问题——长期以来，优质医疗资源集中大型医院和中心城市。复杂疾病诊疗高度依赖多学科会诊（MDT）和资深专家经验，而基层机构在病史整理、鉴别诊断、方案制定、随访管理等环节普遍承受“人手不足、标准不一、效率不高”的压力。此外，早期技术应用更多停留在导诊咨询、健康科普等非核心场景，距离真正进入临床关键环节、做到“能用、敢用、愿用”仍有差距。 原因——业内人士认为，医疗对安全性、准确性、可解释性和可追溯性要求极高，仅追求参数规模或展示指标，难以直接转化为可靠的诊疗能力。王晓航在论坛发言中指出，医疗智能化不能只看流量和演示效果，关键是回到临床问题：是否提升诊疗效率、是否改善预后、是否降低风险。围绕该目标，他将技术与落地路径概括为三项范式：一是“规模化能力”决定模型理解医学知识和推理决策的上限，应用正从知识获取走向多步推理，并探索多主体协同以模拟医疗团队分工；二是“临床数据飞轮”构建核心壁垒，通过真实使用—反馈—纠偏的闭环，让系统在迭代中持续稳定提升；三是“真实世界对齐”决定能否进入临床内核，不仅要对齐医学事实，也要对齐专家的鉴别思路、诊疗路径以及多学科协作机制。 影响——随着应用从外围走向核心，效果正在逐步显现：一上，标准化、结构化的病史整理与方案建议，有望减少医生文书和信息汇总上的时间消耗，把精力更多用于关键判断与医患沟通；另一上，肿瘤等复杂病种中，对多学科流程的辅助可提升路径一致性，减少因信息不全、协作成本高造成的延误。王晓航介绍，依托“筛—管—治—康”等场景沉淀，有关系统已形成千万级患者数据基础，每周有超过1万条来自真实医生的反馈进入迭代链路；在肿瘤MDT场景中，系统与专家组决策一致性超过90%。他同时表示，面向患者端的服务在乳腺癌等重症领域的表现已接近三甲医院医生水平，重点目标之一是降低不符合事实或不当推断带来的风险。 对策——针对“资源稀缺”的痛点，北大医疗与平安体系推进AI-MDT系列产品：面向医生端的AI-MDTPro专业版，主打自动化病史梳理与多学科方案辅助，临床验证显示在病史整理效率与重疾方案采纳率上提升较为明显；面向患者端的Care个人版，提供复杂疾病咨询与全程服务支持，尝试将中心医院的MDT能力转化为可复制、可普惠的服务供给。除诊疗核心外，相关技术也用于“到线、到院、到家、到企”等多触点体系，早筛、慢病管理与健康干预环节拓展服务边界，把预防与管理前移。业内认为，如要深入规模化，还需同步完善三上工作：其一，持续开展多中心、可复现的临床评估，明确适用边界并建立风险控制机制；其二，强化数据合规治理与隐私保护，在“可用不可见”前提下推动数据安全流通；其三，完善责任划分与流程嵌入，让工具真正融入临床工作流，而不是增加额外负担。 前景——面向医养结合趋势，王晓航透露，2025年将推出名医数字分身、家庭医生与养老管家等产品形态，覆盖预防、诊疗、康复全流程。数据显示，智能问诊可覆盖疾病超过1.13万种，辅助诊疗准确率达95.1%；“技术能力+真人医生”服务覆盖集团个人客户，年使用人数近1200万，2025年第四季度单次问诊成本同比下降45%。受访人士分析，随着人口老龄化加深与慢病负担上升，“连续服务、长期管理、可负担成本”将成为医养服务的核心指标；能否在真实世界中持续验证、持续对齐、持续迭代，将决定医疗智能化从“可用”走向“好用、耐用”的速度与质量。
医疗智能化的核心，是用技术把健康服务做得更可及、更稳定。当应用从实验室走进真实诊疗与日常生活——变化不只是效率提升——更在于服务供给方式的重塑。这场转型也提醒我们：只有把技术创新对准实际痛点，才能让医疗服务在数字时代更可靠、更可负担。