79% 医生已在用 AI：从丁香园 4150 份调研，看懂医疗 AI 的产品逻辑与商业终局|丁香园|中国医生|医疗|肿瘤科

79% 医生已在用 AI：从丁香园 4150 份调研，看懂医疗 AI 的产品逻辑与商业终局

编辑：产品经理体系·AI研创社

2026 年 4 月，丁香园联合麦肯锡完成《中国医生 AI 行为与态度调研报告》，覆盖全国 4150 名医护人员样本，横跨各级医院、全科室与各职称梯队，并同步对比美国 AMA（2026 年 3 月，n=1692）、日本麦肯锡（2025 年 10 月，n=330）的调研数据，全面呈现中国医疗 AI 的落地现状、医生认知与行业趋势。

本文以产品经理体系_AI 研创社的专业视角，拆解报告核心数据，深挖背后的产品定位逻辑、商业价值路径与未来科技趋势，为医疗 AI 从业者、药企数字化团队与医疗科技创业者提供系统性参考。

一、渗透率全景：医疗 AI 已进入 “日常工作流” 时代

1. 整体覆盖率接近八成，与美国处于同一水平

调研数据显示，79% 的中国医生已在工作中使用 AI 工具，整体覆盖度与美国（81%）基本持平，标志着医疗 AI 已从行业概念期进入规模化应用的普及阶段。

从细分维度看，渗透率呈现清晰的梯度特征：

医院等级：三级医院使用率 80%，二级医院 79%，一级医院 76%，渗透率与院内数字化基建水平正相关，等级越高渗透越深。

城市级别：一线、二线城市使用率均为 81%，三线城市 78%，四线城市 77%，地域差异并不悬殊，AI 工具的云端化特性有效拉平了不同层级城市的医疗资源差距。

年龄分布：25-44 岁中青年医生使用率稳定在 80%-81%，55 岁以上群体使用率略有下降，但 65-75 岁资深专家群体使用率回升至 81%，呈现 “两头高、中间略低” 的特征，或与资深专家的科研、教学强需求驱动有关。

科室分布：精神心理科（82%）、急危重症（80%）、肿瘤科（79%）位列使用率前三，妇产科（72%）使用率相对最低。

2. 高频使用占比 75%，中国医生粘性高于美国

在已使用 AI 的中国医生中，75% 实现了每日使用，其中每天多次使用（超过 3 次）占 39%，每天偶尔使用（1-3 次）占 36%。对比美国调研数据，中国医生的 AI 日活比例显著更高，反映出中国医生群体对 AI 工具的工作依赖度更强。

从人群细分看高频使用特征：

职业维度：医生群体每日使用比例 75%，药师 74%，医技人员 71%，护士 68%，临床核心岗位的 AI 粘性最强。

科室维度：肿瘤科以 84% 的每日使用比例位居第一，影像 / 病理 / 检验科（79%）紧随其后。这一差异与科室特性高度匹配 —— 肿瘤诊疗周期长、方案复杂、随访管理需求高，影像 / 病理检验则高度依赖结构化数据，两类场景与 AI 技术的适配度天然更高。

二、场景分层与工具双轨：医疗 AI 的产品定位底层逻辑

1. 应用场景呈现三阶梯队，认知与使用高度正相关

报告通过 “了解度 - 使用率” 矩阵，将医疗 AI 场景划分为三个成熟度梯队，清晰展现了当前市场的落地节奏：

第一梯队（高了解度 + 高使用率）：临床决策、辅助诊断、讲课内容制作。前两者直接切入临床核心诊疗流程，后者瞄准医生教学、科研的泛工作流需求，是当前医疗 AI 最成熟的落地场景，实现了医生认知与使用的双向高渗透。

第二梯队（中了解度 + 中使用率）：病历生成、患者管理、医保服务、教育培训。这类场景处于快速上升期，但因与院内流程深度绑定，落地依赖系统打通与合规适配，应用程度仍有较大提升空间。

第三梯队（低了解度 + 低使用率）：医院管理、AI 分身 / 智能体。尚处于市场教育早期，尤其是 AI 智能体作为前沿产品形态，当前医生认知与使用均不足，未来增长空间取决于技术成熟度与场景落地深度。

2. 通用 AI 与专业医疗 AI 并行，场景分工边界清晰

本次调研的核心发现之一，是医生群体已形成 **“通用型 AI + 专业医疗 AI” 的双工具使用格局 **。两类产品并非替代关系，而是基于场景属性形成明确分工，这也是医疗 AI 产品设计的核心底层逻辑。

内容生成与知识整理场景：通用 AI 占绝对主导

在科研辅助、讲课内容制作等偏内容创作、资料整理的场景中，通用型 AI（如 DeepSeek、豆包、ChatGPT）使用率占据绝对优势，其中讲课内容制作场景通用 AI 占比高达 75%。核心原因在于通用 AI 使用门槛低、响应速度快、操作灵活，能够高效满足非强医疗合规的泛工作流需求，是医生的 “通用效率工具”。

流程管理与规则适配场景：专业医疗 AI 占主导

在患者管理、医保服务、医院管理等对医疗运营规则、系统流程、数据安全要求极高的场景中，专业医疗 AI 产品（如丁香园临床决策、氢离子等）使用率更高，其中医保服务场景专业 AI 占比达 50%。这类场景的核心诉求是数据安全、合规支撑与院内流程适配，正是专业医疗 AI 的核心壁垒所在，属于 “医院级基础设施” 范畴。

临床核心场景：两类工具平分秋色、形成互补

在辅助诊断、临床决策、病历生成等临床核心场景中，通用 AI 与专业医疗 AI 占比接近，例如临床决策场景两者均占 48%。这反映出医生在临床工作中的双重需求：既需要通用 AI 的便捷性与快速响应能力，也需要专业医疗 AI 的医学可信度与场景适配性，两类工具形成互补而非替代关系。

【产品视角解读】双轨格局清晰定义了医疗 AI 的产品定位边界：通用 AI 的机会点在于 “效率工具”，主打轻量、快速、泛场景覆盖；专业医疗 AI 的机会点在于 “临床 / 运营基础设施”，主打专业、合规、系统级嵌入。未来两类产品的核心融合方向，将是 “通用自然交互体验 + 专业医疗内核” 的组合形态，既保留低门槛的使用体验，又满足医疗行业的专业性与合规性要求。

三、价值感知与认知差异：产品价值的验证与核心痛点

1. 效率提升获普遍认可，高职称群体感知更强

报告显示，超过半数的高频 AI 使用者认为 AI 显著提升了工作效率，仅有极少数医生认为 AI 反而增加了工作负担。从人群差异看，呈现明显的 **“职称 / 职位越高，效率感知越强”** 的规律：医院管理人员对效率提升的感知强度最高，其次是高级职称、副高级职称医生，初级、中级职称医生的感知相对较弱。这一现象的底层逻辑是：高职称与管理岗人群的工作内容更综合，涉及科研、教学、管理等多类事务，AI 对重复性工作的替代效应更明显；而初级医生更多从事基础临床操作，AI 的渗透深度仍有局限。

2. 信息价值与局限性并存，高职称呈现 “双高” 认知

医生对 AI 提供的医疗信息，呈现出高度理性的 “价值认可与风险认知并存” 的态度：

正向认可维度：约 72% 的医生认为 AI 信息覆盖面广、能提供多方观点，约 53% 认为 AI 信息来源权威、基于最新医学证据，整体对 AI 的信息价值认可度较高。

局限性认知维度：约 36% 的医生担忧 AI 存在信息错误或 “幻觉” 问题，相近比例的医生认为 AI 存在知识更新滞后的情况，约 31% 的医生认为 AI 输出的信息缺乏个体化，难以直接应用于具体患者。

值得注意的是，职称越高的医生，对 AI 的信息价值认可度越高，同时对 AI 的局限性认知也越深刻，呈现典型的 “双高” 特征。这说明资深医生对 AI 的定位更清晰 —— 将其作为信息参考工具，而非临床决策替代者。

3. 整体态度积极乐观，核心共识是 “辅助而非替代”

超过 70% 的医生对 AI 带来的行业影响持积极乐观态度，其中 26% 选择 “积极乐观，期待 AI 提升工作效率和诊疗质量”，45% 选择 “认可 AI 的价值，但认为医生专业判断不可替代”。分科室看，影像 / 病理 / 检验科（33%）、肿瘤科（32%）选择 “积极乐观” 的比例最高，精神心理科（11%）比例最低。这与 AI 技术在不同科室的适配度高度相关：影像、肿瘤等领域数据标准化程度高，AI 落地效果更明确；而精神心理科高度依赖人际交互与个体化判断，AI 的作用边界更模糊。

【产品视角解读】医生群体的理性认知，决定了医疗 AI 产品的核心定位必须是 “辅助工具”，而非替代医生。产品设计的核心目标，应当是放大医生的专业能力，而非试图取代医生决策。针对高职称人群的产品设计，应当重点强化信息溯源、证据等级标注、个体化调整提示等功能，匹配其对 AI 局限性的深度认知需求，建立产品信任。

四、医患端渗透：C 端 AI 正在倒逼 B 端服务升级

1. 近六成医生常遇到患者携 AI 建议问诊

调研显示，近 60% 的医生经常遇到患者携带 AI 工具给出的诊断或治疗建议前来咨询，其中 “非常常见” 占 21%，“比较常见” 占 38%，仅 6% 的医生很少或从未遇到此类情况。

从细分维度看：

医院等级：一级医院（65%）的比例高于二级、三级医院（均为 57%），或与基层医院患者更易通过网络 AI 工具自行问诊有关。

科室分布：皮肤科（69%）、肿瘤科（67%）位列前二，中医科、精神心理科（均为 41%）比例最低。皮肤科病种直观、信息透明度高，患者易通过 AI 自行查询；肿瘤科治疗方案复杂，患者主动寻求多方信息的意愿更强。

2. 超七成支持 AI 参与医患决策，强调医生引导作用

对于 AI 参与医患沟通与共同决策的趋势，超 70% 的医生持支持态度，但支持的前提高度一致：AI 是辅助工具，不能削弱医患直接沟通，必须由医生在场引导纠正。具体态度分布：25%“非常支持”，认为 AI 能为患者提供更多决策依据；27%“支持但有前提”，认为不应削弱医患直接沟通与信任；27%“谨慎支持”，认为 AI 信息存在被患者误读的风险，需要医生引导。仅有约 11% 的医生明确不支持。

【产品视角解读】C 端医疗 AI 的普及，正在形成 “患者带方案来诊” 的新型诊疗模式，这也为 B 端医疗 AI 产品创造了全新的场景机会：比如面向医生的 “AI 诊疗建议解读工具”，帮助医生快速评估患者带来的 AI 方案，指出其中的偏差与个体化调整点；以及面向医患共同决策的 AI 可视化工具，用直观方式呈现治疗方案利弊，提升医患沟通效率与决策质量。

五、医药营销重构：AI 正在重塑医生信息获取链路

1. 药品信息渠道格局：专业平台仍是核心，AI 占比 24%

医生获取药品信息的渠道呈现多层级格局：线上医学平台及相关工具以 71% 的占比位居第一，医学文献（期刊、指南等）以 56% 位居第二，互联网搜索引擎占 47%，药企工作人员（医药代表、医学联络官等）占 31%，AI 工具占 24%，同行交流占 28%，社交媒体占 10%。

从职称维度看，职称越高，对医学文献、线上医学平台的依赖度越高，对医药代表的依赖度越低；AI 工具的使用率在各职称间差异不大，处于均衡渗透阶段。

2. 医药代表信息有效性：整体评价中性偏正面

医生对医药代表提供信息的有效性评价中，认为 “非常有效” 的占 24%，“一般有效” 的占 51%，合计 75%，整体评价与日本调研结果接近。分科室看，肿瘤科对医药代表信息的认可度相对更高，与肿瘤领域新药迭代快、学术推广需求高的行业特性高度一致。

【产品视角解读】AI 正在成为医生药品信息获取的新增量渠道，当前 24% 的占比仍有巨大提升空间。对于药企而言，数字化营销的核心方向是 “AI + 学术推广”：比如基于大模型的智能医学问答工具、精准化学术内容推送系统，同时结合线下医药代表的专业服务，形成 “线上 AI 广覆盖、线下代表深渗透” 的混合营销模式，实现效率与专业度的平衡。

六、产品创新与未来趋势：医疗 AI 的三大演进方向

基于本次调研数据，结合医疗科技产业发展规律，我们从产品、商业、技术三个维度，提出医疗 AI 的未来演进趋势：