医疗江湖来了位AI医生

　　觅影的影像AI也已覆盖500余家机构，累计辅助近1000万人次医学检查。

　　飞星火医疗版更是号称在医疗问答里超越了GPT-4；微软最新推出的 AI 诊断工具 MAI-DxO 则在复杂病例诊断中表现惊人：在基于《新英格兰医学杂志》记录的 304 个病例测试中，MAI-DxO 的诊断准确率达到 85.5%，超过 21 位资深医生的平均水平，同时， MAI-DxO 能够像真实医疗场景中，一步步通过患者主诉后问诊，并最终给出诊断——该系统有望真实地部署在医疗环境中。

　　飞：智医助理与星火大模型

　　飞医疗子公司发布了“讯飞智医助理”等智能诊疗系统，为基层医生提供语音记录病历、快速决策建议等服务。据公司介绍，智医助理能覆盖1400种疾病，支持多种专业问诊场景，全国已有数万名医生使用。

　　飞星火医疗大模型”在医疗问答任务上表现优异。公司高管透露，讯飞智医助理已经超越现有ChatGPT和GPT-4的医疗水平。未来，讯飞计划将这些专科能力整合到通用大模型中，让每位普通用户都能拥有健康顾问。

　　飞与各大医院合作，打造了如“心脏超声诊断决策系统”“西部心病脑梗模型”“贵州云岭民族医学模型”等一系列专病或专项医学大模型。这些项目展示了依托中国人群和临床数据做模型开发的独特优势。

　　觅影与腾讯健康：影像

　　觅影在医疗影像领域深耕多年，迄今已在中国500余家医院部署AI诊断工具，辅助放射科医生筛查肺结节、乳腺癌、糖尿病视网膜病变等疾病 。

　　云推出了“混元大模型”系列，应用于患者全流程服务：北医三院通过腾讯AI小程序，实现了从挂号、报告查询到医疗咨询的一站式AI问答；深圳罗湖医院集团甚至将DeepSeek和腾讯大模型结合，开发“AI临床助手”为重症患者提供病情分析和诊疗建议。

　　AI峰会还发布了“健康管理助手”智能体，能够自动解读体检报告、识别健康风险，为用户制定动态健康计划。

　　通过移动端和云服务，积极将大模型能力嫁接到健康管理、辅助问诊和院内运营各环节。

　　作为国内医疗AI的领先独角兽企业，深睿医疗近期完成近5亿元新一轮融资。

　　公司围绕“多模态、大场景”的技术架构，为上千家医院和机构提供从健康管理、AI辅助诊断到临床决策支持、慢病筛查等全流程服务。

　　深睿旗下产品包括影像辅助、数字化病理、病案质量控制、智能问诊等，累计年使用量近2亿次 。官方介绍其AI系统已在全国30余个省市落地应用，帮助医生提升诊疗效率和准确度、为患者提供更精细化的健康管理。

　　这种“全场景布置”的模式，是小规模创新公司在医疗AI领域的一种成功实践。

　　阿里巴巴达摩院等也积极布局医疗AI。2025年6月，阿里联合高校等团队发布了“ReasonMed”开源医学推理数据集和7亿参数的推理模型，7B模型在多项医学问答测试中表现优于更大规模模型，证明了“高质量数据胜过单纯扩大模型规模”的原则 。

　　开源组织百川智能发布的Baichuan‑M2模型也在HealthBench测试中以60.1分力压OpenAI的120B模型。

　　此外，医渡云等公司开发了针对中国人群的罕见病诊疗AI模型，2025年全国首个罕见病AI大模型“协和·太初”已经进入临床试点，有望缩短罕见病确诊时间。

　　国内“”模式的可行性正在被大家看到。

　　尽管进展喜人，AI落地医疗仍面临多重难题。

　　AI诊断常是典型的黑盒操作，医生看不到算法的推理链条，患者更无法理解AI建议的依据。“知其然，更要知其所以然”，只有算法可解释、结果透明，医生才敢放心开处方，患者才敢信任建议。缺乏信任，临床采纳率自然低迷，AI再牛也只是纸上谈兵。

　　中国医疗数据高度分散，病历、影像、检验各自为阵，医院内部系统标准不一，中小机构的数据更是零散无章。再加上监管对敏感医疗数据保护严格，同时利益分配不明晰，“不愿、不敢、不能”共享数据成常态。没有完整闭环，AI无法持续迭代优化，也难以覆盖患者全程。

　　当AI辅助诊疗出现误诊或漏诊，法律上谁背锅？是算法开发者、设备厂商，还是使用AI的医生？国内外案例显示，这种不确定性让医疗机构对引入AI步步谨慎。解决方案显而易见：完善法规、明确责任划分、建立可追溯审计机制，否则再先进的算法也难以上岗。

　　算法偏见、样本不足导致的“幻觉”、医院运营模式与医保支付体系尚未完全适配AI模式……种种问题交织在一起，像一张复杂的蜘蛛网。

　　市场机构预计，到2025年末，全球人工智能应用市场总值将冲到1270亿美元，其中医疗板块就占了五分之一。庞大的蛋糕自然催生了各种AI医疗玩法：从急救现场的智能辅助、远程会诊，到检验检查、临床决策辅助、公共卫生服务甚至医院管理，AI的身影正快速铺开，“互联网+医疗”早已成为各方共识，目标直指让人民健康服务提档升级。

　　展望未来，业内普遍认为“大模型+小模型”结合将成为主流。最新研究显示，专业化小模型常常能甩开大而全的通用模型：阿里7B参数医疗推理模型在考试中干掉了700亿参数的巨无霸；国内开源的7B模型Baichuan‑M2在HealthBench评测中也打败了更大模型。可以说， 模型越大不代表越牛，

　　基于此思路，中国AI医疗的发展策略倾向于：比如医联MedGPT就把大模型和医学知识图谱整合，结合中国临床指南和本土数据，做出符合本土医疗逻辑的“专科增强”服务。

　　综合来看，未来中国医疗AI的主旋律很可能是：这套策略不仅能大幅降低部署成本，还更符合监管要求和医院实际操作需求——可以说，是通向“AI医生工业化落地”的最务实路线。