2026 年 11 月,国家卫生健康委等五部门印发《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》,给出两张时间表:到 2027 年,建立一批卫生健康行业高质量数据集和可信数据空间,形成一批临床专病专科垂直大模型和智能体应用;到 2030 年,基层诊疗智能辅助应用基本实现全覆盖,推动二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策。所谓临床数据授权运营,指的是在保护个人信息的前提下,由授权主体对脱敏后的诊疗数据统一授权、按用途使用。
政策把“数据”放在了“模型”前面
文件第一个时间节点考核的是数据集,不是参数规模。
这不是文字顺序的问题。临床专病模型的效果,取决于标注规范、病例覆盖与随访完整性。四川大学华西医院信息与数据管理部部长石锐在 10 月 30 日的行业论坛上提到,2025 年初大模型集中发布后,各医院涌现出大量单点应用,如果沿用早年信息化的老路,很容易形成新的数据孤岛与“AI 烟囱”,因此布局之初就要先做顶层规划。
华西与华为共建的 HAIP 平台给出的数字是:辅助生成病历超过 310 万份。这个量级的意义不在病历本身,而在于把非结构化文本变成了可训练、可审计的数据资产。医院真正稀缺的从来不是算力,而是这种把“过程”记录成“数据”的能力。
授权运营要落地,还有几道具体的手续。数据要脱敏到什么颗粒度,用途要写到多细,模型训练完成后衍生数据归谁,退出时怎么销毁,这些都要在授权协议里写清。文件把“建立临床数据授权运营管理制度”单独列出,指向的正是这层操作细节。
智能体在专科里先跑通
多智能体协同最先落地的,是流程长、角色多的病种。
浙江大学邵逸夫医院蔡秀军院士团队的“肝病全周期精准诊疗多智能体决策系统”在 2026 年世界互联网大会“互联网之光”博览会首发,用“1+N”多专科智能体协同推理网络模拟 MDT 多学科会诊,覆盖筛查、诊断、分期、治疗到预后随访;系统基于上万例高质量影像训练,累计辅助数十万例次影像审核,并已在浙江省内基层医院应用。
这条路径与工业现场很像:单个模型解决“识别”,多智能体解决“接下来做什么”。差别在于医疗的每一步都要留痕,谁下的判断、依据哪份数据、由谁复核,都要能倒查。
基层的落地条件则是另一重考验。县域医共体的影像、心电、检验、病理要共建共享中心,前提是设备接口通、影像格式统一、上传链路稳定。设备再先进,如果影像传不上去,智能诊断就是一句空话。
医院的空间,也在被重新计算
医疗 AI 的落地不只在屏幕里,还在诊室、影像科与药房的动线里。
影像智能辅助诊断铺开之后,报告书写、审核、复核的工位排布会变;县域医共体的远程诊断中心,需要把多家卫生院的影像流量集中调度,排班与设备负荷都要重算。凡拓数创服务过某药企的数字孪生工厂规划,把制药空间、工艺与设备放进同一个模型里做验证;同一套方法可以迁移到医院的影像中心与药房物流,先算清楚人、设备、样本在空间里怎么走。

凡拓数创在数据侧的积累也用得上:动作捕捉与多模态采集、仿真合成数据、Sim2Real 虚实迁移。这些能力的共同前提是数据可追溯、可授权、可复现,与临床数据授权运营的要求同构。工业与医疗看似两回事,卡住的地方是同一处。

判断一套医疗 AI 能不能进临床,可以问三个问题:数据能不能说明来源与授权范围;模型在本院真实病例上的召回率是多少,而不是论文里的数字;出错时由谁复核、留痕存在哪里。三个问题答不清,就不该上线。
先解决“敢用”,再谈“好用”
“赋能而不替代”不是一句免责,而是把责任边界写进了流程。
分类管理、临床数据授权运营、数据安全要求,三件事合起来决定了医疗 AI 未来五年的节奏。
对厂商而言,比通稿里的准确率更值得提前准备的,是数据合规与临床验证这两份材料。技术跑得快不是问题,跑得没有边界才是。