NEXT AI医疗|联影正式吹响＂一证多病＂大时代的号角

中国医疗 AI 走过的七年里，最难翻的山不是算法，而是"一个 AI 只能看一个病"这个原罪。联影最近交出来的数据，第一次让这座山看起来真的可以翻过去。

先把两个常被混用的术语摆清楚：

• • 一扫多查：影像端概念。一次 CT/MR 扫描，AI 同时识别多种病灶。联影等影像 AI 公司用这个说法。
• • 一证多病：早筛/检验端概念。一张 NMPA 三类证覆盖多个癌种。小荷医学等血液早筛公司用这个说法。

两端走的是不同的产品路径、不同的监管路径，但它们最近的进展正在指向同一件事：中国 AI 医疗从「单病种作坊」走向「多病种工业」的拐点已经到了。

一、为什么"多病种"是一座七年没翻过去的山

要理解联影这次的份量，必须先理解之前为什么走不通。

2018 年至 2024 年，中国医疗 AI 走的是清一色的"单病种"路径——一家公司挑一个病（肺结节、糖网、乳腺、骨龄、卒中），训一个模型，做一张三类证，进医院。这条路径的优点是数据可控、监管路径清晰；缺点是它几乎一定会走进死胡同：

第一道坎：数据的隐性成本陡增。多病种 AI 的训练数据需求不是简单加和——真正卡脖子的是疾病长尾、共病结构偏斜、跨设备/跨机构域偏移、多任务标注一致性。任务数一旦上去，最稀缺的不是"病例"，而是高质量阳性样本、边界病例和跨中心外部验证数据。36kr 在 2023 年那篇广为流传的《多病种 AI 能改写医疗人工智能时代吗？》里给出过经典判断——N 值不大时，多病种 AI 反而不如多个单病种 AI 拼起来更有优势。

第二道坎：监管没有现成的路。NMPA 的医疗器械三类证审评，是"一个适应症一张证"的范式。多病种 AI 要走通，要么拿一张证再不断"扩证"，要么干脆每个病各拿一张证再做产品集成。前者周期长、后者商业化效率低。

第三道坎：商业化的悖论。医院采购 AI 是看价值/单价比的——如果一台肺结节 AI 已经卖到几十万，再加一台乳腺 AI 又是几十万，全院花 500 万买一堆"单功能机器人"的 ROI 算不过来。但如果你做"全病种"，研发投入又是天文数字。

这就是中国 AI 医疗 2024-2025 年集体陷入"叫好不叫座"的根本原因：很多单任务 AI 在受控测试集上早已达到可用水平，但从测试集指标到医院真实工作流，中间还隔着泛化、责任边界、误报负担、支付路径——而产品形态决定了这条路上每一道坎都被放大。

二、联影的破法：把"多个模型"换成"一个模型 × 多个任务"

联影 uMetaImaging 影像全智能体的关键不在算法精度，而在范式切换。

按照联影官方在 uAInnovation2025 创新大会上披露的口径：依托数千万级跨模态医学影像数据 + 数十万级精细标注，他们训出了一个名为「元智」的医疗影像大模型。这个模型支持 10+ 影像模态、可执行 300 种影像处理任务。在放射科，仅需一次胸部 CT 扫描，智能体可同时自动检出胸腔、食管、纵隔、气管支气管、肺、骨、心脏与大血管等部位 37 种胸部 CT 常见病种和异常，平均 AUC 0.92，相较 SOTA 提升超过 10%。

为什么这套范式能避开前述三道坎？

• • 数据成本：跨模态、跨任务共享底座的训练范式下，新增病种的边际数据成本远低于"重训一个单病种模型"。这是大模型范式相对小模型的本质优势。
• • 监管路径：联影并没有去申请一张"37 病通用证"——这条路 NMPA 还没开。他们的做法是底层是大模型、上层按病种逐个拿三类证。截至目前 17 张 NMPA 三类证、31 张 CE、15 张 FDA，2025 年内新增 5 张三类证。监管路径不变，但研发节奏被大模型加速。
• • 商业化：医院端真正想要的从来不是"37 个独立 AI"，而是"一台机器、一次扫描、一份完整报告"。联影把全栈集团方案做厚——从设备（CT/MR/PET）到算法到 PACS 到智能体——抓住的是医院单一采购入口，不是单点 AI 软件。

三、不止联影：全球的多病种 AI 已经是百米冲刺

联影是这个赛道里跑得最稳的，但绝不是孤勇者。把视野放到全球，会看到一个更鲜明的事实：从 2025 下半年到 2026 年初，多病种 AI 几乎在全球同时进入兑现期。

国内：头部 5 家已分出梯队

5 家头部公司合计占国内 AI 影像市场约 53%。亿欧智库口径下，2025 年中国 AI 医学影像市场规模约 61.7 亿元，2030 年约 137.4 亿元——仍在高增长期，但远未到"百亿规模"的当下体量。

更应该看的不是市场 CAGR，而是经营指标：头部公司的三类证数量在涨，但单证带来的医院新增收入在降。原因很简单——竞品多了、单价压下去了、医院预算又没明显涨。续费率、单院 ARR、部署成本、售后医学支持负担——这些才是真正决定 AI 影像公司能不能活下来的指标。这也是为什么"多病种、单底座"的范式不只是技术问题，更是头部公司活下去的唯一商业出路。

海外：Aidoc 已经把"一扫多查"产品化到 14 病灶

如果说联影代表的是"中国版多任务影像 AI"，那么以色列公司 Aidoc 在 2026 年 1 月拿到的 FDA clearance，则是国际同行给出的对照样本——而且监管表达比联影更系统化。

Aidoc 这次的 K252970 是首个由 foundation model 驱动的综合急诊 CT 分诊 510(k) 批文。准确口径是：

• • 新增 11 项急诊 CT 适应症（憩室炎、腹盆腔脓肿、阑尾炎、肠缺血/积气、梗阻性肾结石、小肠/大肠梗阻、脾/肝/肾损伤、骨盆骨折），与既有 3 项组合成单一工作流共 14 项发现
• • FDA pivotal study：11 项新适应症平均灵敏度 97%、特异性 98%
• • 明确用途是 triage / prioritization（分诊提示），不是诊断器械——这是个关键的监管边界
• • 2025 年 9 月先拿了 Breakthrough Device Designation，4 个月后正式 clearance

另一家澳/英背景的 Annalise.ai 走的也是同样路线：单平台覆盖 X-ray/CT/MR 共 20+ 发现——比联影 37 病种少，但跨模态。

这两家公司的存在意味着一个判断："基础模型 + 多任务工作流"已经不是中国独家路径，而是全球医疗 AI 的产品趋势。联影的进展是中国进入这个赛道的"船票"——但船票不等于头等舱。值得提醒的是：FDA cleared ≠ 商业化完成。美国市场还要看 NTAP（新技术附加支付）、CPT 编码、医院 ROI 和急诊 backlog 这套支付链——这是国内复盘时容易忽略的另一道坎。

四、监管的真正分水岭：中国单证 vs 美国 PCCP vs 欧盟双合规

监管侧值得展开。三地面对的其实是同一个核心矛盾——AI 模型会持续迭代，传统器械"一证一改一备案"的范式跟不上——但用了三种完全不同的制度工具。

美国 PCCP（Predetermined Change Control Plan）是真正的制度工具创新。简单理解：厂家在首次申请时，就把"未来打算做什么样的模型修改、怎么验证、影响评估"写成一份变更协议，由 FDA 预先审查并授权。授权后，只要修改严格按协议执行，就不必为每项修改重新提交 510(k) 或 PMA。这是 AI 医疗"模型必须持续迭代"与"监管必须持续审查"之间最直接的解题工具。

但要明确：PCCP 只有在具体产品获 FDA 审查并授权后才生效。Aidoc 这次的 K252970，FDA 数据库明确显示 Predetermined Change Control Plan Authorized: No——它是 FDA 在传统 510(k) 框架内接受了一个多发现、同工作流、foundation model-based 的急诊分诊软件，不是 PCCP 范式的产品化呈现。这个区分很重要：它说明 FDA 对"多任务影像 AI"的审评边界正在打开（即便不走 PCCP），但不能据此推出"未来扩到 30/50 项无需重新提交"的结论。

欧盟走的是另一条路——更严但也更体系化。AI Act 把医疗 AI 直接归入"高风险"类别，要求算法泛化能力证据、真实世界数据持续上报、黑盒可解释性。MDR + AI Act 双合规意味着合规成本陡增——但欧盟认为这是 AI 医疗规模化进入医院系统的前提。

中国 NMPA 当前实践仍以清晰的预期用途、适用范围、检测对象、风险边界为核心。联影 17 张三类证、数坤 19 张三类证，每张都需单独论证。这就是为什么"一证多病"在中国还是一种产品愿景，而不是监管现实。未来 18-24 个月更值得跟踪的是：NMPA/CMDE 是否会在 AI 医疗器械变更、扩展适用范围、真实世界评价、持续学习边界上给出更明确的技术审评口径——至于是否形成"基础模型层 + 任务层"的双层认证，目前仍是观察假设，不应作为确定预判。

五、为什么是这个时点：三道窗口的对齐

把上面国内、国外、监管三条线放在一起看，就能理解为什么"号角"是 2026 年——而不是 2023 或 2028。三道窗口正在同时打开：

技术侧已经讲过了——元智、Aidoc 这类"基础模型"把单一新增病种的边际研发成本明显压低，单证 ROI 第一次有了清晰的财务故事。

监管侧的关键变量是中国 NMPA 在 AI 变更控制和真实世界评价上是否会给出更清晰的口径。如果国内审评对"同一底座扩展任务"的论证路径能更标准化，头部公司的扩证节奏会再加速；如果维持现状，企业出海找美国 PCCP / 欧盟 CE 的动力会反向放大。

商业侧的核心信号是支付链条能不能跑通。这里要纠正一个常见误读：NMPA 三类证是医疗器械合规上市的凭证，不自动等于医保支付资格，更不等于按病种结算的入场券。AI 影像商业化真正要看三件事——是否形成明确的收费项目、是否进入医院采购预算、是否在 DRG/DIP 约束下证明降本或提效。这意味着多病种 AI 的真正价值，不再是算法本身，而是"用一个底座持续以低边际成本生产可注册、可部署、可收费的临床任务"的能力。

三道窗口对齐，行业才真正从"算法竞赛"切到"产品竞赛"。影像端的"一扫多查"和早筛端的"一证多病"，正在向同一个产品哲学合流：用一个底座，覆盖一类患者的全部决策需求。

六、但仍然差一里地：三个被回避的真问题

写到这里必须冷静一下。"号角"已经吹响，但战争才刚开始。

第一，"全病种证"在监管侧仍未真正出现。联影目前仍是单病种证一张张攒的范式——大模型加速了研发，但没有改变审评颗粒度。NMPA 何时承认"基础模型层 + 任务层"的双层认证范式，是接下来 18 个月最值得观察的政策信号。

第二，RWE 压力会指数级上升。2026 年的政策导向明确把审评重心从"实验室数据"挪到"上市后真实世界研究"。这意味着即便联影现在拿了 17 张三类证，未来三年内每张证都需要持续提交医院端使用数据。这不是技术问题，是"医院愿不愿意把数据回流给厂家"的合作关系问题——这个问题没有快速解。

第三，影像端的"一扫多查"和早筛端的"一证多病"最终会合流，但合流的姿势还没人想清楚。小荷医学血液早筛已申报"一张证覆盖 6 个癌种"的三类证；联影做的是影像端的多任务大模型。两端的患者管理逻辑是连通的——一个高危人群体检会同时做血液早筛 + 全身扫描。但目前没有任何公司把"一证多病的早筛 → 一扫多查的影像 → 多学科 MDT 决策"这条全链路串起来。这个空白处大概就是下一轮 AI 医疗的真正机会窗。

七、未来 24 个月：三件事决定 AI 医疗 3.0 是真兑现还是又一轮概念

回到一个朴素的判断尺：在 BIO-TI 看来，AI 医疗能不能真的跨过商业化的山，看以下三件事在未来 24 个月走到哪里：

1. 1. 支付链条的实质性突破：是否出现明确的影像 AI 收费项目、是否有省级医保/价格试点跑通、是否进入医院采购预算、是否在 DRG/DIP 场景下被证明能减少漏诊或缩短报告时间。这比单看"多少家医院装了 AI"更重要。
2. 2. 基础模型扩证能力：联影、推想、数坤等头部公司在大模型范式下，单年新增三类证数量是否能稳定上行。如果能，意味着边际研发成本真的被压平了。
3. 3. 早筛 × 影像的合流产品：是否有公司（不一定是联影）把血液早筛的"一证多病"和影像的"一扫多查"打通——前者涉及 IVD、多癌种临床验证、阳性预测值、过度诊疗风险，后者是多任务影像工作流，证据逻辑完全不同。能把两端串起来做出"高危人群年度 AI 全身风险评估"的公司，会是下一个突破点。

联影这次把竞争焦点从"谁有更多单病种证"推到了"谁能用同一个技术底座持续生产临床任务"。这可能是工业化拐点的前奏，但还不是拐点本身。接下来三年才会决定，这是一次真正的范式革命，还是中国医疗 AI 史上的第三次"概念过山车"。

本文为 BIO-TI 产业观察，基于公开资料综合判断，不构成投资建议。文中提及的产品数据来自联影智能官方披露，已标注主要来源。