AGI时代全球数智医学影像生态产业发展白皮书

www.frostchina.com版权所有©2026弗若斯特沙利文 医疗健康正加速迈向“数据智能” 当人工智能以前所未有的速度重塑千行百业，医疗健康领域也正在经历一场从“经验驱动”迈向“数据智能”的深刻变革。医学影像贯穿疾病筛查、临床诊断、治疗规划、疗效评估和随访管理全过程，具有应用频率高、数据规模大、临床价值直观等特点，已成为人工智能率先实现规模化应用的重要医疗场景之一。 AI正在重塑医学影像生态 过去，AI医学影像更多被视为放射科医生的“第二双眼睛”，主要承担病灶识别、异常提示和辅助诊断等任务。随着医学影像基座模型、多模态大模型和AI Agent等技术持续发展，AI正逐步延伸至数据治理、影像分析、结构化报告、质量控制、远程协同和科研转化等环节。其角色也由单点辅助工具，逐步升级为推动整个医学影像生态数智化演进的重要力量。 构建面向未来的数智影像生态与发展路径 本白皮书将从医学影像生态当前的建设情况和现实痛点出发，分析AGI时代下AI对医学影像服务、临床诊疗和生态协同的赋能逻辑，并结合颅脑、胸部和膝关节等典型场景呈现相关应用实践。在此基础上，白皮书进一步展望数智影像生态的未来建设路径。我们希望通过本次研究，让公众和产业参与者更直观地了解医学影像生态的发展，以及医学影像AI如何真正成为医生诊疗过程中的伙伴与“数字分身”。 目录 第一章 医学影像生态介绍 1.1医学影像介绍81.2医学影像生态各相关方介绍91.3医学影像服务流程与影像能力拆解111.4医学影像在疾病诊疗过程中的重要性分析121.5中国医学影像生态痛点分析131.6中国医学影像生态建设政策指引分析141.7中国医学影像生态痛点解决方案151.8中国医学影像生态建设成果总结16 第二章AI于医学影像生态的赋能逻辑 2.1 AI医疗时代进程背景介绍182.1.1 AI医疗发展历程介绍182.1.2 AI Agent于AGI全面实现的价值192.1.3 AI Agent规模化应用的主要限制202.2 AI医学影像行业介绍212.2.1医学影像AI：从服务流程定义到应用场景分类212.2.2 AI医学影像行业演进232.2.3 AI医学影像基座模型介绍242.2.4 AI医学影像基座模型与传统模型对比分析252.3 AI于医学影像临床诊疗价值分析262.4 AI医学影像行业痛点分析272.5 AI医学影像3.0时代的产品研发条件282.6河图计划案例分析292.7 AI医学影像3.0时代的研发路径分析312.7.1医学影像AI研发路径：从单点模型到全流程能力体系312.7.2单一企业难以覆盖全场景，生态共建成为AI研发必然路径322.7.3 AI Agent需要明确“主人”，责任医生成为最佳研发主体332.7.4医生参与AI研发的动力与实现路径332.7.5 AI集成平台连接研发成果与医疗场景，实现商业化落地352.7.6数据驱动AI持续迭代，形成影像能力闭环362.8 AI医学影像4.0时代的展望37 目录 第三章AI医学影像在各场景的临床应用实践 3.1颅脑39 3.1.1颅脑医学影像应用介绍393.1.2传统模式下颅脑医学影像难点分析423.1.3颅脑疾病AI医学影像行业现状433.1.4颅脑疾病AI医学影像智能体案例分析46 3.2胸部49 3.2.1胸部医学影像应用介绍493.2.2传统模式下胸部医学影像难点分析543.2.3胸部疾病AI医学影像行业现状553.2.4胸部疾病AI医学影像智能体案例分析60 3.3膝关节62 3.3.1膝关节医学影像应用介绍623.3.2传统模式下膝关节医学影像难点分析633.3.3膝关节疾病AI医学影像行业现状64 3.4其他专科影像场景 3.4.1其他场景医学影像应用介绍3.4.2其他场景AI医学影像行业现状 6570 第四章 数智医学影像生态建设与展望 4.1数智化医学影像生态中各主要相关方协同模式75 4.1.1医学影像服务提供方754.1.2医学影像设备供应商764.1.3 AI医学影像解决方案提供商774.1.4医疗信息化基建提供商784.1.5有影像检查需求的人群794.1.6互联网+AI医疗平台80 目录 81 4.2.1产品层面4.2.2体系建设层面4.2.3服务能力层面 83 4.3数智医学影像生态的国际化探索路径分析 84 第五章 数智医学影像生态主要参与者介绍 一脉阳光+影禾医脉 RadNet + Gleamer I-Med + Harrison.ai 三种生态模式对比 96 全球数智医学影像产业主体AI布局概览97 核心术语释义 医学影像生态 1.1医学影像介绍 医学影像通过多种成像技术实现人体结构、功能及病变特征的可视化呈现，是现代临床诊断、治疗决策和全流程健康管理的重要支撑。 医学影像是指通过X射线、电磁场、超声波、放射性核素等不同物理介质与人体组织相互作用，以图像形式呈现人体内部组织、器官结构及功能状态的医学技术。医学影像能够为临床医生提供直观、客观、可量化的诊疗信息，是现代医学诊断、治疗决策、疗效评估和预后随访中不可或缺的重要工具。 根据成像原理和临床用途的不同，常见医学影像技术主要包括X射线成像、计算机断层扫描（Computed Tomography, CT）、磁共振成像（Magnetic Resonance Imaging, MRI）、超声成像、数字减影血管造影（Digital Subtraction Angiography, DSA）及核医学影像等。其中，X射线成像和CT主要适用于骨骼、胸部、急诊创伤及多系统疾病的快速检查；MRI具有较高的软组织分辨率，广泛应用于神经系统、肌肉骨骼系统、腹部及盆腔疾病诊断；超声成像具有便捷、安全、实时动态观察等优势，在心血管、妇产科、腹部及浅表器官检查中应用广泛；DSA主要用于血管结构显示及介入治疗导航；核医学影像则通过示踪剂反映组织器官代谢与功能状态，在肿瘤、心血管疾病和神经系统疾病诊疗中具有独特价值。 总体来看，医学影像已从单纯的疾病诊断工具，逐步发展为贯穿筛查、诊断、治疗、疗效评估和随访全流程的基础性医疗能力。随着设备升级、信息化系统完善、人工智能算法发展及区域影像协同体系建设，医学影像正逐步向数据标准化、诊断智能化、服务协同化和管理精细化的数智影像生态方向演进。 在传统医学影像模式下，设备、检查、诊断和信息化系统通常围绕单一环节独立发展，数据价值和智能化能力难以充分释放。随着医学影像数据规模增长、人工智能大模型技术成熟以及医疗服务体系数字化升级，未来医学影像生态将进一步向“场景+数据+AI+平台”的综合能力体系演进。其中，影像服务场景是AI能力落地的基础，高质量医学影像数据是模型持续优化的核心资源，医学影像AI则成为提升开单、扫描、诊断和临床应用等全流程能力的重要工具。围绕真实影像服务场景构建数据基础和AI能力体系，将成为未来数智影像生态发展的重要方向。 1.2医学影像生态各相关方介绍 医学影像生态由检查需求人群、影像服务提供方、设备提供商、AI解决方案提供商及医疗信息化基建提供商共同构成，各方分别承担需求产生、服务交付、硬件支撑、智能赋能和数据流转等功能。 医学影像生态并非由单一医疗机构或单一技术环节构成，而是覆盖检查需求产生、影像检查执行、设备供给、智能诊断支持和数据基础设施建设等多个环节的综合体系。在传统模式下，各类主体通常围绕自身职能开展业务，彼此之间更多体现为线性协作关系；随着医学影像服务需求增长、基层影像能力建设加速以及AI技术在临床场景中的应用深化，各相关方之间的连接关系正在逐步增强，医学影像生态也开始从单点服务模式向多方协同模式演进。 该类人群包括因疾病筛查、临床诊断、治疗评估、术前检查、慢病随访及健康管理等需求而接受医学影像检查的个人。随着人口老龄化、慢性病负担上升、居民健康意识增强以及体检和早筛需求增加，医学影像检查需求持续扩大。同时，不同人群的影像需求存在明显差异，例如急诊患者更关注检查效率，肿瘤患者更关注精准诊断和疗效随访，慢病患者更关注长期监测和连续管理。因此，检查需求人群不仅是影像服务的接受者，也是推动影像服务向便捷化、精准化和连续化发展的重要力量。 医学影像服务提供方 医学影像服务提供方主要包括医院、医学影像中心和体检中心等。其中，医院承担临床诊疗中的影像检查和诊断任务，是医学影像服务的主要场景；医学影像中心通常具备较强的设备配置和专业化运营能力，可为区域内医疗机构、基层医疗机构或个人提供影像检查及诊断支持；体检中心则主要面向健康筛查和早期风险识别场景。不同服务提供方在服务对象、检查场景、运营模式和诊断能力方面存在差异，但共同承担影像采集、图像管理、报告输出等职能。 医学影像设备提供商 设备提供商主要负责X光、CT、MRI、超声、DSA、核医学影像设备及相关配套系统的研发、生产、销售和维护。医学影像设备的性能直接影响图像质量、检查效率、疾病识别能力和临床适用范围。近年来，影像设备正在从单纯硬件产品向智能化、数字化和平台化方向发展，设备厂商不仅提供影像采集工具，也逐步参与图像重建、扫描流程优化、智能质控和远程运维等环节，成为影像生态中重要的技术支撑力量。 AI医学影像解决方案提供商 AI医学影像解决方案提供商是医学影像生态中推动智能化升级的重要技术主体。随着医学影像AI从单点病种工具向全流程智能化能力演进，行业参与者正在由单一算法提供商向覆盖数据治理、模型研发、临床应用和平台集成的综合型AI生态建设者转变。例如，以影禾医脉为代表的医学影像AI平台型企业，依托真实影像服务场景、数据基础和AI研发能力，探索构建覆盖数据治理、模型训练、AI应用和临床反馈迭代的数智影像生态体系。 医疗信息化基建提供商 医疗信息化基建提供商主要提供医院信息系统、影像归档和通信系统、放射科信息系统、区域影像云平台、数据治理平台及网络安全等基础设施。其核心作用在于实现影像数据的采集、存储、传输、共享和管理，支持医院内部及区域内医疗机构之间的协同。医学影像数据通常具有体量大、格式复杂、调用频率高、异质性强、标注口径不一和隐私安全要求高等特点，尤其在不同设备、不同机构、不同检查流程和不同报告习惯下，数据标准化与互联互通难度较高。因此，信息化基建水平不仅影响影像服务效率和数据利用能力，也直接关系到AI医学影像应用的落地效果。 1.2医学影像生态各相关方介绍 医学影像生态由检查需求人群、影像服务提供方、设备提供商、AI解决方案提供商及医疗信息化基建提供商共同构成，各方分别承担需求产生、服务交付、硬件支撑、智能赋能和数据流转等功能。 数智化医学影像生态中各相关方的双向协同关系如下图呈现：设备提供商提供检查基础设施，服务提供方承接线下检查与诊断服务，检查需求人群贡献真实场景与服务需求，信息化基建提供商保障数据互联互通，AI解决方案提供商实现诊断、报告与流程赋能。各方围绕临床需求形成持续反馈闭环，共同推动影像诊疗效率、质量与可及性提升。 1.3医学影像服务流程与影像能力拆解 医学影像服务质量并非由单一环节决定，而是由开单、扫描、诊断和临床应用等多个节点的角色能力共同影响。影像能力即贯穿医学影像服务全流程的综合能力体系，其拆解有助于明确各环节价值贡献和能力提升方向。 医学影像服务并非简单的“拍片—出报告”，而是由临床医生开单、技师扫描质控、影像医生诊断、临床医生应用共同构成的连续服务流程。各节点角色分别承担检查项目选择、图像采集、征象识别和诊疗决策等关键任务，其专业能力共同决定影像检查能否准确回答临床问题，并最终影响诊断质量、报告价值和治疗决策效果。 影像能力并非单一环节的能力，而是贯穿医学影像服务全流程的综合能力体系，涵盖临床医生的检查决策能力、技师的图像采集与质控能力、影像医生的诊断与报告能力，以及临床医生的影像应用能力。各环节能力体现在完成度上，并共同决定医学影像服务的最终质量与价值。 影像能力具