AI news

AI医疗卷了10年终于悟了:不用替代医生,而是给医院装上超强buff

By 量子位1 viewsSource: 量子位
AI医疗卷了10年终于悟了:不用替代医生,而是给医院装上超强buff

但如果你穿过人流,走到联影智能的展台和论坛现场,会听到一个既熟悉又陌生的词——元医院。为什么说熟悉?你不觉得乍一听,瞬间让人想起几年前那个风靡全球的「元宇宙」嘛!在今年世界人工智能大会上,联影智能首次发布「元医院」战略。

The full text has not been translated yet. The Chinese original is shown below.

今年WAIC现场,300多款产品全球首发,1100多家企业把10万平米的展馆塞得满满当当。

机器人在跳舞,大模型在对话,Agent开始进入越来越多行业。

热闹归热闹。

AI医疗卷了10年终于悟了:不用替代医生,而是给医院装上超强buff

但如果你穿过人流,走到联影智能的展台和论坛现场,会听到一个既熟悉又陌生的词——

元医院。

为什么说熟悉?你不觉得乍一听,瞬间让人想起几年前那个风靡全球的「元宇宙」嘛!

彼时,Meta豪掷千亿美元押注虚拟世界,全球科技公司纷纷入场,所有人都在讨论:下一个互联网入口,会不会来自一个平行数字世界?

但几年过去,元宇宙并没有成为那个答案。

就在行业以为「元」字热已经退去时,没想到,2026年,它却出现在了医疗行业。

在今年世界人工智能大会上,联影智能首次发布「元医院」战略。

文章配图

但它想做的事情,和元宇宙完全不同。

它不新建虚拟医院、不替代医生,而是把零散AI工具整合为全院协同的智能体系。

论坛现场,有多年临床经验的医生直言,「元医院」拓宽了医生的诊疗能力边界,但同时,会对医院的算力、全域医疗数据提出指数级的上涨需求。

什么是「元医院」?

AI正在快速进入千行百业。

过去几年,AI医疗已经诞生了大量应用。

影像辅助诊断帮助医生提高阅片效率,病历生成减少重复工作,智能问答降低信息查询成本,大模型也让医疗AI拥有更强的理解和推理能力。

但这些应用都有一个共同特点:

它们更多是在增强某一个环节,就像医院里增加了一批新的工具。

但真正复杂的医疗场景,并不是一个个孤立任务。

一个患者从挂号到诊疗,往往涉及影像科、检验科、临床科室、随访管理等多个环节。

医生需要综合大量信息,结合经验做出判断。

于是,一个新问题随之出现:

这些AI能力能不能像医院里的不同科室一样,被组织起来,围绕患者形成完整服务能力?

这也是「元医院」试图回答的问题。

毕竟当前优质医生资源仍然有限、医疗资源区域分布不均、医院能力受物理空间限制的问题,还无法被零散的AI能力所解决。

医疗能力急需被系统化生产。

而「元医院」,简单理解,并不是要建虚拟医院,也不是多个AI工具集合体,而是医院运营模式的系统化重构。

它是以「元技术」升维医院能力,让医疗服务突破物理边界,从而解决医疗困境的全院级、数智化医院运营新模式。

「元技术」又包括啥呢?

多模态大模型、数智孪生、智能可穿戴、区块链、具身智能、云平台技术、互联网IT技术、物联网、边缘计算技术 、医疗大数据、三维渲染、元宇宙、空间智能等。

元医院与元宇宙的区别在于,后者构建虚拟空间,而前者增强现实医疗体系。

与传统智慧医院的区别在于,智慧医院更多是在原有体系上做数字化升级,比如电子病历、线上挂号、远程问诊。

而元医院试图改变的是:医疗能力如何被生产、组织和调用。

想更好地理解这一点,咱不妨换个角度。

过去的大饭店,能服务多少人取决于门店面积和厨师数量。

外卖平台出现后,餐厅依然存在,厨师依然重要,但餐厅的服务半径被扩大了。

对应到「元医院」也类似。

医院仍然存在,医生仍然是核心决策者,但医院能力可以突破物理空间的限制。

医生可以借助AI完成更多复杂任务。患者也可以获得更加持续的健康管理。

总结来说,元医院不是替代医院,而是让现实中的医院拥有更大的能力边界。

建一座「元医院」比造AI工具难多了

一家物理世界的真实医院想要运转,需要土地、建筑、设备、医生和运营体系。

同样,建设一座「元医院」,也不是部署几个AI应用那么简单。

数据、模型、智能体调度、临床验证,四项能力缺一不可。

数据能力

如果说传统医院建设的第一步,是修建土地、建筑、水电和信息系统,那么元医院首先需要搭建的是医疗数据底座。

因为数据是元医院持续运行和进化的基础。

不同于传统AI应用,元医院面对的是复杂的医疗场景。

它需要理解患者完整的诊疗过程,而不是只处理某一次检查或某一份报告。

也就是说,元医院需要的并不是单一数据源,而是一套持续运行的真实世界医疗数据网络。

这些数据贯穿诊疗全流程,覆盖影像、病历、检验、生命体征监测等多个场景,并随着真实医疗过程不断产生和更新。

但医疗数据并不容易被AI直接理解。

过去,医院中的数据长期分散在不同系统中:

影像存在影像系统,电子病历存在HIS、EMR系统,检验数据又属于另一套业务流程。

与此同时,不同医院、不同设备、不同系统之间的数据标准也并不统一。

对医生而言,这些信息可以通过长期临床训练和经验积累被串联起来。

但对于AI来说,分散的数据不会自动形成关联。

如何将不同来源、不同格式的医疗数据进行治理、连接和整合,让它们成为可被AI调用的基础资源,是元医院首先需要解决的问题。

它不仅需要数据入口,更需要建立覆盖数据采集、治理、流转和应用的完整数据能力。

这也是为其后续提升模型能力打下基础。

模型能力

数据进入系统只是第一步,接下来还要让AI理解医疗。

传统医院靠的是医生团队。医生经过多年医学训练,积累大量病例经验,形成诊断、治疗和决策能力。

而在元医院里,这种能力需要由医疗大模型重新构建。

但元医院需要的并不只是一个基座医疗大模型,而是一套能够持续生成医疗智能体的模型底座。

在这个前提下,参数不是考察医疗大模型最重要的指标。

反而是能否真正理解医疗流程,能否将医学知识、患者数据和诊疗场景连接,并在复杂情况下,做出符合医疗逻辑的判断,更重要。

前段时间开源的uAI Nexus MedVLM(中文名:元智医疗视频理解大模型),探索的就是这一方向。

文章配图

依托这样的底座,元医院能够将不同来源、不同模态的数据进行理解和推理,并进一步生成面向具体场景的医疗智能体。

简单理解,模型就是元医院的「大脑」,负责将数据转化为医疗智能。

智能体调度能力

一个个医疗智能体,依托医疗大模型不断生成。

如何让这些Agent协同工作,像传统医院中的不同科室一样完成复杂诊疗任务,是「元医院」需具备的又一项核心能力。

过去,大量医疗AI应用解决的是单点任务:

一个模型看片,一个模型写报告,一个模型回答问题……

但真实临床流程往往涉及多个环节,单一AI能力很难独立完成。

例如,一个病例可能同时需要影像分析、病历理解、知识检索、治疗建议、随访管理等多个智能体参与。

文章配图

当智能体越来越多,如何让它们协同工作,成了关键。

元医院需要一个能够理解临床任务,并根据需求调用不同智能体与Skill的「调度中枢」。

在WAIC论坛上,联影智能带来了「超级医生」。

现场,复旦大学附属中山医院肝胆肿瘤与肝移植外科孙云帆教授戴上VR头显,来了一把沉浸式实操演示。

他视野内的三维画面同步投屏给台下所有观众。

「小U,调取这位患者完整病历。」随着语音指令下达,这名患者全周期诊疗档案立刻完整呈现:

历次就诊记录、全套影像、检验指标、既往病史一目了然,无需医生手动翻找多个系统。

文章配图

手术规划环节,「超级医生」同样能提供完整辅助。

孙云帆现场下达指令:小U,剥离肝脏实质。

虚拟模型瞬间完成组织剥离,肝内胆道、动脉、门静脉、肝静脉等关键管道清晰立体呈现。

据孙云帆介绍,肝脏手术最大难点,就是在完整保护重要血管胆管的前提下,精准切除肿瘤。

这套系统支持模型自由缩放、多角度旋转观察,对外科术前规划、术中判断实用性极强。

而且以往医生查房,住院医师往往需要提前很久到岗,跨系统调取、整理分散在各处的患者资料,再汇总给主任汇报,大量时间消耗在重复性信息归集上。

而依托「超级医生」,全流程数据一键整合,直接解放医护人力。

文章配图

u1s1,拼AI工具数量可能确实过时了。

医疗AI的下一阶段,看的是谁能让这些工具真正协同起来。

临床验证

有了数据、模型和智能体,元医院基本可以运行了。

但一家真实医院并不是建成当天就成熟的。

它是在每天接诊患者、处理复杂病例的过程中,不断完善诊疗流程,积累经验,提升医疗能力。

元医院也如此。

数据系统、医疗模型和智能体,最终都需要进入真实诊疗流程,在实际使用中发现问题,获得反馈,再推动下一轮优化。

因为医疗场景远比实验室环境复杂。

医院里的诊疗流程涉及医生使用习惯、科室协作方式、医疗安全要求,以及复杂的责任边界。

任何一个AI系统,想要真正融入医院运行体系,都需要经过长期真实场景验证。

这也是医疗AI落地最大的挑战。

从这个角度看,元医院不是一次建设完成的「智能系统」。

它和物理世界的医院一样,都需要在真实医疗环境中持续运行、持续反馈、持续优化。

从概念到现实,「元医院」为何现在才提出?

看到这里,我们几乎能断定,这四项能力是层层递进、相互闭环的。

任何单一能力突出,都不足以支撑完整的医疗智能系统。

但为什么医疗AI发展多年,之前没有一家企业提出「元医院」的概念?

答案其实很简单:

不是没人想过,而是过去很难有人真正具备建设它的条件。

元医院需要跨越数据、模型、应用和医疗流程多个层面。

但过去多数企业,往往只具备其中一项能力。

互联网大厂拥有强大的AI技术能力,但医疗并不是一个单纯的数据和算法问题。

它需要长期真实医疗数据积累,也需要理解医院工作流,更需要建立符合医疗场景的安全体系。

缺少这些能力,AI很难真正进入临床。

单一软件公司更熟悉医院信息系统。

它们掌握HIS、EMR等业务流程,但传统信息化系统更多承担数据管理和流程支撑角色,并不是为AI原生设计。

想要接入AI,往往需要不断增加插件和应用,最终很难形成统一的智能底座。

再看设备厂商,天然连接临床场景,但设备能力更多聚焦某一个医疗环节,很难支撑完整的「元医院」体系。

进入智能原生时代,真正的变革不是给原有系统「外挂一个AI」,而是让医疗产业链的每一层都重新生长:

  • 数智技术底座重塑医疗的筋骨;
  • 智能装备延展医生的感官与双手;
  • 院外泛在智能装备持续守护患者健康;
  • 智能大模型升级医疗的大脑,让顶尖医生的诊疗能力无限复制;
  • 最终重构医院的组织形态。

在整个医疗产业链中,当其他玩家还在尝试跨界联手、试图用生态补丁拼凑出一个解决方案时,联影已经首创出「元医院」概念。

过去多年,联影在医疗产业链多个关键环节积累能力:

首先,是数智化基础设施。

元医院需要一个能够承载医疗数据和智能应用的底层技术平台。

联影已构建起覆盖智能芯片与传感器、AI原生医院业务系统、数据与知识平台等软硬一体的基础设施层,搭建平台所需要的「筋骨」和「血脉」。

其次,是以大模型和智能体为核心的智能能力。

基于长期积累的医疗数据和临床场景,联影构建「元智」多模态医疗大模型,并进一步衍生出执行型智能体、中枢性智能体。

让AI不只是完成单点任务,而是能够理解复杂医疗信息,并根据临床需求调用不同能力协同工作。

最后是具备将AI能力真正落地到物理医疗世界的连接能力。

在院内,联影拥有全模态、多场景的「具身智能诊疗机器人」,它们不是单一工具,而是具有自主感知、决策、行动、进化等能力的核心硬件装备。

文章配图

在院外,智能可穿戴设备、康复智能体则成为连接患者的「神经末梢」,推动健康管理从院内延伸至院外、从疾病治疗延伸至全生命周期管理。

文章配图

从CT、MR等大型影像设备,到放疗、DSA、外科等诊疗装备,再到uOrigin、uCGM等医疗级智能终端。

这些设备连接着医院内外的大量真实医疗场景。

它们不仅是工具,也是连接患者、医生与元医院的智能单元。

从数智化技术底座,到元智大模型和智能体,再到具身智能诊疗机器人、智能可穿戴设备,这些能力最终汇聚成一套完整闭环:

设备感知真实世界,数据沉淀医疗知识,模型理解复杂场景,智能体辅助临床决策,推动医疗能力突破物理边界。

One more thing

想象一下未来某一天。

住在小镇的老人,戴着智能医疗设备,日常健康状态被持续感知。

某天,系统发现异常脑电信号,提前提醒他存在脑卒中风险。老人并未在意。

但意外发生后,设备第一时间捕捉到生命体征变化,并将数据同步至「元医院」。

急救响应随即启动。通知家属的同时,救护车已经出发。

车上,乡镇医生通过AI系统实时分析生命数据,辅助判断病情。

「元医生」结合影像和患者数据给出治疗建议,远程卒中专家同步介入,快速制定手术方案。

在专家远程指导下,血管介入机器人根据术前规划执行取栓操作,帮助医生争分夺秒抢救患者。

以上,是WAIC上,播放的一段关于未来医疗AI的畅想片。

当医疗不再是一次被动响应的「急诊」,而是一种持续的、主动的陪伴,医生的能力也在此刻突破空间限制。

「元医院」正在尝试搭建这一切的起点。

变化已经开始了。

文章来自于微信公众号 “量子位”,作者 “量子位”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)