醫療產業邁入智能時代，頭部企業如何以AI賦能醫療未來？

在這個波瀾壯闊的時代，社會民生的每一個個體，或許都是馬伯庸筆下《大醫》里的主角，見證著數字化、智能化技術如何深入醫療行業，帶來影響深刻的醫療智能化變革。

歷經百年發展，中國的醫療產業正迎來愈發波瀾壯闊的時代變局：醫療大數據及AI、5G+遠程診療，以及由種種數字化、智能化技術所帶來的醫護康養體驗上的改善，也催生了一個個時代機遇與責任。

現階段甚至是眺望未來，AI等數智化技術，究竟能給真實的醫療場景帶來怎樣的具體助力？在這場變局中，涌現出了怎樣的實力企業，又有著怎樣的布局和獨特的模式？以及，他們的存在能給整個大醫療產業的智能化升級，帶來什么樣的貢獻？

或許了解到這些，才能以此為基點，站在縱觀全局的視角，通覽數智化帶給醫療領域的創新與變革。而這一切的一切，更是一個新時代的起點。

01 醫療行業期待一場變革

毋庸置疑，醫療康養相關的AI升級，絕對是當下最熱門的話題。

但與此同時，一個現實的問題卻是，在賦能健康監測、影像診斷、住院管理、醫療器械、后期復查以及中長期的康養護理的過程中，由于AI的應用深度與成熟度不一，讓市場產生了一種錯覺——AI+醫療前景廣闊，但其實際價值尚未完全顯現。

畢竟，醫療關乎生命健康，在這種嚴肅的事情上，人們對智能技術的可靠性和精準度要求極高，甚至堪稱“苛刻”。此外，整個行業的智能化升級，除了開發周期漫長、對數據精準度要求極高、人才復合能力要強等因素之外，還有很多獨特的壁壘需要打破。

按照東軟集團副總裁兼醫療健康事業部總經理李東在一次采訪說的，當醫療健康領域AI技術正從“概念驗證”向“規模化落地”邁進時，所面臨的系統性困境，可以歸納為四類核心維度。

挑戰一：數據困境突出，制約AI模型迭代與應用。

醫療AI核心“燃料”是數據已是眾所周知之事，但醫療機構普遍主要面臨著三方面的數據難題：

一是高質量數據匱乏，臨床數據多為非結構化記錄，標準化、規范化程度低，難以直接用于模型訓練；

二是數據標注成本高，醫學數據標注需專業醫護人員參與，人力成本高且效率低，尤其影像、病理等細分領域標注難度大；

三是數據稀缺與分布不均，罕見病、疑難重癥等特殊病種數據樣本量少，不同地區、層級醫療機構數據資源差距懸殊，導致模型泛化能力受限。

挑戰二：模型可解釋性不足，難以建立臨床信任。

一般情況下，AI算法達到85%的表現，一般就可以發paper了，但要落地臨床場景，往往需要95%、99%以上的表現。谷歌首席健康官Karen DeSalvo曾審慎提醒，即便谷歌的醫療大模型Med-PaLM回答評分已達92.6%，但他仍不希望公眾僅靠一個大模型，就能治愈所有健康問題。

這種觀點理性且克制。某種角度上，李東的觀點也支持了Karen DeSalvo的這一觀點，在他看來，醫療AI的可解釋性仍有待提升，如何讓模型的決策邏輯變得清晰、可信，是贏得臨床信任的關鍵所在。

AI輸出結果（如疾病診斷建議、治療方案推薦）缺乏直觀可理解的推理過程，無法清晰說明“為何得出該結論”“依據哪些臨床指標或醫學知識”；面對復雜病例，難以追溯決策鏈條，醫護人員難以判斷結果可靠性，既不敢完全依賴AI輔助決策，也無法針對性優化模型，嚴重影響AI在臨床場景的信任度與落地率。

醫療場景的壁壘深厚，唯有以系統性思維和系統工程，才能從根上有效輔助醫療決策。AI+醫療的決勝點，很大程度上，在于如何能夠鍛造一柄穿透場景、穿透“黑箱”之劍。

挑戰三：AI難切實提升醫護效率，智能化建設路徑不明確。

幾位醫療從業者在與陸玖商業評論的交流中表示，其實醫生、醫療機構可能不那么關心采用什么技術路線，他們的立意點只有一個，就是被采購的智慧產品和服務，是否能夠滿足具體的場景需求，以及緩解落地應用的痛點。

落地的核心目標是為醫護“減負提效”，但行業缺乏適配醫療場景的統一建設標準，“外掛式”與“集成式”兩種路徑各存難題：

數據安全合規風險突出，醫療數據敏感且全流程管理難度大；業務與AI適配不足，“外掛式” 增加醫護操作負擔，“集成式” 需重構流程且兼容舊系統難；用戶體驗欠佳，AI工具操作復雜，醫護上手成本高，導致工具 “束之高閣”。

挑戰四：AI難激發醫護創新力，難以從“輔助執行”邁向“賦能創造”。

醫療服務依賴醫護基于臨床經驗的創新決策，但當前AI多局限于替代重復任務，難以沉淀醫護隱性經驗。同時，在臨床科研層面，AI工具必須通過復雜且成本高昂的前瞻性臨床試驗來證明其能真正改善臨床結局（如提高患者生存率、縮短診斷時間），這一轉化鏈路仍面臨巨大挑戰。

02 從問診、就醫到后期康養

令人感到興奮的是，無論是政策層面，還是技術已經逐步落地于真實的場景之中，醫療乃至康養領域的智能化，正進入明顯的加速變革期。數智化貫穿于問診、就醫、康養、保健等各個環節，愈發成為全社會面的一致性訴求。

但來自于現實層面的問題也是不容小覷的，AI也好、數字賦能也罷，先進技術與醫療康養產業的融合，絕非易事：一方面，技術永遠不能脫離開行業自帶的安全屬性而盲目開發；與此同時，用戶數據，特別是罕見病、疑難雜癥的數據樣本，更是難以獲得。

這也要求身處其的從業企業，有能力拿出更綜合、更具有可行性的全鏈路數智化解決方案。

盡管國內外有不少涉足智慧醫療或醫療大模型的企業，比如谷歌、Xaira、阿里、華為等，都在以自己的方式侵入這一產業，但也有一類模式極為獨特的存在即東軟這樣的企業，面向AI+醫療，一直在做可持續、可信、可控之事。

事實上，過去數十年來，從系統集成到解決方案，再到今天的幫助醫療機構甚至是地方政府共建智慧服務平臺，東軟在解決方案智能化、數據價值化等方面已經取得不少的進展——自研了洞察醫療數據智能平臺、 飛標醫學影像標注平臺探索多模態醫學人工智能平臺，智能病歷生成、AI-CDSS疾病知識庫產品、基于大模型的醫保智能數據查詢分析應用等；推出數據價值化平臺、數字人社智能指揮系統等，并與多地政府達成智慧醫療、智慧城市等服務模式。

根據官方信息，基于醫療數字化、醫療設備、醫療服務、康養服務、金融保險、醫工人才六位一體全產業鏈布局，東軟的服務對象已觸達了4800+家醫院，8萬+家基層醫療衛生機構，構建30+個省市全民健康信息化平臺。東軟智慧醫療產品已在各級醫療機構及衛生健康管理機構實現深度落地，已累計服務全國客戶超100家。

近期在濟南舉辦的“首屆醫學人工智能大會（MAIC1st2025）”上，東軟在智慧醫療方面再傳新動態： 東軟重磅發布“添翼”醫療健康智能化解決方案2.0。

令人欣喜的是，這與初代“添翼”的發布，僅隔了半年的時間。

從MAIC1st2025活動上傳來的消息，東軟添翼醫療健康解決方案2.0在初代版本的基礎之上，主要在數據基座、賦能平臺和價值擴展三大方面，分別做出了不小的突破。其目標正是基于上述提到的四大困境進行改善，去構建醫療場景“智能大腦”和“神經網絡”。

具體來看。

在構建業務數據聯動底座、奠定高質量AI基石方面，依托湖倉一體全量數據中心，運用飛標平臺與洞察平臺，對多源、異構數據進行統一管理，構建多模態高質量數據資產，通過數據要素價值化，實現流程再造和提質增效，促進“業務提效-數據提質-模型優化”。

在打造安全可控賦能平臺方面，依托東軟醫療數據價值化與“融智”智能化雙框架，強化領域知識與獎勵算法運用，減少大模型幻覺。構建“1個醫學領域大模型+N個科室/任務專項小模型”的模型集群，形成“專模做專事”的能力矩陣，全面支持信創、安全訪問，適配云端及本地環境的模型部署與管理。

在價值擴展方面，跨機構能力開放成為最大的看點，賦能范圍從深耕單體醫療機構向外延伸至城市聯動，面向超100類業務角色，形成120個賦能體能力——比如在機構內部，圍繞如預問診、輔助診斷、運營分析等重要環節提效；在此基礎上，將能力拓展至城市層面，通過智慧衛健實現區域醫療質量監管，聯動智慧基層完善分級診療服務，打通跨機構數據壁壘，最終構建起覆蓋“個人健康-院內診療-區域協同-城市醫療服務”的全鏈條智能醫療生態 。

由此可以看出，盡管在醫護康養語境下一些關鍵性場景，AI恐怕難以徹底叩開大門，但這并不阻擋，AI技術與大醫療產業的結合，被公認為是21世紀這一領域最大加速度的事實。

03 AI賦醫道，數智見未來

在政策與技術的驅動下，醫療領域的每一個層級，每一個領域都孕育著智能化的必要性。

無論是傳統機構服務機構的轉型，還是如東軟添翼2.0這樣的全鏈路服務系統，想要推動醫療智能化的全面發展，必須將相關能力做專、做深，拆分出更多更精準的典型場景，并給出與之匹配的、連貫的解決方案，通過實踐驗證出數智能力的有效性。

東軟與武漢中南醫院的合作案例正以實踐驗證著這種進步。東軟智慧醫療相關解決方案和產品在武漢中南醫院實現了深度落地和應用。

李東介紹道，“武漢大學中南醫院單一科室日均生成的出院小結近500份，全院日均完成對3500到4000份病歷的內涵質控。從單個醫生單日40-50份病歷，到現在10倍以上的提效，基本能做到幫全院所有患者做內涵質控的評估?！?

再比如出院小結上，“放在過去，醫生每天做10 幾份內容、每份內容大概20幾個字，已經是很大的挑戰了，現在出院小結可以自動生成，醫生只需確認即可”，將醫生從繁重且重復的工作中解放出來，專注于決策環節，這也是技術應用最大的意義。

而從武漢中南醫院的案例放大至整個醫療產業，李東認為向行業向智能化升級的趨勢是必然之舉。未來醫院的運營一定是基于數據的，精益化管理一定會替代粗放式操作的。

“通過數據的甄別和計算，醫院每個運營決策的背后有著怎樣的邏輯，怎么用數據方式呈現醫院的運營狀態，有哪些環節還可被進一步改善，等等”，這些手段旨在推進醫療公平、提升資源利用效率，已然是可預見的美好前景。

在這個波瀾壯闊的時代，社會民生的每一個個體，或許都是馬伯庸筆下《大醫》里的主角，見證著數字化、智能化技術如何深入醫療行業，帶來影響深刻的醫療智能化變革。

一份病歷在全市乃至全國通行，AI輔助診療全過程，遠程會診、遠程手術、遠程指導康復，這些曾經出現在科幻電影里的醫療場景，正在現實世界中一步步向人們走來。