在这个波澜壮阔的时代，社会民生的每一个个体，或许都是马伯庸笔下《大医》里的主角，见证着数字化、智能化技术如何深入医疗行业，带来影响深刻的医疗智能化变革。

历经百年发展，中国的医疗产业正迎来愈发波澜壮阔的时代变局：医疗大数据及AI、5G+远程诊疗，以及由种种数字化、智能化技术所带来的医护康养体验上的改善，也催生了一个个时代机遇与责任。

现阶段甚至是眺望未来，AI等数智化技术，究竟能给真实的医疗场景带来怎样的具体助力？在这场变局中，涌现出了怎样的实力企业，又有着怎样的布局和独特的模式？以及，他们的存在能给整个大医疗产业的智能化升级，带来什么样的贡献？

或许了解到这些，才能以此为基点，站在纵观全局的视角，通览数智化带给医疗领域的创新与变革。而这一切的一切，更是一个新时代的起点。

01 医疗行业期待一场变革

毋庸置疑，医疗康养相关的AI升级，绝对是当下最热门的话题。

但与此同时，一个现实的问题却是，在赋能健康监测、影像诊断、住院管理、医疗器械、后期复查以及中长期的康养护理的过程中，由于AI的应用深度与成熟度不一，让市场产生了一种错觉——AI+医疗前景广阔，但其实际价值尚未完全显现。

毕竟，医疗关乎生命健康，在这种严肃的事情上，人们对智能技术的可靠性和精准度要求极高，甚至堪称“苛刻”。此外，整个行业的智能化升级，除了开发周期漫长、对数据精准度要求极高、人才复合能力要强等因素之外，还有很多独特的壁垒需要打破。

按照东软集团副总裁兼医疗健康事业部总经理李东在一次采访说的，当医疗健康领域AI技术正从“概念验证”向“规模化落地”迈进时，所面临的系统性困境，可以归纳为四类核心维度。

挑战一：数据困境突出，制约AI模型迭代与应用。

医疗AI核心“燃料”是数据已是众所周知之事，但医疗机构普遍主要面临着三方面的数据难题：

一是高质量数据匮乏，临床数据多为非结构化记录，标准化、规范化程度低，难以直接用于模型训练；

二是数据标注成本高，医学数据标注需专业医护人员参与，人力成本高且效率低，尤其影像、病理等细分领域标注难度大；

三是数据稀缺与分布不均，罕见病、疑难重症等特殊病种数据样本量少，不同地区、层级医疗机构数据资源差距悬殊，导致模型泛化能力受限。

挑战二：模型可解释性不足，难以建立临床信任。

一般情况下，AI算法达到85%的表现，一般就可以发paper了，但要落地临床场景，往往需要95%、99%以上的表现。谷歌首席健康官Karen DeSalvo曾审慎提醒，即便谷歌的医疗大模型Med-PaLM回答评分已达92.6%，但他仍不希望公众仅靠一个大模型，就能治愈所有健康问题。

这种观点理性且克制。某种角度上，李东的观点也支持了Karen DeSalvo的这一观点，在他看来，医疗AI的可解释性仍有待提升，如何让模型的决策逻辑变得清晰、可信，是赢得临床信任的关键所在。

AI输出结果（如疾病诊断建议、治疗方案推荐）缺乏直观可理解的推理过程，无法清晰说明“为何得出该结论”“依据哪些临床指标或医学知识”；面对复杂病例，难以追溯决策链条，医护人员难以判断结果可靠性，既不敢完全依赖AI辅助决策，也无法针对性优化模型，严重影响AI在临床场景的信任度与落地率。

医疗场景的壁垒深厚，唯有以系统性思维和系统工程，才能从根上有效辅助医疗决策。AI+医疗的决胜点，很大程度上，在于如何能够锻造一柄穿透场景、穿透“黑箱”之剑。

挑战三：AI难切实提升医护效率，智能化建设路径不明确。

几位医疗从业者在与陆玖商业评论的交流中表示，其实医生、医疗机构可能不那么关心采用什么技术路线，他们的立意点只有一个，就是被采购的智慧产品和服务，是否能够满足具体的场景需求，以及缓解落地应用的痛点。

落地的核心目标是为医护“减负提效”，但行业缺乏适配医疗场景的统一建设标准，“外挂式”与“集成式”两种路径各存难题：

数据安全合规风险突出，医疗数据敏感且全流程管理难度大；业务与AI适配不足，“外挂式” 增加医护操作负担，“集成式” 需重构流程且兼容旧系统难；用户体验欠佳，AI工具操作复杂，医护上手成本高，导致工具 “束之高阁”。

挑战四：AI难激发医护创新力，难以从“辅助执行”迈向“赋能创造”。

医疗服务依赖医护基于临床经验的创新决策，但当前AI多局限于替代重复任务，难以沉淀医护隐性经验。同时，在临床科研层面，AI工具必须通过复杂且成本高昂的前瞻性临床试验来证明其能真正改善临床结局（如提高患者生存率、缩短诊断时间），这一转化链路仍面临巨大挑战。

02 从问诊、就医到后期康养

令人感到兴奋的是，无论是政策层面，还是技术已经逐步落地于真实的场景之中，医疗乃至康养领域的智能化，正进入明显的加速变革期。数智化贯穿于问诊、就医、康养、保健等各个环节，愈发成为全社会面的一致性诉求。

但来自于现实层面的问题也是不容小觑的，AI也好、数字赋能也罢，先进技术与医疗康养产业的融合，绝非易事：一方面，技术永远不能脱离开行业自带的安全属性而盲目开发；与此同时，用户数据，特别是罕见病、疑难杂症的数据样本，更是难以获得。

这也要求身处其的从业企业，有能力拿出更综合、更具有可行性的全链路数智化解决方案。

尽管国内外有不少涉足智慧医疗或医疗大模型的企业，比如谷歌、Xaira、阿里、华为等，都在以自己的方式侵入这一产业，但也有一类模式极为独特的存在即东软这样的企业，面向AI+医疗，一直在做可持续、可信、可控之事。

事实上，过去数十年来，从系统集成到解决方案，再到今天的帮助医疗机构甚至是地方政府共建智慧服务平台，东软在解决方案智能化、数据价值化等方面已经取得不少的进展——自研了洞察医疗数据智能平台、 飞标医学影像标注平台探索多模态医学人工智能平台，智能病历生成、AI-CDSS疾病知识库产品、基于大模型的医保智能数据查询分析应用等；推出数据价值化平台、数字人社智能指挥系统等，并与多地政府达成智慧医疗、智慧城市等服务模式。

根据官方信息，基于医疗数字化、医疗设备、医疗服务、康养服务、金融保险、医工人才六位一体全产业链布局，东软的服务对象已触达了4800+家医院，8万+家基层医疗卫生机构，构建30+个省市全民健康信息化平台。东软智慧医疗产品已在各级医疗机构及卫生健康管理机构实现深度落地，已累计服务全国客户超100家。

近期在济南举办的“首届医学人工智能大会（MAIC1st2025）”上，东软在智慧医疗方面再传新动态： 东软重磅发布“添翼”医疗健康智能化解决方案2.0。

令人欣喜的是，这与初代“添翼”的发布，仅隔了半年的时间。

从MAIC1st2025活动上传来的消息，东软添翼医疗健康解决方案2.0在初代版本的基础之上，主要在数据基座、赋能平台和价值扩展三大方面，分别做出了不小的突破。其目标正是基于上述提到的四大困境进行改善，去构建医疗场景“智能大脑”和“神经网络”。

具体来看。

在构建业务数据联动底座、奠定高质量AI基石方面，依托湖仓一体全量数据中心，运用飞标平台与洞察平台，对多源、异构数据进行统一管理，构建多模态高质量数据资产，通过数据要素价值化，实现流程再造和提质增效，促进“业务提效-数据提质-模型优化”。

在打造安全可控赋能平台方面，依托东软医疗数据价值化与“融智”智能化双框架，强化领域知识与奖励算法运用，减少大模型幻觉。构建“1个医学领域大模型+N个科室/任务专项小模型”的模型集群，形成“专模做专事”的能力矩阵，全面支持信创、安全访问，适配云端及本地环境的模型部署与管理。

在价值扩展方面，跨机构能力开放成为最大的看点，赋能范围从深耕单体医疗机构向外延伸至城市联动，面向超100类业务角色，形成120个赋能体能力——比如在机构内部，围绕如预问诊、辅助诊断、运营分析等重要环节提效；在此基础上，将能力拓展至城市层面，通过智慧卫健实现区域医疗质量监管，联动智慧基层完善分级诊疗服务，打通跨机构数据壁垒，最终构建起覆盖“个人健康-院内诊疗-区域协同-城市医疗服务”的全链条智能医疗生态 。

由此可以看出，尽管在医护康养语境下一些关键性场景，AI恐怕难以彻底叩开大门，但这并不阻挡，AI技术与大医疗产业的结合，被公认为是21世纪这一领域最大加速度的事实。

03 AI赋医道，数智见未来

在政策与技术的驱动下，医疗领域的每一个层级，每一个领域都孕育着智能化的必要性。

无论是传统机构服务机构的转型，还是如东软添翼2.0这样的全链路服务系统，想要推动医疗智能化的全面发展，必须将相关能力做专、做深，拆分出更多更精准的典型场景，并给出与之匹配的、连贯的解决方案，通过实践验证出数智能力的有效性。

东软与武汉中南医院的合作案例正以实践验证着这种进步。东软智慧医疗相关解决方案和产品在武汉中南医院实现了深度落地和应用。

李东介绍道，“武汉大学中南医院单一科室日均生成的出院小结近500份，全院日均完成对3500到4000份病历的内涵质控。从单个医生单日40-50份病历，到现在10倍以上的提效，基本能做到帮全院所有患者做内涵质控的评估。”

再比如出院小结上，“放在过去，医生每天做10 几份内容、每份内容大概20几个字，已经是很大的挑战了，现在出院小结可以自动生成，医生只需确认即可”，将医生从繁重且重复的工作中解放出来，专注于决策环节，这也是技术应用最大的意义。

而从武汉中南医院的案例放大至整个医疗产业，李东认为向行业向智能化升级的趋势是必然之举。未来医院的运营一定是基于数据的，精益化管理一定会替代粗放式操作的。

“通过数据的甄别和计算，医院每个运营决策的背后有着怎样的逻辑，怎么用数据方式呈现医院的运营状态，有哪些环节还可被进一步改善，等等”，这些手段旨在推进医疗公平、提升资源利用效率，已然是可预见的美好前景。

在这个波澜壮阔的时代，社会民生的每一个个体，或许都是马伯庸笔下《大医》里的主角，见证着数字化、智能化技术如何深入医疗行业，带来影响深刻的医疗智能化变革。

一份病历在全市乃至全国通行，AI辅助诊疗全过程，远程会诊、远程手术、远程指导康复，这些曾经出现在科幻电影里的医疗场景，正在现实世界中一步步向人们走来。