AI赋能医疗目前，AI助力医改和赋能医疗主要通过以下几个机制。一是作为资源放大器，AI可将优质医疗资源下沉基层，以弥补基层医疗能力不足（如AI辅助诊断、智能问诊分诊机器人）；二是作为效率优化器，AI可降低研发成本和运营成本（如干实验加速药物研发）；三是作为信息平权器，AI赋能患者端知识储备（如智能健康管家、健康预问诊）；四是作为安全规范器，AI赋能数据安全与隐私保护（如联邦学习技术、医保反欺诈系统）。 从技术角度看，AI的上述赋能机制主要依靠四大技术法宝。 一是以并联计算为根本的技术革命。以往，以英特尔公司为代表的技术路线是使用中央处理器（CPU）进行串联计算；而以英伟达公司为代表的技术突破是使用图形处理器（GPU）实现了并联计算，并具备神经网络处理能力。这引发了计算端变革，使后续技术革新成为现实。 二是以机器学习和大模型为特征的优化路径。机器学习和大模型的出现，使得整体计算能够快速实现，为医疗数智化创造了更多可能。 三是以视觉识别等新技术为方法的训练推理应用，使医学影像分析效率显著提升至原来的10倍甚至更多。AI赋能新药研发也得益于此。 四是以边缘计算和联邦学习为手段的安全机制。在医疗领域，隐私与数据安全至关重要。AI的出现，能够更好地保障数据安全。例如，边缘计算和联邦学习可使数据与模型训练相互隔离；再如，通用大模型的本地化部署和训练可在数据不出域的前提下保护隐私。一龄医学技术集团以四个核心价值，为全球合作伙伴提供多维赋能！日前，一龄医学技术集团以21载深耕大健康领域的沉淀为坚实基石，以“为改变而来、为创新而生”的使命为澎湃引擎，正式叩响“无界疆域、无界链接、无界合作”的新时代大门。一龄医学技术集团正为全球健康产业提供“能落地、可复制、有实效”的中国式解决方案，为全球合作伙伴与社会各界勾勒“突破边界、共创价值”的医养新图景。无界疆域——以构建人类命运共同体为己任，让东方医养温暖全球“一代人有一代人的责任与使命，一龄的战略始终与人类生命健康的主题同频共振。”一龄集团董事长李玮的这句话，道出了“无界疆域”的初心。构建人类命运共同体，健康是不可或缺的纽带。作为依托博鳌乐城“四特许”政策成长起来的中国品牌，一龄21年沉淀的“防治康”一体化模式，已超越本土经验，融合中医“治未病”智慧与西医精准检测，具备服务全球的能力。无界链接——以数字医疗为桥，让健康服务“无缝抵达”“一龄智能数据中枢体系成功打破了医疗健康服务中的‘信息孤岛’，构建了‘数据驱动服务’的创新范式。”李玮董事长表示。这一体系对于寻求数字化转型的合作伙伴而言，相当于获得了一个“即插即用”的智慧健康操作系统，无需投入重金自主研发，即可快速搭建专业的数字化服务体系。换言之，即为每个合作伙伴打造和配备了“永不打烊的健康智库”，从根源打破医疗健康领域的“信息孤岛”。从可定制的穿戴手表到生理健康参数仪，从“一龄博士”AI生命养护平台到多学科远程会诊系统，“智慧健康服务矩阵”在提升服务效率的同时，显著增强用户体验和黏性，让每一个人、每一个家庭都能享受到全时、全面的健康呵护。依托5G算力高速传输能力，通过智能数据中枢体系实现流量与数据导流，将集团积累的过万高净值用户、健康数据精准对接至社区健康站、酒店医养中心等合作方，让资源在不同场景间高效流动。无界合作——开源共享，以灵活姿态拥抱全球伙伴一龄医学技术集团的“无界合作”没有固定的模式与边界限制，从高端酒店到存量地产，从社区物业到中小机构，凡有健康需求之处，皆可为合作之地。一龄医学技术集团将始终围绕“品牌、技术、运营”三大核心要素，根据合作方的场景大小、需求类型，提供灵活定制的输出方案，实现“按需匹配、多元协同”的合作生态。从“无界疆域”的全球使命，到“无界链接”的科技赋能，再到“无界合作”的灵活适配，一龄医学技术集团的“三无界”战略，不仅是对医养产业边界的突破，更是对“大国医养”责任的践行。在这样的基础上，一龄医学技术集团将以“内容再造、流量再造、场景再造、工具再造”四个核心价值，为全球合作伙伴提供多维赋能，延伸灵活多变的合作策略。一龄医学技术集团以“防治康”一体化为医养服务内容体系，整合超400项医学技术与242项临床方案，构建覆盖全生命周期的健康服务内容矩阵。通过标准化、模块化的服务产品输出，实现对B端合作机构的内容赋能，提升其服务厚度与专业竞争力，重塑行业服务标准与用户体验。依托过万高净值用户基础与跨行业高端圈层资源，一龄医学技术集团构建“医疗+圈层+转介”立体流量生态。通过联动保险、金融、高尔夫等高端渠道，借助KOL/KOC口碑传播激活圈层裂变，实现精准流量导入与信任转化，为合作伙伴持续输送优质客源，提升资产运营效率与品牌溢价能力，构建良性循环的用户增长模式。创新“健康综合体”“医养主题酒店”“国企存量资产医改”等多元融合场景，将医养服务嵌入商业、酒店、社区等实体空间。通过功能重构与业态融合，打破传统医疗边界，打造“医疗+商业+社区”联动的健康服务新场域，形成“医疗引流、商业赋能”的闭环生态，将老旧业态转化为高价值健康生活目的地，有效提升空间价值与用户黏性，重构存量资产价值与用户体验。以智能数据中枢为核心，医疗业务HIS+LIS+PACS平台、生命养护平台（CRM）、“一龄博士”AI生命养护平台等110项信息化系统，构建“AI数智”的赋能平台。通过输出智慧医疗综合解决方案，提升合作方运营效率、服务精度与管理透明度，支撑前期实现轻资产、高效率的规模化复制与持续成长。一龄医学技术集团将用技术集成、系统制胜、品牌赋能三大优势，助力合作伙伴降低运营风险，提升收益。在技术集成方面，一龄医学技术集团将提供经过临床验证的“精准医学+生命科学+数字医疗”一龄创新型医养服务模式集成解决方案，降低合作伙伴的试错成本；系统制胜方面，从服务流程到人员考核，再到效果评价，集团将输出一整套可复制的一龄标准化运营管理系统，确保服务品质如一，实现系统化致胜。除此之外，一龄医学技术集团还将授权合作伙伴使用“一龄”品牌背书，并将其纳入全国服务网络进行联合推广，共享品牌溢价与用户信任，实现从技术到品牌的全维度赋能。“我们的终极目标，不仅是项目落地，更是要形成高度可借鉴的商业范式，为行业提供‘一龄样板’”。一龄集团董事长李玮强调，通过将海南基地的成功经验与合作伙伴的本地化特色结合，锤炼出可大规模成功复制的标准化模型，确保一龄的每一项创新技术和服务模式都能在当地高效落地应用，产生实实在在的社会效益与经济效益，共同推动区域医养产业水平的整体提升。在银发经济浪潮与健康需求持续升级的今天，一龄已不仅是行业的参与者，更是新规则的协同制定者与新生态的共建者。一龄医学技术集团的“无界”战略，恰如一剂强心针，为行业注入信心，为员工点燃激情，为社会传递希望。AI医疗，能否轻易托付？转发“拍2张照片，2分钟查出10种慢性病。”在2025年中国国际服务贸易交易会健康卫生服务专题展上，北京同仁医院展示的“AI眼底筛查系统”吸引了大量观众驻足体验。该系统通过拍摄左右眼各一张眼底照片，即可识别出糖尿病视网膜病变、高血压、动脉硬化等全身性疾病的早期征兆，准确率达90%。“AI眼底筛查系统”可谓人工智能（AI）医疗在中国快速落地的一个缩影。当地1200余份病例上传至数据平台。经过3个月的模型优化，该系统对这类疾病的识别准确率提升了37%。“医生不仅是使用者，更是AI的‘驯兽师’。”于德志指出，这种“临床反馈—模型优化—临床应用”的闭环，是医疗AI持续进步的核心动力。“机器能读懂数据，但读不懂人心。”这句话在儿科诊疗中体现得尤为深刻。首都医科大学附属北京儿童医院的医生发现，面对哭闹不止的患儿，AI诊断系统无法像医生那样通过玩具互动分散患儿注意力，从而获取准确体征。老年患者群体同样需要医生的情感支持。上海某社区卫生服务中心的调查显示，65岁以上老人对AI健康助手的接受度仅为42%，主要担忧“机器冷冰冰”“出了问题没人管”。而当医生结合AI建议进行面对面解读时，接受度提升至89%。国家卫生健康委人工智能应用专家组成员、北京大学公共卫生学院教授吴明指出：“AI的优势在于标准化、无疲劳、可扩展，尤其在基层，能弥补医生经验不足。但医疗不仅是技术，更是艺术，是对人的理解、对生命的尊重。”他指出，未来医生的角色将从“技术执行者”转向“价值判断者”——AI负责“看得快、看得准”，医生负责“看得全、看得深”。AI医疗仍面对诸多挑战△ 市民正在体验AI自助诊室。AI医疗的列车，已全速驶来。它带来希望，也带来挑战。近期，有关AI辅助诊断系统漏诊误诊“责任困境”的讨论引发各方关注。“AI误诊涉及四方：开发者、医院、医生、患者。”中国卫生法学会常务副会长、清华大学法学院教授王晨光指出，“目前法律尚未明确各方责任边界。”根据《中华人民共和国民法典》，医疗损害责任实行“过错责任原则”，即谁有错谁担责。但AI系统的“黑箱”特性，使得错误难以追溯。对此，部分地方开始探索“AI双签字制度”与“责任保险机制”。例如，上海、广东等地试点要求AI诊断结果必须由两名医生复核签字；同时设立“AI医疗责任保险基金”，由医院与厂商共同投保，分摊风险。“技术可以突飞猛进，但法律必须走在前面。”王晨光呼吁，应加快制定“人工智能医疗责任条例”，明确数据、算法、使用、监管各方的权责利。AI带来的“健康鸿沟”问题也值得重视。“人人可享”是国务院《关于深入实施“人工智能+”行动的意见》提出的目标。“人人可享”4个字直指AI医疗的公平性命题，然而在实践中，数据偏见、资源不均等问题正悄然加剧健康不平等。AI眼底筛查、AI中医问诊、AI孤独症筛查等系统大多部署在一二线大城市的三甲医院，而在广大农村、边远地区，医生仍靠“听诊器+经验”看病。“AI系统训练数据多来自大城市、三甲医院，对偏远人群的代表性不足。”杨正林表示，这可能导致“算法偏见”——AI对某些人群的识别准确率更低。“如果AI只‘懂’城市人、‘懂’标准口音、‘懂’常见病，那它就不是‘人人可享’，而是‘部分人专享’。”清华大学信息国家中心教授于国强表示，AI通过整合数据、算法、算力三大要素，正在实现健康管理从“疾病治疗”向“风险预防”的范式转变，但需在创新与安全之间找到平衡点。这种平衡，既需要技术层面的持续突破，更需要制度层面的系统保障。技术发展的方向已逐渐清晰：从通用型AI向专科化AI演进，如针对儿科、老年病科的专属模型将大幅提升诊断准确率；从单模态数据处理向多模态融合发展，结合影像、基因、临床文本等多维度信息AI系统，能更全面评估健康状况；从“黑箱算法”向可解释AI转型，将让诊疗决策过程更透明。制度保障的重点日益明确。在数据治理方面，联邦学习等技术的推广将实现“数据可用不可见”，既保护隐私又打破“数据孤岛”；在公平性保障方面，相关医疗AI公平性的评估指南即将出台；在人才培养方面，医工交叉专业已纳入医学教育体系。杨正林表示，要主动拥抱AI，让技术成为感官的延伸，才能在未来立于行业前沿。不能因噎废食，也不能盲目崇拜。生命的托付，需以“可信”为前提——技术可信、制度可信、人可信。正如一位体验完AI眼底筛查的北京老年市民所说的：“我不怕AI看病，我怕的是没人告诉我它会不会错、错了谁负责。”这正是AI医疗时代必须回答的问题。接受《中国报道》记者采访的医生几乎都提到一句话——“AI不是来替代我们的，而是来提醒我们别犯错的。”但“提醒”是否足够？当AI的建议与医生判断相悖，当系统错误导致不可逆伤害，我们是否已准备好承担代价？撰文：《中国报道》记者 王哲图源：新华社责编：王焱编审：林崇珍 张利娟“拍2张照片，2分钟查出10种慢性病。”在2025年中国国际服务贸易交易会健康卫生服务专题展上，北京同仁医院展示的“AI眼底筛查系统”吸引了大量观众驻足体验。该系统通过拍摄左右眼各一张眼底照片，即可识别出糖尿病视网膜病变、高血压、动脉硬化等全身性疾病的早期征兆，准确率达90%。“AI眼底筛查系统”可谓人工智能（AI）医疗在中国快速落地的一个缩影。近年来，从“CT+AI”筛查肺癌，到“脑电+AI”评估抑郁，再到“面部微表情+AI”识别孤独症……人工智能正以前所未有的速度渗透进医疗健康的各个环节，以技术创新为支点，撬动医疗服务模式的系统性变革。然而，一个值得思考的问题也随之而来：当已经成为人类健康“先知”的AI开始参与“决定生死”，我们能否将生命托付给它？更快、更准、更普惠△ 小朋友正在和陪伴型机器人互动。当AI技术穿透医疗服务的各个环节，它不再是简单的工具辅助，而是以“更快、更准、更普惠”的核心价值，打破传统医疗的效率瓶颈、精度壁垒与资源鸿沟。从影像诊断的分钟级提速，到基层误诊率的显著下降，再到医保结算的地域壁垒破除，AI正对传统医疗体系展现强大的重塑之力。在肺部疾病筛查领域，AI将传统诊断流程的效率推向新高度。“以前读一张肺部CT要15分钟，现在先通过AI初筛标记可疑病灶，然后我们重点复核，效率至少提升了3倍。”北京胸科医院副院长杜建表示，这极大缓解了大型医院影像科的接诊压力。国家层面的产业平台更在加速这场“效率革命”。日前首次亮相的国家人工智能应用中试基地集中展示了30个关键临床场景的AI应用——影像识别类AI的病灶检出速度较人工提升5—8倍，手术规划AI能将术前方案制定时间从4小时压缩至30分钟，放疗靶区勾画AI则把传统2小时的勾画工作缩短至15分钟，从技术落地层面为“更快”的诊疗体验提供了硬件支撑。AI的核心价值，更在于用技术理性提升诊断精度，尤其为基层医疗解决“看不准”的痛点。四川大学华西第二医院研发的“华西妇幼数字医生”，通过深度学习10万+例疾病诊疗案例，精准复刻了三甲医院资深专家的诊疗逻辑，为基层医生提供预问诊引导与病情预判支持。该院院长刘瀚旻透露，上线一个月的时间，合作的基层医疗机构误诊率下降了17%，患者在家门口就能获得与三甲医院相当的诊疗服务。AI最大的普惠突破，在于打破医疗资源的地域壁垒。首都医科大学附属北京儿童医院党委书记张国君表示，AI正在帮助构建“高效、普惠、有温度”的儿童健康服务体系。据了解，多家机构联合研发的自闭症筛查系统已通过云端部署，覆盖我国西部省份的数十个县级妇幼保健院，偏远地区的家长无须带孩子长途奔波到省会城市，在县城就能完成专业筛查。在医保服务这一民生关键领域，AI系统通过实时分析报销数据，可自动识别过度检查、重复开药等异常行为，实现医保报销的智能审核、异常费用预警、欺诈行为识别等功能，将传统“事后追查”转变为“实时监控”，守住投保人的“救命钱”。在异地医保结算领域，AI智能核验系统打破了地域壁垒，能自动识别不同地区的诊疗规范差异，实时完成费用核算与报销，解决了长期存在的“跑腿多、报销慢”问题。8月26日，国务院发布的《关于深入实施“人工智能+”行动的意见》明确提出，探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率……从顶层设计为AI医疗的发展划定了清晰路径。正如北京数字健康研究会会长于德志所言，AI与健康数据的深度融合正在打通医学科技从实验室到病床的“最后一公里”，正在让优质医疗服务从“少数人享有的稀缺资源”转变为“多数人可及的普惠服务”，国家政策的持续赋能，更让这场变革有了坚实的前行动力。AI将取代医生？△ 工作人员操作演示AI视觉重症监护预警系统。当技术不断拓展医疗的边界，医生的角色在人机协同中被重新定义。“AI给出的诊断建议再精准，也不能替代医生的最终判断。”中国科学院院士、四川省人民医院院长杨正林表示，“最终还是需要医生去沟通、调整诊疗方案，这种人文互动是技术无法取代的。”“AI不会取代医生，但会用AI的医生将取代不会用AI的医生。”北京市卫生健康委副主任严进说。在北京大学人民医院，一款“AI视觉重症监护预警系统”已投入使用。该系统通过摄像头实时监测重症医学科（ICU）患者行为，能识别非计划拔管、坠床等风险事件，提前预警，准确率达95%。“它就像一双24小时不眨眼的眼睛，帮我们守住了无数‘险而未发’的时刻。”该院重症医学科（ICU）负责人表示，“但最终决定要不要干预的还是医生。”主导研发“华西黉医”大模型的四川大学华西医院院长罗凤鸣这样概括“让病人感觉不到AI存在”的智慧医疗：诊前AI生成结构化病历，诊中智能系统辅助手术安全监测，诊后AI发送复诊提醒。“但核心诊疗决策始终由医生掌控。AI是优秀的辅助工具，但无法取代医生对复杂病情的预判能力。”罗凤鸣强调。AI的进化离不开医生的持续赋能。刘瀚旻在研发“华西妇幼数字医生”时亲自向AI传授哮喘诊断逻辑：“先看年龄，再围绕‘喘’追问发作时间、次数等细节。”这种对医生个体化思维的深度模仿，使AI的诊断符合率大大提高。在基层医疗机构，医生的反馈更具实践价值。甘肃省某县医院的医生发现，AI皮肤癌筛查系统对高原地区常见的日光性皮炎识别率低，遂将当地1200余份病例上传至数据平台。经过3个月的模型优化，该系统对这类疾病的识别准确率提升了37%。“医生不仅是使用者，更是AI的‘驯兽师’。”于德志指出，这种“临床反馈—模型优化—临床应用”的闭环，是医疗AI持续进步的核心动力。“机器能读懂数据，但读不懂人心。”这句话在儿科诊疗中体现得尤为深刻。首都医科大学附属北京儿童医院的医生发现，面对哭闹不止的患儿，AI诊断系统无法像医生那样通过玩具互动分散患儿注意力，从而获取准确体征。老年患者群体同样需要医生的情感支持。上海某社区卫生服务中心的调查显示，65岁以上老人对AI健康助手的接受度仅为42%，主要担忧“机器冷冰冰”“出了问题没人管”。而当医生结合AI建议进行面对面解读时，接受度提升至89%。国家卫生健康委人工智能应用专家组成员、北京大学公共卫生学院教授吴明指出：“AI的优势在于标准化、无疲劳、可扩展，尤其在基层，能弥补医生经验不足。但医疗不仅是技术，更是艺术，是对人的理解、对生命的尊重。”他指出，未来医生的角色将从“技术执行者”转向“价值判断者”——AI负责“看得快、看得准”，医生负责“看得全、看得深”。AI医疗仍面对诸多挑战△ 市民正在体验AI自助诊室。AI医疗的列车，已全速驶来。它带来希望，也带来挑战。近期，有关AI辅助诊断系统漏诊误诊“责任困境”的讨论引发各方关注。“AI误诊涉及四方：开发者、医院、医生、患者。”中国卫生法学会常务副会长、清华大学法学院教授王晨光指出，“目前法律尚未明确各方责任边界。”根据《中华人民共和国民法典》，医疗损害责任实行“过错责任原则”，即谁有错谁担责。但AI系统的“黑箱”特性，使得错误难以追溯。对此，部分地方开始探索“AI双签字制度”与“责任保险机制”。例如，上海、广东等地试点要求AI诊断结果必须由两名医生复核签字；同时设立“AI医疗责任保险基金”，由医院与厂商共同投保，分摊风险。“技术可以突飞猛进，但法律必须走在前面。”王晨光呼吁，应加快制定“人工智能医疗责任条例”，明确数据、算法、使用、监管各方的权责利。AI带来的“健康鸿沟”问题也值得重视。“人人可享”是国务院《关于深入实施“人工智能+”行动的意见》提出的目标。“人人可享”4个字直指AI医疗的公平性命题，然而在实践中，数据偏见、资源不均等问题正悄然加剧健康不平等。AI眼底筛查、AI中医问诊、AI孤独症筛查等系统大多部署在一二线大城市的三甲医院，而在广大农村、边远地区，医生仍靠“听诊器+经验”看病。“AI系统训练数据多来自大城市、三甲医院，对偏远人群的代表性不足。”杨正林表示，这可能导致“算法偏见”——AI对某些人群的识别准确率更低。“如果AI只‘懂’城市人、‘懂’标准口音、‘懂’常见病，那它就不是‘人人可享’，而是‘部分人专享’。”清华大学信息国家中心教授于国强表示，AI通过整合数据、算法、算力三大要素，正在实现健康管理从“疾病治疗”向“风险预防”的范式转变，但需在创新与安全之间找到平衡点。这种平衡，既需要技术层面的持续突破，更需要制度层面的系统保障。技术发展的方向已逐渐清晰：从通用型AI向专科化AI演进，如针对儿科、老年病科的专属模型将大幅提升诊断准确率；从单模态数据处理向多模态融合发展，结合影像、基因、临床文本等多维度信息AI系统，能更全面评估健康状况；从“黑箱算法”向可解释AI转型，将让诊疗决策过程更透明。制度保障的重点日益明确。在数据治理方面，联邦学习等技术的推广将实现“数据可用不可见”，既保护隐私又打破“数据孤岛”；在公平性保障方面，相关医疗AI公平性的评估指南即将出台；在人才培养方面，医工交叉专业已纳入医学教育体系。杨正林表示，要主动拥抱AI，让技术成为感官的延伸，才能在未来立于行业前沿。不能因噎废食，也不能盲目崇拜。生命的托付，需以“可信”为前提——技术可信、制度可信、人可信。正如一位体验完AI眼底筛查的北京老年市民所说的：“我不怕AI看病，我怕的是没人告诉我它会不会错、错了谁负责。”这正是AI医疗时代必须回答的问题。接受《中国报道》记者采访的医生几乎都提到一句话——“AI不是来替代我们的，而是来提醒我们别犯错的。”但“提醒”是否足够？当AI的建议与医生判断相悖，当系统错误导致不可逆伤害，我们是否已准备好承担代价？撰文：《中国报道》记者 王哲图源：新华社责编：王焱编审：林崇珍 张利娟“拍2张照片，2分钟查出10种慢性病。”在2025年中国国际服务贸易交易会健康卫生服务专题展上，北京同仁医院展示的“AI眼底筛查系统”吸引了大量观众驻足体验。该系统通过拍摄左右眼各一张眼底照片，即可识别出糖尿病视网膜病变、高血压、动脉硬化等全身性疾病的早期征兆，准确率达90%。“AI眼底筛查系统”可谓人工智能（AI）医疗在中国快速落地的一个缩影。近年来，从“CT+AI”筛查肺癌，到“脑电+AI”评估抑郁，再到“面部微表情+AI”识别孤独症……人工智能正以前所未有的速度渗透进医疗健康的各个环节，以技术创新为支点，撬动医疗服务模式的系统性变革。然而，一个值得思考的问题也随之而来：当已经成为人类健康“先知”的AI开始参与“决定生死”，我们能否将生命托付给它？更快、更准、更普惠△ 小朋友正在和陪伴型机器人互动。当AI技术穿透医疗服务的各个环节，它不再是简单的工具辅助，而是以“更快、更准、更普惠”的核心价值，打破传统医疗的效率瓶颈、精度壁垒与资源鸿沟。从影像诊断的分钟级提速，到基层误诊率的显著下降，再到医保结算的地域壁垒破除，AI正对传统医疗体系展现强大的重塑之力。在肺部疾病筛查领域，AI将传统诊断流程的效率推向新高度。“以前读一张肺部CT要15分钟，现在先通过AI初筛标记可疑病灶，然后我们重点复核，效率至少提升了3倍。”北京胸科医院副院长杜建表示，这极大缓解了大型医院影像科的接诊压力。国家层面的产业平台更在加速这场“效率革命”。日前首次亮相的国家人工智能应用中试基地集中展示了30个关键临床场景的AI应用——影像识别类AI的病灶检出速度较人工提升5—8倍，手术规划AI能将术前方案制定时间从4小时压缩至30分钟，放疗靶区勾画AI则把传统2小时的勾画工作缩短至15分钟，从技术落地层面为“更快”的诊疗体验提供了硬件支撑。AI的核心价值，更在于用技术理性提升诊断精度，尤其为基层医疗解决“看不准”的痛点。四川大学华西第二医院研发的“华西妇幼数字医生”，通过深度学习10万+例疾病诊疗案例，精准复刻了三甲医院资深专家的诊疗逻辑，为基层医生提供预问诊引导与病情预判支持。该院院长刘瀚旻透露，上线一个月的时间，合作的基层医疗机构误诊率下降了17%，患者在家门口就能获得与三甲医院相当的诊疗服务。AI最大的普惠突破，在于打破医疗资源的地域壁垒。首都医科大学附属北京儿童医院党委书记张国君表示，AI正在帮助构建“高效、普惠、有温度”的儿童健康服务体系。据了解，多家机构联合研发的自闭症筛查系统已通过云端部署，覆盖我国西部省份的数十个县级妇幼保健院，偏远地区的家长无须带孩子长途奔波到省会城市，在县城就能完成专业筛查。在医保服务这一民生关键领域，AI系统通过实时分析报销数据，可自动识别过度检查、重复开药等异常行为，实现医保报销的智能审核、异常费用预警、欺诈行为识别等功能，将传统“事后追查”转变为“实时监控”，守住投保人的“救命钱”。在异地医保结算领域，AI智能核验系统打破了地域壁垒，能自动识别不同地区的诊疗规范差异，实时完成费用核算与报销，解决了长期存在的“跑腿多、报销慢”问题。8月26日，国务院发布的《关于深入实施“人工智能+”行动的意见》明确提出，探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率……从顶层设计为AI医疗的发展划定了清晰路径。正如北京数字健康研究会会长于德志所言，AI与健康数据的深度融合正在打通医学科技从实验室到病床的“最后一公里”，正在让优质医疗服务从“少数人享有的稀缺资源”转变为“多数人可及的普惠服务”，国家政策的持续赋能，更让这场变革有了坚实的前行动力。AI将取代医生？△ 工作人员操作演示AI视觉重症监护预警系统。当技术不断拓展医疗的边界，医生的角色在人机协同中被重新定义。“AI给出的诊断建议再精准，也不能替代医生的最终判断。”中国科学院院士、四川省人民医院院长杨正林表示，“最终还是需要医生去沟通、调整诊疗方案，这种人文互动是技术无法取代的。”“AI不会取代医生，但会用AI的医生将取代不会用AI的医生。”北京市卫生健康委副主任严进说。在北京大学人民医院，一款“AI视觉重症监护预警系统”已投入使用。该系统通过摄像头实时监测重症医学科（ICU）患者行为，能识别非计划拔管、坠床等风险事件，提前预警，准确率达95%。“它就像一双24小时不眨眼的眼睛，帮我们守住了无数‘险而未发’的时刻。”该院重症医学科（ICU）负责人表示，“但最终决定要不要干预的还是医生。”主导研发“华西黉医”大模型的四川大学华西医院院长罗凤鸣这样概括“让病人感觉不到AI存在”的智慧医疗：诊前AI生成结构化病历，诊中智能系统辅助手术安全监测，诊后AI发送复诊提醒。“但核心诊疗决策始终由医生掌控。AI是优秀的辅助工具，但无法取代医生对复杂病情的预判能力。”罗凤鸣强调。AI的进化离不开医生的持续赋能。刘瀚旻在研发“华西妇幼数字医生”时亲自向AI传授哮喘诊断逻辑：“先看年龄，再围绕‘喘’追问发作时间、次数等细节。”这种对医生个体化思维的深度模仿，使AI的诊断符合率大大提高。在基层医疗机构，医生的反馈更具实践价值。甘肃省某县医院的医生发现，AI皮肤癌筛查系统对高原地区常见的日光性皮炎识别率低，遂将当地1200余份病例上传至数据平台。经过3个月的模型优化，该系统对这类疾病的识别准确率提升了37%。“医生不仅是使用者，更是AI的‘驯兽师’。”于德志指出，这种“临床反馈—模型优化—临床应用”的闭环，是医疗AI持续进步的核心动力。“机器能读懂数据，但读不懂人心。”这句话在儿科诊疗中体现得尤为深刻。首都医科大学附属北京儿童医院的医生发现，面对哭闹不止的患儿，AI诊断系统无法像医生那样通过玩具互动分散患儿注意力，从而获取准确体征。老年患者群体同样需要医生的情感支持。上海某社区卫生服务中心的调查显示，65岁以上老人对AI健康助手的接受度仅为42%，主要担忧“机器冷冰冰”“出了问题没人管”。而当医生结合AI建议进行面对面解读时，接受度提升至89%。国家卫生健康委人工智能应用专家组成员、北京大学公共卫生学院教授吴明指出：“AI的优势在于标准化、无疲劳、可扩展，尤其在基层，能弥补医生经验不足。但医疗不仅是技术，更是艺术，是对人的理解、对生命的尊重。”他指出，未来医生的角色将从“技术执行者”转向“价值判断者”——AI负责“看得快、看得准”，医生负责“看得全、看得深”。AI医疗仍面对诸多挑战△ 市民正在体验AI自助诊室。AI医疗的列车，已全速驶来。它带来希望，也带来挑战。近期，有关AI辅助诊断系统漏诊误诊“责任困境”的讨论引发各方关注。“AI误诊涉及四方：开发者、医院、医生、患者。”中国卫生法学会常务副会长、清华大学法学院教授王晨光指出，“目前法律尚未明确各方责任边界。”根据《中华人民共和国民法典》，医疗损害责任实行“过错责任原则”，即谁有错谁担责。但AI系统的“黑箱”特性，使得错误难以追溯。对此，部分地方开始探索“AI双签字制度”与“责任保险机制”。例如，上海、广东等地试点要求AI诊断结果必须由两名医生复核签字；同时设立“AI医疗责任保险基金”，由医院与厂商共同投保，分摊风险。“技术可以突飞猛进，但法律必须走在前面。”王晨光呼吁，应加快制定“人工智能医疗责任条例”，明确数据、算法、使用、监管各方的权责利。AI带来的“健康鸿沟”问题也值得重视。“人人可享”是国务院《关于深入实施“人工智能+”行动的意见》提出的目标。“人人可享”4个字直指AI医疗的公平性命题，然而在实践中，数据偏见、资源不均等问题正悄然加剧健康不平等。AI眼底筛查、AI中医问诊、AI孤独症筛查等系统大多部署在一二线大城市的三甲医院，而在广大农村、边远地区，医生仍靠“听诊器+经验”看病。“AI系统训练数据多来自大城市、三甲医院，对偏远人群的代表性不足。”杨正林表示，这可能导致“算法偏见”——AI对某些人群的识别准确率更低。“如果AI只‘懂’城市人、‘懂’标准口音、‘懂’常见病，那它就不是‘人人可享’，而是‘部分人专享’。”清华大学信息国家中心教授于国强表示，AI通过整合数据、算法、算力三大要素，正在实现健康管理从“疾病治疗”向“风险预防”的范式转变，但需在创新与安全之间找到平衡点。这种平衡，既需要技术层面的持续突破，更需要制度层面的系统保障。技术发展的方向已逐渐清晰：从通用型AI向专科化AI演进，如针对儿科、老年病科的专属模型将大幅提升诊断准确率；从单模态数据处理向多模态融合发展，结合影像、基因、临床文本等多维度信息AI系统，能更全面评估健康状况；从“黑箱算法”向可解释AI转型，将让诊疗决策过程更透明。制度保障的重点日益明确。在数据治理方面，联邦学习等技术的推广将实现“数据可用不可见”，既保护隐私又打破“数据孤岛”；在公平性保障方面，相关医疗AI公平性的评估指南即将出台；在人才培养方面，医工交叉专业已纳入医学教育体系。杨正林表示，要主动拥抱AI，让技术成为感官的延伸，才能在未来立于行业前沿。不能因噎废食，也不能盲目崇拜。生命的托付，需以“可信”为前提——技术可信、制度可信、人可信。正如一位体验完AI眼底筛查的北京老年市民所说的：“我不怕AI看病，我怕的是没人告诉我它会不会错、错了谁负责。”这正是AI医疗时代必须回答的问题。接受《中国报道》记者采访的医生几乎都提到一句话——“AI不是来替代我们的，而是来提醒我们别犯错的。”但“提醒”是否足够？当AI的建议与医生判断相悖，当系统错误导致不可逆伤害，我们是否已准备好承担代价？撰文：《中国报道》记者 王哲图源：新华社责编：王焱编审：林崇珍 张利娟“拍2张照片，2分钟查出10种慢性病。”在2025年中国国际服务贸易交易会健康卫生服务专题展上，北京同仁医院展示的“AI眼底筛查系统”吸引了大量观众驻足体验。该系统通过拍摄左右眼各一张眼底照片，即可识别出糖尿病视网膜病变、高血压、动脉硬化等全身性疾病的早期征兆，准确率达90%。“AI眼底筛查系统”可谓人工智能（AI）医疗在中国快速落地的一个缩影。近年来，从“CT+AI”筛查肺癌，到“脑电+AI”评估抑郁，再到“面部微表情+AI”识别孤独症……人工智能正以前所未有的速度渗透进医疗健康的各个环节，以技术创新为支点，撬动医疗服务模式的系统性变革。然而，一个值得思考的问题也随之而来：当已经成为人类健康“先知”的AI开始参与“决定生死”，我们能否将生命托付给它？更快、更准、更普惠△ 小朋友正在和陪伴型机器人互动。当AI技术穿透医疗服务的各个环节，它不再是简单的工具辅助，而是以“更快、更准、更普惠”的核心价值，打破传统医疗的效率瓶颈、精度壁垒与资源鸿沟。从影像诊断的分钟级提速，到基层误诊率的显著下降，再到医保结算的地域壁垒破除，AI正对传统医疗体系展现强大的重塑之力。在肺部疾病筛查领域，AI将传统诊断流程的效率推向新高度。“以前读一张肺部CT要15分钟，现在先通过AI初筛标记可疑病灶，然后我们重点复核，效率至少提升了3倍。”北京胸科医院副院长杜建表示，这极大缓解了大型医院影像科的接诊压力。国家层面的产业平台更在加速这场“效率革命”。日前首次亮相的国家人工智能应用中试基地集中展示了30个关键临床场景的AI应用——影像识别类AI的病灶检出速度较人工提升5—8倍，手术规划AI能将术前方案制定时间从4小时压缩至30分钟，放疗靶区勾画AI则把传统2小时的勾画工作缩短至15分钟，从技术落地层面为“更快”的诊疗体验提供了硬件支撑。AI的核心价值，更在于用技术理性提升诊断精度，尤其为基层医疗解决“看不准”的痛点。四川大学华西第二医院研发的“华西妇幼数字医生”，通过深度学习10万+例疾病诊疗案例，精准复刻了三甲医院资深专家的诊疗逻辑，为基层医生提供预问诊引导与病情预判支持。该院院长刘瀚旻透露，上线一个月的时间，合作的基层医疗机构误诊率下降了17%，患者在家门口就能获得与三甲医院相当的诊疗服务。AI最大的普惠突破，在于打破医疗资源的地域壁垒。首都医科大学附属北京儿童医院党委书记张国君表示，AI正在帮助构建“高效、普惠、有温度”的儿童健康服务体系。据了解，多家机构联合研发的自闭症筛查系统已通过云端部署，覆盖我国西部省份的数十个县级妇幼保健院，偏远地区的家长无须带孩子长途奔波到省会城市，在县城就能完成专业筛查。在医保服务这一民生关键领域，AI系统通过实时分析报销数据，可自动识别过度检查、重复开药等异常行为，实现医保报销的智能审核、异常费用预警、欺诈行为识别等功能，将传统“事后追查”转变为“实时监控”，守住投保人的“救命钱”。在异地医保结算领域，AI智能核验系统打破了地域壁垒，能自动识别不同地区的诊疗规范差异，实时完成费用核算与报销，解决了长期存在的“跑腿多、报销慢”问题。8月26日，国务院发布的《关于深入实施“人工智能+”行动的意见》明确提出，探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率……从顶层设计为AI医疗的发展划定了清晰路径。正如北京数字健康研究会会长于德志所言，AI与健康数据的深度融合正在打通医学科技从实验室到病床的“最后一公里”，正在让优质医疗服务从“少数人享有的稀缺资源”转变为“多数人可及的普惠服务”，国家政策的持续赋能，更让这场变革有了坚实的前行动力。AI将取代医生？△ 工作人员操作演示AI视觉重症监护预警系统。当技术不断拓展医疗的边界，医生的角色在人机协同中被重新定义。“AI给出的诊断建议再精准，也不能替代医生的最终判断。”中国科学院院士、四川省人民医院院长杨正林表示，“最终还是需要医生去沟通、调整诊疗方案，这种人文互动是技术无法取代的。”“AI不会取代医生，但会用AI的医生将取代不会用AI的医生。”北京市卫生健康委副主任严进说。在北京大学人民医院，一款“AI视觉重症监护预警系统”已投入使用。该系统通过摄像头实时监测重症医学科（ICU）患者行为，能识别非计划拔管、坠床等风险事件，提前预警，准确率达95%。“它就像一双24小时不眨眼的眼睛，帮我们守住了无数‘险而未发’的时刻。”该院重症医学科（ICU）负责人表示，“但最终决定要不要干预的还是医生。”主导研发“华西黉医”大模型的四川大学华西医院院长罗凤鸣这样概括“让病人感觉不到AI存在”的智慧医疗：诊前AI生成结构化病历，诊中智能系统辅助手术安全监测，诊后AI发送复诊提醒。“但核心诊疗决策始终由医生掌控。AI是优秀的辅助工具，但无法取代医生对复杂病情的预判能力。”罗凤鸣强调。AI的进化离不开医生的持续赋能。刘瀚旻在研发“华西妇幼数字医生”时亲自向AI传授哮喘诊断逻辑：“先看年龄，再围绕‘喘’追问发作时间、次数等细节。”这种对医生个体化思维的深度模仿，使AI的诊断符合率大大提高。在基层医疗机构，医生的反馈更具实践价值。甘肃省某县医院的医生发现，AI皮肤癌筛查系统对高原地区常见的日光性皮炎识别率低，遂将当地1200余份病例上传至数据平台。经过3个月的模型优化，该系统对这类疾病的识别准确率提升了37%。“医生不仅是使用者，更是AI的‘驯兽师’。”于德志指出，这种“临床反馈—模型优化—临床应用”的闭环，是医疗AI持续进步的核心动力。“机器能读懂数据，但读不懂人心。”这句话在儿科诊疗中体现得尤为深刻。首都医科大学附属北京儿童医院的医生发现，面对哭闹不止的患儿，AI诊断系统无法像医生那样通过玩具互动分散患儿注意力，从而获取准确体征。老年患者群体同样需要医生的情感支持。上海某社区卫生服务中心的调查显示，65岁以上老人对AI健康助手的接受度仅为42%，主要担忧“机器冷冰冰”“出了问题没人管”。而当医生结合AI建议进行面对面解读时，接受度提升至89%。国家卫生健康委人工智能应用专家组成员、北京大学公共卫生学院教授吴明指出：“AI的优势在于标准化、无疲劳、可扩展，尤其在基层，能弥补医生经验不足。但医疗不仅是技术，更是艺术，是对人的理解、对生命的尊重。”他指出，未来医生的角色将从“技术执行者”转向“价值判断者”——AI负责“看得快、看得准”，医生负责“看得全、看得深”。AI医疗仍面对诸多挑战△ 市民正在体验AI自助诊室。AI医疗的列车，已全速驶来。它带来希望，也带来挑战。近期，有关AI辅助诊断系统漏诊误诊“责任困境”的讨论引发各方关注。“AI误诊涉及四方：开发者、医院、医生、患者。”中国卫生法学会常务副会长、清华大学法学院教授王晨光指出，“目前法律尚未明确各方责任边界。”根据《中华人民共和国民法典》，医疗损害责任实行“过错责任原则”，即谁有错谁担责。但AI系统的“黑箱”特性，使得错误难以追溯。对此，部分地方开始探索“AI双签字制度”与“责任保险机制”。例如，上海、广东等地试点要求AI诊断结果必须由两名医生复核签字；同时设立“AI医疗责任保险基金”，由医院与厂商共同投保，分摊风险。“技术可以突飞猛进，但法律必须走在前面。”王晨光呼吁，应加快制定“人工智能医疗责任条例”，明确数据、算法、使用、监管各方的权责利。AI带来的“健康鸿沟”问题也值得重视。“人人可享”是国务院《关于深入实施“人工智能+”行动的意见》提出的目标。“人人可享”4个字直指AI医疗的公平性命题，然而在实践中，数据偏见、资源不均等问题正悄然加剧健康不平等。AI眼底筛查、AI中医问诊、AI孤独症筛查等系统大多部署在一二线大城市的三甲医院，而在广大农村、边远地区，医生仍靠“听诊器+经验”看病。“AI系统训练数据多来自大城市、三甲医院，对偏远人群的代表性不足。”杨正林表示，这可能导致“算法偏见”——AI对某些人群的识别准确率更低。“如果AI只‘懂’城市人、‘懂’标准口音、‘懂’常见病，那它就不是‘人人可享’，而是‘部分人专享’。”清华大学信息国家中心教授于国强表示，AI通过整合数据、算法、算力三大要素，正在实现健康管理从“疾病治疗”向“风险预防”的范式转变，但需在创新与安全之间找到平衡点。这种平衡，既需要技术层面的持续突破，更需要制度层面的系统保障。技术发展的方向已逐渐清晰：从通用型AI向专科化AI演进，如针对儿科、老年病科的专属模型将大幅提升诊断准确率；从单模态数据处理向多模态融合发展，结合影像、基因、临床文本等多维度信息AI系统，能更全面评估健康状况；从“黑箱算法”向可解释AI转型，将让诊疗决策过程更透明。制度保障的重点日益明确。在数据治理方面，联邦学习等技术的推广将实现“数据可用不可见”，既保护隐私又打破“数据孤岛”；在公平性保障方面，相关医疗AI公平性的评估指南即将出台；在人才培养方面，医工交叉专业已纳入医学教育体系。杨正林表示，要主动拥抱AI，让技术成为感官的延伸，才能在未来立于行业前沿。不能因噎废食，也不能盲目崇拜。生命的托付，需以“可信”为前提——技术可信、制度可信、人可信。正如一位体验完AI眼底筛查的北京老年市民所说的：“我不怕AI看病，我怕的是没人告诉我它会不会错、错了谁负责。”这正是AI医疗时代必须回答的问题。接受《中国报道》记者采访的医生几乎都提到一句话——“AI不是来替代我们的，而是来提醒我们别犯错的。”但“提醒”是否足够？当AI的建议与医生判断相悖，当系统错误导致不可逆伤害，我们是否已准备好承担代价？撰文：《中国报道》记者 王哲图源：新华社责编：王焱编审：林崇珍 张利娟“拍2张照片，2分钟查出10种慢性病。”在2025年中国国际服务贸易交易会健康卫生服务专题展上，北京同仁医院展示的“AI眼底筛查系统”吸引了大量观众驻足体验。该系统通过拍摄左右眼各一张眼底照片，即可识别出糖尿病视网膜病变、高血压、动脉硬化等全身性疾病的早期征兆，准确率达90%。“AI眼底筛查系统”可谓人工智能（AI）医疗在中国快速落地的一个缩影。近年来，从“CT+AI”筛查肺癌，到“脑电+AI”评估抑郁，再到“面部微表情+AI”识别孤独症……人工智能正以前所未有的速度渗透进医疗健康的各个环节，以技术创新为支点，撬动医疗服务模式的系统性变革。然而，一个值得思考的问题也随之而来：当已经成为人类健康“先知”的AI开始参与“决定生死”，我们能否将生命托付给它？更快、更准、更普惠△ 小朋友正在和陪伴型机器人互动。当AI技术穿透医疗服务的各个环节，它不再是简单的工具辅助，而是以“更快、更准、更普惠”的核心价值，打破传统医疗的效率瓶颈、精度壁垒与资源鸿沟。从影像诊断的分钟级提速，到基层误诊率的显著下降，再到医保结算的地域壁垒破除，AI正对传统医疗体系展现强大的重塑之力。在肺部疾病筛查领域，AI将传统诊断流程的效率推向新高度。“以前读一张肺部CT要15分钟，现在先通过AI初筛标记可疑病灶，然后我们重点复核，效率至少提升了3倍。”北京胸科医院副院长杜建表示，这极大缓解了大型医院影像科的接诊压力。国家层面的产业平台更在加速这场“效率革命”。日前首次亮相的国家人工智能应用中试基地集中展示了30个关键临床场景的AI应用——影像识别类AI的病灶检出速度较人工提升5—8倍，手术规划AI能将术前方案制定时间从4小时压缩至30分钟，放疗靶区勾画AI则把传统2小时的勾画工作缩短至15分钟，从技术落地层面为“更快”的诊疗体验提供了硬件支撑。AI的核心价值，更在于用技术理性提升诊断精度，尤其为基层医疗解决“看不准”的痛点。四川大学华西第二医院研发的“华西妇幼数字医生”，通过深度学习10万+例疾病诊疗案例，精准复刻了三甲医院资深专家的诊疗逻辑，为基层医生提供预问诊引导与病情预判支持。该院院长刘瀚旻透露，上线一个月的时间，合作的基层医疗机构误诊率下降了17%，患者在家门口就能获得与三甲医院相当的诊疗服务。AI最大的普惠突破，在于打破医疗资源的地域壁垒。首都医科大学附属北京儿童医院党委书记张国君表示，AI正在帮助构建“高效、普惠、有温度”的儿童健康服务体系。据了解，多家机构联合研发的自闭症筛查系统已通过云端部署，覆盖我国西部省份的数十个县级妇幼保健院，偏远地区的家长无须带孩子长途奔波到省会城市，在县城就能完成专业筛查。在医保服务这一民生关键领域，AI系统通过实时分析报销数据，可自动识别过度检查、重复开药等异常行为，实现医保报销的智能审核、异常费用预警、欺诈行为识别等功能，将传统“事后追查”转变为“实时监控”，守住投保人的“救命钱”。在异地医保结算领域，AI智能核验系统打破了地域壁垒，能自动识别不同地区的诊疗规范差异，实时完成费用核算与报销，解决了长期存在的“跑腿多、报销慢”问题。8月26日，国务院发布的《关于深入实施“人工智能+”行动的意见》明确提出，探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率……从顶层设计为AI医疗的发展划定了清晰路径。正如北京数字健康研究会会长于德志所言，AI与健康数据的深度融合正在打通医学科技从实验室到病床的“最后一公里”，正在让优质医疗服务从“少数人享有的稀缺资源”转变为“多数人可及的普惠服务”，国家政策的持续赋能，更让这场变革有了坚实的前行动力。AI将取代医生？△ 工作人员操作演示AI视觉重症监护预警系统。当技术不断拓展医疗的边界，医生的角色在人机协同中被重新定义。“AI给出的诊断建议再精准，也不能替代医生的最终判断。”中国科学院院士、四川省人民医院院长杨正林表示，“最终还是需要医生去沟通、调整诊疗方案，这种人文互动是技术无法取代的。”“AI不会取代医生，但会用AI的医生将取代不会用AI的医生。”北京市卫生健康委副主任严进说。在北京大学人民医院，一款“AI视觉重症监护预警系统”已投入使用。该系统通过摄像头实时监测重症医学科（ICU）患者行为，能识别非计划拔管、坠床等风险事件，提前预警，准确率达95%。“它就像一双24小时不眨眼的眼睛，帮我们守住了无数‘险而未发’的时刻。”该院重症医学科（ICU）负责人表示，“但最终决定要不要干预的还是医生。”主导研发“华西黉医”大模型的四川大学华西医院院长罗凤鸣这样概括“让病人感觉不到AI存在”的智慧医疗：诊前AI生成结构化病历，诊中智能系统辅助手术安全监测，诊后AI发送复诊提醒。“但核心诊疗决策始终由医生掌控。AI是优秀的辅助工具，但无法取代医生对复杂病情的预判能力。”罗凤鸣强调。AI的进化离不开医生的持续赋能。刘瀚旻在研发“华西妇幼数字医生”时亲自向AI传授哮喘诊断逻辑：“先看年龄，再围绕‘喘’追问发作时间、次数等细节。”这种对医生个体化思维的深度模仿，使AI的诊断符合率大大提高。在基层医疗机构，医生的反馈更具实践价值。甘肃省某县医院的医生发现，AI皮肤癌筛查系统对高原地区常见的日光性皮炎识别率低，遂将当地1200余份病例上传至数据平台。经过3个月的模型优化，该系统对这类疾病的识别准确率提升了37%。“医生不仅是使用者，更是AI的‘驯兽师’。”于德志指出，这种“临床反馈—模型优化—临床应用”的闭环，是医疗AI持续进步的核心动力。“机器能读懂数据，但读不懂人心。”这句话在儿科诊疗中体现得尤为深刻。首都医科大学附属北京儿童医院的医生发现，面对哭闹不止的患儿，AI诊断系统无法像医生那样通过玩具互动分散患儿注意力，从而获取准确体征。老年患者群体同样需要医生的情感支持。上海某社区卫生服务中心的调查显示，65岁以上老人对AI健康助手的接受度仅为42%，主要担忧“机器冷冰冰”“出了问题没人管”。而当医生结合AI建议进行面对面解读时，接受度提升至89%。国家卫生健康委人工智能应用专家组成员、北京大学公共卫生学院教授吴明指出：“AI的优势在于标准化、无疲劳、可扩展，尤其在基层，能弥补医生经验不足。但医疗不仅是技术，更是艺术，是对人的理解、对生命的尊重。”他指出，未来医生的角色将从“技术执行者”转向“价值判断者”——AI负责“看得快、看得准”，医生负责“看得全、看得深”。AI医疗仍面对诸多挑战△ 市民正在体验AI自助诊室。AI医疗的列车，已全速驶来。它带来希望，也带来挑战。近期，有关AI辅助诊断系统漏诊误诊“责任困境”的讨论引发各方关注。“AI误诊涉及四方：开发者、医院、医生、患者。”中国卫生法学会常务副会长、清华大学法学院教授王晨光指出，“目前法律尚未明确各方责任边界。”根据《中华人民共和国民法典》，医疗损害责任实行“过错责任原则”，即谁有错谁担责。但AI系统的“黑箱”特性，使得错误难以追溯。对此，部分地方开始探索“AI双签字制度”与“责任保险机制”。例如，上海、广东等地试点要求AI诊断结果必须由两名医生复核签字；同时设立“AI医疗责任保险基金”，由医院与厂商共同投保，分摊风险。“技术可以突飞猛进，但法律必须走在前面。”王晨光呼吁，应加快制定“人工智能医疗责任条例”，明确数据、算法、使用、监管各方的权责利。AI带来的“健康鸿沟”问题也值得重视。“人人可享”是国务院《关于深入实施“人工智能+”行动的意见》提出的目标。“人人可享”4个字直指AI医疗的公平性命题，然而在实践中，数据偏见、资源不均等问题正悄然加剧健康不平等。AI眼底筛查、AI中医问诊、AI孤独症筛查等系统大多部署在一二线大城市的三甲医院，而在广大农村、边远地区，医生仍靠“听诊器+经验”看病。“AI系统训练数据多来自大城市、三甲医院，对偏远人群的代表性不足。”杨正林表示，这可能导致“算法偏见”——AI对某些人群的识别准确率更低。“如果AI只‘懂’城市人、‘懂’标准口音、‘懂’常见病，那它就不是‘人人可享’，而是‘部分人专享’。”清华大学信息国家中心教授于国强表示，AI通过整合数据、算法、算力三大要素，正在实现健康管理从“疾病治疗”向“风险预防”的范式转变，但需在创新与安全之间找到平衡点。这种平衡，既需要技术层面的持续突破，更需要制度层面的系统保障。技术发展的方向已逐渐清晰：从通用型AI向专科化AI演进，如针对儿科、老年病科的专属模型将大幅提升诊断准确率；从单模态数据处理向多模态融合发展，结合影像、基因、临床文本等多维度信息AI系统，能更全面评估健康状况；从“黑箱算法”向可解释AI转型，将让诊疗决策过程更透明。制度保障的重点日益明确。在数据治理方面，联邦学习等技术的推广将实现“数据可用不可见”，既保护隐私又打破“数据孤岛”；在公平性保障方面，相关医疗AI公平性的评估指南即将出台；在人才培养方面，医工交叉专业已纳入医学教育体系。杨正林表示，要主动拥抱AI，让技术成为感官的延伸，才能在未来立于行业前沿。不能因噎废食，也不能盲目崇拜。生命的托付，需以“可信”为前提——技术可信、制度可信、人可信。正如一位体验完AI眼底筛查的北京老年市民所说的：“我不怕AI看病，我怕的是没人告诉我它会不会错、错了谁负责。”这正是AI医疗时代必须回答的问题。接受《中国报道》记者采访的医生几乎都提到一句话——“AI不是来替代我们的，而是来提醒我们别犯错的。”但“提醒”是否足够？当AI的建议与医生判断相悖，当系统错误导致不可逆伤害，我们是否已准备好承担代价？撰文：《中国报道》记者 王哲图源：新华社责编：王焱编审：林崇珍 张利娟“拍2张照片，2分钟查出10种慢性病。”在2025年中国国际服务贸易交易会健康卫生服务专题展上，北京同仁医院展示的“AI眼底筛查系统”吸引了大量观众驻足体验。该系统通过拍摄左右眼各一张眼底照片，即可识别出糖尿病视网膜病变、高血压、动脉硬化等全身性疾病的早期征兆，准确率达90%。“AI眼底筛查系统”可谓人工智能（AI）医疗在中国快速落地的一个缩影。近年来，从“CT+AI”筛查肺癌，到“脑电+AI”评估抑郁，再到“面部微表情+AI”识别孤独症……人工智能正以前所未有的速度渗透进医疗健康的各个环节，以技术创新为支点，撬动医疗服务模式的系统性变革。然而，一个值得思考的问题也随之而来：当已经成为人类健康“先知”的AI开始参与“决定生死”，我们能否将生命托付给它？更快、更准、更普惠△ 小朋友正在和陪伴型机器人互动。当AI技术穿透医疗服务的各个环节，它不再是简单的工具辅助，而是以“更快、更准、更普惠”的核心价值，打破传统医疗的效率瓶颈、精度壁垒与资源鸿沟。从影像诊断的分钟级提速，到基层误诊率的显著下降，再到医保结算的地域壁垒破除，AI正对传统医疗体系展现强大的重塑之力。在肺部疾病筛查领域，AI将传统诊断流程的效率推向新高度。“以前读一张肺部CT要15分钟，现在先通过AI初筛标记可疑病灶，然后我们重点复核，效率至少提升了3倍。”北京胸科医院副院长杜建表示，这极大缓解了大型医院影像科的接诊压力。国家层面的产业平台更在加速这场“效率革命”。日前首次亮相的国家人工智能应用中试基地集中展示了30个关键临床场景的AI应用——影像识别类AI的病灶检出速度较人工提升5—8倍，手术规划AI能将术前方案制定时间从4小时压缩至30分钟，放疗靶区勾画AI则把传统2小时的勾画工作缩短至15分钟，从技术落地层面为“更快”的诊疗体验提供了硬件支撑。AI的核心价值，更在于用技术理性提升诊断精度，尤其为基层医疗解决“看不准”的痛点。四川大学华西第二医院研发的“华西妇幼数字医生”，通过深度学习10万+例疾病诊疗案例，精准复刻了三甲医院资深专家的诊疗逻辑，为基层医生提供预问诊引导与病情预判支持。该院院长刘瀚旻透露，上线一个月的时间，合作的基层医疗机构误诊率下降了17%，患者在家门口就能获得与三甲医院相当的诊疗服务。AI最大的普惠突破，在于打破医疗资源的地域壁垒。首都医科大学附属北京儿童医院党委书记张国君表示，AI正在帮助构建“高效、普惠、有温度”的儿童健康服务体系。据了解，多家机构联合研发的自闭症筛查系统已通过云端部署，覆盖我国西部省份的数十个县级妇幼保健院，偏远地区的家长无须带孩子长途奔波到省会城市，在县城就能完成专业筛查。在医保服务这一民生关键领域，AI系统通过实时分析报销数据，可自动识别过度检查、重复开药等异常行为，实现医保报销的智能审核、异常费用预警、欺诈行为识别等功能，将传统“事后追查”转变为“实时监控”，守住投保人的“救命钱”。在异地医保结算领域，AI智能核验系统打破了地域壁垒，能自动识别不同地区的诊疗规范差异，实时完成费用核算与报销，解决了长期存在的“跑腿多、报销慢”问题。8月26日，国务院发布的《关于深入实施“人工智能+”行动的意见》明确提出，探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率……从顶层设计为AI医疗的发展划定了清晰路径。正如北京数字健康研究会会长于德志所言，AI与健康数据的深度融合正在打通医学科技从实验室到病床的“最后一公里”，正在让优质医疗服务从“少数人享有的稀缺资源”转变为“多数人可及的普惠服务”，国家政策的持续赋能，更让这场变革有了坚实的前行动力。AI将取代医生？△ 工作人员操作演示AI视觉重症监护预警系统。当技术不断拓展医疗的边界，医生的角色在人机协同中被重新定义。“AI给出的诊断建议再精准，也不能替代医生的最终判断。”中国科学院院士、四川省人民医院院长杨正林表示，“最终还是需要医生去沟通、调整诊疗方案，这种人文互动是技术无法取代的。”“AI不会取代医生，但会用AI的医生将取代不会用AI的医生。”北京市卫生健康委副主任严进说。在北京大学人民医院，一款“AI视觉重症监护预警系统”已投入使用。该系统通过摄像头实时监测重症医学科（ICU）患者行为，能识别非计划拔管、坠床等风险事件，提前预警，准确率达95%。“它就像一双24小时不眨眼的眼睛，帮我们守住了无数‘险而未发’的时刻。”该院重症医学科（ICU）负责人表示，“但最终决定要不要干预的还是医生。”主导研发“华西黉医”大模型的四川大学华西医院院长罗凤鸣这样概括“让病人感觉不到AI存在”的智慧医疗：诊前AI生成结构化病历，诊中智能系统辅助手术安全监测，诊后AI发送复诊提醒。“但核心诊疗决策始终由医生掌控。AI是优秀的辅助工具，但无法取代医生对复杂病情的预判能力。”罗凤鸣强调。AI的进化离不开医生的持续赋能。刘瀚旻在研发“华西妇幼数字医生”时亲自向AI传授哮喘诊断逻辑：“先看年龄，再围绕‘喘’追问发作时间、次数等细节。”这种对医生个体化思维的深度模仿，使AI的诊断符合率大大提高。在基层医疗机构，医生的反馈更具实践价值。甘肃省某县医院的医生发现，AI皮肤癌筛查系统对高原地区常见的日光性皮炎识别率低，遂将当地1200余份病例上传至数据平台。经过3个月的模型优化，该系统对这类疾病的识别准确率提升了37%。“医生不仅是使用者，更是AI的‘驯兽师’。”于德志指出，这种“临床反馈—模型优化—临床应用”的闭环，是医疗AI持续进步的核心动力。“机器能读懂数据，但读不懂人心。”这句话在儿科诊疗中体现得尤为深刻。首都医科大学附属北京儿童医院的医生发现，面对哭闹不止的患儿，AI诊断系统无法像医生那样通过玩具互动分散患儿注意力，从而获取准确体征。老年患者群体同样需要医生的情感支持。上海某社区卫生服务中心的调查显示，65岁以上老人对AI健康助手的接受度仅为42%，主要担忧“机器冷冰冰”“出了问题没人管”。而当医生结合AI建议进行面对面解读时，接受度提升至89%。国家卫生健康委人工智能应用专家组成员、北京大学公共卫生学院教授吴明指出：“AI的优势在于标准化、无疲劳、可扩展，尤其在基层，能弥补医生经验不足。但医疗不仅是技术，更是艺术，是对人的理解、对生命的尊重。”他指出，未来医生的角色将从“技术执行者”转向“价值判断者”——AI负责“看得快、看得准”，医生负责“看得全、看得深”。AI医疗仍面对诸多挑战△ 市民正在体验AI自助诊室。AI医疗的列车，已全速驶来。它带来希望，也带来挑战。近期，有关AI辅助诊断系统漏诊误诊“责任困境”的讨论引发各方关注。“AI误诊涉及四方：开发者、医院、医生、患者。”中国卫生法学会常务副会长、清华大学法学院教授王晨光指出，“目前法律尚未明确各方责任边界。”根据《中华人民共和国民法典》，医疗损害责任实行“过错责任原则”，即谁有错谁担责。但AI系统的“黑箱”特性，使得错误难以追溯。对此，部分地方开始探索“AI双签字制度”与“责任保险机制”。例如，上海、广东等地试点要求AI诊断结果必须由两名医生复核签字；同时设立“AI医疗责任保险基金”，由医院与厂商共同投保，分摊风险。“技术可以突飞猛进，但法律必须走在前面。”王晨光呼吁，应加快制定“人工智能医疗责任条例”，明确数据、算法、使用、监管各方的权责利。AI带来的“健康鸿沟”问题也值得重视。“人人可享”是国务院《关于深入实施“人工智能+”行动的意见》提出的目标。“人人可享”4个字直指AI医疗的公平性命题，然而在实践中，数据偏见、资源不均等问题正悄然加剧健康不平等。AI眼底筛查、AI中医问诊、AI孤独症筛查等系统大多部署在一二线大城市的三甲医院，而在广大农村、边远地区，医生仍靠“听诊器+经验”看病。“AI系统训练数据多来自大城市、三甲医院，对偏远人群的代表性不足。”杨正林表示，这可能导致“算法偏见”——AI对某些人群的识别准确率更低。“如果AI只‘懂’城市人、‘懂’标准口音、‘懂’常见病，那它就不是‘人人可享’，而是‘部分人专享’。”清华大学信息国家中心教授于国强表示，AI通过整合数据、算法、算力三大要素，正在实现健康管理从“疾病治疗”向“风险预防”的范式转变，但需在创新与安全之间找到平衡点。这种平衡，既需要技术层面的持续突破，更需要制度层面的系统保障。技术发展的方向已逐渐清晰：从通用型AI向专科化AI演进，如针对儿科、老年病科的专属模型将大幅提升诊断准确率；从单模态数据处理向多模态融合发展，结合影像、基因、临床文本等多维度信息AI系统，能更全面评估健康状况；从“黑箱算法”向可解释AI转型，将让诊疗决策过程更透明。制度保障的重点日益明确。在数据治理方面，联邦学习等技术的推广将实现“数据可用不可见”，既保护隐私又打破“数据孤岛”；在公平性保障方面，相关医疗AI公平性的评估指南即将出台；在人才培养方面，医工交叉专业已纳入医学教育体系。杨正林表示，要主动拥抱AI，让技术成为感官的延伸，才能在未来立于行业前沿。不能因噎废食，也不能盲目崇拜。生命的托付，需以“可信”为前提——技术可信、制度可信、人可信。正如一位体验完AI眼底筛查的北京老年市民所说的：“我不怕AI看病，我怕的是没人告诉我它会不会错、错了谁负责。”这正是AI医疗时代必须回答的问题。接受《中国报道》记者采访的医生几乎都提到一句话——“AI不是来替代我们的，而是来提醒我们别犯错的。”但“提醒”是否足够？当AI的建议与医生判断相悖，当系统错误导致不可逆伤害，我们是否已准备好承担代价？撰文：《中国报道》记者 王哲图源：新华社责编：王焱编审：林崇珍 张利娟“拍2张照片，2分钟查出10种慢性病。”在2025年中国国际服务贸易交易会健康卫生服务专题展上，北京同仁医院展示的“AI眼底筛查系统”吸引了大量观众驻足体验。该系统通过拍摄左右眼各一张眼底照片，即可识别出糖尿病视网膜病变、高血压、动脉硬化等全身性疾病的早期征兆，准确率达90%。“AI眼底筛查系统”可谓人工智能（AI）医疗在中国快速落地的一个缩影。近年来，从“CT+AI”筛查肺癌，到“脑电+AI”评估抑郁，再到“面部微表情+AI”识别孤独症……人工智能正以前所未有的速度渗透进医疗健康的各个环节，以技术创新为支点，撬动医疗服务模式的系统性变革。然而，一个值得思考的问题也随之而来：当已经成为人类健康“先知”的AI开始参与“决定生死”，我们能否将生命托付给它？更快、更准、更普惠△ 小朋友正在和陪伴型机器人互动。当AI技术穿透医疗服务的各个环节，它不再是简单的工具辅助，而是以“更快、更准、更普惠”的核心价值，打破传统医疗的效率瓶颈、精度壁垒与资源鸿沟。从影像诊断的分钟级提速，到基层误诊率的显著下降，再到医保结算的地域壁垒破除，AI正对传统医疗体系展现强大的重塑之力。在肺部疾病筛查领域，AI将传统诊断流程的效率推向新高度。“以前读一张肺部CT要15分钟，现在先通过AI初筛标记可疑病灶，然后我们重点复核，效率至少提升了3倍。”北京胸科医院副院长杜建表示，这极大缓解了大型医院影像科的接诊压力。国家层面的产业平台更在加速这场“效率革命”。日前首次亮相的国家人工智能应用中试基地集中展示了30个关键临床场景的AI应用——影像识别类AI的病灶检出速度较人工提升5—8倍，手术规划AI能将术前方案制定时间从4小时压缩至30分钟，放疗靶区勾画AI则把传统2小时的勾画工作缩短至15分钟，从技术落地层面为“更快”的诊疗体验提供了硬件支撑。AI的核心价值，更在于用技术理性提升诊断精度，尤其为基层医疗解决“看不准”的痛点。四川大学华西第二医院研发的“华西妇幼数字医生”，通过深度学习10万+例疾病诊疗案例，精准复刻了三甲医院资深专家的诊疗逻辑，为基层医生提供预问诊引导与病情预判支持。该院院长刘瀚旻透露，上线一个月的时间，合作的基层医疗机构误诊率下降了17%，患者在家门口就能获得与三甲医院相当的诊疗服务。AI最大的普惠突破，在于打破医疗资源的地域壁垒。首都医科大学附属北京儿童医院党委书记张国君表示，AI正在帮助构建“高效、普惠、有温度”的儿童健康服务体系。据了解，多家机构联合研发的自闭症筛查系统已通过云端部署，覆盖我国西部省份的数十个县级妇幼保健院，偏远地区的家长无须带孩子长途奔波到省会城市，在县城就能完成专业筛查。在医保服务这一民生关键领域，AI系统通过实时分析报销数据，可自动识别过度检查、重复开药等异常行为，实现医保报销的智能审核、异常费用预警、欺诈行为识别等功能，将传统“事后追查”转变为“实时监控”，守住投保人的“救命钱”。在异地医保结算领域，AI智能核验系统打破了地域壁垒，能自动识别不同地区的诊疗规范差异，实时完成费用核算与报销，解决了长期存在的“跑腿多、报销慢”问题。8月26日，国务院发布的《关于深入实施“人工智能+”行动的意见》明确提出，探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率……从顶层设计为AI医疗的发展划定了清晰路径。正如北京数字健康研究会会长于德志所言，AI与健康数据的深度融合正在打通医学科技从实验室到病床的“最后一公里”，正在让优质医疗服务从“少数人享有的稀缺资源”转变为“多数人可及的普惠服务”，国家政策的持续赋能，更让这场变革有了坚实的前行动力。AI将取代医生？△ 工作人员操作演示AI视觉重症监护预警系统。当技术不断拓展医疗的边界，医生的角色在人机协同中被重新定义。“AI给出的诊断建议再精准，也不能替代医生的最终判断。”中国科学院院士、四川省人民医院院长杨正林表示，“最终还是需要医生去沟通、调整诊疗方案，这种人文互动是技术无法取代的。”“AI不会取代医生，但会用AI的医生将取代不会用AI的医生。”北京市卫生健康委副主任严进说。在北京大学人民医院，一款“AI视觉重症监护预警系统”已投入使用。该系统通过摄像头实时监测重症医学科（ICU）患者行为，能识别非计划拔管、坠床等风险事件，提前预警，准确率达95%。“它就像一双24小时不眨眼的眼睛，帮我们守住了无数‘险而未发’的时刻。”该院重症医学科（ICU）负责人表示，“但最终决定要不要干预的还是医生。”主导研发“华西黉医”大模型的四川大学华西医院院长罗凤鸣这样概括“让病人感觉不到AI存在”的智慧医疗：诊前AI生成结构化病历，诊中智能系统辅助手术安全监测，诊后AI发送复诊提醒。“但核心诊疗决策始终由医生掌控。AI是优秀的辅助工具，但无法取代医生对复杂病情的预判能力。”罗凤鸣强调。AI的进化离不开医生的持续赋能。刘瀚旻在研发“华西妇幼数字医生”时亲自向AI传授哮喘诊断逻辑：“先看年龄，再围绕‘喘’追问发作时间、次数等细节。”这种对医生个体化思维的深度模仿，使AI的诊断符合率大大提高。在基层医疗机构，医生的反馈更具实践价值。甘肃省某县医院的医生发现，AI皮肤癌筛查系统对高原地区常见的日光性皮炎识别率低，遂将当地1200余份病例上传至数据平台。经过3个月的模型优化，该系统对这类疾病的识别准确率提升了37%。“医生不仅是使用者，更是AI的‘驯兽师’。”于德志指出，这种“临床反馈—模型优化—临床应用”的闭环，是医疗AI持续进步的核心动力。“机器能读懂数据，但读不懂人心。”这句话在儿科诊疗中体现得尤为深刻。首都医科大学附属北京儿童医院的医生发现，面对哭闹不止的患儿，AI诊断系统无法像医生那样通过玩具互动分散患儿注意力，从而获取准确体征。老年患者群体同样需要医生的情感支持。上海某社区卫生服务中心的调查显示，65岁以上老人对AI健康助手的接受度仅为42%，主要担忧“机器冷冰冰”“出了问题没人管”。而当医生结合AI建议进行面对面解读时，接受度提升至89%。国家卫生健康委人工智能应用专家组成员、北京大学公共卫生学院教授吴明指出：“AI的优势在于标准化、无疲劳、可扩展，尤其在基层，能弥补医生经验不足。但医疗不仅是技术，更是艺术，是对人的理解、对生命的尊重。”他指出，未来医生的角色将从“技术执行者”转向“价值判断者”——AI负责“看得快、看得准”，医生负责“看得全、看得深”。AI医疗仍面对诸多挑战△ 市民正在体验AI自助诊室。AI医疗的列车，已全速驶来。它带来希望，也带来挑战。近期，有关AI辅助诊断系统漏诊误诊“责任困境”的讨论引发各方关注。“AI误诊涉及四方：开发者、医院、医生、患者。”中国卫生法学会常务副会长、清华大学法学院教授王晨光指出，“目前法律尚未明确各方责任边界。”根据《中华人民共和国民法典》，医疗损害责任实行“过错责任原则”，即谁有错谁担责。但AI系统的“黑箱”特性，使得错误难以追溯。对此，部分地方开始探索“AI双签字制度”与“责任保险机制”。例如，上海、广东等地试点要求AI诊断结果必须由两名医生复核签字；同时设立“AI医疗责任保险基金”，由医院与厂商共同投保，分摊风险。“技术可以突飞猛进，但法律必须走在前面。”王晨光呼吁，应加快制定“人工智能医疗责任条例”，明确数据、算法、使用、监管各方的权责利。AI带来的“健康鸿沟”问题也值得重视。“人人可享”是国务院《关于深入实施“人工智能+”行动的意见》提出的目标。“人人可享”4个字直指AI医疗的公平性命题，然而在实践中，数据偏见、资源不均等问题正悄然加剧健康不平等。AI眼底筛查、AI中医问诊、AI孤独症筛查等系统大多部署在一二线大城市的三甲医院，而在广大农村、边远地区，医生仍靠“听诊器+经验”看病。“AI系统训练数据多来自大城市、三甲医院，对偏远人群的代表性不足。”杨正林表示，这可能导致“算法偏见”——AI对某些人群的识别准确率更低。“如果AI只‘懂’城市人、‘懂’标准口音、‘懂’常见病，那它就不是‘人人可享’，而是‘部分人专享’。”清华大学信息国家中心教授于国强表示，AI通过整合数据、算法、算力三大要素，正在实现健康管理从“疾病治疗”向“风险预防”的范式转变，但需在创新与安全之间找到平衡点。这种平衡，既需要技术层面的持续突破，更需要制度层面的系统保障。技术发展的方向已逐渐清晰：从通用型AI向专科化AI演进，如针对儿科、老年病科的专属模型将大幅提升诊断准确率；从单模态数据处理向多模态融合发展，结合影像、基因、临床文本等多维度信息AI系统，能更全面评估健康状况；从“黑箱算法”向可解释AI转型，将让诊疗决策过程更透明。制度保障的重点日益明确。在数据治理方面，联邦学习等技术的推广将实现“数据可用不可见”，既保护隐私又打破“数据孤岛”；在公平性保障方面，相关医疗AI公平性的评估指南即将出台；在人才培养方面，医工交叉专业已纳入医学教育体系。杨正林表示，要主动拥抱AI，让技术成为感官的延伸，才能在未来立于行业前沿。不能因噎废食，也不能盲目崇拜。生命的托付，需以“可信”为前提——技术可信、制度可信、人可信。正如一位体验完AI眼底筛查的北京老年市民所说的：“我不怕AI看病，我怕的是没人告诉我它会不会错、错了谁负责。”这正是AI医疗时代必须回答的问题。接受《中国报道》记者采访的医生几乎都提到一句话——“AI不是来替代我们的，而是来提醒我们别犯错的。”但“提醒”是否足够？当AI的建议与医生判断相悖，当系统错误导致不可逆伤害，我们是否已准备好承担代价？撰文：《中国报道》记者 王哲图源：新华社责编：王焱编审：林崇珍 张利娟“拍2张照片，2分钟查出10种慢性病。”在2025年中国国际服务贸易交易会健康卫生服务专题展上，北京同仁医院展示的“AI眼底筛查系统”吸引了大量观众驻足体验。该系统通过拍摄左右眼各一张眼底照片，即可识别出糖尿病视网膜病变、高血压、动脉硬化等全身性疾病的早期征兆，准确率达90%。“AI眼底筛查系统”可谓人工智能（AI）医疗在中国快速落地的一个缩影。近年来，从“CT+AI”筛查肺癌，到“脑电+AI”评估抑郁，再到“面部微表情+AI”识别孤独症……人工智能正以前所未有的速度渗透进医疗健康的各个环节，以技术创新为支点，撬动医疗服务模式的系统性变革。然而，一个值得思考的问题也随之而来：当已经成为人类健康“先知”的AI开始参与“决定生死”，我们能否将生命托付给它？更快、更准、更普惠△ 小朋友正在和陪伴型机器人互动。当AI技术穿透医疗服务的各个环节，它不再是简单的工具辅助，而是以“更快、更准、更普惠”的核心价值，打破传统医疗的效率瓶颈、精度壁垒与资源鸿沟。从影像诊断的分钟级提速，到基层误诊率的显著下降，再到医保结算的地域壁垒破除，AI正对传统医疗体系展现强大的重塑之力。在肺部疾病筛查领域，AI将传统诊断流程的效率推向新高度。“以前读一张肺部CT要15分钟，现在先通过AI初筛标记可疑病灶，然后我们重点复核，效率至少提升了3倍。”北京胸科医院副院长杜建表示，这极大缓解了大型医院影像科的接诊压力。国家层面的产业平台更在加速这场“效率革命”。日前首次亮相的国家人工智能应用中试基地集中展示了30个关键临床场景的AI应用——影像识别类AI的病灶检出速度较人工提升5—8倍，手术规划AI能将术前方案制定时间从4小时压缩至30分钟，放疗靶区勾画AI则把传统2小时的勾画工作缩短至15分钟，从技术落地层面为“更快”的诊疗体验提供了硬件支撑。AI的核心价值，更在于用技术理性提升诊断精度，尤其为基层医疗解决“看不准”的痛点。四川大学华西第二医院研发的“华西妇幼数字医生”，通过深度学习10万+例疾病诊疗案例，精准复刻了三甲医院资深专家的诊疗逻辑，为基层医生提供预问诊引导与病情预判支持。该院院长刘瀚旻透露，上线一个月的时间，合作的基层医疗机构误诊率下降了17%，患者在家门口就能获得与三甲医院相当的诊疗服务。AI最大的普惠突破，在于打破医疗资源的地域壁垒。首都医科大学附属北京儿童医院党委书记张国君表示，AI正在帮助构建“高效、普惠、有温度”的儿童健康服务体系。据了解，多家机构联合研发的自闭症筛查系统已通过云端部署，覆盖我国西部省份的数十个县级妇幼保健院，偏远地区的家长无须带孩子长途奔波到省会城市，在县城就能完成专业筛查。在医保服务这一民生关键领域，AI系统通过实时分析报销数据，可自动识别过度检查、重复开药等异常行为，实现医保报销的智能审核、异常费用预警、欺诈行为识别等功能，将传统“事后追查”转变为“实时监控”，守住投保人的“救命钱”。在异地医保结算领域，AI智能核验系统打破了地域壁垒，能自动识别不同地区的诊疗规范差异，实时完成费用核算与报销，解决了长期存在的“跑腿多、报销慢”问题。8月26日，国务院发布的《关于深入实施“人工智能+”行动的意见》明确提出，探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率……从顶层设计为AI医疗的发展划定了清晰路径。正如北京数字健康研究会会长于德志所言，AI与健康数据的深度融合正在打通医学科技从实验室到病床的“最后一公里”，正在让优质医疗服务从“少数人享有的稀缺资源”转变为“多数人可及的普惠服务”，国家政策的持续赋能，更让这场变革有了坚实的前行动力。AI将取代医生？△ 工作人员操作演示AI视觉重症监护预警系统。当技术不断拓展医疗的边界，医生的角色在人机协同中被重新定义。“AI给出的诊断建议再精准，也不能替代医生的最终判断。”中国科学院院士、四川省人民医院院长杨正林表示，“最终还是需要医生去沟通、调整诊疗方案，这种人文互动是技术无法取代的。”“AI不会取代医生，但会用AI的医生将取代不会用AI的医生。”北京市卫生健康委副主任严进说。在北京大学人民医院，一款“AI视觉重症监护预警系统”已投入使用。该系统通过摄像头实时监测重症医学科（ICU）患者行为，能识别非计划拔管、坠床等风险事件，提前预警，准确率达95%。“它就像一双24小时不眨眼的眼睛，帮我们守住了无数‘险而未发’的时刻。”该院重症医学科（ICU）负责人表示，“但最终决定要不要干预的还是医生。”主导研发“华西黉医”大模型的四川大学华西医院院长罗凤鸣这样概括“让病人感觉不到AI存在”的智慧医疗：诊前AI生成结构化病历，诊中智能系统辅助手术安全监测，诊后AI发送复诊提醒。“但核心诊疗决策始终由医生掌控。AI是优秀的辅助工具，但无法取代医生对复杂病情的预判能力。”罗凤鸣强调。AI的进化离不开医生的持续赋能。刘瀚旻在研发“华西妇幼数字医生”时亲自向AI传授哮喘诊断逻辑：“先看年龄，再围绕‘喘’追问发作时间、次数等细节。”这种对医生个体化思维的深度模仿，使AI的诊断符合率大大提高。在基层医疗机构，医生的反馈更具实践价值。甘肃省某县医院的医生发现，AI皮肤癌筛查系统对高原地区常见的日光性皮炎识别率低，遂将当地1200余份病例上传至数据平台。经过3个月的模型优化，该系统对这类疾病的识别准确率提升了37%。“医生不仅是使用者，更是AI的‘驯兽师’。”于德志指出，这种“临床反馈—模型优化—临床应用”的闭环，是医疗AI持续进步的核心动力。“机器能读懂数据，但读不懂人心。”这句话在儿科诊疗中体现得尤为深刻。首都医科大学附属北京儿童医院的医生发现，面对哭闹不止的患儿，AI诊断系统无法像医生那样通过玩具互动分散患儿注意力，从而获取准确体征。老年患者群体同样需要医生的情感支持。上海某社区卫生服务中心的调查显示，65岁以上老人对AI健康助手的接受度仅为42%，主要担忧“机器冷冰冰”“出了问题没人管”。而当医生结合AI建议进行面对面解读时，接受度提升至89%。国家卫生健康委人工智能应用专家组成员、北京大学公共卫生学院教授吴明指出：“AI的优势在于标准化、无疲劳、可扩展，尤其在基层，能弥补医生经验不足。但医疗不仅是技术，更是艺术，是对人的理解、对生命的尊重。”他指出，未来医生的角色将从“技术执行者”转向“价值判断者”——AI负责“看得快、看得准”，医生负责“看得全、看得深”。AI医疗仍面对诸多挑战△ 市民正在体验AI自助诊室。AI医疗的列车，已全速驶来。它带来希望，也带来挑战。近期，有关AI辅助诊断系统漏诊误诊“责任困境”的讨论引发各方关注。“AI误诊涉及四方：开发者、医院、医生、患者。”中国卫生法学会常务副会长、清华大学法学院教授王晨光指出，“目前法律尚未明确各方责任边界。”根据《中华人民共和国民法典》，医疗损害责任实行“过错责任原则”，即谁有错谁担责。但AI系统的“黑箱”特性，使得错误难以追溯。对此，部分地方开始探索“AI双签字制度”与“责任保险机制”。例如，上海、广东等地试点要求AI诊断结果必须由两名医生复核签字；同时设立“AI医疗责任保险基金”，由医院与厂商共同投保，分摊风险。“技术可以突飞猛进，但法律必须走在前面。”王晨光呼吁，应加快制定“人工智能医疗责任条例”，明确数据、算法、使用、监管各方的权责利。AI带来的“健康鸿沟”问题也值得重视。“人人可享”是国务院《关于深入实施“人工智能+”行动的意见》提出的目标。“人人可享”4个字直指AI医疗的公平性命题，然而在实践中，数据偏见、资源不均等问题正悄然加剧健康不平等。AI眼底筛查、AI中医问诊、AI孤独症筛查等系统大多部署在一二线大城市的三甲医院，而在广大农村、边远地区，医生仍靠“听诊器+经验”看病。“AI系统训练数据多来自大城市、三甲医院，对偏远人群的代表性不足。”杨正林表示，这可能导致“算法偏见”——AI对某些人群的识别准确率更低。“如果AI只‘懂’城市人、‘懂’标准口音、‘懂’常见病，那它就不是‘人人可享’，而是‘部分人专享’。”清华大学信息国家中心教授于国强表示，AI通过整合数据、算法、算力三大要素，正在实现健康管理从“疾病治疗”向“风险预防”的范式转变，但需在创新与安全之间找到平衡点。这种平衡，既需要技术层面的持续突破，更需要制度层面的系统保障。技术发展的方向已逐渐清晰：从通用型AI向专科化AI演进，如针对儿科、老年病科的专属模型将大幅提升诊断准确率；从单模态数据处理向多模态融合发展，结合影像、基因、临床文本等多维度信息AI系统，能更全面评估健康状况；从“黑箱算法”向可解释AI转型，将让诊疗决策过程更透明。制度保障的重点日益明确。在数据治理方面，联邦学习等技术的推广将实现“数据可用不可见”，既保护隐私又打破“数据孤岛”；在公平性保障方面，相关医疗AI公平性的评估指南即将出台；在人才培养方面，医工交叉专业已纳入医学教育体系。杨正林表示，要主动拥抱AI，让技术成为感官的延伸，才能在未来立于行业前沿。不能因噎废食，也不能盲目崇拜。生命的托付，需以“可信”为前提——技术可信、制度可信、人可信。正如一位体验完AI眼底筛查的北京老年市民所说的：“我不怕AI看病，我怕的是没人告诉我它会不会错、错了谁负责。”这正是AI医疗时代必须回答的问题。接受《中国报道》记者采访的医生几乎都提到一句话——“AI不是来替代我们的，而是来提醒我们别犯错的。”但“提醒”是否足够？当AI的建议与医生判断相悖，当系统错误导致不可逆伤害，我们是否已准备好承担代价？撰文：《中国报道》记者 王哲图源：新华社责编：王焱编审：林崇珍 张利娟，工信部推动人工智能等重点产业发展（转帖 chima） 近日，从工信部获悉，全国工业和信息化产业科技创新工作座谈会召开，研究部署下一阶段重点工作任务。会议提出，要高水平建设产业科技创新平台，建强融合支撑载体，提升制造业创新体系整体效能。要进一步夯实产业技术基础，围绕产业链需求一体化推进计量、标准、质量、知识产权、科技情报等产业技术基础要素布局，提升系统化服务能力。要加快营造产业创新生态，强化企业科技创新主体地位，推动科技服务业高质量发展，提高创新要素配置效率。要推动人工智能等重点产业发展，提升产业核心竞争力，加快推进新型工业化。（经济参考报）英国团队研发PRIMA电子眼，临床试验84%失明患者恢复阅读能力（转载）IT之家 10 月 21 日消息，近期，英国伦敦大学学院（UCL）与穆菲尔德眼科医院（Moorfields Eye Hospital）团队合作，推出一种名为 PRIMA 的人工视觉电子眼植入装置，成功帮助失明患者恢复阅读能力，临床试验显示，84% 的受试者能够再次识别字母、数字和单词。据介绍，相应临床试验共招募 38 名因“干性年龄相关性黄斑变性”病症导致中心视力丧失的患者（此类疾病可导致患者黄斑区出现玻璃膜疣，导致视网膜色素上皮细胞和感光细胞逐渐退化萎缩，进而引发中心视力缓慢下降），每位患者的中心视力均因相应病症丧失。受试者在手术植入人工视觉电子眼后，平均能够阅读视力表上的五行字，作为比较，手术前多数患者几乎无法分辨视力表内容。据介绍，这一人工视觉电子眼 PRIMA 是首个能令完全失明的眼睛恢复阅读能力的植入装置，相应手术由受过训练的玻璃体视网膜外科医生进行，整个植入过程不到两小时即可完成。手术先进行玻璃体切除术，移除眼内玻璃体凝胶，然后将尺寸约 2mm x 2mm、类似 SIM 卡形状的微芯片植入中央视网膜下，即宣告完成。术后，患者佩戴连接腰部小型电脑的增强现实眼镜，眼镜摄像头捕捉视觉场景，并通过红外光束将信息投射到芯片上。AI 算法将相应视觉数据转化为电脉冲，通过视神经传递至大脑，形成一种新的视觉感知。经过练习，患者可以学会扫描文字并调整缩放以阅读，康复训练通常持续数月。值得注意的是，没有患者出现周边视力下降。英国受试者 Sheila Irvine 分享了她的体验：“在植入装置之前，我的眼睛就像有两个黑色圆盘，周围景物扭曲。我是个书迷，很想找回阅读的感觉。”当她再次识别到字母时，她形容那一刻“兴奋得难以形容”。现在，她能够阅读小字、填写填字游戏和查看产品标签，表示自己现在更乐观了。来源tech.ifeng.com/c/8nckEtER9Fk新线科技以实战方案破解基层医疗数字化难题，共筑智慧医疗新生态原帖：来源：咸宁新闻网2025-10-20 16:40:53分享链接：https://ex.chinadaily.com.cn/exchange/partners/82/rss/channel/cn/columns/snl9a7/stories/WS68f5f5e7a310c4deea5ed3e8.html在国家 “乡村振兴” 与 “健康中国” 战略深度推进的背景下，如何推动优质医疗资源下沉、切实提升基层医疗服务能力，已成为医疗行业高质量发展的核心课题。10 月 18 日，由西安交通大学第二附属医院举办的 “智慧医疗帮扶创新研讨会”顺利召开，本次研讨会以 “数联基层・协作共生” 为主题，汇聚医院多科室专家、受援医院代表及行业同仁，共同探讨基层医疗数字化转型路径。会上，展示并深入研讨了“智慧数字远程诊疗协作平台”的建设经验与临床应用成果。智慧数字远程诊疗协作平台，是新线科技（以下简称Newline）与巴斯光年经长期研发与深度适配，将软件平台与硬件终端无缝集成，实现软件平台与硬件终端无缝融合的一体化医疗解决方案。该方案在西安交通大学第一附属医院实际工作场景中历经反复实践打磨，最终正式推出。平台深度对接医院HIS、PACS等核心信息系统，功能覆盖院内日常医务交班、远程诊疗、多院区协同培训等关键场景需求。而要实现这一切，首要解决的就是医院最关切的数据安全痛点。为此，平台构建了严密的数据安全体系：坚守“数据不出院”原则，确保原始数据仅留存于受援医院本地；通过“双密钥+区块链”技术，实现访问行为上链可溯；数据解锁更需受援医院与平台方双重审批，从根本上解决了协作中的数据安全顾虑。Newline 的智慧医疗解决方案不仅为医院的“智慧医疗帮扶项目” 提供了关键技术支撑，更直接助力 “小病在基层、大病到医院、康复回社区” 的分级诊疗目标落地。通过软硬件与平台的协同，方案成功在 “三甲医院 - 基层医院 - 患者” 三方中构建起价值闭环：对中心医院而言，方案简化了智慧医疗帮扶的实施路径。对受援的基层医院来说，方案显著降低了数字化升级门槛。而最终受益的，是广大基层群众。基层患者在家门口的医院，可实时对接中心医院的专家，获得精准的诊断意见与治疗方案，真正实现了 “医疗资源下沉到身边，健康保障就在眼前”。从西安交通大学第一附属医院到第二附属医院，Newline智慧医疗解决方案的连续落地，体现了其在医疗领域的专业能力和技术优势。Newline始终致力于通过技术创新，打破医疗资源分布不均的壁垒，让更多群众能够享受到优质的医疗服务。面向未来，Newline 将继续深化在智慧医疗领域的战略布局，一方面持续迭代智慧医务屏等核心硬件产品，提升其在远程会诊、AI 辅助诊疗、医疗培训等场景的适配能力；另一方面，将与更多三甲医院、基层医疗机构及行业合作伙伴携手，推动智慧医疗解决方案的规模化落地，进一步加速优质医疗资源下沉，助力实现医疗服务的公平可及，为 “健康中国” 建设注入更多科技力量。AI医疗应扎根临床，莫让智能变“无能”（转载）中国商报（记者 马嘉）日前，国务院印发的《关于深入实施“人工智能+”行动的意见》明确提出，到2030年，人工智能将全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%。在医疗领域，国家卫生健康委去年发布了《卫生健康行业人工智能应用场景参考指引》（以下简称参考指引），其详细列出了AI在医疗领域的84个具体应用场景。政策东风劲吹，蓝图已然绘成，AI医疗的浪潮正以前所未有的势头涌向医疗健康的每一个角落。然而，在技术加速奔跑、资本热情追逐的背后，一个核心问题不容回避：AI医疗产品究竟是真正解决了临床痛点，还是陷入了“为技术而技术”的泥潭？政策的指引如同灯塔，照亮了人们前行的方向，但要完成提升人民健康水平这一目标，还需要每一款AI产品都能在临床的土壤中深深扎根。当前，部分AI医疗产品存在与真实医疗场景脱节的倾向。有的产品追求算法的极致复杂与新颖，却对一线医生的工作流程、诊断习惯缺乏深入了解，导致“叫好不叫座”，难以融入实际诊疗；有的将精力过度投入影像识别等“显示度高”的环节，而对于提升诊疗效率、优化患者管理、预防保健等更具普惠价值的“慢工细活”关注不足；还有一些产品，在数据标注质量、模型可解释性、临床有效性验证上存在短板，其可靠性与安全性令医生心存疑虑。这种脱离临床需求的“技术空转”，不仅造成研发资源的浪费，更可能因误用、滥用而延误诊疗，最终损害患者利益。技术的价值，应该由其所服务的目标定义。在医疗这一关乎生命健康的特殊领域，AI的任何应用都需恪守一个根本原则：以临床价值为核心，以患者获益为导向。参考指引列举的84个场景，正是从医疗服务的关键环节中提炼出的需求清单。企业和技术开发者应沉下心来，深入医院、走进科室，与医生、护士、患者充分交流，理解他们最迫切的需求、最棘手的难题。AI的价值是提升基层医疗机构对罕见病的识别能力？是辅助医生制定更精准个性化的手术规划？还是通过智能随访系统改善慢性病患者的长期管理？这些都应该去临床一线寻找答案。同时，监管与标准必须同步跟上。相关部门在鼓励创新的同时，应尽快建立健全针对AI医疗产品的临床验证规范、审批标准和全生命周期监管体系；确保每一款推向市场的产品都经过严谨的科学评估和真实的临床检验，证明其安全性、有效性和伦理合规性。避免夸大技术，要让数据说话，用临床证据为产品的价值背书。政策的宏图已经展开，技术的潜力毋庸置疑。业内一直在期待AI医疗的参与者们，能少一分追逐风口的热闹，多一分深耕临床的沉静。让技术的光芒，真正照亮诊断的盲区、纾解医者的疲乏、温暖患者的旅程。唯有如此，AI才能从酷炫的概念转化为推动健康中国建设的坚实力量，实现其“赋能高质量发展”的使命。数据破壁！AI医疗的“中国燃料”正式上市，手术机器人迎质变时刻（转载）医院里沉睡十年的临床数据，正在成为比黄金更珍贵的战略资源。当这些数据通过合规通道流向AI企业，中国医疗科技的创新速度正在被重新定义。B破冰，深圳的首宗交易为何震撼业界？2024年10月15日，深圳市人民医院完成了一场意义远超交易金额本身的合作——通过深圳数据交易所，将十年的临床数据售予手术机器人企业。这标志着中国医疗数据要素化改革进入实质性阶段。交易背后的深层意义：一是首开先河，全国首例由医院直接通过数据交易所达成的医疗数据场内交易;二是标准确立，为医疗数据合规流通建立了可复制的“深圳标准”;三是生态构建，证明了“医院-交易所-企业”三方合作模式的可行性。“这不仅仅是卖数据，而是开启了一个新的时代。”参与交易的医疗科技企业负责人如此评价。B困局，AI医疗的“数据饥渴”与“制度壁垒”。医疗数据的缺乏一直是企业的研发之痛。广州某手术机器人公司副总透露：“我们曾经为了获取训练数据，花费数月时间与一家医院沟通，最终因合规风险无人敢拍板而失败。”与此同时，全国三甲医院每年产生数以亿计的医疗数据，其中90%以上在完成临床使命后便“长眠”于服务器中。这些数据包含的疾病规律、治疗经验和人群特征，正是AI医疗最急需的“养料”。然而，因合规等原因，这些数据待字闺中，沉睡于医院档案库房里。在数据要素化改革前，医疗数据流通面临三重壁垒，即：隐私保护红线如何坚守，数据价值如何评估，流通渠道如何规范。B破壁，合规流通的“深圳方案”。2024年，《“数据要素×”三年行动计划》的发布，为医疗数据流通提供了顶层设计。文件明确要求发挥数据要素乘数效应，释放数据价值。与此同时，深圳市人民医院的大数据中心建立了全流程管理体系：一方面对数据进行匿名化处理，确保患者隐私“无可追溯”;另一方面，多模态数据标准化处理，保证数据“即插即用”;此外，全程安全监控，实现流通“透明可控”。在政策指引下，深圳数据交易所充分发挥桥梁作用，打造了医疗数据流通的“信任基础设施”：制定医疗数据产品合规审核标准，建立数据产品挂牌展示机制，提供交易鉴证和权益保障。B赋能，数据如何催化产业变革？B手术机器人的“中国智慧”获得数据的科技企业表示，这批源自中国临床实践的数据将帮助手术机器人更好地理解中国患者的解剖结构特征，学习中国医生的手术操作习惯，适应中国医疗场景的特殊需求！“进口手术机器人基于欧美数据训练，在处理中国患者特殊情况时往往表现不佳。这批本土数据将帮助我们实现‘弯道超车’。”企业研发负责人说。B药物研发的“加速器”beyond手术机器人，医疗数据的价值正在多个领域显现：制药企业可利用真实世界数据加速临床试验;AI诊断公司可基于多中心数据提升模型泛化能力;保险机构可借助疾病数据开发更精准的健康保险产品！B生态，从“盆景”到“森林”的路径。深圳市人民医院计划以“专病数据集”为重点，持续释放数据价值。院长耿庆山表示：“我们将从‘数据保管者’转变为‘价值挖掘者’。”从而，实现医院角色升级。深圳人民首宗交易正在激发连锁反应。更多三甲医院开始筹备数据产品化工作，数据经纪、合规审计等配套服务企业快速涌现，资本对AI医疗赛道的信心显著提升。产业的乘数效应开始发酵！由此，深圳正在制定医疗数据要素化改革的配套政策，包括：数据资产入表的具体操作指南，数据交易收益的分配机制，跨境数据流动的监管沙盒！政策的持续发力为后续市场交易行为保驾护航。这场数据破壁行动，正在重写中国AI医疗的竞争规则。 当临床数据从封闭的医院系统流向开放的创新生态，我们迎来的不仅是技术突破，更是一场医疗产业的结构性变革。随着更多医院加入数据供给行列，更多企业获得高质量数据支持，中国有望在AI医疗领域实现从“跟跑”到“并跑”乃至“领跑”的跨越。数据的闸门已经打开，创新的洪流正在奔涌。 这不仅是技术的胜利，更是制度创新的成果——在严守安全底线的前提下，让数据要素充分流动、价值充分释放。调查显示美国四分之三年轻人更喜欢医院工作，而不是大型科技公司（转载）美国就业市场正在经历一场深刻的代际转换。美国高中学者协会最新研究显示，75%的年轻求职者表示更愿意在医院工作，而非硅谷科技巨头，这一数据反映出Z世代职业价值观的根本性转变。曾经象征着创新、高薪和无限可能的大型科技公司，正面临着人才吸引力的急剧下滑，而医疗保健行业则凭借其稳定性和社会价值感重新获得年轻人才的青睐。这种转变并非偶然现象，而是多重因素共同作用的结果。人工智能技术的快速发展让许多年轻人开始质疑编程和工程类工作的长期前景，大规模裁员潮进一步加剧了他们对科技行业稳定性的担忧。与此同时，新一代求职者更加重视工作的社会意义和个人价值实现，这使得以人为本的医疗保健行业重新焕发出强大的吸引力。Networks Trends对超过1万名学生进行的调查揭示了这一代人的核心诉求：76%的受访者将职业稳定性列为首要考虑因素，这一比例甚至超过了对公司地理位置、声誉和高薪的关注度。这种价值观的转变正在重新塑造整个就业市场的格局，迫使各行各业重新审视其人才战略。科技行业光环褪色的深层原因科技行业曾经的金字招牌正在经历前所未有的挑战。英伟达和亚马逊云服务等行业领军企业的高管公开表示，传统编程技能在人工智能时代可能变得过时，这种论调在年轻求职者中引发了广泛的焦虑情绪。当行业领袖都在质疑传统技能的价值时，即将踏入职场的年轻人自然会重新考虑自己的职业选择。大规模裁员浪潮成为压垮骆驼的最后一根稻草。过去三年间，Meta、亚马逊、谷歌等科技巨头相继进行了大幅度的人员削减，涉及数十万个工作岗位。这些裁员不仅直接影响了在职员工，更在年轻求职者心中播下了不安的种子。曾经被视为"铁饭碗"的科技工作，如今却成了不稳定就业的象征。工作环境的恶化也是重要因素。半数受访者表示担心在多年求学后却要面对有毒的工作环境，害怕遭遇职业倦怠或发展受阻。科技公司长期以来以高强度工作文化著称，996工作制、无休止的项目冲刺和巨大的绩效压力，这些曾经被包装为"奋斗文化"的元素，在注重工作与生活平衡的Z世代眼中却显得格格不入。数据更是直观地反映了这种变化趋势。谷歌在学生最向往工作公司排行榜中的位置从2022年的第四位下滑至2024年的第七位，亚马逊和苹果的排名同样出现下降。更为戏剧性的是，SpaceX从第九位暴跌至第二十二位，这家曾经代表着技术前沿和人类探索精神的公司也未能免于这场信任危机。医疗行业的重新崛起与科技行业的衰落形成鲜明对比的是，医疗保健行业正在经历复兴。这种转变不仅体现在就业偏好上，更反映出年轻一代对职业意义的重新定义。医疗工作被视为具有天然的抗自动化特性，以人为核心的护理服务很难被人工智能完全替代，这为年轻求职者提供了长期的职业安全感。医疗行业的稳定性优势在当前的经济环境下显得尤为突出。与科技行业的周期性波动不同，医疗保健需求相对稳定，人口老龄化趋势更是为该行业提供了持续的增长动力。在西班牙，40%的医疗保健从业者年龄超过45岁，类似的人口结构变化在全球范围内都在发生，这意味着医疗行业对年轻人才的需求将持续增长。社会价值感是医疗行业吸引年轻人才的另一个重要因素。在经历了新冠疫情的洗礼后，社会对医疗工作者的认知和尊重达到了新的高度。对于追求工作意义的Z世代而言，能够直接帮助他人、拯救生命的职业具有无可比拟的价值感和成就感。从全球范围来看，这种趋势并非美国独有。西班牙CYD基金会的研究显示，2018年至2024年间，健康和社会服务相关专业的入学人数显著增加，而IT和工程领域虽然仍然重要，但医学和护理专业的受欢迎程度正在快速上升。这表明年轻人职业价值观的转变具有国际性特征。劳动力市场的结构性变化这种职业偏好的转变反映了更深层次的社会经济变化。首先是技术发展对就业结构的重塑。人工智能和自动化技术的快速发展确实对某些传统技术岗位构成威胁，但同时也创造了新的就业机会。问题在于，这种变化的速度和规模超出了许多人的预期,导致年轻求职者产生了强烈的不确定性。经济不平等的加剧也是重要因素。尽管科技行业提供高薪工作，但这些收入往往伴随着高昂的生活成本，特别是在硅谷、西雅图等科技中心城市。相比之下，医疗行业虽然起薪可能较低，但提供了更稳定的职业发展路径和更广泛的地理选择。教育成本的飙升进一步强化了年轻人对稳定就业的渴求。面对高额的学生贷款债务，许多毕业生更倾向于选择能够提供长期稳定收入的职业，而非追求短期的高薪但不确定的工作机会。企业文化的差异也不容忽视。医疗机构通常具有更强的使命感和社会责任感，这与Z世代的价值观更加契合。相比之下，一些科技公司过度追求增长和利润的文化开始受到年轻员工的质疑。对未来就业市场的启示这种趋势对整个就业市场都具有重要的启示意义。首先，企业需要重新审视其人才吸引和保留策略。仅仅依靠高薪和股票期权已经不足以吸引年轻人才，企业需要更多关注工作的稳定性、意义感和员工的全面发展。对于科技行业而言，这是一个重要的警醒信号。这些公司需要重新思考如何平衡创新追求与员工福利，如何在快速变化的市场环境中为员工提供更多的安全感和发展机会。同时,他们也需要更好地向年轻求职者传达技术工作的长期价值和社会意义。教育体系也需要相应调整。传统的STEM教育模式可能需要更多地融入人文关怀和社会责任的元素，帮助学生理解技术与社会的关系,培养更全面的职业素养。从政策层面来看,政府需要关注这种结构性的就业偏好变化。一方面要支持医疗行业的发展,满足日益增长的人才需求;另一方面也要引导科技行业的健康发展,确保技术创新能够更好地服务于社会福祉。这种职业偏好的转变最终可能重新定义成功的含义。对于Z世代而言,一份好工作不再只是高薪和地位的象征,更是能够提供稳定性、意义感和个人价值实现的平台。这种价值观的转变将深刻影响未来几十年的就业市场格局,推动各行各业向着更加人性化、可持续的方向发展。来源tech.ifeng.com/c/8naL3aZxS3f新线科技以实战方案破解基层医疗数字化难题，共筑智慧医疗新生态在国家 “乡村振兴” 与 “健康中国” 战略深度推进的背景下，如何推动优质医疗资源下沉、切实提升基层医疗服务能力，已成为医疗行业高质量发展的核心课题。 10 月 18 日，由西安交通大学第二附属医院举办的 “智慧医疗帮扶创新研讨会”顺利召开，本次研讨会以 “数联基层・协作共生” 为主题，汇聚医院多科室专家、受援医院代表及行业同仁，共同探讨基层医疗数字化转型路径。会上，展示并深入研讨了“智慧数字远程诊疗协作平台”的建设经验与临床应用成果。 智慧数字远程诊疗协作平台，是新线科技(以下简称Newline)与巴斯光年经长期研发与深度适配，将软件平台与硬件终端无缝集成，实现软件平台与硬件终端无缝融合的一体化医疗解决方案。该方案在西安交通大学第一附属医院实际工作场景中历经反复实践打磨，最终正式推出。 平台深度对接医院HIS、PACS等核心信息系统，功能覆盖院内日常医务交班、远程诊疗、多院区协同培训等关键场景需求。而要实现这一切，首要解决的就是医院最关切的数据安全痛点。为此，平台构建了严密的数据安全体系：坚守“数据不出院”原则，确保原始数据仅留存于受援医院本地;通过“双密钥+区块链”技术，实现访问行为上链可溯;数据解锁更需受援医院与平台方双重审批，从根本上解决了协作中的数据安全顾虑。 Newline 的智慧医疗解决方案不仅为医院的“智慧医疗帮扶项目” 提供了关键技术支撑，更直接助力 “小病在基层、大病到医院、康复回社区” 的分级诊疗目标落地。通过软硬件与平台的协同，方案成功在 “三甲医院 - 基层医院 - 患者” 三方中构建起价值闭环：对中心医院而言，方案简化了智慧医疗帮扶的实施路径。对受援的基层医院来说，方案显著降低了数字化升级门槛。而最终受益的，是广大基层群众。基层患者在家门口的医院，可实时对接中心医院的专家，获得精准的诊断意见与治疗方案，真正实现了 “医疗资源下沉到身边，健康保障就在眼前”。 从西安交通大学第一附属医院到第二附属医院，Newline智慧医疗解决方案的连续落地，体现了其在医疗领域的专业能力和技术优势。Newline始终致力于通过技术创新，打破医疗资源分布不均的壁垒，让更多群众能够享受到优质的医疗服务。 面向未来，Newline 将继续深化在智慧医疗领域的战略布局，一方面持续迭代智慧医务屏等核心硬件产品，提升其在远程会诊、AI 辅助诊疗、医疗培训等场景的适配能力;另一方面，将与更多三甲医院、基层医疗机构及行业合作伙伴携手，推动智慧医疗解决方案的规模化落地，进一步加速优质医疗资源下沉，助力实现医疗服务的公平可及，为 “健康中国” 建设注入更多科技力量。智能医疗现在与未来展望（转载）——特别是大数据、人工智能（AI）、云计算、物联网（IoT）等技术的融合，医疗行业正迎来一场深刻的变革。智能医疗作为推动医疗服务创新的核心力量，不仅改善了诊疗效率和质量，也推动了个性化、精准化、智能化的医疗模式。本文将系统分析智能医疗的当前发展状态，重点介绍大数据在医疗中的应用与典型案例，展望未来技术趋势与挑战，为行业发展提供科学、实用、前瞻性的参考。一、智能医疗的现状1.1 技术基础的成熟近年来，AI技术取得突破性进展，深度学习在医学影像、基因组学、临床决策支持等领域的应用逐渐普及。大数据平台不断完善，医疗数据的采集、存储和分析能力显著提升。云计算和边缘计算的应用，为海量数据的处理提供了基础保障。1.2 主要应用场景医学影像分析：如肺结节检测、脑肿瘤识别、心脏疾病诊断等。电子健康记录（EHR）智能化：自动整理、提取关键信息，辅助临床决策。远程医疗与远程监测：利用穿戴设备、远程影像会诊实现分级诊疗。辅助诊断与个性化治疗：结合基因组信息，制定精准方案。医疗管理优化：智能排班、资源调度、风险预警等。1.3 行业推动因素政策支持：多国出台政策推动智慧医疗发展。技术突破：AI模型的准确率不断提升。数据积累：电子病历、基因组、穿戴设备等产生海量数据。市场需求：公众对高质量医疗服务的需求不断增长。二、大数据在智能医疗中的核心作用2.1 大数据的定义与特点在医疗领域，大数据主要指来自电子健康记录、影像、基因组、可穿戴设备、环境监测等多源、多模态的海量数据。其特点包括：体量大（Volume）、类型多（Variety）、更新快（Velocity）、价值密度低（Veracity）。2.2 大数据的关键技术数据采集与存储：传感器、医疗设备、电子系统的实时数据采集，云存储、数据仓库。数据清洗与预处理：去噪、标准化、缺失值填充。数据分析与挖掘：统计分析、机器学习、深度学习、自然语言处理（NLP）。可视化与决策支持：图表、仪表盘、智能预警。2.3 大数据在医疗中的应用流程数据采集：多源数据同步采集。数据整合：构建统一的医疗大数据平台。数据分析：挖掘潜在规律。模型建立：训练预测模型。临床应用：辅助诊断、风险预测、个性化治疗。三、典型大数据案例分析3.1肺癌早筛与诊断：DeepMind的深度学习模型背景：肺癌是全球死亡率最高的癌症之一，早筛和早诊至关重要。案例：Google DeepMind开发的深度学习模型，通过分析大量胸部CT影像，自动检测肺结节，准确率超过传统方法。技术细节：使用卷积神经网络（CNN）处理三维CT图像。结合患者的电子健康记录，优化模型的诊断能力。实现多层次筛查，从普通影像到高危患者的精准识别。效果：提高早期肺癌检测的敏感性和特异性。降低误诊漏诊率。支持放射科医生的辅助决策。3.2 基因组大数据推动精准医学：The Cancer Genome Atlas（TCGA）背景：癌症的发生与基因突变密切相关。案例：TCGA项目汇集了超过2.5PB的癌症基因组数据，利用大数据分析揭示不同癌症的分子机制。技术应用：多组学数据整合（基因表达、突变、甲基化等）。利用机器学习模型识别癌症亚型。开发个性化治疗方案。成果：发现新型生物标志物。指导靶向药物研发。实现患者的精准诊疗。3.3 疫情监测与预测：COVID-19大数据分析背景：新冠疫情爆发期间，大数据技术发挥了重要作用。案例：利用移动通信数据追踪病毒传播路径。分析病例、检测数据，建立疫情模型。预测疫情趋势，指导公共卫生策略。技术应用：实时数据采集与分析。利用机器学习预测病例增长。建立疫情风险评估模型。效果：提高疫情应对效率。支持决策制定。四、未来技术趋势与前瞻性展望4.1 智能化与个性化未来，结合多模态数据（影像、基因、环境、生活习惯）实现全方位的个性化诊疗。AI模型将不断优化，提供更精准的诊断和治疗建议。4.2 自动化与机器人辅助手术机器人、自动化实验室、智能护理机器人将普及，减轻医务人员负担，提高操作精度。4.3 预测性与预防性医疗利用大数据分析，提前识别高风险人群，实现疾病的预测与预防。4.4 区块链与数据安全区块链技术保障医疗数据的安全、隐私和可追溯性，推动数据共享与合作。4.5 绿色智能医疗强调可持续发展，减少能源消耗，推动绿色医疗设备和方案。五、面临的挑战与应对策略5.1 数据隐私与伦理挑战：数据泄露、滥用风险。策略：采用隐私保护技术（如差分隐私、多方安全计算），建立完善的法规体系。5.2 技术可解释性挑战：深度学习“黑箱”问题影响临床信任。策略：发展可解释AI模型，提高透明度。5.3 标准化与互操作性挑战：不同系统、平台的数据格式不统一。策略：制定行业标准，推动互操作性。5.4 人才培养与伦理教育挑战：缺乏跨学科复合型人才。策略：加强教育培训，强化伦理规范。六、总结与展望智能医疗正处于高速发展期，未来将深度融合大数据、AI、物联网等多技术，推动医疗行业向“智慧医疗”迈进。其核心目标是实现“以患者为中心”的精准、便捷、持续的医疗服务。展望未来：技术成熟：模型更智能、可解释。应用深化：覆盖诊断、治疗、管理全流程。生态构建：形成多方合作、数据共享的医疗生态系统。伦理规范：确保数据安全与隐私保护。智能医疗的未来充满希望，但也需要行业共同努力应对挑战，推动科技惠及更多人群，造福人类健康。人工智能时代真的来了！国务院重磅AI新政落地！云诊AI中医扛起医疗健康大旗人工智能时代真的来了！国务院重磅AI新政落地！云诊AI中医扛起医疗健康大旗 一场席卷全行业的智能革命正式打响！8月26日印发的《关于深入实施“人工智能+”行动的意见》，用三个关键时间节点勾勒出中国智能未来的清晰蓝图，从产业格局到日常生活，都将迎来颠覆性改变。这份国家战略级文件明确了“三步走”目标：2027年，AI将与科技、产业、消费、民生等六大领域深度融合，新一代智能终端普及率超70% ——这意味着每10个人中就有7人正在使用智能设备，消费级AI硬件市场规模预计将突破万亿大关；2030年，智能终端普及率冲至90%，智能经济成为中国经济核心增长极，单AI+医疗器械市场规模就将超380亿元；到2035年，我国全面迈入智能经济时代，为现代化建设注入硬核动力。在这场智能浪潮中，医疗健康领域成为政策重点发力的“突破口” 。《意见》多次聚焦AI在医疗保健、生物科技领域的应用，明确推动AI走进辅助诊疗、健康管理、医保服务等场景，这意味着“24小时在线的AI医生”将从概念照进现实。在这场时代变革中，安徽中医药大学参股企业云诊科技凭借硬核技术实力脱颖而出。作为安徽省中医药科技攻关专项项目重大标志性成果，其核心产品中医人工智能体质辨识系统，以2000万+舌面象临床数据为基石，持有权威二类医疗器械软件证，将传统中医智慧与现代AI技术深度融合，成为“人工智能+中医药”的标杆范本。家庭医生随访箱：推动智慧健康管理，为基层医疗注入新活力（转载）家庭医生随访箱：推动智慧健康管理，为基层医疗注入新活力随着科技的进步和社会的变化，传统的医疗服务模式逐渐难以满足居民日益增长的健康需求。如何在基层医疗中实现精准、便捷、高效的健康管理，成为了亟待解决的问题。在这种背景下，家庭医生随访箱应运而生，成为了基层医疗的新宠。家庭医生随访箱：全方位提升健康管理能力家庭医生随访箱作为一种高科技医疗设备，具备了体温、血压、血糖、血氧等多项功能，能够实现多项健康数据的实时采集和分析。通过这款随访箱，家庭医生能够在居民家中开展健康检查，并将数据实时上传至公共卫生平台。这种便捷的服务方式，不仅提升了健康管理的效率，也加强了对居民健康的全方位监控。高效的数据采集与远程诊断传统的随访方式往往需要医生手动记录健康数据，容易出现遗漏或错误。而家庭医生随访箱通过智能化技术，将患者的健康数据自动采集并上传至云端平台，医生可以随时查看患者的健康状况，并进行远程诊断与干预。数据的实时更新，使得医生能够在第一时间了解患者的病情变化，从而为患者提供更加精准的治疗和管理建议。智能随访箱：满足居民个性化健康需求随着居民健康需求的多样化，智能随访箱能够根据不同患者的需求，提供定制化的健康管理服务。例如，对于高血压患者，随访箱能够实时监测血压变化；对于糖尿病患者，随访箱能够定期检测血糖水平，并提供相应的健康建议。这种个性化的服务，不仅提高了患者的治疗依从性，也增强了家庭医生与患者之间的信任。推动基层医疗改革，提升服务质量家庭医生随访箱的推广，不仅让社区卫生服务中心的服务更加高效，也为基层医疗改革提供了新的思路。通过智能化的设备，社区医生能够更好地管理辖区内的居民健康，提供更加精准的健康干预。同时，随访箱的数据记录功能，也为疾病预防与控制提供了有力的数据支持。结语：家庭医生随访箱，智慧医疗的引领者家庭医生随访箱作为智能医疗设备的一部分，将健康管理与科技创新相结合，为基层医疗带来了全新的活力。未来，随着智能医疗技术的不断进步，家庭医生随访箱将在更广泛的领域发挥作用，为每一位居民提供更为精准、高效的健康管理服务，推动智慧医疗在基层医疗中的普及与应用。2025中国国际数字经济博览会展商风采丨携腾医疗：以数据驱动医疗质量提升赋能医疗机构精细化管理10月17日至19日，2025中国国际数字经济博览会将在石家庄国际会展中心（正定）举办。作为行业领先的VTE（静脉血栓栓塞症）整体解决方案提供商——杭州携腾医疗科技有限公司（以下简称携腾医疗）将携旗下VTE专病管理平台亮相数博会，通过数据驱动医疗质量提升，助力构建安全、高效、智能的VTE防治体系。携腾医疗是一家专注于VTE智能化防治的高新技术企业，以“全流程闭环管理+物联终端+垂直大模型”为核心，构建覆盖评估、预警、干预、质控全流程的VTE专病管理平台，推动VTE防治从传统经验模式向数字化、标准化转型。携腾医疗首创的VTE数字疗法与数字化质量管理体系，融合AI与物联网技术，实现VTE防治全流程智能化闭环管理，协助多地成功建设省市级VTE质控中心，持续以数据驱动医疗质量提升，赋能医疗机构实现诊疗标准化、管理精细化与服务同质化。（从“单点智能”到“群体智慧”：浪潮六大医疗智能体开启行业升级加速度从“单点智能”到“群体智慧”：浪潮六大医疗智能体开启行业升级加速度 8月26日，国务院发布《关于深入实施“人工智能+”行动的意见》，在 “人工智能+”民生福祉部分强调要有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率，这一政策导向再度为医疗健康行业数智转型提供强劲动力。“人工智能+”行动在医疗领域的实施将推动三个层面的深度融合：技术层面实现大数据、人工智能与医疗核心业务的融合；流程层面重塑诊疗、管理和服务模式；生态层面构建跨机构、跨领域的医疗健康智能网络。政策提出到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%；到2030年，应用普及率超90%；到2035年，我国全面步入智能经济和智能社会发展新阶段。这一进程将加速医疗健康行业向智能化、个性化、普惠化方向发展。紧乘政策东风，浪潮智慧医疗持续加强“人工智能+”医疗技术创新，发布基于自研医疗大模型的全栈人工智能产品体系，打造医疗健康领域六大智能体解决方案，以科技浪潮助力“健康中国”建设。