(yī)療機構還缺乏高質量數(shù)據(jù)，很多醫(yī)院積累的數(shù)據(jù)標準化程度很低，難以用來直接訓練模型產(chǎn)品。這一問題源于醫(yī)療信息化建設的階段性差異：早期的醫(yī)療信息系統(tǒng)多為獨立建設，數(shù)據(jù)格式不統(tǒng)一；不同醫(yī)生的病歷書寫習慣不同，導致文本數(shù)據(jù)的規(guī)范性不足；部分基層醫(yī)療機構的設備精度有限，導致影像數(shù)據(jù)、檢驗數(shù)據(jù)的準確性難以保證。例如，同一疾病在不同醫(yī)院的病歷中可能有不同的表述，AI模型難以準確識別和學習；基層醫(yī)院的CT設備生成的影像數(shù)據(jù)噪聲較多，會影響AI模型的分析精度。“大多數(shù)醫(yī)療的文獻、數(shù)據(jù)都是英文，缺乏專業(yè)的中文語料，用于訓練大模型，”李東進一步指出，“醫(yī)學發(fā)展本身是動態(tài)的，變化很快，包括一些專家的共識，這部分語料都是分散在醫(yī)院的各個業(yè)務系統(tǒng)里。需要把它們形成高質量的語料去賦能大模型的應用。”
因此，在李東看來，醫(yī)院在落地AI應用，首先要做的就是基礎數(shù)據(jù)體系的建設，做好數(shù)據(jù)治理的工作，獲取高質量的語料，用于訓練垂類大模型/智能體。
在做好體系建設之后，數(shù)據(jù)如何更好地實現(xiàn)共享，也是阻礙當前醫(yī)療行業(yè)整體AI落地效果的一個挑戰(zhàn)。由于醫(yī)療數(shù)據(jù)涉及患者隱私，且缺乏統(tǒng)一的共享機制，不同醫(yī)院之間的數(shù)據(jù)難以流通，導致AI模型只能基于單一醫(yī)院的數(shù)據(jù)進行訓練，泛化能力有限。上海某三甲醫(yī)院主治醫(yī)師張醫(yī)生表示，出于數(shù)據(jù)安全和隱私保護等因素的考慮，目前醫(yī)生只能看到患者在本院做的檢查結果，無法獲取患者在其他醫(yī)院的病史、用藥等信息，這不僅影響了AI模型的訓練，也制約了醫(yī)生的診療決策。針對此，張霞向筆者透露，東軟參與的醫(yī)療可信數(shù)據(jù)空間建設項目，通過脫敏處理、聯(lián)邦學習等技術，在一定程度上實現(xiàn)了數(shù)據(jù)的共享，但這類項目仍處于試點階段，尚未形成規(guī)?；茝V的模式。
除了技術上的難題之外，成本高企、變現(xiàn)困難，難以形成可持續(xù)的商業(yè)模式等商業(yè)化的難題也是目前AI+醫(yī)療需要面對的挑戰(zhàn)。
當前AI+醫(yī)療的商業(yè)環(huán)境面臨著成本高企、變現(xiàn)困難、ROI（投資回報率）偏低等問題，導致很多企業(yè)陷入“叫好不叫座”的困境。
研發(fā)成本和部署成本雙高，是企業(yè)面臨的主要壓力。AI醫(yī)療產(chǎn)品的研發(fā)需要大量的技術人員和醫(yī)療專家參與，且研發(fā)周期長、迭代速度快。而在部署階段，AI系統(tǒng)需要與醫(yī)院現(xiàn)有的信息系統(tǒng)對接，這需要進行大量的定制化開發(fā)，尤其是對于信息化水平參差不齊的腰部醫(yī)院和基層醫(yī)療機構，部署成本較高。多個企業(yè)的實踐表明，一個AI醫(yī)療項目的前期投入往往需要上千萬元，且回收周期長達3—5年，這對企業(yè)的資金實力是巨大的考驗。
商業(yè)變現(xiàn)困難是制約行業(yè)發(fā)展的核心瓶頸。AI技術當下即是如此。以輔助看片的場景為例，將AI的能力植入到醫(yī)學診斷軟件之中，如果植入AI能力的軟件要比沒有AI能力的軟件更貴的話，很多醫(yī)院都不愿意為“多出的部分”買單。這一現(xiàn)象的背后，是AI技術的價值尚未得到充分認可。此外，醫(yī)保支付政策的缺失也影響了商業(yè)變現(xiàn)，目前AI醫(yī)療服務尚未納入醫(yī)保報銷范圍，患者的付費意愿也相對較低，導致商業(yè)模式難以閉環(huán)。
不同層級醫(yī)療機構的付費能力差異，進一步加劇了變現(xiàn)困難。三甲醫(yī)院雖然有一定的付費能力，但對AI產(chǎn)品的要求極高，且議價能力強；腰部醫(yī)院和基層醫(yī)療機構的付費能力有限，更多地依賴政府補貼，而政府補貼的規(guī)模有限，難以支撐大規(guī)模的AI部署。
AI+醫(yī)療的發(fā)展是一場長期的革命，需要技術、商業(yè)與生態(tài)的協(xié)同進化。當前，雖然面臨著諸多挑戰(zhàn)，但隨著各方主體的共同努力和技術的不斷迭代，AI醫(yī)療將在2026年進入規(guī)?；涞氐男码A段，為醫(yī)療行業(yè)的高質量發(fā)展注入新的動力。通過眾多相關企業(yè)的實踐表明，只有立足臨床需求，聚焦核心痛點，通過技術創(chuàng)新、商業(yè)模式創(chuàng)新和生態(tài)協(xié)同，才能真正實現(xiàn)AI技術與醫(yī)療行業(yè)的深度融合，最終惠及廣大患者，推動健康中國戰(zhàn)略的實施。
（文｜Leo張ToB雜談，作者｜張申宇，編輯丨蓋虹達）
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論