AI医疗诊断新进展与应用

从15分钟到3分钟，AI正在重写医疗诊断的时间线

凌晨两点，急诊室送来一位突发胸痛的病人。医生迅速安排了CT检查——怀疑是主动脉夹层，这是心血管领域最凶险的急症之一，一旦破裂，患者可能在数分钟内失去生命。

在过去，从影像扫描到出具诊断报告，需要15到20分钟的漫长等待。而现在，在西安北方医院，AI辅助影像诊断系统将这个时间压缩到了3分钟。这不是科幻电影的情节，而是2026年初已经投入临床使用的真实场景。

AI在医疗诊断领域的渗透，正在从”实验室里的可能性”加速转变为”病房里的日常工具”。

医疗AI不再是概念，而是医生的”第二双眼”

如果把医疗诊断比作破案，传统模式下医生需要独自完成从”收集线索”到”推理结论”的全过程。而AI的介入，相当于给每位医生配备了一位不知疲倦、不会分心的助手。

在影像学领域，AI的应用最为成熟。以肺结节筛查为例——一位经验丰富的放射科医生，每天需要阅读数百张CT影像，在密密麻麻的黑白灰阶中寻找直径几毫米的可疑病灶。高强度的工作不仅消耗体力，更容易因疲劳导致漏诊。

AI辅助诊断系统可以在几秒钟内完成对全肺的扫描，自动标记出可疑结节的位置、大小和形态特征，并给出良恶性风险评估。据西安北方医院的数据，引入AI后，放射科医生的工作量减少了30%至50%，全院影像诊断效率整体提升30%，患者平均等待时间缩短42%。

更值得关注的是，AI的”视力”正在超越人类肉眼的天花板。大连市瓦房店第三医院影像科主任孙红霞表示，AI能够识别毫米级的微小结节，其稳定性不受经验、情绪和疲劳的影响，将早癌筛查的敏感度提升到了新的高度。

三大突破：从”看图说话”到”自主理解”

2025年至2026年，AI医疗诊断领域出现了三个值得关注的突破性进展。

突破一：零样本诊断

传统AI模型最大的软肋是什么？需要大量人工标注数据。一位医生可能需要数小时才能精细标注一张影像，而训练一个成熟的AI模型往往需要数万张标注影像。这意味着面对新发疾病、罕见病，或者不同医院的数据差异时，传统AI往往”束手无策”。

2025年底，中国科学院合肥物质科学研究院研究团队开发的MultiXpert系统改变了这一局面。该系统能够在”零样本”条件下对胸片进行智能诊断——不需要任何标注数据，甚至可以识别出从未在训练集中出现过的疾病。

MultiXpert的核心创新在于”多模态双流协同”：图像分支负责捕捉病灶特征，文本分支联合大语言模型和放射科专家知识对疾病描述进行语义校准，最后通过跨模态对齐实现深度融合。实验数据显示，在零样本场景下，MultiXpert较主流视觉语言模型平均提升了3.9%的AUC，在跨医院的多中心数据上更是实现了13.9%至22.6%的性能提升。

这标志着医学AI正在从”依赖标注的记忆模式”向”自主理解的推理模式”转变。

突破二：病理诊断的”秒级时代”

如果说影像诊断是AI医疗的”前哨站”，那么病理诊断就是真正的”核心阵地”。病理诊断被视为疾病诊断的”金标准”，尤其在肿瘤诊断中起着决定性作用。但病理诊断的痛点同样突出：全国病理医生缺口巨大，基层医院初诊符合率低，培养一位成熟的病理医生需要近十年时间。

2025年2月，上海交通大学医学院附属瑞金医院与华为联合发布了瑞智病理大模型RuiPath——国内首个临床级多模态互动式病理大模型。

RuiPath的能力令人印象深刻：
–速度：单切片AI诊断时间仅需数秒
–广度：覆盖中国每年全癌种发病人数90%的常见癌症类型
–深度：亚专科知识问答准确率达到90%以上，达到专家级水平

传统病理诊断中，医生需要在显微镜下逐张查看切片。而RuiPath能够提前精准识别病灶区域，医生的工作模式从”逐个寻找”转变为”审核AI结果”，诊断效率实现了数量级的提升。

更具意义的是，2025年6月RuiPath宣布开源，2026年初双方又推出了面向基层医院的智慧病理一体机，让三甲医院水平的AI诊断能力下沉到县域医院。这意味着，一位身处偏远县城的患者，有望获得与大城市同等水平的病理诊断服务。

突破三：大模型走进临床决策

如果说影像和病理AI解决的是”看什么”的问题，那么临床决策AI解决的是”怎么办”的问题。

在临床决策环节，北方医院在医生工作站中集成了DeepSeek大模型。医生将患者的检验报告截图录入后，模型会快速提取异常指标，结合临床指南生成”结果概览+可能诊断+需补充检查”的结构化提示，帮助医生快速把握病情。更进一步，模型还能结合患者主诉、病史、病程等信息，提出药物选择和注意事项等治疗方案建议，医生在此基础上进行个性化调整。

北京大学深圳医院重症监护室的实践同样引人注目。医生借助迈瑞医疗启元大模型，可以在5秒内完成诊疗全流程数据的回溯与整合，1分钟生成结构化病历。对于争分夺秒的ICU场景而言，这种效率提升直接关系到救治成功率。

人机协作：不是替代，而是接力

一个常被误解的问题是：AI会取代医生吗？

从目前的技术路径和临床应用来看，答案是否定的。AI的定位并非”独立诊断”，而是”辅助诊断”——它负责快速筛查、量化分析和初步推断，最终的诊断决策权仍然牢牢掌握在医生手中。

西安北方医院的实践清晰地展示了这种人机协作模式：患者在完成影像检查后，AI系统快速完成初步筛查并生成结构化初报；医生结合临床经验复核AI结果，排除假阳性病灶，最终作出诊断。在手术规划环节，AI生成的三维模型作为”实时导航”，帮助医生在手术中尽可能避开重要器官和血管，但主刀医生的经验和判断仍然是手术成功的决定性因素。

正如瑞金医院病理科主任王朝夫所言，AI让医生的工作模式从”逐片诊断”升级为”逐步审核”——效率提升了，但专业性要求从未降低。

未来已来，但挑战仍在

尽管AI医疗诊断的进展令人振奋，但距离全面普及仍有若干门槛需要跨越。

数据质量与标准化：不同医院的设备、扫描参数、图像格式差异巨大，如何让AI模型在”见过”的数据和”没见过”的数据上都保持稳定表现，仍是技术难点。MultiXpert的零样本能力为这个问题提供了一个方向，但距离完全解决还有距离。

监管与伦理：医疗AI的决策直接影响患者健康，甚至生死。如何建立完善的审批流程、责任界定机制和伦理审查体系，是行业必须面对的课题。

基层落地成本：尽管RuiPath智慧病理一体机已经瞄准了基层医院的痛点，但智慧化建设的投入、人员培训、数据安全等问题仍然需要时间消化。

写在最后

从15分钟到3分钟，从人工逐片查看到AI秒级诊断，从三甲医院专属到基层医院普及——AI医疗诊断正在经历从”能用”到”好用”再到”人人可用”的跃迁。

2026年初，国务院办公厅印发的《关于加快场景培育和开放推动新场景大规模应用的实施意见》明确将智能辅助诊断作为重点发展方向。全国卫生健康工作会议也强调，2026年要大力发展卫生健康新质生产力，推进数智赋能。

政策的东风、技术的突破、临床的需求三者共振，AI医疗诊断的规模化落地已经不再是”会不会”的问题，而是”有多快”的问题。

对患者而言，这意味着更短的等待时间、更高的诊断准确率、更均衡的医疗资源分布。对医生而言，这意味着从繁重重复劳动中解放出来，将更多精力投入到真正需要人类温度和智慧的环节。

技术本身并不治愈疾病，但技术可以让治愈疾病的人更有力量。