84个场景，13个子类别，从影像诊断到药物研发，卫健委最近发布的《卫生健康行业人工智能应用场景参考指引》系统梳理了AI在医疗领域的全部应用方向。每个场景都有基本概念和技术路径说明。这份指引回答了"AI在医疗领域到底能做什么"这个最基本的问题。84个具体场景，每一个都可以直接作为产品规划和采购比对的参考坐标。场景分布：医疗服务管理38个 | 基层卫生服务23个 | 健康产业发展13个 | 医学教学科研10个
大类 | 子类 | 场景数 | 典型场景举例 | 商业化程度 |
医疗服务管理 | 医疗服务 | 15 | 影像辅助诊断、临床决策、智能分诊、预问诊、病历生成 | 较高 |
医药服务 | 3 | 处方前置审核、临床用药指导、患者用药指导 | 较高 |
医保服务 | 3 | 医保智能审核、医保核算、商业健康险设计 | 较高 |
中医药管理 | 6 | 中医辅助诊疗、经络检测、中药审方、名中医传承 | 中等 |
医院管理 | 11 | 医疗文书质控、手术室管理、床位管理、传染病监测 | 较高 |
基层卫生服务 | 基层辅助诊疗 | 8 | 全科辅助决策、慢病管理、家医签约 | 中等 |
公共卫生 | 7 | 传染病监测预警、妇幼保健、老年人健康管理 | 中等 |
托育服务 | 8 | 托育咨询、从业人员培训、机构质量评估 | 较低 |
健康产业发展 | 医用机器人 | 7 | 手术机器人、康复机器人、配送机器人、消毒机器人 | 中等 |
药物研发 | 3 | 智能药物筛选、临床试验辅助、药品综合评价 | 较低 |
中医药产业 | 3 | 中药材种植、仿生鉴定、智能生产设备 | 较低 |
医学教学科研 | 医学教学 | 5 | 仿真实验、患者虚拟人、教学资源生成 | 中等 |
医学科研 | 5 | 智能患者招募、研究型病房、文献挖掘 | 中等 |
医疗服务管理是绝对主力，占了近一半。38个场景中，医疗服务类15个居首，医院管理类11个紧随其后。当前AI应用的重心仍然在临床诊断和医院运营两个方向上。基层卫生服务23个场景，覆盖了基层运行的全链条。从全科辅助诊断到托育机构评估，基层AI应用已经超出了辅助诊断的单一范畴。中医药被单独列出6个场景，中医AI正在从单点工具走向体系化应用。医用机器人占了7个场景，除了手术和康复机器人，还有配送、消毒、救援等新场景。商业化程度分布也有迹可循，从表中可以看出，医疗服务、医药、医保、医院管理四大子类的商业化程度较高，已有大量成熟产品和充分的市场竞争。中医药管理、基层诊疗、公共卫生、医用机器人、医学教学科研归为中等，产品已有，但大规模推广尚未完成。托育服务、药物研发、中医药产业的商业化程度较低，技术路线和商业模式仍在验证。84个场景对应的投入节奏也因此清晰：先做商业化程度高的成熟场景，再做中等场景，远期布局探索性场景。基层全科辅助决策、慢病管理、家医签约、传染病监测预警、妇幼保健、老年人健康管理、托育服务，23个场景几乎覆盖了基层机构的所有业务条线。这与十五五规划"2030年基层诊疗智能辅助基本实现全覆盖"的目标完全对齐。中医临床辅助诊疗、经络智能检测、中药审方、临床病案质控、名中医学术传承、中医药科研辅助，6个场景覆盖从诊疗到科研的全链条。在以往的AI政策文件中，中医AI通常作为医疗服务的一个子项出现，单独成类说明政策层面正在加大推动力度。医疗文书质控、医疗质量管理、医务人员管理、手术室管理、床位管理、急诊急救管理、物流管理、传染病监测预警，11个医院管理类场景覆盖了运营管理的各个方面。医疗AI的话题长期以来集中在临床诊断上，医院管理的数智化正在成为一个被低估的赛道。84个场景中，有四个特别值得单独拎出来分析，因为它们分别代表了医疗AI商业化的四种典型处境。医学影像AI辅助诊断，最成熟的赛道，竞争已趋于白热化。这是84个场景中商业化最充分的一个，从X光到CT、MRI、病理、内镜，几乎每个影像模态都有数家到十数家AI厂商在竞争。产品同质化已经显现，头部厂商正从单病种AI转向平台化影像AI，试图通过覆盖更多模态来构建壁垒。对于新进入者而言，这个赛道的窗口期已基本关闭，除非能找到新的影像模态或未被开发的临床场景。对于医院而言，影像AI的选型逻辑应从哪个病种检测准确率高转向哪个平台能覆盖更多科室和更多模态。基层全科AI辅助决策，政策驱动最强，但落地阻力也最大。十五五规划明确"2030年基层全覆盖"，政策的确定性在所有场景中最高。但从基层数智化调研的数据来看，44.29%的基层机构没有专职IT人员，系统承建商分散、数据标准不统一。AI产品要落地，首先要补齐信息化基础短板。这个赛道的竞争不取决于谁的模型更强，而取决于谁更懂基层的IT现状和采购逻辑。对厂商而言，这意味着产品策略需要从卖一个AI模块调整为提供一套包含基础信息化改造+AI能力的整体方案。手术智能辅助规划，技术门槛最高，也是差异化空间最大的赛道。这个场景需要深度融合医学影像、解剖结构、术式路径规划、术中导航等多维技术，产品开发周期长、临床验证门槛高，通用大模型难以直接适配。目前国内能做手术规划AI的厂商不超过5家，产品供给严重不足，竞争格局远未定型。对于有技术积累的厂商而言，这是当前差异化空间最大的赛道；但商业化周期长，需要足够的资本耐心。智能药物研发，远期大赛道，短期内难以实现规模化商业回报。药物研发AI在全球范围内都是探索期，国内的进展更是早期中的早期。AI在小分子筛选、临床试验患者招募等环节已经开始发挥作用，但要真正缩短一款新药从研发到上市的全周期，还需要数据和算法两个维度的持续积累。这个领域更适合药企与AI公司的联合创新，IT厂商独立切入的难度较大。这四个场景的处境也反映了84个场景的总体格局：成熟场景竞争激烈、验证期场景拼落地能力、探索期场景拼技术储备。不同定位的企业，选择的赛道应该完全不同。把这份指引和当前国内医疗大模型的竞争格局放在一起看，会发现一个明显的错位，当前大模型厂商的产品重心集中在少数几个场景上：智能分诊、预问诊、影像辅助诊断、基层辅助诊疗。这些恰好是指引中技术成熟度最高的场景。而指引中的大部分场景，手术规划、放疗靶区勾画、临床专病决策、药物研发辅助，到目前为止还没有出现占据明显优势的大模型产品。这意味着，当前大模型的竞争还集中在低垂的果实上，84个场景中的大部分还没有被充分开发。指引的价值在于，它为下一阶段的竞争划定了方向，谁能先把大模型的能力延伸到高难度场景，谁就有机会在下一轮竞赛中拉开身位。对于厂商而言，这份指引的价值首先是产品规划的依据。84个场景就是84个产品方向，每个方向都有明确的应用描述和技术要求。可以按照技术难度分层规划产品线：近期聚焦影像辅助诊断、智能分诊等成熟场景，中期布局临床决策支持、手术规划等验证期场景，远期储备药物研发、康复机器人等探索性场景。对于医院而言，这份指引的价值在于采购和建设的参考坐标。将本院的AI应用现状与84个场景逐一对照，可以清晰地知道哪些场景已经覆盖、哪些场景存在缺口、哪些场景优先级更高。这项工作如果能纳入十五五信息化规划的差距分析，将大大提高AI建设的针对性和投资回报率。84个场景，84条赛道。大部分赛道现在还没有领跑者。对照这份清单看一看，你们医院目前覆盖了几个？
免责声明：
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。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
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。
