2026年年中，医疗AI行业呈现显著的发展割裂态势。6月23日全球数字经济大会上，多家头部三甲医院展示了成熟的AI落地成果；但从多数医院的实际情况来看，机房普遍缺乏GPU算力，采购的AI模块无法正常投产使用，形同虚设。
这种两极分化是当前医疗AI发展的真实缩影：部分场景已实现落地应用，多数应用仍停留在方案层面，算力、数据、人才构成了三道核心发展壁垒。本轮AI发展延续了医疗信息化的固有痛点：政策推进超前，基础设施建设滞后，医院信息部门承担主要落地压力。早年HIS系统建设、电子病历评级均存在该问题，如今的医疗AI建设依旧未能规避这一结构性矛盾。
影像 AI 是当前唯一规模化落地的医疗 AI 赛道。肺结节筛查模型 F1 值可由 0.75 提升至 0.91，截至 2026 年 6 月，国内获 NMPA 三类证产品超 50 款，超 300 家医院完成部署，但仅不足三分之一实现日常常态化使用。
收费机制缺失是主要发展阻碍：影像 AI 暂无独立医保收费项目，采购与运维均依赖医院信息化预算。单台 AI 服务器占用年度预算 10%~20%，每年还需 15 至 30 万元软件授权费用。
病历AI质控与临床决策辅助系统（CDSS）的技术准确率可达85%~90%，但其临床落地存在严苛的数据门槛，要求数据标准化率不低于90%、患者主索引匹配度超95%，且临床数据中心至少接入五类医疗数据。目前全国能够满足该适配条件的医院不足200家。
数据基建的短板直接限制了产品实效。CDSS落地后三个月内，临床平均采纳率仅15%~25%，系统假阳性率高于30%。该问题并非源于AI算法缺陷，本质是医院底层数据基础设施不完善所致。
医疗 AI 无法单独运行，需融合医院现有 HIS、EMR、PACS 业务流程，主流集成方案分为三类：
多数医疗 AI 需依托院内数据微调。病历质控 AI 需 5000~10000 份标注病历，总成本 5~30 万元；影像标注成本更高，单张 CT 标注 20~50 元，整套训练集 2~25 万元。
医院对接厂商时，需确认四点：是否院内微调、标注数据量、标注实施方、费用承担主体。
厂商普遍宣传产品整体准确率可达 99%，但信息科应重点核查核心评估指标：
厂商宣称的 99% 准确率多来自优化测试集，落地临床后性能通常下降 5～15 个百分点，采购时需索要多中心验证数据集。
临床对 AI 响应速度有明确要求：影像单例分析≤30 秒，病历质控≤5 秒，超时会降低医师使用意愿。推理延迟受显卡、模型体量、并发量影响，项目验收务必开展并发压力测试。
特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
