AI医疗行业进展

一个影像科医生的真实感受

"以前一个放射科医生一天要看几百张CT片，眼睛看到最后都花了。现在有了AI辅助筛查，它能先把明显有问题的片子标出来让我重点看，效率确实提高不少。"

这是上海一家三甲医院影像科医生的原话。他的态度很能代表当下医疗AI的现状——不是取代医生，而是帮医生减负。

医学影像：AI医疗最拿得出手的成果

如果说AI医疗有一个"拿得出手"的方向，医学影像绝对排第一。

肺部CT的AI筛查已经很成熟了。肺结节检测、早期肺癌筛查、新冠肺炎的CT诊断——这些场景的AI准确率已经很高了，不少产品的灵敏度甚至超过了普通放射科医生。原因很简单：肺部影像的特征相对明确，数据标注也比较规范，AI容易学。

眼科也是一个很好的场景。糖尿病视网膜病变的筛查，以前要到三甲医院才能做，现在基层卫生院通过互联网+AI就能完成初步筛查。这对于医疗资源不均衡的中国来说，意义很大。

但别高兴太早。AI影像诊断目前更多是"辅助"，不是"替代"。最终的诊断报告还是要医生签字，AI只是帮你提高效率、降低漏诊率。而且AI在面对少见病、罕见病例时的表现远不如人类医生——因为训练数据里这些病例本来就少。

有一位三甲医院影像科主任跟我说了一句很实在的话："AI在我最忙的时候帮我，但我不忙的时候可以把AI关了。"这句话很传神地描述了当前AI在影像科的角色——它是工具，不是主刀。

药物研发：AI能缩短多少时间？

辉瑞、阿斯利康这些国际药企都在用AI做药物发现了。传统的药物研发流程，从一个靶点发现到候选药物确定，平均需要4-5年。AI可以大幅缩短这个周期。

但具体能缩短多少？行业里的说法从"缩短一半"到"缩短90%"都有，差距大的原因在于：药物研发涉及的环节很多，AI在某些环节（比如分子设计、活性预测）确实效率很高，但在另一些环节（比如临床试验）作用还有限。我的判断是，AI对整个药物研发周期的缩短大概在30-50%左右，这已经很了不起了，但没有夸张宣传里说的那么神奇。

国内的AI制药企业也在快速发展。晶泰科技、英矽智能这些公司都有进入临床试验阶段的AI设计药物。但从候选药物到最终上市，还有很长的路要走，失败率也很高。

AI辅助诊断：基层医院最需要的帮助

大医院的医生水平高、经验丰富，AI对他们的帮助更多是"锦上添花"。真正需要AI的是基层医院——社区卫生院、县城医院，那里的医生可能一辈子都没见过某些罕见病。

"AI辅助诊断系统"的价值就在这里。它相当于给基层医生配了一个"专家顾问"，遇到不确定的病例，AI可以提供参考意见和鉴别诊断方向。

不过现实的挑战是：基层医院的信息化基础普遍很差，有的医院连电子病历系统都没建好，更不用说接入了AI诊断工具。技术是一回事，基础设施能不能跟上又是另一回事。

几个不能回避的问题

数据隐私。医疗数据是所有数据中最敏感的类型。患者的病历、影像、基因信息——这些数据怎么用、能不能用来训练AI、谁有权限访问，这些问题目前还没有完全解决。2025年有几家医院因为数据泄露被处罚，其中就有AI合作项目中的数据管理问题。

责任界定。如果AI给出了错误的诊断建议，导致医生误诊了，这个责任算谁的？是AI公司的？医院的？还是医生自己的？这个问题目前法律上还是灰色地带。没有明确的责任界定，医院和医生在使用AI时就会有顾虑。

监管审批。AI医疗产品属于医疗器械，在中国要通过NMPA（国家药监局）的审批才能上市。三类证的审批流程很长，很多产品还在排队等证。这客观上也限制了AI医疗产品的商业化速度。

公平性问题。如果AI医疗工具只在大医院能用，基层用不了，那AI反而可能加剧医疗资源的不均衡。这个需要政策层面的引导。

怎么看未来

医疗AI的价值是确定的，但它的发展路径可能和很多人想象的不一样。它不会突然出现一个"万能AI医生"给你看病，而是会渗透进医疗流程的每一个环节，在影像、病理、药物研发、健康管理等领域逐步发挥作用。

对于普通老百姓来说，最实际的期待可能是：AI让基层医院的诊断水平提升，让大医院的就诊流程更顺畅，让新药研发更快更便宜。这些变化不会一夜之间发生，但它们正在实实在在地推进。

作为一个观察者，我对医疗AI的态度是谨慎的乐观。谨慎是因为这个问题涉及人的健康和容错空间极小，乐观是因为需求真实且技术在持续进步。医疗不是"快速迭代、打破重来"的行业，AI在这个领域的落地一定是个慢过程，但也正因为如此，每一个真正落地的成果才有更大的价值。