原创ⓒ科技新知 AI新科技组
作者丨樱木 编辑丨江蓠，九黎
AI医疗进入应用落地的爆发之年，但到底该如何平衡效率、质量与可及性，也许“AI教父”辛顿的表态，有所启示。
近日，在2025世界人工智能大会上，辛顿坦言医疗是AI最具潜力的应用场景之一，同时，AI也能在医疗等领域创造颠覆性价值，但前提是必须通过人机协同确保其“辅助人类”。他谈到，“人类和AI的现状，就好比养了一只非常可爱的小老虎。当它长大后，可以轻易干掉你。为了生存，要么摆脱这只小虎崽，要么找到一种方法可以永远保护自己。”
无独有偶，一场关于AI医疗的人机协同挑战也在悄然上演，由复旦大学附属中山医院（以下简称：中山医院）放射科主任兼放射诊断科主任曾蒙苏带队，3名医生在胸部一扫多查智能体辅助下完成影像诊断与报告撰写，另3名医生则凭经验应战。
该款智能体是联影智能与中山医院联合研发的最新产品，与过往的单病种AI存在根本区别，也并非是市面上将多个单病种小模型简单堆叠、再包装成“一扫多查”的应用。它能够实现一次胸部CT扫描，自动识别73种胸部疾病异常疾病，平均AUC值94%，并实现从影像到报告的自动化输出。这项技术国际领先。
这场比赛清晰的展现出智能体在复杂病例诊断上具有较强优势。面对同样的复杂病例， AI辅助组医生借助智能体，一键就检出肺结节、冠脉钙化等胸部异常，医生仅需要逐一核实诊断即可生成报告，较无AI辅助组医生，整体效率提升25%。
这场挑战赛像是当下AI医疗发展的一个缩影，AI虽然发展迅速，但在准确性以及人文温度和交互性上仍然难以取代人类，正如辛顿所言，从某种程度来说，人机协同也许是最具普惠性、最具实用性的方案。
但人机协同并非一道简单题，从技术上来看，大模型+医疗落地“高墙”十分明显：底层专业数据的稀缺与标注的昂贵限制应用落地广度，同时，算力成本与部署门槛也制约技术的可及性，而医疗场景的复杂性与强大的专业壁垒也削弱在应用时的有效性。
当前，AI医疗已经进入了深水区，也正因如此，在医疗领域深耕多年、积累了扎实技术功底的联影智能，正尝试走出一条破壁之路。其以元智医疗大模型为核心，着力打通多重壁垒，构建起覆盖技术突破、场景落地、生态协同的全链条解决方案——这不仅能破解行业共性难题，更重新定义了医疗AI从工具到伙伴的价值逻辑，为医疗智能化转型提供了可复制的实践范式。
而具体该如何实现，值得一番拆解。
01
技术破壁：联影元智医疗大模型有什么不一样
不同于大厂喜欢在风口时入局，联影在医疗AI方向出发得非常早。
2017年联影集团成立专注于AI医疗解决方案、独立运营的子公司联影智能。
目前，联影智能已推出12个产品平台、超100款Al应用，有13款产品获批中国药监局三类医疗器械注册认证，15款AI应用通过FDA认证，31款AI应用获CE认证，居全球获CE认证的AI应用总数首位。
相关产品已在全国4000余家医疗机构部署使用，并在海外多地包括美国、西班牙、印尼、印度等多个国家与地区开展合作。
较早的出发，以及大量的实践与数据积累，让联影智能在进入大模型时代具有先发优势，对于行业普遍存在的数据、场景及部署等核心挑战，也形成了破局思路。而这些挑战，正是医疗AI落地的最大阻碍。
当这些阻碍所折射的底层矛盾延伸至医疗大模型领域时，直接显现为三大核心痛点：存在幻觉问题，难以满足医疗场景的严谨性要求；部署门槛较高，难以在不同层级医疗机构推广；更重要的是，在从诊断到治疗、从院内到院外的医疗全链条中，实用性大打折扣。
正如联影智能研发副总裁曹晓欢所言：“通用大模型的能力直接应用到医疗场景里面，在精度和医学严谨性上存在一定局限。”通用大模型的“广”与医疗场景需要的“深”“准”存在一定冲突——前者追求泛化通识能力，后者则要求非常高的专业性和精准性，要严格避免幻觉；同时很多医疗场景不仅依赖单一文本模态，需要影像、文本、视觉、语音等多维度多模态的信息融合。
正是洞察到这些核心痛点，联影的大模型从一开始就锚定了针对性破局的方向。依托在医学影像和医疗AI领域多年的深耕积累，以及在设备端的技术沉淀，联影融合文本、影像、视觉、语音等多模态能力，构建起一套医疗垂域专属的大模型体系——联影“元智”医疗大模型。这套系统注重医疗场景的“多模态协同”与实际临床落地，从根源上回应了医疗大模型面临的三重困境。
具体来看，元智医疗大模型的破局之道，正从技术底层实现精准发力。
在数据层面，依托数千万级医疗影像训练数据、数十万级医疗级精细标注数据，元智医疗影像大模型不仅支持10+影像模态、300+影像分割任务，在处理复杂病灶诊断、器官分割等关键任务上，模型的精准度已超过95%。该模型还具备良好的泛化与zero-shot能力，能够快速拓展到新的模态、器官和病灶，展现出高度的可拓展性。
在降低部署门槛方面，元智医疗文本大模型采用“双模型”设计（非推理模型与推理模型），共享医学知识底座，可按不同场景需求灵活切换，实现安全性、准确性与效率的平衡。在训练阶段，模型能在同等参数量的情况下，显著提升医学知识能力，达到医疗全域的轻量化可定制。既能满足医院的复杂场景需求，也能适配基层医疗机构的硬件条件，让先进技术不再受限于地区差异，真正实现“按需部署”。
此外，该模型在预训练阶段通过注入千万级医学语料，结合强化学习技术进行优化，在不影响通用任务表现的同时提升模型医学能力，显著降低医疗幻觉。
而场景化训练，则从根源上提升了临床适配性。针对医疗场景的复杂性，元智医疗混合大模型融合文本、影像、语音、视觉等多种模态数据，将多模态信息映射到通用“语义空间”，进行推理、演绎和生成，实现智能化看、听、读、想，其衍生产品与智能体已率先应用于医疗复杂场景，从技术层面解决了“实验室性能”与“临床实用性”脱节的问题。
当这些技术突破穿透底层架构，最终落地到医疗场景中时，一场从医生到患者再到管理者的全链条变革，已在悄然发生。
02
从医生到患者再到管理的全场景覆盖
回归到医疗AI的本质，无论是“AI教父”辛顿的警示，还是临床实践的反复验证，都指向一个共识：人机协同，才是当下医疗AI最合理、最高效的发展路径。这种协同不是简单的“AI辅助人”，而是让技术真正融入医疗场景，从医生需要刻意学习的被动工具，进化为能主动理解需求、适配流程的“临床伙伴”。
依托元智医疗大模型，联影智能正将这种协同理念落地为具体的临床实践——从医生诊疗效率的提升，到患者就医体验的优化，再到医院管理模式的升级，AI的实用性正渗透到医疗链条的每一环。
对医生而言，这种赋能是一种对于诊疗工作流的重构，可以帮助医生减少机械性的工作，将更多的时间聚焦在核心价值的工作中，将更多的时间留给病人。依托元智医疗大模型，联影智能打造多个场景的医疗智能体，在不同场景为医生提效，影像诊断的改变尤为显著。
传统影像AI多是“单病种工具”，查肺结节用专属应用，看肺炎换另一套应用，如同用一把钥匙开一把锁，遇到多病共存的患者，医生需反复切换工具，既耗时间又易遗漏。
而联影智能与中山医院联合研发的胸部一扫多查智能体，依托元智医疗影像大模型的跨模态学习能力，一次胸部CT扫描就能被AI自动诊断出73种异常——从肺结节、冠脉钙化到气管扩张、胸腔积液，AI精准标记所有可疑病灶。医生只需逐一核实自动输出的影像报告即可完成，从写报告变成了审报告。
这种“AI诊断+医生决策”的模式，不仅提升了医生工作效率、减少了失误，更重要的是降低了人力成本，低年资医生+AI也能拥有较高的诊断水平。
另一个典型的例子是重复性工作，调研显示，书写病历这类机械性工作往往占据医生近40%的时间。元智医疗语音与医疗文本大模型的协同正大幅降低这一“时间成本”。通过语音大模型与文本大模型的协同，一键生成多种类型医疗文书。例如，电子病历智能体可从问诊开始将医患语音对话转化为结构化病历，自动生成患者入院录、首次病程录、出院小结等医疗文书，大大提升医生病历书写的工作效率。目前，该智能体已经部署至中山医院呼吸科、心外科及心内科等临床科室，累计使用量数千例，工作效率提升75%，病历书写平均时长从20分钟缩减至5分钟。
医生效率的提升，最终转化为患者体验的优化。从挂号咨询到术后康复，元智医疗大模型驱动的智能体像“隐形助手”，让就医每一步更顺畅、安心。
当然元智医疗大模型的赋能不仅限于医生端。
从患者的视角来看，看病是一个较为琐碎的流程，“挂号要带什么材料？”“检查报告在哪里取？”这些琐碎却关键的问题，曾让无数患者犯难。拆解其中的逻辑，患者需要的是一个24小时在线、懂医院流程的专业级别助手，而依托于元智医疗大模型的客服智能体正是这样的存在。
在中山医院，联影智能打造“客服智能体”正用AI打破信息壁垒：患者拨打医院电话或点开微信小程序，就能与智能客服对话，它能精准理解“明天上午的号能退吗”“呼吸科李医生出诊时间”等问题并给出规范答案；遇到复杂需求，会自动转接人工，并默默“学习”人工回复以扩充知识库。更重要的是，它严格遵循医疗规范，所有回答基于医院官方信息，绝不“自由发挥”——这种严谨性，让2025年3月获批中央网信办算法备案的它成为患者可靠的“咨询向导”。如今，24小时在线无需人工介入，患者随时能得到明确指引，不用再等工作日或上班时间。
医疗链条的顺畅运转，离不开高效的医院管理支撑。元智医疗大模型驱动的智能院管体系，正用AI打破传统管理的“碎片化”与“滞后性”，实现全流程精准把控。医院管理智能体实现影像质控、报告质控、病历内涵质控、设备管理等全流程闭环管理，通过“自然语言数据交互”简化操作，提升医院运营效率。
影像质量不合格导致患者重拍、报告写错性别或部位——这些将极大影响诊断准确性、增加医患矛盾。质控管理智能体正用“全流程闭环”堵住漏洞：在影像质控上，可实现DR、CT等多模态、多部位的医疗影像质控，智能提示图像伪影、异物、摆位不当等，AI秒级反馈质控结果，辅助技师及时纠正或重拍。在影像报告质控上，可帮助医生自动识别3大类、11种影像报告中常见的易出错问题，并智能提供修改建议。
设备管理智能体可进行设备全生命周期的管理，实时监测设备的状态和使用情况，进行智能预警和故障推测，还可进行设备运营效益的分析。这些智能体的存在使得无需人力再去多系统对接，点击统计分析，完全通过大模型的能力来优化串起整个流程，实现全院级更加精准、高效的管理。
从医生诊断的“一扫多查”，到患者手机的“智能问诊”，再到管理者的数据看板，元智医疗大模型正用技术温度贴近每一个医疗角色。当AI不再是遥不可及的概念，而是融入诊疗、服务、管理的实用工具，医疗“质量、效率、可及性”的“不可能三角”，正在被一点点破解。
03
医疗AI的胜负手到底是什么？
在刚刚举办的2025年世界人工智能大会以上，“智能时代同球共济”成为大会主题，其背后直指技术发展的终极命题——如何让创新突破地域、层级的边界，惠及不同的区域。
在医疗领域，这一命题尤为迫切：全球50%以上的人口无法获得基本医疗服务，而AI医疗被视作打破这一困局的关键。正如大会传递的共识，真正的医疗AI普惠，不是技术的单点突破，而是让优质资源跨越鸿沟、让高效服务触手可及，这恰恰是“同球共济”在医疗场景的生动诠释。
如今的AI医疗正站在路径选择的十字路口。行业爆发期的多元探索中，两条清晰的路径逐渐显现：以C端咨询类工具为代表的“直接服务患者”模式，与以B端人机协同为核心的“赋能医疗体系”模式，在各自的逻辑中寻找着普惠的答案。
C端路径的初心，是试图将医生经验“打包复制”，通过AI问诊、报告解读等功能，让患者随时获取基础医疗信息。
联影智能在世界人工智能大会期间举办的主题论坛上，正反方围绕“医疗AI向公众开放价值是否超越风险”展开思想碰撞，正如正方所强调的，这类工具确实打破了时间与地域限制——平安好医生数据显示，AI问诊付费率达18%，用户年均消费237元，印证了公众对便捷服务的需求；在偏远地区，患者通过AI即时获取肺结节初筛建议的案例，也展现了其提升可及性的价值。
但硬币的另一面，是复杂场景下的天然短板：AI对多病症共存、合并基础病的患者缺乏综合判断能力，真实的医疗场景远超算法的综合能力；AI缺乏系统化评估，忽略医学的个体性，引发患者焦虑情绪。
更值得警惕的是，患者带着AI生成的“确定性结论”就医时，易对医生专业判断产生质疑，如辩论赛反方所述，某患者因AI提示“89%恶性概率”坚决要求进一步检查，反而加剧了医患沟通成本。这种“以AI结论为中心”的模式，看似缩短了患者与医疗的距离，实则可能因精准度不足和信任裂痕，背离普惠的初衷。
而B端人机协同的路径，从一开始就锚定“医生为核心”的医疗体系的关键。它不试图替代医生，而是通过AI承担重复性工作，让医疗体系的“枢纽”更高效地运转。从医生日常工作场景来看，医生的主要精力应放在病情的综合判断、治疗方案的制定以及与患者的沟通上，而AI则可以承担一些重复性、机械性的工作。
AI在标准化初筛中可消除疲劳导致的漏诊，但其价值的释放，始终依赖医生的临床经验兜底。这种模式下，AI是医生的“放大镜”而非“替代者”，既发挥了技术的效率优势，又守住了医疗的人文温度。
两种路径的分野，本质是对“普惠”理解的差异。真正的普惠医疗，不该是“低质便捷”的妥协，而应是“优质可及”的平衡：它要能穿透三甲医院与基层卫生院的壁垒，让偏远地区患者也能享受到同质化诊断；要能让不同技术水平的医生都能轻松上手；在提升效率的同时守住质量底线，不陷入“快而不准”的误区。这恰恰直击医疗领域的“不可能三角”——质量、效率与可及性似乎难以兼得。
联影智能通过元智医疗大模型的实践，正在证明这一“质量、效率、可及性”的不可能三角并非不可破局。
在“可及性”上，元智医疗大模型的轻量化部署能力，让基层医院无需高端设备、无需承担高昂算力成本，即可接入三甲级AI辅助，打破地域与硬件的壁垒；
在“效率”上，元智医疗大模型支撑起更高效的诊疗流程——从影像诊断效率提升到病历书写时长大幅缩减，医院得以用更优的资源配置应对激增的医疗需求；
在“质量”上，元智医疗大模型通过多模态协同训练与私域知识微调，实现医疗场景的深度适配，构建起“精准度与可及性共生”的防线。
从C端方案的“单点触达”到B端人机协同的“体系赋能”，医疗AI的胜负手早已清晰：真正的普惠，不在于让AI直接服务多少患者，而在于能否通过技术重构医疗体系的运转效率，让每一个层级的医院、每一位医生都能更高效地服务患者。
联影智能的实践给出了答案：当AI成为医生的“临床伙伴”，当技术穿透层级壁垒，医疗的“不可能三角”终将被改写，而“智能时代同球共济”的愿景，也将在每一次精准诊断、每一次高效服务中照进现实。
