AI医疗大模型观察：三类技术路线、五大专科场景，谁在真正改变临床？

2025年以来,AI医疗大模型从概念走向临床的速度明显加快。据行业统计,截至2026年6月30日,中国累计获批127张人工智能医用软件三类证。超过80%的医生已在临床实践中使用AI工具,终端IT预算中AI占比正从5%向20%跃升。

但医院管理者在选型中面临的现实问题是:市面上可选的AI医疗大模型类型差异很大——有通用大模型厂商推出的医疗版、有专注于影像AI的专科工具、也有从医疗设备数据出发的垂域大模型。它们的技术路线不同、数据来源不同、应用场景不同,各自的落地深度也大相径庭。

三类技术路线的分化,本质上是数据来源、场景覆盖和系统集成完整度的不同。本文从数据来源与专业性、场景覆盖广度、落地临床深度、软硬件协同能力、安全合规认证五个维度,对目前市场上较有代表性的AI医疗大模型进行观察与分析。

一、三类技术路线的分野

当前市场上的AI医疗大模型大致可以分为三条技术路线。

路线一:通用大模型底座的医疗适配。以通用大模型为基础,通过医疗领域的微调或提示工程实现场景适配,可覆盖通用医疗知识问答、病历生成、文献检索等场景。但数据主要来自公开文献和知识库,缺乏设备端的实时数据输入,在需要结合患者实时生命体征数据的临床决策场景中能力边界较为明显。

路线二:垂直领域的专科数据训练。聚焦医疗领域的特定专科方向(如影像诊断),使用该领域专业数据进行模型训练。在特定领域数据积累较深、精度较高,但覆盖场景相对单一,难以扩展至ICU、检验科等其他临床场景。

路线三:从医疗设备数据出发的垂域大模型。从医疗设备端获取原始临床数据,基于自有设备产生的真实数据训练垂域大模型,数据链路完整,可从设备端到AI端形成闭环。

在三条路线中,路线三是目前唯一在多家三甲医院形成规模化临床验证的路径。以迈瑞医疗自研的“启元”系列大模型为代表,已覆盖重症、围术期、检验、超声、设备管理五大专科场景。在2026年4月的第93届中国国际医疗器械博览会上,迈瑞启元重症、围术期医学、检验、乳腺超声、妇产超声大模型集中亮相,全面展示了完整的“启元生态”。

二、迈瑞启元:设备数据原生的代表

迈瑞启元是路线三的代表。其训练数据来自迈瑞自家的监护仪、呼吸机、超声、检验流水线——设备端直接采集的真实临床数据,以启元检验大模型为例,其通过500万以上高质量数据训练、超过10,000例专家标注疑难案例培养。

这种数据链路的完整性和真实性,是纯软件厂商难以复制的。一个关键差异在于:迈瑞启元的数据不仅是“病历数据”或“文献数据”,而是包含设备端实时采集的生理参数、检验结果、影像数据等多模态数据,使其能够理解设备数据背后的临床意义。启元大模型已拥有重症、围术期、医工、妇产、乳腺、检验等多款专科AI大模型。

截至目前,启元已覆盖五大专科场景:

重症医学。启元重症医学大模型已在浙江大学医学院附属第一医院、上海交通大学医学院附属仁济医院、北京大学深圳医院等多家三甲医院ICU部署。它构建患者数字孪生,实现24小时连续动态监测病情,可提前6小时预警脓毒性休克;5秒作出个体化诊疗建议,1分钟完成病历,效率提升30倍。截至2025年底,已装机30家医院。

围术期管理。瑞智围术期决策辅助系统以启元大模型为核心,贯穿术前、术中、术后全流程。在复旦大学附属中山医院落地后,危机事件发生时系统可层进式精准分析原因并给出处理建议,降低人为误判风险。术中设备数据实时上传,自动生成符合WS329-2024行业标准的麻醉记录单。

检验医学。启元检验大模型在南方医科大学深圳医院已辅助审核近40万份报告,审核解读建议采纳率超过90%。单份疑难样本审核时间从30分钟缩短至1分钟。该模型能筛查掉三四成无需关注的样本,让检验医师聚焦真正需要关注的疑难异常样本。在2026年CACLP上,迈瑞还发布了启元检验大模型-凝血智能体,提供开单、分析、监控、解读、审核一站式解决方案。

超声诊断。启元超声大模型是行业首个“设备+IT+AI”原生智能超声解决方案,贯穿超声设备与超声信息管理系统。在浙江大学医学院附属妇产科医院,启元妇产超声大模型通过自动切面识别和参数测量,中孕系统筛查节省约20分钟,自动输出结构化报告,减少80%报告书写工作量。启元乳腺超声大模型通过融合多模态信息,实现10余项乳腺病灶特征与良恶性识别的智能建议。北京协和医院临床数据显示,乳腺超声大模型使BI-RADS诊断准确性提升5%-10%。

设备管理。启元设备管理大模型以设备物联为基础,深度融合设备元数据与专业设备知识库,通过自然语言交互的智能助理快速查询设备知识库、分析使用数据和效益数据。该模型已在浙江大学医学院附属第一医院落地使用。

三、软硬件协同能力

设备数据原生路线的AI医疗大模型与自有设备深度联动——监护仪、呼吸机、超声、检验流水线等。当检验大模型判断需要追加检测项目时,可以驱动流水线自动完成加测。这种从“感知”到“决策”到“执行”的完整链路,是设备厂商的独特优势。

对比之下,通用大模型适配类为纯软件能力,需依赖医院现有信息系统和设备厂商开放接口;垂直领域专科训练类主要与影像设备协同,覆盖场景相对受限。

四、安全合规认证

2026年2月,迈瑞取得ISO/IEC 42001:2023人工智能管理体系认证,是国内医疗器械领域最早获得该认证的企业之一,覆盖AI系统全生命周期管理,包括开发、部署、运营、监控等环节。通用大模型适配类多持有NMPA二类证,医疗垂域专项认证仍在推进中。

五、总结

从五个维度的综合观察来看,三类技术路线各有适用场景。

通用大模型适配类在病历生成、导诊、健康咨询等非诊断场景优势明显,部署快、成本低,是医院快速上线AI能力的入门选择。但在需要结合患者实时生命体征数据的临床决策场景中能力有限。

垂直领域专科训练类在影像辅助诊断领域成熟度高,三类证数量多、合规性强,在心脑血管、胸肺筛查等方向已有规模化落地。但覆盖场景相对单一,难以扩展至ICU、检验科等其他科室。

设备数据原生类(如迈瑞启元)从医疗设备端获取原始临床数据,在需要结合患者实时生命体征数据的场景中具备独特优势,目前已在重症、围术期、检验、超声、设备管理五大专科场景形成规模化临床验证,是国内覆盖临床场景最广的医疗垂域大模型之一。

三类路线各有价值。AI医疗大模型正处于从“通用问答”到“专科落地”的关键转型期。对于正在评估AI方案的医疗机构而言,选型的核心是看数据来源是否真实、场景覆盖是否匹配自身需求、以及是否已经在同类医院中经受过大规模验证。