凌晨三点的急诊室，放射科医生盯着第47张CT片，眼皮开始打架。这时屏幕突然弹出一行红字："疑似肺栓塞，建议优先处理"——这不是幻觉，是Aidoc的aiOS在值班。

这家让英伟达掏出支票簿的医疗AI公司，刚刚拿下1.5亿美元融资。总融资额突破5亿美元，全球近2000家医院装机，年处理6000万+患者数据。但比数字更有趣的是它的生存策略：不做替代医生的"诊断机器人"，只做那个永远不会疲倦的"第二双眼睛"。

打开网易新闻 查看精彩图片

一张图看懂Aidoc的"临床AI操作系统"

如果把Aidoc的架构画成三层金字塔，底层是CARE（临床人工智能推理引擎），中间是aiOS平台，顶层是具体应用场景。这个结构决定了它和其他医疗AI的本质区别。

传统医疗AI模型是"专科生"——只认一种数据。训练来看CT的，这辈子只会看CT；学读心电图的，碰到X光就抓瞎。CARE的设计逻辑是"全科医生"：同时消化医学影像、电子健康档案、患者生命体征、实验室检查结果四种数据源。

今年1月，美国食品药品监督管理局（FDA）批准CARE覆盖11种疾病指征的诊断任务。加上此前获批的3项，Aidoc手握14张FDA许可证。但监管通过只是入场券，真正让医院愿意买单的是另一组数字。

CARE的特异性（specificity）最高可达99.7%，意味着假阳性率低于1%。Aidoc自称这比某些竞品好出一个数量级。在FDA批准的11项指征上，平均特异性为98%。

这组数字的临床意义很实在：误报少了，医生就不会被狼来了的警报搞到麻木。

"偶然发现"才是隐藏战场

Aidoc的aiOS有个冷门但值钱的功能：捕捉"incidentals"（偶然发现）。

场景是这样的——患者因车祸送急诊，CT扫描主要查内脏损伤。但aiOS扫完全片后，在角落标注出一处可疑的肺部结节。医生原本没打算找这个，它自己跳出来了。

发现异常后，系统按预估严重程度排序，紧急事项推送到医生手机App。这种"顺手救人"的能力，让Aidoc从"辅助诊断工具"变成了"安全网"。

平台还附带一些实用但不起眼的功能：类似Excel的患者数据管理界面，以及自动筛选临床试验候选人的模块。后者对药企是刚需——找合适的受试者 traditionally 占掉临床试验30%的时间和预算。

英伟达为什么投？算力饥渴遇上数据富矿

这轮融资由高盛领投，英伟达旗下NVentures、General Catalyst、软银投资顾问跟投。英伟达的参与值得玩味。

Aidoc的平台每年处理6000万患者数据，这些影像和病历需要海量图形处理器（GPU）算力来训练模型。更关键的是，医疗AI的推理引擎正在从"单模态"向"多模态"进化——CARE同时处理影像+文本+数值的能力，恰恰是英伟达芯片的强项。

对英伟达而言，Aidoc是一个绝佳的"场景样板间"：证明自家芯片不仅能跑大语言模型（LLM），还能在监管最严、容错率最低的医疗领域商业化落地。

Aidoc的融资用途也很直白：国际扩张、增加CARE的疾病检测能力、开发"自动撰写临床报告"功能。最后一项尤其值得注意——让AI读片并生成文字报告，相当于把放射科医生的核心工作流再切走一块。

但Aidoc的聪明之处在于，它始终把自己定位成"增强"而非"替代"。aiOS不会告诉你"这是肺癌"，它只说"这里有个3厘米阴影，建议关注"。最终签字权永远在人类手里。

这种设计既规避了医疗责任风险，也迎合了医院采购的心理安全区。毕竟，没有哪个院长愿意在董事会解释"为什么让机器人给患者下诊断"。

近2000家医院的装机量证明这个策略有效。但更大的考验在于：当CARE的疾病指征从14种扩展到50种、100种时，它会不会从"有用的工具"变成"信息过载的噪音源"？

以及，当aiOS开始自动写报告，放射科医生的价值锚点会向哪里迁移——是更复杂的疑难病例？还是与患者的沟通解释？

医疗AI的终局不是无人医院，而是人机分工的重新谈判。Aidoc的1.5亿美元，买的是一张谈判桌的座位。