三甲医院对AI医疗落地的态度与实践
核心观点
随着AI技术进步和医院态度开放，AI在医疗领域应用迅速扩展，尤其在影像诊断、语音录入和患者服务方面。头部三甲医院接受度高，积极应用AI提升临床效率、辅助诊断并改善患者体验。AI还展现提高医院运营效率（如手术排程）及促进医疗数据多模态整合的潜力，但面临数据保护、技术标准化和市场接受度等挑战。
主要应用场景及成效
- 影像诊断：放射科广泛应用AI辅助诊断，如肺结节检测、心脑血管斑块和骨折筛查，提升效率并减少人力资源浪费。病理科和内镜检查也大量研究AI应用，如瑞金医院与华为合作的病理大模型。
- 语音识别与手术记录：与科大讯飞合作，通过语音录入自动生成结构化数据和报告，提高效率。AI技术应用于手术记录自动采集，减轻医生工作量。
- 患者服务：智能客服及随访系统提升患者体验，互联网医院中AI解析患者问题并自动给出指引。
- 临床管理：AI大模型用于病例指控，智能检测文书错误确保医疗安全。临床实验中，AI总结经验教训，优化流程。
- 运营效率：智能排程系统提升手术室使用率，部分医院使用率提高10%以上。
医院AI模型开发策略
- 自建与外部合作：大型三甲医院倾向自建专科模型，满足医教研一体化需求，同时本地化部署AI算力以保护患者隐私。
- 外部模型成熟度：腾讯、华为、阿里等提供的通用模型基础良好，但需医院进行适应性和本地化调整。医院对AI工具采用持谨慎态度，强调AI作为辅助工具，最终决策仍由医生做出。
商业化及应用场景
- 商业化模式：医院主要通过向医院销售AI应用实现商业化，如检验报告智能解读，合同额几十万至几百万。未来可能向患者收费，如数字疗法和慢病管理服务包，每季度约3000元。
- 硬件结合：华为的眼镜和手表等产品已商业化，部分专科尝试将AI模型与设备整合，但投入较大且局限于特定科室。
数据整合与政策挑战
- 多模态数据采集：医院建立大数据平台收集分析多模态数据，构建完整健康档案。AI赋能提升数据分析效率，尤其在疫情期间远程诊疗需求增加。
- 数据互联互通：跨医院和跨境数据传输面临立法、伦理和利益分配挑战，需国家政策支持解决数据孤岛问题。
医院数据利用与商业化合作
- 内部数据利用：主要用于学术研究和专病挖掘，外部企业参与挖掘难度较大。医院数据分享受专科竞争、保密协议等限制。
- 合作模式：科研合作、联合课题申请、软件专利转化等形式进行合作，医院通过收取销售回报或管理费保障自身权益。
AI采购与应用决策
- 采购策略：医院优先考虑细分领域认可度高的产品，如润达的肺结节诊断工具，通过试用多个品牌最终决策。
- 谨慎态度：医院采取保守策略，对比多个品牌产品，确保选择行之有效的工具。头部医院投入大但未收益，主要通过非头部医院盈利。
未来展望
- 政策支持：医保部门支持AI预问诊并可能承担部分费用，预计一两年内出台相关政策。
- 技术发展：AI技术将进一步提升电子病历系统智能化水平，如预测急性肾损伤风险，并下放到下级医院提升诊疗水平。
- 患者端应用：智能客服解决就诊疑问，动态规划就诊路径，优化就医体验。
