AI醫療下一步:真正的瓶頸已經不是模型

今天的会议是第二天，谷歌的 AI summit是关于AI周边的，比如这场就是关于医疗改革的，我也非常喜欢分享一下录音之后AI总结的观点

Panel 是 “AI Inside the Health System”，属于 2026 Silicon Valley AI Summit（Imagination in Action），9 月 15 日在 Google Bay View 举行。官方议程列出的参与者共 5 位：

* Daniel Kraft — Stanford Professor；NextMed Health Founder & Chair，担任主持人

* Vivek Natarajan — Google DeepMind AI Researcher，主要讨论医疗 AI、连续照护与临床证据

* Simran Chana — University of Cambridge，Director of Frontier Technologies Laboratory，主要从 NHS、医疗系统采用与人机关系角度讨论

* Aditya Sharma — Stanford Health Care，Sr. Manager, Engineering – Data Science，主要讨论医疗数据、FHIR/HL7、互操作性与患者端应用

* David Bell — Remedy Robotics，Co-Founder & CEO，主要讨论 Physical AI、自主介入治疗与手术机器人

会议核心观点导语

这场关于 AI 与医疗的讨论，核心其实可以浓缩成几个变化：AI 医疗正在从“模型能力竞赛”走向“真实世界验证”，从单次诊疗走向连续健康管理，从孤立的数据分析走向长期个人健康 Context，从辅助医生工作走向真正改善患者 Outcome。 与此同时，数据互操作、临床证据、责任归属和经济激励，正在取代单纯的模型性能，成为 AI 医疗真正落地的关键瓶颈。技术已经走得很快，但医疗最终要回答的仍然是一个最朴素的问题：AI 是否真的让人活得更健康、更久，并减少生病的时间？

这次会议讨论的主题是 AI 如何真正进入医疗体系。相比“AI 会不会取代医生”这样的泛泛讨论，这场会议更关注一个现实问题：当模型能力已经快速提升之后，AI 医疗真正的瓶颈到底在哪里？

听完整场讨论，可以总结出几个非常重要的观点。

一、AI医疗正在从“辅助工具”走向“连续照护”

过去的医疗大多是 episodic care，也就是患者出现问题后去医院，完成一次诊断和治疗。

但 AI 更适合做的是 continuous care。

未来的医疗 AI 不只是一次性回答问题，而是能够长期理解患者，包括过去的病史、化验、影像、药物、可穿戴设备数据，以及多年形成的身体变化趋势。

也就是说，AI 医疗正在从“单次诊疗”转向“长期健康管理”。

它未来更像一个长期存在的 Personal Health Agent，而不仅是一个医疗 Chatbot。

二、AI医疗现在真正缺的不是能力，而是证据

会议上有一句话让我印象很深：

The technology works, but the evidence doesn’t exist.

今天的 AI 已经可以通过医学考试、读取病历、进行问诊、分析医学影像，并提出一定程度的治疗建议。

但这些能力并不等于 AI 已经能够安全地长期参与真实医疗。

医疗最终不是看 benchmark，而是看 outcome。

也就是说，需要回答：

AI 是否真的降低死亡率？

是否减少误诊？

是否改善治疗效果？

是否降低医疗成本？

是否真正提高患者的生活质量？

因此，未来 AI 医疗的重要竞争，很可能不只是模型能力，而是谁能建立长期、真实世界的临床证据。

三、医疗最大的基础设施问题，是数据仍然彼此割裂

会上有人把医院形容成一个 shopping mall。

医院里的不同部门、保险公司、家庭医生、实验室、药房，甚至患者自己的 Apple Watch 和其他可穿戴设备，都拥有一部分数据。

但这些数据往往无法真正连在一起。

因此，AI 医疗的关键基础设施之一，是 interoperability，也就是数据互操作。

未来真正有价值的系统，应该能够把不同机构、不同设备和不同时间产生的健康信息连接起来，形成完整的纵向健康记录。

会议中还提出了一个很形象的概念：

Google Maps for Healthcare。

就像所有人贡献道路和位置数据后，地图会变得更准确一样，未来医疗数据如果能够在安全和隐私保护下流动，也可能帮助整个系统形成更准确的疾病预测和医疗决策。

四、AI不应该只是自动化医生的行政工作

目前医疗 AI 最容易商业化的方向，很多集中在 AI scribe、病历记录、coding、billing 等领域。

这些工具确实能够帮助医院降低成本，也能减少医生的行政负担。

但会上有位医生提出了一个值得警惕的问题：

如果几十年以后，患者的疾病和健康结果没有真正改善，只是医生不需要写病历、账单全部自动化了，那 AI 到底改变了什么？

这其实提醒我们：

Healthcare Efficiency 不等于 Health Outcome。

AI 的终点不应该只是让现有医疗系统运行得更快，而应该让人真正变得更健康。

五、外科机器人不应该只是复制医生，而应该超越医生

会议中还讨论了 autonomous intervention，也就是自主介入治疗。

其中一个案例是利用术前影像建立人体血管地图，再结合实时影像，由系统控制导管在血管中导航，最终到达心脏或大脑进行治疗。

这个方向很像“Waymo for Surgery”。

更重要的观点是：

医疗机器人未来的目标不应该只是模仿人类医生，而应该完成一些人类医生无法稳定完成的操作，并把顶尖医生的能力变成可以复制和规模化的系统。

如果这一方向成熟，医疗 expertise 第一次可能拥有类似软件一样的 scalability。

六、AI越强，“人的部分”反而越重要

这是会议里一个很有意思的共识。

随着 AI 接管越来越多知识处理、信息整理和部分诊断工作，医生真正不可替代的能力可能越来越集中在：

同理心、沟通、判断、解释，以及让患者感受到自己被理解。

技术可能帮助医生获得更好的治疗结果，但患者最终记住的，往往仍然是整个医疗过程中的人的体验。

所以未来的医生未必需要比 AI 记住更多知识，而需要更懂得如何与 AI 合作，同时保留医疗中真正属于人的部分。

七、AI医疗最终应该回到一个最简单的问题

整场会议讨论了模型、机器人、数据、监管、医院系统和全球医疗资源，但最后其实都回到了一个最基本的问题：

我们究竟希望医疗优化什么？

如果最终优化的是 billing、documentation 和效率，那么 AI 只是让原来的医疗体系自动化。

如果最终优化的是：

更少的疾病，

更长的健康寿命，

更低的医疗成本，

更平等的医疗资源，

那么 AI 才真正改变了医疗。

所以 AI 医疗未来真正值得关注的指标，也许不是模型参数有多大，而是：

Lifespan 是否延长，

Healthspan 是否增加，

Sickspan 是否缩短。

AI 医疗真正的下一阶段，已经不仅是“AI 能不能看病”，而是如何让 AI 从一个技术工具，真正变成改善人类健康结果的一部分。