前几日，中山大学肿瘤防治中心（下称“中肿”）与医渡科技联合组织了一场面向投资机构的调研活动。现场没有炫目的PPT，没有“打败人类医生”的夸张演示。信息科团队直接调取院内真实门诊工作站，演示AI助手病历自动生成、肿瘤分期智能评估、标准化治疗方案推荐等核心功能。这种“素颜出镜”的坦诚姿态，在国内医疗AI领域，尤其是面向投资人调研时并不多见。
恰逢此次机构调研窗口期，医渡科技（02158）官宣中标中肿重磅项目，其中智慧临床及结算服务升级建设项目金额达908万元。背后的合作底色极具风向标意义：自2015年起，医渡科技与中肿已深度共建整整十年。
十年深耕落地，也把一个行业底层逻辑彻底摆在台面：顶级医院真正需要的AI医疗，不是参数最强、噱头最足的大模型，而是能扎根临床流程、适配科研刚需、守住医疗安全、真正能用、敢用、长期可迭代的实用型AI。
调研活动现场
大模型“进院”的三大陷阱：为什么很多AI产品死在科室门口？
2025年以来，随着DeepSeek、通义千问等大模型能力的快速提升，全国数百家三甲医院宣布“接入大模型”。但热闹的官宣背后，真正落地到临床一线、被医生常态化使用的产品寥寥无几，实际渗透率远低于行业宣传。
“我们花了20多分钟教一个前列腺科的医生用我们的智能诊疗助手，他还是说‘这个没有我写得准’。”中肿调研现场也折射出一个普遍现实：即便AI工具功能再完善，想要真正走进医生日常工作，依然阻力重重。临床医生专业壁垒高、诊疗习惯固化，普遍对新生AI工具持审慎甚至保守态度，接受和上手意愿天然偏弱。
而比用户接受度更棘手的是，当下整个医疗AI行业在进院落地过程中，普遍深陷三大结构性陷阱：
陷阱一：重模型轻数据，AI成了“无源之水”
肿瘤专科医院的数据天生具备复杂特质：模态多、体量庞大、动态随访周期长、异构系统割裂、非结构化文本占比高、同一种疾病医生描述口径极不统一（仅肺癌诊断表述就达上千种）。
“没有高质量的数据底座，大模型就像跑车加了劣质汽油。”中肿的解决路径是：先花数年时间做数据治理，建立单层数据标准、肿瘤专科通用数据集、专病字段集，将200多万患者的全病程数据进行结构化和标准化，最终形成8000多个结构化字段。
医渡科技在其中扮演的角色，不是“模型提供商”，而是从数据治理到AI中台建设的深度共建方。这恰恰是大多数通用大模型公司无法替代的能力——它们不懂医院里那些“半结构化、非结构化、医生写法五花八门”的真实数据，也没有能力完成专科化的数据规整与价值沉淀。
陷阱二：千人一面，忽视医生的个体化需求
中肿信息科透露，医院自建的AI诊疗助手刚上线时，掀起了全院AI热潮，四五百名医生报名学习。但很快，信息科就收到50个不同的应用需求——每个专科、每位医生对病历生成的格式、详略、侧重点都有不同要求，一刀切的通用模式根本无法真正落地。
于是，中肿与医渡科技共同推出了“千人千面”的智能体平台：医生只需三步——起名字、写提示词、选数据范围——就能快速创建自己的专属AI助手。迄今为止，全院已上线约170个医生自建智能体，覆盖病历书写、医嘱管理、患者宣教等场景，甚至出现了以医生名字命名的智能体，真正做到AI适配人、融入临床日常。
陷阱三：不可溯源，医生不敢用
“AI有幻觉，我们怎么敢信？”这是所有医疗AI面临的终极拷问。
医渡科技的破局思路，核心就是全链路可溯源。在中肿现场演示中，AI输出的病历内容均可一键溯源，直接定位到对应的出院小结、检验检查报告等原始病历资料，来源清晰、有据可查。
在VTE血栓风险评估实测中，AI与人工评分存在差异的59例样本，经资深专家交叉复核，其中50例判定AI评估更为准确，综合正确率达到90%。
医渡科技的技术路线并非依赖单一的大模型，而是采用大小模型协同+医疗知识图谱约束+全流程溯源的混合智能架构。不靠模型参数噱头，而是用严谨的技术风控严控幻觉风险、锚定医疗安全，真正让医生放心采信、敢于纳入日常诊疗工作流。
行业变局：医疗AI正在发生结构性重构
目前国内医疗AI赛道已形成三大主流玩家阵营，各自在顶级三甲医院体系中形成了清晰的定位差异与能力边界：
传统医疗信息化厂商：优势在于院内渠道成熟、业务流程理解深；但在大模型能力、深度数据治理和智能体架构上相对薄弱，更多服务于流程数字化升级，在高阶AI临床科研赋能等增量市场上面临挑战。
通用大模型团队：模型底座能力强、算力充沛；但医疗场景的复杂性、专科数据标准的缺失、以及长达数年的临床磨合门槛，使其当前更多落地于科普、导诊、基础文书生成等非核心诊疗环节。真正进入临床决策闭环的案例仍有限。
垂直医疗AI厂商（以医渡科技为代表）：深耕医疗十年以上，长期绑定头部医院，沉淀专科数据标准，深度理解临床隐性逻辑、科研诉求、合规及数据不出域要求，具备中台化持续迭代能力。能够承接从数据基建、AI中台搭建、全场景智能体部署到持续扩容复购的完整生命周期，已成为研究型医院在高阶AI建设中的首选合作伙伴。
三类玩家并非“谁消灭谁”，而是分工协作，但高价值核心场景的壁垒正快速抬高。
与此同时，医院的采购逻辑也在发生根本性转变。过去医院采购AI以项目制、单点式为主：一个影像AI、一个病历生成AI、一个CDSS，零散采购、互不打通。如今，头部三甲已切换为基础设施化投入，将AI与数据中台视为新一代智能化基建，一套底座全院共用，多个场景按需赋能。
同时年度预算常态化，算力投入逐年加码，应用由点及面全院铺开。中肿在调研中提到，其AI相关投入占比持续提升，这极具代表性。医院不再单纯追求短期回本，而是更看重数据资产沉淀、科研产能提升、临床人力替代效率以及临床试验的产业吸附效应。未来更多医院将遵循“先建底座、再上智能体、全场景渗透”的路径，行业进入平台化共建、长期迭代持续服务的新阶段。
资本与产业启示：医疗AI进入“强者恒强”的马太效应时代
标杆医院的范式将快速向全国复制
中肿作为肿瘤领域标杆，其AI建设模式具备极强的行业参考价值，中肿数据及AI平台已集成院内 56 个业务系统，沉淀超 200 万患者全病程数据，支撑 5000 余项临床研究、助力 500 多篇高分论文发表，单病种智能上报效率提升10倍，累计为医护节省8万小时。这些可量化、可落地、可复盘的实际价值，将有力吸引全国大型三甲医院及知名专科医院纷纷借鉴与复刻。而率先在头部医院跑通落地范式的企业，也将顺势迎来规模化推广的行业红利。
机构投资逻辑从“炒模型”转向“看落地壁垒”
头部调研机构的核心关注点已明显转变：不再只看模型讲概念，而是重点考察——是否有顶级医院长期共建、是否有可量化的落地效果、是否有持续复购订单、是否有药企变现的第二曲线、是否形成了专科数据标准的壁垒。纯概念、无场景深耕的标的，将逐步被资本边缘化。
行业门槛大幅抬高，后来者追赶难度加大
医疗AI真正的门槛并非算法本身，而是多年的临床磨合、数据标准沉淀、医生诊疗逻辑的积累、合规落地的经验。这些都无法靠短期烧钱或通用大模型能力补齐。行业正式进入马太效应阶段：头部标杆锁定先发优势，后来者更多只能在非核心场景中竞争。
热门跟贴