醫療AI進化分水嶺：聯影以人機協同模式定義普惠新路徑

原創?科技新知 AI新科技組

作者丨櫻木編輯丨江蘺，九黎

AI醫療進入應用落地的爆發之年，但到底該如何平衡效率、質量與可及性，也許“AI教父”辛頓的表態，有所啟示。

近日，在2025世界人工智能大會上，辛頓坦言醫療是AI最具潛力的應用場景之一，同時，AI也能在醫療等領域創造顛覆性價值，但前提是必須通過人機協同確保其“輔助人類”。他談到，“人類和AI的現狀，就好比養了一只非常可愛的小老虎。當它長大后，可以輕易干掉你。為了生存，要么擺脫這只小虎崽，要么找到一種方法可以永遠保護自己。”

無獨有偶，一場關于AI醫療的人機協同挑戰也在悄然上演，由復旦大學附屬中山醫院（以下簡稱：中山醫院）放射科主任兼放射診斷科主任曾蒙蘇帶隊，3名醫生在胸部一掃多查智能體輔助下完成影像診斷與報告撰寫，另3名醫生則憑經驗應戰。

該款智能體是聯影智能與中山醫院聯合研發的最新產品，與過往的單病種AI存在根本區別，也并非是市面上將多個單病種小模型簡單堆疊、再包裝成“一掃多查”的應用。它能夠實現一次胸部CT掃描，自動識別73種胸部疾病異常疾病，平均AUC值94%，并實現從影像到報告的自動化輸出。這項技術國際領先。

這場比賽清晰的展現出智能體在復雜病例診斷上具有較強優勢。面對同樣的復雜病例， AI輔助組醫生借助智能體，一鍵就檢出肺結節、冠脈鈣化等胸部異常，醫生僅需要逐一核實診斷即可生成報告，較無AI輔助組醫生，整體效率提升25%。

這場挑戰賽像是當下AI醫療發展的一個縮影，AI雖然發展迅速，但在準確性以及人文溫度和交互性上仍然難以取代人類，正如辛頓所言，從某種程度來說，人機協同也許是最具普惠性、最具實用性的方案。

但人機協同并非一道簡單題，從技術上來看，大模型+醫療落地“高墻”十分明顯：底層專業數據的稀缺與標注的昂貴限制應用落地廣度，同時，算力成本與部署門檻也制約技術的可及性，而醫療場景的復雜性與強大的專業壁壘也削弱在應用時的有效性。

當前，AI醫療已經進入了深水區，也正因如此，在醫療領域深耕多年、積累了扎實技術功底的聯影智能，正嘗試走出一條破壁之路。其以元智醫療大模型為核心，著力打通多重壁壘，構建起覆蓋技術突破、場景落地、生態協同的全鏈條解決方案——這不僅能破解行業共性難題，更重新定義了醫療AI從工具到伙伴的價值邏輯，為醫療智能化轉型提供了可復制的實踐范式。

而具體該如何實現，值得一番拆解。

01

技術破壁：聯影元智醫療大模型有什么不一樣

不同于大廠喜歡在風口時入局，聯影在醫療AI方向出發得非常早。

2017年聯影集團成立專注于AI醫療解決方案、獨立運營的子公司聯影智能。

目前，聯影智能已推出12個產品平臺、超100款Al應用，有13款產品獲批中國藥監局三類醫療器械注冊認證，15款AI應用通過FDA認證，31款AI應用獲CE認證，居全球獲CE認證的AI應用總數首位。

相關產品已在全國4000余家醫療機構部署使用，并在海外多地包括美國、西班牙、印尼、印度等多個國家與地區開展合作。

較早的出發，以及大量的實踐與數據積累，讓聯影智能在進入大模型時代具有先發優勢，對于行業普遍存在的數據、場景及部署等核心挑戰，也形成了破局思路。而這些挑戰，正是醫療AI落地的最大阻礙。

當這些阻礙所折射的底層矛盾延伸至醫療大模型領域時，直接顯現為三大核心痛點：存在幻覺問題，難以滿足醫療場景的嚴謹性要求；部署門檻較高，難以在不同層級醫療機構推廣；更重要的是，在從診斷到治療、從院內到院外的醫療全鏈條中，實用性大打折扣。

正如聯影智能研發副總裁曹曉歡所言：“通用大模型的能力直接應用到醫療場景里面，在精度和醫學嚴謹性上存在一定局限。”通用大模型的“廣”與醫療場景需要的“深”“準”存在一定沖突——前者追求泛化通識能力，后者則要求非常高的專業性和精準性，要嚴格避免幻覺；同時很多醫療場景不僅依賴單一文本模態，需要影像、文本、視覺、語音等多維度多模態的信息融合。

正是洞察到這些核心痛點，聯影的大模型從一開始就錨定了針對性破局的方向。依托在醫學影像和醫療AI領域多年的深耕積累，以及在設備端的技術沉淀，聯影融合文本、影像、視覺、語音等多模態能力，構建起一套醫療垂域專屬的大模型體系——聯影“元智”醫療大模型。這套系統注重醫療場景的“多模態協同”與實際臨床落地，從根源上回應了醫療大模型面臨的三重困境。

具體來看，元智醫療大模型的破局之道，正從技術底層實現精準發力。

在數據層面，依托數千萬級醫療影像訓練數據、數十萬級醫療級精細標注數據，元智醫療影像大模型不僅支持10+影像模態、300+影像分割任務，在處理復雜病灶診斷、器官分割等關鍵任務上，模型的精準度已超過95%。該模型還具備良好的泛化與zero-shot能力，能夠快速拓展到新的模態、器官和病灶，展現出高度的可拓展性。

在降低部署門檻方面，元智醫療文本大模型采用“雙模型”設計（非推理模型與推理模型），共享醫學知識底座，可按不同場景需求靈活切換，實現安全性、準確性與效率的平衡。在訓練階段，模型能在同等參數量的情況下，顯著提升醫學知識能力，達到醫療全域的輕量化可定制。既能滿足醫院的復雜場景需求，也能適配基層醫療機構的硬件條件，讓先進技術不再受限于地區差異，真正實現“按需部署”。

此外，該模型在預訓練階段通過注入千萬級醫學語料，結合強化學習技術進行優化，在不影響通用任務表現的同時提升模型醫學能力，顯著降低醫療幻覺。

而場景化訓練，則從根源上提升了臨床適配性。針對醫療場景的復雜性，元智醫療混合大模型融合文本、影像、語音、視覺等多種模態數據，將多模態信息映射到通用“語義空間”，進行推理、演繹和生成，實現智能化看、聽、讀、想，其衍生產品與智能體已率先應用于醫療復雜場景，從技術層面解決了“實驗室性能”與“臨床實用性”脫節的問題。

當這些技術突破穿透底層架構，最終落地到醫療場景中時，一場從醫生到患者再到管理者的全鏈條變革，已在悄然發生。

02

從醫生到患者再到管理的全場景覆蓋

回歸到醫療AI的本質，無論是“AI教父”辛頓的警示，還是臨床實踐的反復驗證，都指向一個共識：人機協同，才是當下醫療AI最合理、最高效的發展路徑。這種協同不是簡單的“AI輔助人”，而是讓技術真正融入醫療場景，從醫生需要刻意學習的被動工具，進化為能主動理解需求、適配流程的“臨床伙伴”。

依托元智醫療大模型，聯影智能正將這種協同理念落地為具體的臨床實踐——從醫生診療效率的提升，到患者就醫體驗的優化，再到醫院管理模式的升級，AI的實用性正滲透到醫療鏈條的每一環。

對醫生而言，這種賦能是一種對于診療工作流的重構，可以幫助醫生減少機械性的工作，將更多的時間聚焦在核心價值的工作中，將更多的時間留給病人。依托元智醫療大模型，聯影智能打造多個場景的醫療智能體，在不同場景為醫生提效，影像診斷的改變尤為顯著。

傳統影像AI多是“單病種工具”，查肺結節用專屬應用，看肺炎換另一套應用，如同用一把鑰匙開一把鎖，遇到多病共存的患者，醫生需反復切換工具，既耗時間又易遺漏。

而聯影智能與中山醫院聯合研發的胸部一掃多查智能體，依托元智醫療影像大模型的跨模態學習能力，一次胸部CT掃描就能被AI自動診斷出73種異常——從肺結節、冠脈鈣化到氣管擴張、胸腔積液，AI精準標記所有可疑病灶。醫生只需逐一核實自動輸出的影像報告即可完成，從寫報告變成了審報告。

這種“AI診斷+醫生決策”的模式，不僅提升了醫生工作效率、減少了失誤，更重要的是降低了人力成本，低年資醫生+AI也能擁有較高的診斷水平。

另一個典型的例子是重復性工作，調研顯示，書寫病歷這類機械性工作往往占據醫生近40%的時間。元智醫療語音與醫療文本大模型的協同正大幅降低這一“時間成本”。通過語音大模型與文本大模型的協同，一鍵生成多種類型醫療文書。例如，電子病歷智能體可從問診開始將醫患語音對話轉化為結構化病歷，自動生成患者入院錄、首次病程錄、出院小結等醫療文書，大大提升醫生病歷書寫的工作效率。目前，該智能體已經部署至中山醫院呼吸科、心外科及心內科等臨床科室，累計使用量數千例，工作效率提升75%，病歷書寫平均時長從20分鐘縮減至5分鐘。

醫生效率的提升，最終轉化為患者體驗的優化。從掛號咨詢到術后康復，元智醫療大模型驅動的智能體像“隱形助手”，讓就醫每一步更順暢、安心。

當然元智醫療大模型的賦能不僅限于醫生端。

從患者的視角來看，看病是一個較為瑣碎的流程，“掛號要帶什么材料？”“檢查報告在哪里取？”這些瑣碎卻關鍵的問題，曾讓無數患者犯難。拆解其中的邏輯，患者需要的是一個24小時在線、懂醫院流程的專業級別助手，而依托于元智醫療大模型的客服智能體正是這樣的存在。

在中山醫院，聯影智能打造“客服智能體”正用AI打破信息壁壘：患者撥打醫院電話或點開微信小程序，就能與智能客服對話，它能精準理解“明天上午的號能退嗎”“呼吸科李醫生出診時間”等問題并給出規范答案；遇到復雜需求，會自動轉接人工，并默默“學習”人工回復以擴充知識庫。更重要的是，它嚴格遵循醫療規范，所有回答基于醫院官方信息，絕不“自由發揮”——這種嚴謹性，讓2025年3月獲批中央網信辦算法備案的它成為患者可靠的“咨詢向導”。如今，24小時在線無需人工介入，患者隨時能得到明確指引，不用再等工作日或上班時間。

醫療鏈條的順暢運轉，離不開高效的醫院管理支撐。元智醫療大模型驅動的智能院管體系，正用AI打破傳統管理的“碎片化”與“滯后性”，實現全流程精準把控。醫院管理智能體實現影像質控、報告質控、病歷內涵質控、設備管理等全流程閉環管理，通過“自然語言數據交互”簡化操作，提升醫院運營效率。

影像質量不合格導致患者重拍、報告寫錯性別或部位——這些將極大影響診斷準確性、增加醫患矛盾。質控管理智能體正用“全流程閉環”堵住漏洞：在影像質控上，可實現DR、CT等多模態、多部位的醫療影像質控，智能提示圖像偽影、異物、擺位不當等，AI秒級反饋質控結果，輔助技師及時糾正或重拍。在影像報告質控上，可幫助醫生自動識別3大類、11種影像報告中常見的易出錯問題，并智能提供修改建議。

設備管理智能體可進行設備全生命周期的管理，實時監測設備的狀態和使用情況，進行智能預警和故障推測，還可進行設備運營效益的分析。這些智能體的存在使得無需人力再去多系統對接，點擊統計分析，完全通過大模型的能力來優化串起整個流程，實現全院級更加精準、高效的管理。

從醫生診斷的“一掃多查”，到患者手機的“智能問診”，再到管理者的數據看板，元智醫療大模型正用技術溫度貼近每一個醫療角色。當AI不再是遙不可及的概念，而是融入診療、服務、管理的實用工具，醫療“質量、效率、可及性”的“不可能三角”，正在被一點點破解。

03

醫療AI的勝負手到底是什么？

在剛剛舉辦的2025年世界人工智能大會以上，“智能時代同球共濟”成為大會主題，其背后直指技術發展的終極命題——如何讓創新突破地域、層級的邊界，惠及不同的區域。

在醫療領域，這一命題尤為迫切：全球50%以上的人口無法獲得基本醫療服務，而AI醫療被視作打破這一困局的關鍵。正如大會傳遞的共識，真正的醫療AI普惠，不是技術的單點突破，而是讓優質資源跨越鴻溝、讓高效服務觸手可及，這恰恰是“同球共濟”在醫療場景的生動詮釋。

如今的AI醫療正站在路徑選擇的十字路口。行業爆發期的多元探索中，兩條清晰的路徑逐漸顯現：以C端咨詢類工具為代表的“直接服務患者”模式，與以B端人機協同為核心的“賦能醫療體系”模式，在各自的邏輯中尋找著普惠的答案。

C端路徑的初心，是試圖將醫生經驗“打包復制”，通過AI問診、報告解讀等功能，讓患者隨時獲取基礎醫療信息。

聯影智能在世界人工智能大會期間舉辦的主題論壇上，正反方圍繞“醫療AI向公眾開放價值是否超越風險”展開思想碰撞，正如正方所強調的，這類工具確實打破了時間與地域限制——平安好醫生數據顯示，AI問診付費率達18%，用戶年均消費237元，印證了公眾對便捷服務的需求；在偏遠地區，患者通過AI即時獲取肺結節初篩建議的案例，也展現了其提升可及性的價值。

但硬幣的另一面，是復雜場景下的天然短板：AI對多病癥共存、合并基礎病的患者缺乏綜合判斷能力，真實的醫療場景遠超算法的綜合能力；AI缺乏系統化評估，忽略醫學的個體性，引發患者焦慮情緒。

更值得警惕的是，患者帶著AI生成的“確定性結論”就醫時，易對醫生專業判斷產生質疑，如辯論賽反方所述，某患者因AI提示“89%惡性概率”堅決要求進一步檢查，反而加劇了醫患溝通成本。這種“以AI結論為中心”的模式，看似縮短了患者與醫療的距離，實則可能因精準度不足和信任裂痕，背離普惠的初衷。

而B端人機協同的路徑，從一開始就錨定“醫生為核心”的醫療體系的關鍵。它不試圖替代醫生，而是通過AI承擔重復性工作，讓醫療體系的“樞紐”更高效地運轉。從醫生日常工作場景來看，醫生的主要精力應放在病情的綜合判斷、治療方案的制定以及與患者的溝通上，而AI則可以承擔一些重復性、機械性的工作。

AI在標準化初篩中可消除疲勞導致的漏診，但其價值的釋放，始終依賴醫生的臨床經驗兜底。這種模式下，AI是醫生的“放大鏡”而非“替代者”，既發揮了技術的效率優勢，又守住了醫療的人文溫度。

兩種路徑的分野，本質是對“普惠”理解的差異。真正的普惠醫療，不該是“低質便捷”的妥協，而應是“優質可及”的平衡：它要能穿透三甲醫院與基層衛生院的壁壘，讓偏遠地區患者也能享受到同質化診斷；要能讓不同技術水平的醫生都能輕松上手；在提升效率的同時守住質量底線，不陷入“快而不準”的誤區。這恰恰直擊醫療領域的“不可能三角”——質量、效率與可及性似乎難以兼得。

聯影智能通過元智醫療大模型的實踐，正在證明這一“質量、效率、可及性”的不可能三角并非不可破局。

在“可及性”上，元智醫療大模型的輕量化部署能力，讓基層醫院無需高端設備、無需承擔高昂算力成本，即可接入三甲級AI輔助，打破地域與硬件的壁壘；

在“效率”上，元智醫療大模型支撐起更高效的診療流程——從影像診斷效率提升到病歷書寫時長大幅縮減，醫院得以用更優的資源配置應對激增的醫療需求；

在“質量”上，元智醫療大模型通過多模態協同訓練與私域知識微調，實現醫療場景的深度適配，構建起“精準度與可及性共生”的防線。

從C端方案的“單點觸達”到B端人機協同的“體系賦能”，醫療AI的勝負手早已清晰：真正的普惠，不在于讓AI直接服務多少患者，而在于能否通過技術重構醫療體系的運轉效率，讓每一個層級的醫院、每一位醫生都能更高效地服務患者。

聯影智能的實踐給出了答案：當AI成為醫生的“臨床伙伴”，當技術穿透層級壁壘，醫療的“不可能三角”終將被改寫，而“智能時代同球共濟”的愿景，也將在每一次精準診斷、每一次高效服務中照進現實。