问题：数字技术加速进入医疗领域，AI辅助诊疗、智能影像、手术机器人、健康管理平台等应用不断出现，但不少产品仍停留在“单点可用、系统难用”的阶段。如何从展示能力走向稳定服务、从试点示范走向规模化应用，成为AI医院建设的现实考题。多位业内人士指出，技术“会答题”不等于临床“能上岗”，关键在于能否融入诊疗路径，形成可追溯、可监管的闭环服务。 原因：一是需求侧与供给侧存在错位。部分研发以算法能力为中心，未充分对齐临床真实痛点与医院管理逻辑，反而增加医生使用负担、打断工作流程，导致接受度难以提升。二是数据基础与治理体系仍需补强。医疗数据跨机构、跨系统分散，标准不一、质量不齐，同时涉及隐私保护与合规流转，直接影响模型训练、验证与持续迭代。三是责任界面与安全边界尚不清晰。AI建议在诊疗链条中的角色定位、权限范围、可解释性要求及事故责任划分，需要与医疗质量管理、风险控制体系衔接。四是价值评估体系不足。缺少覆盖效率、质量、成本与公平性的统一指标，使“是否值得用、该在哪用、能否长期用”缺乏可量化依据。 影响：AI医院若能打通“最后一公里”，有望推动优质医疗资源扩容下沉，提升分级诊疗效率，增强疑难重症诊疗能力，并以数据要素带动健康治理方式变化。论坛发布的《清华城市健康指数（2025）》对296个地级及以上城市健康水平进行系统扫描，并对国际化大都市开展对标研究，显示数据驱动公共健康决策正成为趋势。此外，若安全治理、标准体系与责任机制跟不上，技术应用也可能带来隐私泄露、算法偏差、过度依赖等风险，削弱公众信任，影响行业可持续发展。 对策：与会专家提出，数字健康建设要以“增进民生福祉”为目标。中国工程院院长李晓红院士在会上提出四点建议：面向民众需求，弥合数字鸿沟；坚守科学底线，筑牢安全可控防线；聚焦生态构建，夯实数智发展根基；坚持开放合作，凝聚全球健康合力。论坛期间发布的《国际AI医院智联体共识》从国际层面对AI医院作出定义，强调深度整合线下医疗专业能力与线上服务覆盖能力，实现贯通协同的主动健康照护，并推动医院感知、认知、决策与服务能力的系统重构。多家机构集中展示空间智能影像系统、AI医院智联中枢、临床循证智能能力建设计划以及全影像兼容手术机器人等成果，体现行业从“单一产品”走向“系统集成”的趋势。 围绕落地路径，多方观点聚焦“无感嵌入”和“价值验证”。有企业代表提出，突破点不在于单次测试成绩，而在于打造能嵌入诊疗路径的智能体，并同步解决数据安全与责任边界问题。也有观点认为，应从预问诊、院后医嘱执行等轻量场景切入，让医护人员在不增加负担的情况下逐步建立信任，再向高复杂度场景延伸。在价值层面，业内建议从效能提升、辅助决策、发现性价值三个层次开展评估，把资源优先投向急危重症、疑难罕见病等高价值场景，形成可复制、可推广的应用范式。 前景：与会人士普遍认为，AI医院建设将从“单点突破”迈向“无感共生”，但全院级操作体系、跨机构互联互通与持续监管能力的形成仍需时间。未来一段时期，标准体系、数据治理、临床验证与合规监管将成为影响行业速度与质量的关键变量。随着多中心临床评估机制完善、医疗数据要素化改革推进以及智能装备迭代升级，AI在早筛早诊、预后评估、慢病管理等方向有望取得更可感知的突破，并在安全可控前提下推动医疗服务向更精准、更可及、更连续演进。
数字健康的价值不在概念热度，而在能否把技术转化为可感、可及的公共服务能力。推动AI医院走完“最后一公里”，既要在关键临床场景拿出可验证的成效，也要在数据治理、责任划分与生态协同上建立可持续的制度与标准。只有让技术进得了流程、守得住底线、交得出成效，数字医疗的新图景才能真正落到人民健康福祉之上。