（问题）近年来，医疗机构对提升诊疗效率、减轻医护负担的需求不断增加，人工智能也影像阅片、报告生成、随访管理等环节加速应用。但不少产品仍停留在“单点工具”阶段：一上，算法不同医院、设备和人群中的泛化效果仍需验证；另一上——临床工作流链条长且复杂——单一功能难以覆盖从筛查到随访的连续流程，落地容易碎片化，也难以规模复制。更现实的问题是，支付与定价机制尚未跟上新型服务形态，商业闭环仍待打通。 （原因）受访的郑超介绍，企业选择从冠脉CTA等技术门槛更高的领域切入，希望通过对复杂病种和多源数据的长期积累，验证核心能力，并沉淀可临床使用的产品方法。与通用场景不同，医疗数据标注成本高、质量差异大，同时隐私与合规要求严格，决定了模型训练必须与临床深度结合。为此，企业与北京协和医院、四川大学华西医院、中南大学湘雅二医院等机构合作，强调与高年资医生共同训练、持续迭代，把诊疗经验转化为可复用的知识和流程。同时，基层医疗“人少、覆盖面广、病种杂”的现实，也推动技术从“单病种识别”走向“多病联筛、流程协同”的能力建设。 （影响）据介绍，随着多模态医疗健康大模型3.0版本发布，对应的能力正在向数智影像、数智超声、数智医院、数智基层等场景扩展。在三甲医院，产品更多承担辅助诊断、质控提醒和结构化报告等功能，以减少重复劳动、提升一致性和时效性；在基层层面，围绕“一次检查、多病联筛”的应用探索，有望在资源有限的情况下提高早筛覆盖率与转诊效率。业内人士指出，这类应用的直接效果包括缩短患者等待时间、提升筛查阳性发现率和随访可达性；更深层的影响在于推动分级诊疗——通过区域医共体与中心医院的技术协同，把优质经验下沉为基层可用的“工具包”和“工作流”，在一定程度上缓解医疗资源结构性不均。 （对策）受访者同时坦言，行业当前的主要掣肘在于支付准入与价格形成机制。传统按项目付费更适用于单次检查或单次操作，而贯穿“筛—诊—治—管”的数字化服务往往跨科室、跨周期、跨场景，其价值更多体现在减少漏诊误诊、降低并发症发生率、提升慢病控制率等综合结果，难以用单一项目覆盖。对此，业内呼吁加快建立以临床价值为导向的付费与评价体系，推动相关服务价格项目规范化、可核算、可监管。同时，在技术应用边界上，应遵循“临床医生对诊断和处置负最终责任”原则，完善模型审评、质量控制、数据安全与可追溯机制，避免把技术能力等同于临床决策权，用制度化方式落实人机协同。 （前景）面向未来，医疗服务从“以治疗为中心”向“以健康为中心”转型趋势明显，慢病管理、早筛早诊与康复随访的重要性持续上升。多模态大模型要真正进入医疗体系运行层面，仍需在三上持续突破：其一，建立覆盖多地区、多设备、多病种的高质量数据与验证体系，确保安全有效；其二，与医院信息系统、检查设备和临床路径深度融合，降低“额外点击、额外录入”等使用成本；其三，在政策与市场层面形成可持续机制，让节约的医疗成本和改善的健康结局能够转化为可衡量、可支付的服务价值。业内预计，随着标准体系完善与试点扩大，以区域医共体为载体、以结果价值为导向的应用形态将更具可复制性，可能成为规模化落地的重要突破口。
医疗智能化的价值不止在于“更快生成一份报告”，更在于能否成为医疗体系可依赖的基础能力，推动优质资源下沉并提升服务连续性。下一阶段，支付机制创新、临床证据积累、合规标准完善与责任边界清晰，将共同决定行业从试点走向普惠的速度与质量。只有把技术进步转化为可评价、可监管、可持续的医疗服务，创新才能更好服务人民健康。