随着人工智能技术的飞速发展，医疗领域正经历着从AI 1.0到AI 2.0的深刻变革。推想医疗CTO沈宏在WIM2025创新者年会上指出，大模型技术正从内容创作领域迈向医疗推理应用阶段，为诊断和治疗等多场景带来革命性变化。本文将深入探讨医疗AI的演进路径、技术架构与应用场景，分析大模型如何赋能医疗行业实现数字化转型，并展望未来医疗AI的发展趋势与挑战。
医疗AI的演进：从辅助工具到价值创造
医疗人工智能的发展历程可清晰地划分为两个阶段：AI 1.0和AI 2.0。AI 1.0阶段以辅助工具为核心，主要价值在于帮助医院与医生降低劳动成本、提升效率，始终处于辅助角色。这一阶段的医疗AI产品多聚焦于单一场景的优化，如影像辅助诊断、病历结构化等，虽然提高了特定环节的效率，但并未从根本上改变医疗流程。
随着医学知识与算法模型的深度融合，医疗领域正迈入AI 2.0时代。这一阶段的核心特征是从辅助工具转变为价值创造者，通过强大的技术赋能，颠覆传统医疗流程。从技术架构、业务流程到伦理规范，医疗领域将发生深刻变革，实现颠覆式的价值创造。
值得注意的是，AI 2.0并非要取代医生，而是通过人机协作的方式，释放医疗工作者的创造力，将医生从繁琐重复的工作中解放出来，专注于更复杂、更具创造性的医疗决策。这种转变不仅提高了医疗服务的质量和效率，也为医疗创新开辟了新的可能性。
大模型在医疗领域的应用与落地
大模型的发展以2022年底ChatGPT3的发布为重要标志，此后行业发展迅猛，按半年一个阶段可划分为四个时期：准备期、跃进期、繁荣期与当前的深化期，即推理应用期。跃进期内，开源模型快速兴起，国内闭源大模型同步发展；繁荣期阶段，DeepSeek的横空出世大幅降低了大模型训练成本，对全球行业产生深远影响。
如今，大模型已从生成视频等内容创作领域，逐步迈向各行业的推理应用阶段，医疗领域的应用方兴未艾，商业落地模式仍在探索之中。
模型调用平台(MCP)：大模型落地的关键基础设施
医院积累的海量患者数据，为大模型应用提供了重要基础。这一过程中，模型调用平台(MCP)发挥关键作用——它能够整合各类业务系统与数据资源，将数据与现有功能深度结合后，通过大语言模型向医生提供服务。
大语言模型的核心优势在于实现了软件界面的统一化，所有操作均通过自然语言对话完成，减少专业技术人员进行的高成本编程。借助其强大的解析能力，大语言模型可精准理解医生意图，再通过MCP链接至各业务系统，最终输出结果，这一模式大幅降低了开发成本，使得许多以往难以落地的应用场景成为可能。
以通过存量数据实现患者发现为例，传统信息化系统难以实现复杂条件下的精准检索，而通过大模型的自然语言交互功能，医生可任意组合查询条件，快速定位目标患者，这一能力在提高临床价值，个人化医疗服务，以及药物研发等方面将产生深刻的影响。
智能体技术：拓展大模型的价值边界
智能体的应用进一步拓展了大模型的价值边界。每个智能体聚焦特定医疗任务，具备独立的知识范围、任务接口与处理能力，可独立完成辅助诊断、科研支持、病历质控、患者教育、流程管理等细分工作，同时不同智能体之间能够实现跨领域通讯与协作。
与传统信息化系统不同，智能体间的协同无需人工干预，各系统可自主运作并通过类人际交互配合，显著降低了系统打通与开发的难度。这种"智能体网络"模式使得医疗AI系统能够更灵活地适应不同医院、不同科室的需求，实现真正的个性化医疗。
医疗管理中的质控、移动驾驶舱、运营管理等场景，同样可借助AI大模型提质增效。不同场景可适配不同模型，通过多个智能体的协同合作，模拟医院各科室、各功能模块的协作模式，无需将所有系统强行整合，真正实现数据资产的盘活。
检索增强生成(RAG)技术：解决医疗大模型落地的关键挑战
检索增强生成(RAG)技术是大模型落地医疗场景的核心支撑。当前大模型迭代速度极快，国内外每隔数月甚至一两个月便有新版本问世，因此无需盲目自建模型，关键在于如何将医院数据转化为可被大模型高效利用的AI数据库。
RAG技术正是为此而生，它需结合医疗路径特色，对电子病历的各个模块资源进行智慧分块——分块的科学性直接影响检索效率与准确性，这需要企业与医院共同研究探索。通过将知识半结构化处理，既能为大模型提供精准输入，又能有效规避大模型"幻觉"问题，保障应用可靠性。
在医疗领域，RAG技术的应用尤为关键，因为医疗决策直接关系到患者生命健康，任何"幻觉"都可能导致严重后果。通过将医院的专业知识库与大模型结合，RAG技术能够在保持模型灵活性的同时，确保医疗建议的准确性和可靠性。
医疗数据的价值转化：从"原油"到"高价值资源"
多年来，医院通过信息化建设积累了海量数据，但在传统模式下，这些数据如同原油，未能实现智能化高效利用。而AI技术的介入，能够将这些原始数据精加工为"汽油、柴油、天然气"般的高价值资源，进而构建起AI医疗平台、教育平台、科研平台等多元化应用载体。
医疗数据的转化过程涉及多个环节：首先是数据采集与整合，将分散在不同系统中的医疗数据统一收集；其次是数据清洗与标准化，消除数据冗余和错误，确保数据质量；然后是知识提取与结构化，将非结构化的医疗文本转化为结构化知识；最后是知识应用与服务，将结构化知识转化为可用的医疗智能服务。
这一转化过程不仅提高了医疗数据的利用效率，也为医疗创新提供了新的可能性。例如，通过分析大量历史病例数据，AI系统可以发现疾病的新规律、新特征，为疾病诊断和治疗提供新的思路；通过分析药物使用数据，可以发现药物的新用途、新适应症，为药物研发提供新的方向。
医疗AI2.0的实践案例与未来展望
推想医疗的"一横一纵"产品策略
推想科技成立于2016年，目前已在全球布局2000家合作医院，海外市场拓展起步较早。公司始终秉承"一横一纵"的产品策略：横轴覆盖各类重大疾病，纵轴贯穿筛查，诊断、治疗、管理，科研全流程。作为全球首家在中、美、欧、英、日等多个国家和地区取得医疗注册证的企业，公司在国内也拥有多张三类医疗器械注册证，实现了国内外市场的同步发展。
在产品体系方面，inferRead系列已成为放射科医生的重要辅助工具，显著提升了读片效率，其可靠性已获得医院广泛认可；手术相关产品inferOperate则覆盖术前规划、术中导航、术后随访全流程，形成了完善的手术端到端业务系统；长程健康管理系统inferCare整合患者的影像数据、病历数据、检验数据等多维度信息，按时间轴构建完整健康档案，大模型可基于这些数据提供个性化健康咨询与潜在风险预警，其对个体健康的了解程度远超单一医生或患者本人。
国际合作与全球医疗AI发展
在国际合作方面，推想医疗的产品已成功进入联合国StopTB组织的全球医药设备采购名录(GDF)，该组织专注于肺结核筛查领域，在全球多国设有分支机构。这一突破标志着我国AI医疗产品真正走向世界，在非洲等发展中国家切实发挥了治病救人的重要作用。
这一案例表明，医疗AI不仅能够提高发达国家的医疗服务水平，也能够为发展中国家提供高质量的医疗资源，缩小全球医疗差距。随着AI技术的不断发展和普及，未来将有更多发展中国家受益于医疗AI技术，实现医疗资源的普惠共享。
AI创新孵化中心：构建医疗AI新生态
未来，推想医疗将与医教研机构及医院深度合作，共建AI创新孵化中心。该中心将以算法库与集约化硬件架构为基础，避免各医院重复部署高成本硬件——无需将所有数据上云，也无需自行采购昂贵且难以实时更新的设备，实现硬件资源的高效共享。中间层将引入CRO服务模式，向医院及企业开放AI能力，支持其自主开发产品或联合创新；底层则为医教研一体化提供架构支撑，形成完整的创新服务生态。
这种创新孵化中心模式不仅能够降低医疗AI的研发成本，加速技术创新，也能够促进医疗AI的产业化应用，实现技术价值向商业价值的转化。同时，这种模式还能够促进医疗、教育、科研的深度融合，培养更多医疗AI人才，推动医疗AI生态系统的健康发展。
医疗AI2.0面临的挑战与应对策略
尽管医疗AI2.0前景广阔，但在发展过程中仍面临诸多挑战：
数据安全与隐私保护
医疗数据涉及患者隐私，如何在利用数据的同时保护患者隐私，是医疗AI发展面临的首要挑战。应对这一挑战，需要从技术和管理两个层面入手：技术上，可以采用联邦学习、差分隐私等技术，在不暴露原始数据的情况下进行模型训练；管理上，需要建立健全的数据安全管理制度，明确数据使用权限和责任，确保数据使用的合规性和安全性。
算法透明性与可解释性
医疗决策直接关系到患者生命健康，因此医疗AI算法的透明性和可解释性尤为重要。目前，许多深度学习模型如同"黑箱"，难以解释其决策依据。提高算法可解释性，需要发展可解释AI技术，如注意力机制可视化、特征重要性分析等，使医生能够理解AI的决策过程，增强对AI系统的信任。
临床验证与监管审批
医疗AI产品需要经过严格的临床验证和监管审批才能上市使用。这一过程通常耗时较长，且成本较高。加速医疗AI的临床验证和监管审批，需要建立更加科学、高效的评估体系，同时加强监管部门与产业界的沟通，促进监管标准的不断完善。
伦理规范与责任界定
医疗AI的广泛应用也带来了新的伦理问题，如AI决策失误的责任归属、AI与医生的权力关系等。建立健全医疗AI伦理规范，需要多方参与，包括医疗机构、AI企业、政府部门、伦理学家等，共同制定符合医学伦理和社会价值的AI应用指南。
结语：迈向更智能、更普惠、更精准的医疗未来
医疗AI从1.0迈向2.0，不仅是技术的进步，更是医疗理念和服务模式的革新。通过大模型、智能体、RAG等先进技术的应用，医疗AI正从简单的辅助工具转变为价值创造者，从提高效率的工具转变为改变医疗流程的革命性力量。
未来，随着技术的不断发展和应用的不断深入，医疗AI将在更多场景发挥重要作用，实现更智能、更普惠、更精准的医疗目标。在这一过程中，我们需要平衡技术创新与伦理规范，平衡效率提升与人文关怀，平衡商业价值与社会价值，共同构建一个以患者为中心、以数据为驱动、以智能为支撑的医疗新生态。
医疗AI2.0时代的到来，将为医疗行业带来前所未有的机遇与挑战。只有坚持创新驱动、开放合作、以人为本的发展理念，才能充分发挥医疗AI的潜力，为人类健康事业做出更大的贡献。
