AI + 医疗走到哪一步了：读片、问诊、开药，哪些已经落地？

文 / 苏州元力共生AI 编

“AI 看病”——这四个字在过去几年里被反复提起，也被反复质疑。

有人说它是“医生的终结者”，有人说它“连感冒都看不好”。但如果你翻开国家药监局的审批记录、看看三甲医院放射科的真实数据，会发现一个被舆论忽略的事实：AI 在医疗领域的部分环节，已经悄悄地跑通了。

今天我们不聊概念，只看三件事：AI 读片到底准不准、AI 问诊在医院里怎么用、AI 开药走到了哪一步。区分“已获批上市”和“实验室阶段”，用产品和数据说话。

01 AI 读片：已经进入“持证上岗”阶段

已经落地的：

这是 AI 在医疗领域最成熟的方向。截至 2025 年 10 月，国家药监局已批准超过 110 款基于深度学习的第三类医疗器械独立软件产品，覆盖 CT 图像、X 射线、眼底图像等 9 种数据类型。

进入 2026 年，获批节奏明显加快：

• 医策科技的“宫颈细胞数字病理图像辅助诊断软件”年初获批三类证，较传统人工阅片**筛查效率提升 100%、漏诊率下降 60%**，已累计产出近千万份临床辅助诊断报告。
• 联影智能的胸部核医学图像辅助分诊软件拿到国内核医学 AI 领域首张三类证，至此联影智能累计获三类证已达 20 张。
• 德适生物的染色体核型辅助诊断软件 5 月获批，基于自研的 iMedImage 医学影像基座大模型，只需约 200 例数据和 2-3 个月训练周期就能适配新病种。
• 数坤科技乳腺病变 AI 超声辅助检测软件获批，该公司获证总数已达 19 张。

效果如何？有真实世界数据佐证。

2026 年 9 月发表在《JACR》上的一项前瞻性研究，评估了 Aidoc 的颅内动脉瘤检测 AI 在 3856 例 CT 血管造影检查中的表现。结果显示：AI 与放射科医生的一致率超过 **96%；AI 额外识别出 55 例医生漏报的真阳性动脉瘤病例，相当于检出率相对提升 39%**。

关键在于“人机协同”的效果：AI 灵敏度更高（84.6% vs 71.8%），医生特异性更强（92.7% vs 78.2%）。AI 补充了医生漏掉的小病灶，医生纠正了 AI 的误报——两者结合，整体检出效果优于任何一方单独工作。

另一项发表在《European Radiology》上的真实世界研究，对比了 AI 与放射科住院医师在急诊 CT 颅内出血检测中的表现。AI 的总体灵敏度为 84%、特异性 94.4%，而住院医师分别为 96.4% 和 99.6%。结论很清醒：AI 没有超越年轻医生，但在“多出血灶、多出血类型”的复杂病例中，AI 表现出了良好的诊断性能。

还需要观察的：

AI 读片在不同科室的表现差异巨大。急诊和住院场景中，AI 的增益最为明显——因为这些场景的影像更复杂、医生更容易疲劳。但在门诊等低风险场景中，AI 的额外检出有限，误报反而可能增加负担。

一句话总结：AI 读片已经“持证上岗”，但它的角色是“副手”——帮医生看得更全，而不是替医生做决定。

02 AI 问诊：从“聊天机器人”到“医生工作站”

已经落地的：

2026 年 8 月，蚂蚁集团旗下“好大夫医生版”升级为“蚂蚁阿福医生版”，成为国内首个覆盖在线问诊、患者管理和科研全场景的医生 AI 工作站。

它的核心逻辑不是“AI 替代医生问诊”，而是“AI 帮医生干活”：

• AI 分身助手：医生上传信息后创建专属 AI 分身，7×24 小时在线，承担预问诊、健康咨询和诊后随访。就诊前帮医生提前掌握患者情况，就诊后持续跟进随访并自动生成小结。
• AI 医学助手：聚合超 6000 万条医学文献、指南和顶刊资源，支持医生通过文字或语音获取即时、可追溯的知识检索支持，辅助临床决策和科研。

“AI 问答 + 医生把关”模式已经在跑。

在蚂蚁阿福 App 上，皮肤领域的 AI 问答服务可交由三甲医院医生复核。测试数据显示：**约 15% 的用户会主动选择“医生把关”，医生复核结果与 AI 分析的一致率超过 90%**。目前该服务已从皮肤拓展至孕产、妇科、耳鼻喉等 16 个科室。

京东健康的 AI 医生“大为”也在升级，新增长期健康档案记忆功能。2026 年 618 期间，AI 医生服务用户数同比增长近 4 倍。

还需要观察的：

AI 问诊目前的定位非常清晰——**它做的是“分诊、预问诊、随访”，不是“诊断”**。蚂蚁阿福方面明确表态：“诊疗的主导人永远是真人医生”。那些期待“打开 App 就能看病”的人，可能会失望。但那些被“排队三小时、看病三分钟”困扰的人，会发现 AI 确实让就医体验变好了。

03 AI 开药：第一款 AI 设计的药，正在真人身上验证

已经落地的：

2026 年 9 月 10 日，英矽智能的 Rentosertib 在北京协和医院完成了 III 期临床试验首例患者给药。这是全球首款由生成式 AI 从零设计的药物进入 III 期临床——靶点是 AI 挑的，分子是 AI 造的，现在要在真人身上做大规模验证。

III 期临床是新药上市前最后、也最大的一道关卡。全球约 50% 的药物在这个阶段失败。一款药物能进入 III 期，意味着它已经通过了 I 期安全性验证和 II 期初步有效性验证。

Rentosertib 针对的是特发性肺纤维化（IPF）——一种预后极差的疾病，中位生存期仅 3 至 4 年，现有药物只能减缓进展，无法停止或逆转。

IIa 期的数据让人意外：

2025 年发表在《Nature Medicine》上的 IIa 期结果显示，每日一次 60mg 的 Rentosertib 治疗 12 周后，患者用力肺活量（FVC）平均提高 98.4 毫升，而安慰剂组平均下降 20.3 毫升。

协和医院徐作军教授的评价是：“AI 发现的 TNIK 靶点，之前从未与纤维化建立过关联。这或许说明 AI 在复杂疾病的靶点发现方面，正在开辟一条区别于传统研究范式的路径。”

还需要观察的：

从 III 期启动到最终获批，顺利情况下仍需 3 到 4 年。在此之前，Rentosertib 还不是“药”，只是一个“很有希望的候选药物”。而且一款 AI 药物的成功，不代表 AI 制药的全面成熟。英矽智能目前提名了 31 个临床前候选化合物，其中 13 个获得 IND 批件，但进入 III 期的只有 Rentosertib 一个。

这是一条刚刚被验证可行的路径，不是一条已经铺好的高速公路。

04 三个“还没有”和三个“已经有了”

写在最后

回到标题：AI + 医疗走到哪一步了？

读片，已经“持证上岗”，110 多款产品获批，在急诊和住院场景中真实提升医生检出率——但它是副手，不是主力。

问诊，在做“预问诊、分诊、随访”这些医生没时间做的环节，帮医生省时间，帮患者少跑腿——但它不诊断，诊疗主导权仍在医生手里。

开药，第一款 AI 从零设计的药物正在真人身上做最后验证，靶点发现路径被证明可行——但距离上市还有三四年，距离“AI 制药常态化”还有更远的路。

AI 在医疗领域最大的进步，不是“替代医生”，而是“让医生做更值得做的事”。

让 AI 去处理海量影像的初筛，让医生去处理真正需要判断力的病例；让 AI 去回答“这个症状挂什么科”，让医生去回答“这个病怎么治”；让 AI 去发现人类没想到的靶点，让医生去验证它是否真的对患者有效。

这才是“AI + 医疗”已经走到的地方。

数据来源：国家药监局公开数据、JACR、European Radiology、Nature Medicine、Nature Biotechnology、科技日报及各公司公开信息

📌 本文仅作信息分享，具体产品和临床数据以官方发布为准。

💬 你在就医过程中遇到过 AI 辅助的场景吗？体验如何？欢迎在评论区分享你的经历！