（人民日报健康客户端记者 乔芮 杨林宋 张瀚允）2025年，医疗AI（人工智能）的“星星之火”已成燎原之势。“三年前，我们还在讨论AI能否进医院，现在思考的则是如何用好AI。”深圳大学附属华南医院医学人工智能研究所副所长张永波感慨。据《生命时报》记者不完全统计，全国已有上千家医院完成DeepSeek等大模型本地化部署。对大型三甲医院来说，接入AI已是必选项。

深圳大学附属华南医院自动排药系统。受访者供图

从“可选项”变为“必选项”

2019年，国家卫健委首次提出智慧医院定义。此后，作为智慧医院重要组成部分的医疗AI迈入快速发展期。智药局统计数据显示，截至2025年7月，中国医疗专科大模型已覆盖83个应用场景，专科化率从2023年的35%跃升至68%，仅2025年上半年就新增了22个专科模型，超过去两年总和。可见，在医疗质量提升与运营效率优化的双重驱动下，AI这笔投入正逐渐从医院的“可选项”转变为智慧医院建设的“必选项”。

布局医疗AI费用不菲。业内人士分析认为，对多数医院而言，若无增量资金或财政支持，AI投入难以大规模展开。正因如此，各医院在对医疗AI的投资规模上表现出明显差异。少数头部医院依托财政支持推进千万级项目，如山西临汾市人民医院投入1569万元采购全流程智慧医疗系统；而多数医院受预算限制，选择十万元级的“轻量投入”，聚焦互联网医院运营等特定场景。

这种差异并无“高低之分”，主要取决于医院规模、部署模式和场景深度。比如，高投入的头部医院聚焦技术突破，致力于利用AI实现疾病的精准诊疗，通过技术突破构建学科优势；中小型医院侧重效率优化，通过本地部署辅助基础诊疗，以有限投入解决运营痛点；定位介于头部与中小型之间的医院，则在探索技术与效率的平衡，在构建优势学科的同时，优化运营流程。

推进形式不拘一格

“算力成本高昂、‘数据孤岛’导致数据分散难整合、研发回报周期长、产业链协同薄弱等问题，确实会推高医疗AI的投入成本。”张永波直言。

“投入虽大，效益却是多维度的，包括直接效益和间接效益。”在复旦大学附属华山医院大数据中心主任黄虹展示的评估体系里，AI价值被拆解为患者治疗价值提升、临床科学证据产出、学科发展推动三重维度。可见，各医院完全可以依据需要“量力而行”。例如，福州大学附属省立医院以300万元引入AI大模型辅助互联网医院，并设定三年60万门诊量的目标，这种“小投入+明确目标”的模式，降低了试错风险，也为行业提供了可复制的经验。

北京工业大学信息科学技术学院信息与通信工程系副教授王卓峥表示，医院部署医疗AI还涉及技术问题。由于临床医学教育体系尚未系统整合AI、计算机科学等新兴技术，导致医院相关人才短缺，因此需要与具备技术产业化能力的工科院校、科研院所或企业合作，共同推动医工交叉技术的落地和转化。而找到相契合的合作方，是大幅分摊成本的一种途径。

复旦大学附属华山医院的“三方合作”模式便是典型。该院通过“临床专家+高校团队+技术企业”的协同，让临床需求主导技术研发方向，企业承担工程化落地任务。其放射科团队联合高校研发的颅内动脉瘤检测软件，已能精准识别3毫米及以上病灶。

另有医院走出了“自主为主、合作为辅”的差异化路线。深圳大学附属华南医院自主研发的“腹痛诊疗智能Agent”，整合了4万多例病例与585部指南，可实时生成诊断建议。他们仅在数据安全等特定领域与头部厂商联合，以确保核心数据所有权和平台主导权。这种模式印证了医疗AI落地的灵活性——根据自身资源特点，在“全依赖外部”和“完全自主”之间找到平衡点。

深圳大学附属华南医院本地部署deepseek。受访者供图

将重塑医疗体系

AI应用在医院具有广阔前景，其未来发展不仅涉及成本问题，还取决于专业人才的培养，以及更有效AI模型的构建。张永波表示，政府可通过专项支持推动数据标准化，降低行业整体成本；技术层面，让不同复杂度的模型处理对应任务，也能实现“精准投入”。“硬件价格会随着市场竞争加剧逐步下降，引进或培育专业团队的长期投入才是关键。”王卓峥补充说。

从AI类型看，专科模型的优势已充分显现。针对特定疾病的模型，诊断准确性更高，且能快速嵌入医疗设备，适合基层部署。但通用大模型的长期价值同样不可忽视，即以通用大模型作为基础，开发垂直应用，形成“通用基座支撑+专科应用创新”的生态。张永波预测，未来“大模型基础平台+专科小模型精准执行”的协同将成主流，前者负责处理患者问询、医院管理等问题，后者负责精准诊断等专业任务。这种模式既能发挥通用模型的广度优势，又能保留专科模型的深度优势，实现“1+1>2”的效果。

展望未来，AI医疗带来的将不仅是工具升级，更是整个医疗体系的重塑。王卓峥预测，未来每位医生都可能配备全科AI助手，处理基础分析工作，医生只聚焦临床判断，实现“人机协同”。黄虹则认为，5年后医疗服务将实现“千人千面”的个性化，每名患者都能获得量身定制的诊疗方案。

在AI推动下，医院管理也将迎来革新，资源调动更灵活，跨机构团队成为可能。张永波认为，AI将推动医疗资源向“疑难重症诊疗+科研创新”和“AI赋能常规服务”两极分化，最终实现“以患者为中心”的协同。

当然，变革之路仍需跨越数据安全、伦理规范等现实障碍。但显而易见的是，从千家医院落地竞速、百万级投入的价值博弈，到“通用基座+专科应用”路径的日渐清晰，这场由AI深度驱动的医疗体系智能化革命已经开始。