“ 低門檻、便捷、精準——AI正在把第二意見帶給每一位患者。”

文 | 王子

出品 | 極新

DeepSeek不僅能算卦，還能看病。

這聽上去有點荒誕，但AI輔助診斷正從“玩票”逐漸變成“真刀真槍”的臨床工具。

醫(yī)生們的態(tài)度卻分成了兩派。有人認為這未嘗不是好事——如果患者能通過AI更科學(xué)、詳細地了解病情，至少比在搜索引擎里胡亂查靠譜得多；另一派醫(yī)生則顯得謹慎：病人可以試錯，AI也可以出錯，但真正要簽在病歷上的名字，是醫(yī)生的。

資本市場顯然沒有這種顧慮。僅過去兩年，英偉達就投了十幾家AI+醫(yī)療公司，從硬件到算力再到應(yīng)用，一條完整的產(chǎn)業(yè)鏈已然搭起。

與此同時，AI的診斷能力也在逼近甚至超越醫(yī)生，國內(nèi)外醫(yī)療大模型層出不窮。

潮水已起，速度比想象中更快。

但落地到現(xiàn)實，中國醫(yī)療界的矛盾也非常刺眼。患者愛AI，因為它意味著低門檻、便捷、便宜；醫(yī)生則更加謹慎，因為那背后可能是風(fēng)險、責(zé)任。再加上數(shù)據(jù)壁壘和監(jiān)管紅線的模糊，AI診斷的熱鬧表演離真正進入臨床，仍橫亙著幾道硬骨頭。

因此問題也就來了：當AI診斷越來越強、甚至部分超過醫(yī)生的時候，中國的AI醫(yī)療企業(yè)究竟要靠什么突圍？

01三大階段：AI輔助診斷演進-Step1  醫(yī)學(xué)影像識別——干體力勞動的AI

AI第一次走進醫(yī)院，是從影像科開始的。十年前，深度學(xué)習(xí)剛剛興起，醫(yī)學(xué)界率先把它拉到讀片室里，幫醫(yī)生識別X光、CT和MRI上的細微病灶。

AI之所以從這里起步，并不難理解：影像數(shù)據(jù)標準化程度高、數(shù)量龐大，非常適合用來訓(xùn)練模型；而影像科醫(yī)生長期面臨看片量大、出錯風(fēng)險高的壓力，AI的效率優(yōu)勢立顯；加之老齡化社會的到來與醫(yī)療資源分布的不均衡，使醫(yī)學(xué)影像領(lǐng)域長期存在供需缺口，也為AI醫(yī)療影像的快速發(fā)展奠定了現(xiàn)實基礎(chǔ)。

于是，“AI讀片”成了AI+醫(yī)療的第一個落地場景。從肺結(jié)節(jié)到腦出血，從乳腺腫瘤到糖尿病視網(wǎng)膜病變，AI影像診斷不斷取得突破。

目前，AI已經(jīng)在醫(yī)學(xué)影像工作全流程的各環(huán)節(jié)發(fā)揮作用，體現(xiàn)在檢查前、檢查中及檢查后各個階段，在改進影像檢查的流程、自動勾畫放療靶區(qū)及受累器官、圖像質(zhì)量優(yōu)化、結(jié)構(gòu)化報告等方向均起到了重要作用。

國內(nèi)統(tǒng)計顯示，截至2024年6月，全國已有100多家三甲醫(yī)院在放射科、病理科等多個科室引入了AI輔助診斷系統(tǒng)，醫(yī)生的漏診率、誤診率顯著拉低，效率卻拉高了一個量級。

近年來，國務(wù)院、藥監(jiān)局、衛(wèi)健委、工信部等部門密集出臺政策，推動國產(chǎn)醫(yī)學(xué)影像設(shè)備發(fā)展，并鼓勵人工智能在多類醫(yī)學(xué)影像場景中落地，為AI醫(yī)療影像提供了堅實的制度支撐。截至2024年7月，國家藥監(jiān)局已批準99個三類證，涵蓋輔助診斷與輔助治療兩大方向，應(yīng)用領(lǐng)域涉及心血管、腦血管、肺部、骨折/骨齡、眼底等，展現(xiàn)出多元迅速的增長態(tài)勢。

可以說，這一階段的AI，是醫(yī)院里最早的體力勞動者，干的就是重復(fù)但關(guān)鍵的識別工作。

-Step2 智能分診與輔助預(yù)診——AI學(xué)會“對話”

不過，影像只是醫(yī)院里的一個環(huán)節(jié)。隨著自然語言處理（NLP）和知識圖譜技術(shù)的成熟，AI開始介入就診前的流程。

典型的場景是AI導(dǎo)診。很多患者掛號時都會遇到尷尬：頭疼該去神內(nèi)還是普內(nèi)？肚子疼到底該掛消化科還是普外？AI導(dǎo)診系統(tǒng)則能通過多輪問答，快速梳理患者癥狀，并匹配合適的科室和醫(yī)生，顯著降低掛錯號的概率。

以百度健康“AI智慧門診”為例，該系統(tǒng)的“智能加號”功能在武漢協(xié)和醫(yī)院上線一個月內(nèi)，就為300多名患者提供了加號機會，其中超過70%的患者為需要緊急手術(shù)治療的腫瘤病人。

對患者來說，這是實實在在的“救命加號”。而對醫(yī)院來說，這套系統(tǒng)緩解了分診壓力，讓真正危急的病人能更快找到合適的專家。

當前，中國醫(yī)療機構(gòu)已在全國34個省市的近10000家醫(yī)院部署了大模型驅(qū)動的智能導(dǎo)診和輔助預(yù)診服務(wù) ；騰訊覓影的影像AI也已覆蓋500余家機構(gòu)，累計輔助近1000萬人次醫(yī)學(xué)檢查。

今年3月，阜外深圳醫(yī)院上線了基于小程序的全流程智能導(dǎo)診服務(wù)，覆蓋掛號、繳費、就診、檢查、住院等環(huán)節(jié)，并提供 7×24 小時在線響應(yīng)，相當于為患者配置了一位“AI就診管家”。該服務(wù)全面運行后，在人力不增加的情況下，醫(yī)院 2025 年前兩個月門診量提升 14.7%，患者平均候診時間由約 35 分鐘縮短至 18 分鐘，在一定程度上緩解了大城市醫(yī)院“人滿為患”的壓力。

這一階段的意義在于，AI不再只是醫(yī)生的工具，而是直接介入就診流程，成為“分流患者、優(yōu)化效率”的助手。

-Step3 大模型驅(qū)動的個性化診斷——AI智庫

進入第三階段，AI已經(jīng)走到醫(yī)生的辦公桌前，開始參與真正的診療決策。

這一階段的核心，是大模型。不同于過去在影像或分診場景的單點突破，大模型具備跨學(xué)科、跨模態(tài)的整合能力，能同時調(diào)用病例、醫(yī)學(xué)文獻、診療指南、傳感器數(shù)據(jù)，生成高度個性化的診療建議。

從技術(shù)發(fā)展的角度來說，AI獨立診斷的難點在于醫(yī)療本身的特殊性。即便是經(jīng)驗豐富的醫(yī)生，在面對病例時也常會遇到三種情況：有明確答案、暫時沒有答案，或存在多個可能答案。這一過程包含極其復(fù)雜的思考鏈條，而這正是當前AI獨立診斷必須跨越的核心障礙。

從現(xiàn)實情況來看，這一問題或許有了初步解決方案。

一方面，通過大量醫(yī)學(xué)資料訓(xùn)練多模態(tài)模型，使其能夠基于已有病理和診斷數(shù)據(jù)建立基礎(chǔ)能力，從而顯著提升多模態(tài)學(xué)習(xí)的準確率；另一方面，借助假設(shè)驗證方法，模型模擬醫(yī)生的推理路徑，構(gòu)建問診—診斷—結(jié)論的稀疏數(shù)據(jù)，并將其與真實臨床流程結(jié)合，實現(xiàn)對復(fù)雜病例的診斷能力增強。

國內(nèi)外的大模型都紛紛發(fā)力。國內(nèi)的MedGPT、訊飛星火醫(yī)療版更是號稱在醫(yī)療問答里超越了GPT-4；微軟最新推出的 AI 診斷工具 MAI-DxO 則在復(fù)雜病例診斷中表現(xiàn)驚人：在基于《新英格蘭醫(yī)學(xué)雜志》記錄的 304 個病例測試中，MAI-DxO 的診斷準確率達到 85.5%，超過 21 位資深醫(yī)生的平均水平，同時， MAI-DxO 能夠像真實醫(yī)療場景中，一步步通過患者主訴后問診，并最終給出診斷——該系統(tǒng)有望真實地部署在醫(yī)療環(huán)境中。

左上角代表“高準確、低成本”的理想?yún)^(qū)，微軟 MAI-DxO（紫線）遙遙領(lǐng)先，人類醫(yī)生平均水平（紅叉）相距甚遠。

這些模型不止能“讀片”“分診”，還能綜合病例、指南、科研論文，甚至患者的生活方式，生成個性化的診療建議。

總的來說，從“看圖說病”到“聽診問病”，再到“大模型問診”，AI輔助診斷正經(jīng)歷從工具化到平臺化的躍遷。

AI不再只是“助手”，而是醫(yī)生的智囊團，甚至是患者的“第二意見”。

02盤點：中國本土實踐案例

中國科技巨頭和創(chuàng)新企業(yè)紛紛落子醫(yī)療AI，各類案例層出不窮：

百度健康：AI智慧門診

百度健康推出了“AI智慧門診”系列產(chǎn)品，集成了AI圖像閱讀、智能導(dǎo)診、自動化病歷等功能。

百度健康在武漢協(xié)和醫(yī)院應(yīng)用的AI“智能加號”功能，一個月內(nèi)為300多名乳腺外科患者提供了加號服務(wù)，有效提高了腫瘤患者的就診速度。百度還與多家醫(yī)院合作部署了AI輔助影像系統(tǒng)，用于肺結(jié)節(jié)、糖尿病視網(wǎng)膜病變等高發(fā)病種的篩查，幫助醫(yī)生快速鎖定疑似病灶。

百度云已表示將持續(xù)推進多項大模型應(yīng)用場景，從分診、預(yù)診一直延伸到診后隨訪。

科大訊飛：智醫(yī)助理與星火大模型

訊飛醫(yī)療子公司發(fā)布了“訊飛智醫(yī)助理”等智能診療系統(tǒng)，為基層醫(yī)生提供語音記錄病歷、快速決策建議等服務(wù)。據(jù)公司介紹，智醫(yī)助理能覆蓋1400種疾病，支持多種專業(yè)問診場景，全國已有數(shù)萬名醫(yī)生使用。

2024年發(fā)布的“訊飛星火醫(yī)療大模型”在醫(yī)療問答任務(wù)上表現(xiàn)優(yōu)異。公司高管透露，訊飛智醫(yī)助理已經(jīng)超越現(xiàn)有ChatGPT和GPT-4的醫(yī)療水平。未來，訊飛計劃將這些�？颇芰φ�合到通用大模型中，讓每位普通用戶都能擁有健康顧問。

與此同時，訊飛與各大醫(yī)院合作，打造了如“心臟超聲診斷決策系統(tǒng)”“西部心病腦梗模型”“貴州云嶺民族醫(yī)學(xué)模型”等一系列專病或?qū)ｍ椺t(yī)學(xué)大模型。這些項目展示了依托中國人群和臨床數(shù)據(jù)做模型開發(fā)的獨特優(yōu)勢。

騰訊覓影與騰訊健康：影像AI與智能導(dǎo)診

騰訊覓影在醫(yī)療影像領(lǐng)域深耕多年，迄今已在中國500余家醫(yī)院部署AI診斷工具，輔助放射科醫(yī)生篩查肺結(jié)節(jié)、乳腺癌、糖尿病視網(wǎng)膜病變等疾病 。

騰訊云推出了“混元大模型”系列，應(yīng)用于患者全流程服務(wù)：北醫(yī)三院通過騰訊AI小程序，實現(xiàn)了從掛號、報告查詢到醫(yī)療咨詢的一站式AI問答；深圳羅湖醫(yī)院集團甚至將DeepSeek和騰訊大模型結(jié)合，開發(fā)“AI臨床助手”為重癥患者提供病情分析和診療建議。

5月舉辦的騰訊AI峰會還發(fā)布了“健康管理助手”智能體，能夠自動解讀體檢報告、識別健康風(fēng)險，為用戶制定動態(tài)健康計劃。

騰訊通過移動端和云服務(wù)，積極將大模型能力嫁接到健康管理、輔助問診和院內(nèi)運營各環(huán)節(jié)。

深睿醫(yī)療：全流程AI數(shù)智化

作為國內(nèi)醫(yī)療AI的領(lǐng)先獨角獸企業(yè)，深睿醫(yī)療近期完成近5億元新一輪融資。

公司圍繞“多模態(tài)、大場景”的技術(shù)架構(gòu)，為上千家醫(yī)院和機構(gòu)提供從健康管理、AI輔助診斷到臨床決策支持、慢病篩查等全流程服務(wù)。

深睿旗下產(chǎn)品包括影像輔助、數(shù)字化病理、病案質(zhì)量控制、智能問診等，累計年使用量近2億次 。官方介紹其AI系統(tǒng)已在全國30余個省市落地應(yīng)用，幫助醫(yī)生提升診療效率和準確度、為患者提供更精細化的健康管理。

這種“全場景布置”的模式，是小規(guī)模創(chuàng)新公司在醫(yī)療AI領(lǐng)域的一種成功實踐。

其他創(chuàng)新團隊與大模型：

阿里巴巴達摩院等也積極布局醫(yī)療AI。2025年6月，阿里聯(lián)合高校等團隊發(fā)布了“ReasonMed”開源醫(yī)學(xué)推理數(shù)據(jù)集和7億參數(shù)的推理模型，7B模型在多項醫(yī)學(xué)問答測試中表現(xiàn)優(yōu)于更大規(guī)模模型，證明了“高質(zhì)量數(shù)據(jù)勝過單純擴大模型規(guī)模”的原則 。

開源組織百川智能發(fā)布的BaichuanM2模型（7B參數(shù)）也在HealthBench測試中以60.1分力壓OpenAI的120B模型（57.6分）。

此外，醫(yī)渡云等公司開發(fā)了針對中國人群的罕見病診療AI模型，2025年全國首個罕見病AI大模型“協(xié)和·太初”已經(jīng)進入臨床試點，有望縮短罕見病確診時間。

國內(nèi)“小模型+大數(shù)據(jù)+專業(yè)知識”模式的可行性正在被大家看到。

03痛點：本土落地

盡管進展喜人，AI落地醫(yī)療仍面臨多重難題。

醫(yī)生和患者信任難題。AI診斷常是典型的黑盒操作，醫(yī)生看不到算法的推理鏈條，患者更無法理解AI建議的依據(jù)。“知其然，更要知其所以然”，只有算法可解釋、結(jié)果透明，醫(yī)生才敢放心開處方，患者才敢信任建議。缺乏信任，臨床采納率自然低迷，AI再牛也只是紙上談兵。

數(shù)據(jù)閉環(huán)難以打通。中國醫(yī)療數(shù)據(jù)高度分散，病歷、影像、檢驗各自為陣，醫(yī)院內(nèi)部系統(tǒng)標準不一，中小機構(gòu)的數(shù)據(jù)更是零散無章。再加上監(jiān)管對敏感醫(yī)療數(shù)據(jù)保護嚴格，同時利益分配不明晰，“不愿、不敢、不能”共享數(shù)據(jù)成常態(tài)。沒有完整閉環(huán)，AI無法持續(xù)迭代優(yōu)化，也難以覆蓋患者全程。

責(zé)任歸屬尚不明確。當AI輔助診療出現(xiàn)誤診或漏診，法律上誰背鍋？是算法開發(fā)者、設(shè)備廠商，還是使用AI的醫(yī)生？國內(nèi)外案例顯示，這種不確定性讓醫(yī)療機構(gòu)對引入AI步步謹慎。解決方案顯而易見：完善法規(guī)、明確責(zé)任劃分、建立可追溯審計機制，否則再先進的算法也難以上崗。

其他挑戰(zhàn)。算法偏見、樣本不足導(dǎo)致的“幻覺”、醫(yī)院運營模式與醫(yī)保支付體系尚未完全適配AI模式……種種問題交織在一起，像一張復(fù)雜的蜘蛛網(wǎng)。

04趨勢判斷：大模型+小模型的融合之路

市場機構(gòu)預(yù)計，到2025年末，全球人工智能應(yīng)用市場總值將沖到1270億美元，其中醫(yī)療板塊就占了五分之一。龐大的蛋糕自然催生了各種AI醫(yī)療玩法：從急救現(xiàn)場的智能輔助、遠程會診，到檢驗檢查、臨床決策輔助、公共衛(wèi)生服務(wù)甚至醫(yī)院管理，AI的身影正快速鋪開，“互聯(lián)網(wǎng)+醫(yī)療”早已成為各方共識，目標直指讓人民健康服務(wù)提檔升級。

展望未來，業(yè)內(nèi)普遍認為“大模型+小模型”結(jié)合將成為主流。最新研究顯示，專業(yè)化小模型常常能甩開大而全的通用模型：阿里7B參數(shù)醫(yī)療推理模型在考試中干掉了700億參數(shù)的巨無霸；國內(nèi)開源的7B模型BaichuanM2在HealthBench評測中也打敗了更大模型�？梢哉f， 模型越大不代表越牛，核心還是領(lǐng)域知識和數(shù)據(jù)的質(zhì)量。

基于此思路，中國AI醫(yī)療的發(fā)展策略傾向于：以大模型提供通用語言理解和知識推理能力，再在流程中嵌入針對常見病、罕見病、影像判讀等小模型，形成“�？圃鰪�”的診療鏈路，實現(xiàn)人機協(xié)同、專項治療的閉環(huán)。比如醫(yī)聯(lián)MedGPT就把大模型和醫(yī)學(xué)知識圖譜整合，結(jié)合中國臨床指南和本土數(shù)據(jù)，做出符合本土醫(yī)療邏輯的“�？圃鰪�”服務(wù)。

可以把這個組合形象地理解為“通用醫(yī)生+�？漆t(yī)生”：大模型就像基礎(chǔ)科的通用醫(yī)生，閱歷廣、知識面大，負責(zé)整體診療思路和語言理解；小模型則像經(jīng)驗豐富的�？漆t(yī)生，精通某個領(lǐng)域，能精準解讀影像、分析罕見病或制定專項治療方案。兩者協(xié)作，就像團隊開會時把基礎(chǔ)判斷和專業(yè)意見結(jié)合起來，既不丟掉全局，也不放過細節(jié)，讓AI在臨床中發(fā)揮出最大價值。

綜合來看，未來中國醫(yī)療AI的主旋律很可能是：大模型打基礎(chǔ)，小模型加專業(yè)，形成多模態(tài)、多�？频慕M合創(chuàng)新。這套策略不僅能大幅降低部署成本（甚至單卡就能跑國產(chǎn)大模型），還更符合監(jiān)管要求和醫(yī)院實際操作需求——可以說，是通向“AI醫(yī)生工業(yè)化落地”的最務(wù)實路線。

       原文標題 : 醫(yī)療江湖來了位AI醫(yī)生