“我们必须拥抱AI了。”在近期多个发布医疗AI大模型的活动现场，都有临床专家这样说。

在经过从豆包到Kimi再到DeepSeek的快速迭代后，即便是中国最顶级的医学专家也感到了“不知所措”。中国工程院院士，上海交通大学医学院附属瑞金医院院长宁光就曾公开表示，整个社会都在被AI、大模型重塑，如果再不拥抱AI，就要成局外人了。

AI真能当医生吗？在三四年前，这还被认为是遥不可及的事情，如今已经走进了实现。随着DeepSeek的发布，一种前所未有的紧迫感，席卷了整个医疗圈。一贯对AI抱持谨慎态度的公立医院，也直接来了个180°大转变。

据行业人士统计，春节过后的短短两三周时间里，至少有92家中国医院官宣或者由媒体报道接入了DeepSeek，完成了本地化部署，这个数字还在不断攀升。从具体名单看，北上广的知名医院、各省市的三甲医院都在其中。

同时，接入DeepSeek的AI医疗公司，也在为各大医院量身提供融合了多种模型的AI中台搭建等服务。在监管层面，较为激进的城市已有卫健委、医保局接入了这一大模型。

“我们业务繁忙，目前各地出差中，忙到要吐了。”有医疗AI公司创业者告诉虎嗅。

相比以往的AI大模型，DeepSeek给相对传统、严谨、保守的医疗行业带来了不小的震撼。

就在前不久，有医生在社交平台爆料，在看诊的过程中，患者用DeepSeek质疑他的诊断结果，这名医生本来很生气，结果回去一查，指南更新了，是他的诊断过时了。这让他感觉“天塌了”，也让很多基层医生感到天塌了。

而从DeepSeek在医疗领域的更多表现看，这还只是开了一个头。

DeepSeek是开年以来最大的风口，与医疗相关的机构、个人，都想在其中做点什么，而DeepSeek的表现，也确实可圈可点，甚至已经深入到医疗中非常核心的手术场景了。

“通过多模态评估和技术赋能，我们看到了治愈的可能。”

这是四川省人民医院泌尿外科主任熊玮在接受采访时所说的。在此之前，熊玮和他的团队给一个患有难治疾病的82岁患者完成了“右侧肾盂癌伴下腔静脉癌栓”的根治性手术。这被视为跨越“生命禁区”的手术。

根据公开信息，这一患者的病情非常凶险，癌栓完全阻塞了他的下腔静脉，双侧下肢还有水肿和血栓的风险，放在以前只能保守治疗了。因为高龄加上病情复杂，如果手术，很容易出现其心肺功能无法耐受长时间手术，术中出现致命性出血，以及术后出现急性肾功能损伤等并发症的情况。

对于复杂情况，DeepSeek不仅给出了个性化的围手术期管理方案，覆盖风险预警、用药决策、康复路径和并发症雷达等方面，还在术中实时定位了病灶和血管的位置，减少了出血等问题，结合高精度CT成像三维构建“数字脉管系统”等技术，手术最终耗时4小时顺利完成。

医生对此评价称，这一系列新技术相当于给团队装上了“风险透视镜”。

在更多医疗机构，DeepSeek被用于行政管理、已有的AI辅助诊断等领域，用于提高效率和准确度。

据将DeepSeek用于辅助阅片的长沙市某医院的信息数据部主任透露，在DeepSeek加持下，AI辅助诊断肺结节系统的阅片时长缩短了40%，微小病灶的识别率提升了25%，准确率达到了95%以上；在胃镜检查领域，AI系统预判与“金标准”病理检查结果的符合率也达到了96%。

对于更多亚健康人士，已经有“AI医生”可以为他们24小时服务了。比如：广西医科大学附属医院泌尿外科上线的“泌尿外科AI医生”（虚拟数字医生），能够随时响应患者的咨询，完成80%以上的标准化问答，还可以为患者定制个性化健康管理方案。

“使用AI技术或者大模型去做图像分析，那种全面性、准确性和快速性，都是人工图像分析完全无法比拟的。”有临床专家在医疗大模型的发布会上指出。

业界认为，医疗机构大规模接入AI大模型，对诊疗效率和质量提高将会有很大的帮助。从行业的角度看，这也将指向医疗行业的新一轮急剧变革。

医疗行业正在加速拥抱AI，像DeepSeek这样高性价比的大模型大幅缩短了技术落地周期，同时也将推动医疗市场竞争格局的快速重构。

医院许多科室仍依赖高强度人工操作，尤其是被誉为"医学明珠"的病理科。医生们日复一日面对显微镜的枯燥工作，其机械重复程度堪比工厂流水线作业，承受着巨大的身心压力。

近两年来，AI技术的突飞猛进让临床医生们对其能力有了切身感受。"人类精力终有极限，而AI可以随时调取海量医疗数据。"辽油宝石花医院肿瘤一病区副主任申龙海（兼任九三学社盘锦油田支社主委）向小编表示，AI辅助诊断和数字人技术已在日常诊疗和健康科普中展现出重要价值。这种技术赋能正在改变传统医疗的工作模式。

一位资深放射科医生向小编道，十年前他们需要手动在CT图像上描摹心脏、肺部等器官轮廓，不仅操作费时费力——眼睛干涩、手指酸痛，勾勒出的图像还常常不够精确。"当时就觉得这种手工描摹的方式太原始了，明明应该让电脑自动识别勾画才对。"这段经历让她对AI技术的应用充满期待。

"60秒！过去耗时一两小时的工作现在一键完成。"这位医生向小编感叹。虽然仍需人工微调，但效率已实现质的飞跃。"我亲眼见证了AI医疗辅助技术的惊人进步。"话语中透露着对技术革新的欣喜。

现在，患者在县级医院等病理报告的时长，也从原来的至少3天缩短至24小时。

AI的到来让医生们从繁重、重复的劳动中解放出来，而且在某些细节上可以比人做得更好。

申龙海向小编举例说明了AI在肿瘤放疗中的革新：传统"画靶区"（确定放疗点位）需要医生耗时6小时手动勾画，不仅效率低下，鼠标绘制的图形也往往不够精准。而引入AI技术后，这一关键流程不仅大幅提速，生成的靶区图形也更加流畅准确，显著提升了放疗方案的质量和效率。

在手术这一核心医疗领域，AI赋能的智能手术机器人已实现突破性进展。以尿道重建手术为例，搭载AI技术的手术系统能将操作误差控制在0.1毫米级，完全规避了人手颤抖的影响。临床数据显示，其吻合口漏发生率从传统手术的8%显著降至2%，大幅降低了术后并发症风险。这种精准化手术正在重新定义外科治疗的黄金标准。

政策层面正在加速医疗AI的推广应用。2023年11月，国家卫健委等多部门联合发布指导文件，明确列出了84个"人工智能+"在临床诊疗和基层公卫领域的具体应用场景。这一政策指引为AI技术在医疗行业的规范化落地提供了明确方向，彰显了国家对智能医疗工具发展的大力支持。

近期，国家自然科学基金委员会发布的申报指南中，多个AI相关项目赫然在列，涵盖心梗预警、罕见病筛查、免疫力分析等前沿领域。更具风向标意义的是，新版三级医院评审标准已将医疗信息化水平纳入考核体系，这意味着数字化转型已成为大型医院的必选项而非选择题。这些政策信号充分表明，智能化正在成为医疗体系升级的核心驱动力。

除了AI本身的技术进步和政策引导之外，医疗机构的生存处境，也倒逼他们不得不寻求改变。

据《三联生活周刊》报道，2024年公开破产信息中涉及医院的数量已突破1200家，较2022年翻倍，比2023年新增约400家。值得注意的是，破产名单中不仅包含民营医疗机构，部分公立医院也未能幸免。这一数据折射出当前医疗行业面临的严峻生存压力。

业内专家指出，这主要源于公立医院盲目扩张的发展模式——通过规模扩张和患者增量维持运营，导致成本飞涨而收入增长乏力。随着医保支付方式从按项目付费转向按病种付费，这种粗放式发展模式的弊端被急剧放大，最终引发经营危机。

医院从医保能够获得的收入在减少，迫使医院必须从粗放型的发展模式向精细化管理转变，如果不能及时转变就很可能资金流断裂。

研究显示，2023年破产的广东嘉应学院医学院附属医院（二甲公立）正是一个典型案例。该院2022-2023年医疗收入仅7500余万元，却投入1.2亿元进行扩建，最终在医保支付改革的新形势下，巨大的资金缺口成为压垮医院的最后一根稻草。

而从新的政策走向看，医保基金正在逐渐转向跳过公立医院，直接与药械企业结算，这对公立医院的现金流也将是更大的挑战。

对于身处生死关头的医院院长们来说，任何能够切实提高管理水平、提高诊疗效率的新工具，都是“救命稻草”了。

医疗界长期存在的问题，包括人员不足、效率不高、过度诊疗等，让行业内外都期待依靠新技术来解决。

遗憾的是，AI能做的还是非常有限。

申龙海告诉小编，虽然AI辅助诊疗可以做很多事情，但是面对复杂的人体状况还是无法做到独立完成任务。比如前述提到的放疗靶区勾画，一旦遇到特殊情况，比如患者有血管畸形、肠道畸形，AI勾画器官就会识别错误，如果没有医生修正，就可能危及正常器官。

申龙海对小编坦言："AI目前仍存在诸多无法替代人类的领域。"他指出，AI不仅技术能力尚待完善，其能否真正理解人类情感也备受争议。以医疗领域为例，即便像DeepSeek这样具备超强思考能力的AI，在科普时难以提供人文关怀，也无法像医生那样结合患者的经济状况、身体条件等综合因素，制定个性化的诊疗方案。

“人是有温度的，机器没有温度。”申龙海说。

而且医疗的复杂性还在于，普通人很难向AI准确表述病史、症状等。如果按照患者提供的错误信息来做诊断或给出治疗方案，很可能会导致病情急剧恶化。

AI在提升医学检查精度的同时，也引发了业界对"过度诊疗"的新担忧。以CT检查为例，自AI技术应用以来，肺结节的检出率持续攀升，这一现象反而导致更多患者陷入不必要的健康焦虑。这种技术带来的"双刃剑"效应，正在医疗领域引发广泛讨论。

而从行业格局看，单靠技术也未必能实现分级诊疗、强基层的目标。

虽然AI+医疗常被寄予厚望，期待其能提升基层诊疗水平、推动分级诊疗落地，但现实情况却恰恰相反。目前AI等新技术的应用，非但没有缩小医疗资源差距，反而在进一步扩大三甲医院与基层医疗机构之间的鸿沟。这种技术赋能的"马太效应"，正在医疗领域加速显现。

医疗机构对新技术的渴求由来已久，但实际应用却长期滞后。究其原因，除了技术成熟度未达预期外，成本效益考量同样关键。这也解释了为何高性价比的DeepSeek能在短时间内获得众多医院的青睐——它恰好满足了医疗机构对技术实用性和经济性的双重期待。

根据DeepSeek官网披露的数据，其R1模型展现出惊人的性价比优势：在缓存命中的情况下，输入token费用低至1元/百万tokens，仅为GPT4-o1定价的1.8%，甚至不到性能更弱的o1-mimi模型的十分之一。更令人惊喜的是，该模型还在持续降价——最新公告显示，每天北京时间0:30至8:30期间，API调用费用将享受75%的折扣优惠。这种极具竞争力的定价策略，使DeepSeek-R1在成本敏感型应用场景中占据明显优势。

DeepSeek-R1 API输入输出费用情况。来自：DeepSeek官网

行业测算显示，医院部署DeepSeek的硬件投入极具弹性：针对翻译、多轮对话等基础NLP任务，本地测试的硬件成本最低仅需数万元，高端配置也不超百万。即便是对精度要求更高的专业医疗场景，初始投入门槛也可控制在400余万元。这种阶梯式的成本结构，为不同规模的医疗机构提供了灵活的AI部署方案。

这样一来，很多区域龙头医院就有机会本地部署技术领先的AI大模型了。

当前医院对DeepSeek的应用仍显保守。从公开案例来看，多数机构仅将其用于症状问诊、资料检索、病历生成等基础环节。虽然这些应用确实提升了工作效率，但距离充分发挥DeepSeek在辅助诊断、治疗方案优化等方面的深层潜力，仍有相当大的提升空间。

而对于基层医疗机构来说，是否有实力、有动力引入这一技术就更加存疑了。

在硬币的另一面，顶级医疗机构、专家学者的需求更加复杂，他们正在通过AI来推高诊疗服务的门槛和天花板。

今年2月，国内多家顶尖医疗机构迎来AI应用新突破。北京儿童医院、上海瑞金医院等相继发布了与科技企业联合研发的医疗大模型。这些专业模型不仅能参与临床会诊，在解读复杂病理报告时准确率超90%，其医学知识储备更是媲美资深教授，展现出强大的辅助诊疗能力。

医疗大模型的普及应用将推动行业整体升级。头部医疗机构正借助AI构建新型诊疗体系，推动疾病治疗从传统专业化向个性化、精准化方向转型，实现医疗服务质量的新突破。这种技术赋能正在重塑医疗行业的服务形态和发展路径。

这对患者来说是值得期待的未来，对医疗行业来说可能是一场洗牌。

值得注意的是，这类高端医疗AI系统的技术门槛和投入成本远超普惠型方案。以中南大学湘雅医院为例，其DeepSeek本地化部署不仅整合了多个国内顶级大模型，更依托与医渡科技等企业长达六年的数据库共建基础，展现了专业医疗AI所需的深厚技术积淀和资源投入。

这种技术分化正在重塑医疗行业格局。在数据和资金的双重加持下，顶级医疗机构借助AI技术将实现跨越式发展，区域龙头医院也将保持竞争优势，最终形成更加固化的多中心医疗体系。而基层医疗机构则面临严峻挑战——除了少数能融入医联体的机构外，那些缺乏特色专科和优质人才的基层医院，很可能被边缘化为简单的配药输液站点，甚至面临生存危机。这种"强者愈强"的马太效应，正在加剧医疗资源分布的结构性失衡。

要使基层医疗机构也能从技术进步中获益，就势必需要更多制度上的保障和政策上的引导。

在AI医疗应用热潮中，监管部门再次明确禁止AI开具处方。这一规定不仅基于用药安全考量，也在客观上为基层医疗机构保留了生存空间。然而，这仅仅是守住底线，如何引导AI技术真正推动医疗行业均衡发展，仍需要业界深入探索和实践。

DeepSeek并不是“救世主”。

从积极层面来看，DeepSeek的走红客观上推动了医疗行业对AI技术的整体接纳。业内专家指出，在真正能解决医疗痛点的AI产品成熟之前，行业最紧迫的任务是做好基础准备——特别是构建高质量、专业化的医疗数据库。这种"未雨绸缪"的务实态度，或许正是医疗AI实现突破性发展的关键前提。当前的技术热潮，反而为行业提供了难得的准备窗口期。