ARTICLE · 1044742
MAIC 2026医疗AI落地众生相:头部已过测试期,基层还在观望
在日前召开的MAIC2026第二届中国医学人工智能大会上，中外专家分享了对于医疗AI发展现状和未来态势的观察。从中，我们大致可以看到当下国内医疗AI落地的进展与挑战。
数实纵横发现：
医疗AI的分化已经不再是"想不想落地"的问题，而是"谁在用、谁用得起"的问题。一边是协和、瑞金、华西，头部医院已经过了"测试期"，自建中台、跑通流程、规模化铺开；另一边是大量基层医疗机构，需求不够明确、数据治理不足，买不起算力。
创新成绩之下，AI质量参差。从研发侧到落地侧，AI的探索热情都十分高涨。13省共建了183个专家智能体，基层慢病规范管理率从50%到90.3%。但国家卫生健康委统计信息中心主任赵韡在介绍首届全国数智健康大赛情况时也冷静指出：31省5626个项目参赛，约68%能通过真实数据测试，得分却从0分到97分不等，甚至有项目"不敢拿真实数据来测"。
扩展阅读：MAIC2026赵韡主任报告摘编：首届全国数智健康大赛5626个项目透视
医信人的角色在变，从"一次性的取数人"到"相伴到老"。新的医疗服务模式下，AI与信息化承担的功能已经不同，临床专家眼中医信人的定位也随之改变——不再是做完项目就撤的"工具人"，而是需要长期相伴、持续迭代的"合作伙伴"。这或许也预示着，队列库、科研数据、运营管理数据将不再是一次性建设、一次性使用，而是持续更新、持续产生新的价值。
庄宁：政策驱动，13省共建专家智能体183个
"数智化水平决定了我们这个行业的治理能力，数智化能力决定了单个机构的管理能力。"国家卫生健康委规划司司长庄宁在大会报告中提到，“十五五”期间，卫生健康改革发展最大的底色之一就是数智化。
截至2026年8月，北京、上海、浙江、安徽、广东、河南、江苏等13个省份共建立知名专家医疗智能体183个，全面提升医疗服务能力和效率。如何落地呢？以智能患者管理为例，目前已经覆盖16个省份578个县区和北京、上海、天津、重庆等4个直辖市14个区。基层慢病规范管理率50%提升至90.3%、基层用药合理率55%提升至95%、智能就医咨询占比1%提升至36%。
这些数字的背后，是"十五五"医疗数智化战略实施的雏形——一边构建AI基础设施，一边将大专家到知识封装到智能体中，再通过大模型、智能体把专家知识下沉到基层。这样的成效，是原来的常规医疗服务模式和医疗服务体系难以支撑、难以想象的。
AI的成绩，令人瞩目。
阿兰·拉布里克：WHO全球医疗AI进化路线图
"AI将从当前聊天机器人/助手和单体智能体，逐步进化为多智能体协同以实现工作流程重构，并在未来进化为AI原生形态，形成全新运营模式，帮助医疗卫生系统获得系统级价值。"
世卫组织总部数智健康分析与AI司司长阿兰·拉布里克（Alain Labrique）在会上给出了WHO版本的AI进化路线图：“AI将从当前聊天机器人/助手和单体智能体，逐步进化为多智能体协同以实现工作流程重构，并在未来进化为AI原生形态，形成全新运营模式，帮助医疗卫生系统获得系统级价值。”
我们看到，这三个阶段的跨越，需要的不仅仅是某一家医院的努力，而是整个医疗卫生系统的基础设施升级。
赵艳：最需要AI的基层，买不起、用不起
基层是医疗AI最大的需求方，也是专家智能体释放价值的最大场景。
对于老百姓来说，大量的医疗需求集中在基层——慢病、CT检查、流行病调研，都在基层。让高质量医疗资源与社区基层诊疗需求相结合，这是AI的使命，也是临床的院士专家们开发智能体的初衷。
上海交通大学医学院附属瑞金医院信息中心主任赵艳认为，找到社区医院真正需要信息化、AI支撑的那个"点"，比盲目铺摊子更重要。比如"白大褂高血压"——很多人的血压异常只出现在诊室，家庭监测才能反映真实情况，而这类数据恰恰是缺失的。精细化运营管理需要基层医疗资源数据，科研数据也大量依赖病人在家庭场景的病情变化数据来支撑，这些场景都隐藏在基层，等着我们去发掘。
不过，AI在现阶段还属于"奢侈品"。她举例说，这就相当于九几年花一万八买手机——那是有钱人的玩具，还不是普通老百姓都用得起的。瑞金医院前期计划自建AI机房，测算下来一年电费要800多万元，最后改成了云上租用模式。她感慨道：“最需要AI的基层，恰恰才是买不起、用不起AI。”
黄虹：临床专家的态度变了，医信人从"工具人"变成"合作伙伴"
慢病的真正痛点，可能不是诊室里医生给你看病，而是门诊之间的那些变化——这些变化很难被医生捕捉到，患者自己也很难理解它对疾病的影响有多大。
复旦大学华山医院大数据中心主任黄虹道出了主动医疗的核心逻辑：AI在慢病管理上最大的价值，不是帮医生看病，而是帮医生看到那些看不见的蛛丝马迹，为诊疗寻找更加多元的真实世界证据，这同样也是当前精准医学、行为医学等前瞻医学模式追求的目标。
“过去信息化解决的是标准化问题，现在AI要解决的是个体化问题——基于每一个患者、基于完善的知识体系，才可能实现个体化闭环。”而要实现这个闭环，医信人的角色需要重新定位。
"医信人正在成为整个疾病体系、诊疗体系的合作伙伴——因为没有你，临床专家什么也干不成。"她说，这不只是一个职业定位的变化，而是整个生产关系的重组。过去信息科是“工具人”，现在是“合作伙伴”，正在成为被临床和管理专家们团结的对象。
刘炜：从一个“AI书童”到数字分身，医院AI基建拉开序幕
在华中科技大学同济医学院附属协和医院的展台上，信息与数据中心刘炜主任正在给同行分享他的一系列AI作品。除了科研项目牵引下的精准医学AI探索之外，他还介绍了"书童"这款模型的设计逻辑，演示功能和效果；另一侧还有数字分身、智能陪诊等多个场景，AI的触角越铺越开。
今年春天，他还只有"书童"可以分享；到了秋天，武汉协和医院的大模型、智能体实践，已经开始从单点测试迈进规模化实施阶段。相比于上半年初试牛刀时的忐忑，现在院里支持他进一步开展规模化探索，这让他在创新开拓的路上心里更加踏实。院里给的"支持"是具体的：建设AI中台、数据中台、算力中台——实现算力的统一纳管、数据的动态编织、全院AI能力的集成、多智能体的协同应用，进一步实现全场景驱动的数字员工和数字分身。本质上是把AI能力变成医院的基础设施，而不是一个临时的课题、一个独立的项目，抑或一套新系统。
刘炜说，"医院之间需要广泛交流，我们不可能独立开发每一个场景，未来一定是相互借鉴、多方引进的。"前来交流的同行络绎不绝，有医院，也有企业。大家一边分享各自进展，一边探讨成果转化与协同创新。
辛海燕：医疗AI破土而出，但还没遍地开花
第二次参加MAIC大会，青岛大学附属医院人工智能与大数据部门辛海燕主任，对这次会议有了不同的体会。
"去年大家还处在讲故事、撒种子的阶段，今年大量医疗AI实践已经破土而出、茁壮成长了。"她看到大医院已经开始自用，这些模型不是停留在测试或实验室里，而是真正进入业务流程中去了。
同样属于教学医院，她所在的人工智能与大数据部门刚刚组建。这个新部门的核心职能，是配合临床科研和应用需求，提供AI研发平台与数据支持，推动医院高质量发展——从体制机制建设入手，构建医院层面的AI科研支撑能力。
对于当下国内医院AI的发展态势，她也给出了一句客观判断：现在AI还只是少数头部医院的专利，远没到遍地开花——算力稀缺、成本高企，一般医院用不起。
写在最后
按照WHO的医疗AI进化路线图，国内头部医院正在从单体AI工具向基础设施过渡，组织模式在变，体制机制也在变，AI的任务正从初步试水走向规模化落地。
但落地路径的高度集中，也是一个事实：政策在推、头部医院在跑、基层在观望。头部医院有临床专家、管理者和医信人主动发掘场景，基层呢？
谁来帮基层找到那个真正需要AI的"点"，又该由谁来买单？
在医疗AI这条路上，我们要思考的，远不只是技术问题。
扩展阅读