中国科学院院士、西安交通大学数学与统计学院教授徐宗本。

近日，蚂蚁集团推出了新一代人工智能（下称“AI”）医疗健康应用——“AQ”。该应用具有智能体名医问诊、用药提醒、医院智能服务、诊断参考等普及化功能。这一应用的上线引发了产业界和医学界对“AI如何真正服务普通人”的广泛关注。公众对“智能医疗是否能真正普惠基层”的追问，再度将AI赋能医疗的焦点拉回一个关键议题——普惠。

近年来，AI在医疗领域持续深化，从影像识别到疾病预测，从辅助诊断到康养服务，不断拓展应用边界。AI在医疗装备智能化、影像辅助诊断、慢病管理与康养服务等方面已取得局部突破，但在体制机制、数据治理、医院定位和产业协同等层面仍存在深层障碍。

在“看病难、看病贵”依然困扰普通患者的当下，如何让AI不仅停留在城市大医院的辅助系统中，还成为让民众“用得上、用得起、用得好”的医疗工具，这成为了摆在政策制定者、技术研发者和产业落地者面前的共同命题。

因此，要实现真正的普惠医疗，不仅需要技术能力，更依赖顶层制度设计与公共资源重构。普惠导向的AI医疗体系，才是技术真正转化为全民健康福祉的根本通道。

AI赋能医疗，突破已现但仍在起步阶段

AI在医疗领域的应用正处于“局部突破、整体起步”的阶段。当前已有多个方向取得实质性进展：比如医疗装备的智能化，医院管理服务的信息化和医学研究与实践中的辅助诊疗。这些局部成果虽未形成系统性重构，但已为普惠医疗的实现打下技术基础。

其中，医疗装备智能化的发展尤为突出。以新一代分布式低辐射CT系统为例，采用“扫描成像分离”和“计算换性能”的技术路线，能将传统CT的辐射剂量降低至原来的五分之一甚至十分之一，这将显著降低CT对患者和医生的辐射影响。这类设备不仅已完成注册认证，还具备部署到农村地区甚至发展中国家的可行性，使疾病筛查这一远程诊断具备了更低门槛、更广覆盖的可能。

与此同时，医院的服务信息化水平持续提升。挂号、分诊、缴费、取药等流程的线上化，使患者就医体验大幅优化，“看病难”的问题得到一定缓解。互联网医院的广泛推广，也为未来AI系统嵌入诊疗流程、实现数据互通提供了基础条件。

在科研领域，AI对某些疾病的诊断和治疗也展现出显著成效。比如，肺结节识别、糖尿病视网膜筛查等场景中，AI辅助系统的准确率已经达到甚至超越普通医生的水平。这些单点式突破虽然尚未形成系统性的覆盖能力，但在实践中已展现出极高的效率与可扩展性。

可以说，AI赋能医疗在我国已初显成效，但整体仍处于探索和验证阶段，正处于从“突破”走向“普及”，从“产品”走向“体系”的阶段。

普惠医疗是AI最能发挥价值的主战场

AI赋能医疗的真正价值，不在于“锦上添花”，而在于“雪中送炭”。其最重要的战场是普惠医疗。在当前国内医疗资源分布不均、基层服务能力薄弱的现实背景下，AI提供的不是顶层精英化工具，而是一套标准化、可复制、低门槛的基础性支撑体系，是解决“基层看病难、看病贵”的关键技术路径。

普惠医疗的落脚点，首先在于下沉。我国基层地区普遍缺乏大型医疗设备和专业诊断能力，而以“扫描-成像分离”和“计算换性能”为核心理念的新型检查设备，为解决这一结构性难题提供了技术抓手。通过在乡村部署低成本扫描设备，将图像上传至中心医院或云端平台进行计算与判读，可实现设备轻量化与服务集中化的统一。这种架构不仅可以覆盖偏远地区，也具备向其他发展中国家输出的潜力。

其次是对影像判读的赋能。我国基层医疗人员往往经验不足，误诊、漏诊率较高，而基于大模型训练的AI系统可以对CT、核磁、X光等常见影像进行高效识别与初步诊断，为医生提供第二视角，这有助于提升诊断准确率，缩短决策时间。特别是在肺结节、糖尿病视网膜病变、乳腺病变等高发疾病的筛查中，一些AI应用已能实现与专科医生相当的识别水平。

再者是普适性问诊系统的建立。通过大语言模型与本土医疗数据结合，可实现面向乡村医生与社区服务人员的智能问答能力，为常见病和慢性病提供标准化初步判断。系统模拟医生的问诊逻辑，对患者症状进行分类匹配与推荐，覆盖程度甚至可超过一般基层医生水平。这类“数字医生”产品，具备良好的实用性和推广性，是AI真正实现普及应用的关键一步。

在此基础上，AI在重大疾病的早筛方面也具备极高价值。筛查本身是一种高覆盖率、低成本、可容忍“假阳性”的诊断策略，天然适合与AI结合。例如在癌症、心脑血管病等国家重点防控领域，借助AI技术大幅提升早筛效率，将有助于缓解医保压力，实现“早发现、早治疗、低代价、高效率”的公共卫生目标。

慢病管理亦是不可忽视的领域。以高血压、糖尿病、心衰等慢性疾病为例，AI可在患者与医务人员之间建立稳定的信息桥梁，实现远程随访、数据监测、风险预警与用药建议，极大降低人力成本与漏管率。再配合可穿戴设备与移动终端，还可构建连续的数据链条，为健康管理提供动态反馈。

此外，AI技术也正逐步融入康养体系的重塑过程。“新四化”理念提出，即住院部社区化、病房家庭化、诊断网络化、运行集团化，意味着三甲医院不再孤岛运作，而是可以成为区域医疗网络的枢纽节点，与社区健康中心共同构建起“智联网医院”。该体系不仅打通了医疗资源下沉的通道，也为我国老龄化社会提供了持续性照护与服务的可行模型。

就此而言，普惠医疗不是AI的附加用途，而是其最具使命感与可行性的主战场。真正实现AI驱动的医疗平权，关键不在于创造精英技术，而在于打造人人可用、处处可及、长期可负担的公共技术能力。

推动AI医疗应用的障碍仍是体制改革滞后

AI赋能医疗的技术路径已愈发清晰，应用前景广阔，但在推进过程中却频频受阻，其根本症结并不在于技术能力的不足，而在于现有体制机制的掣肘。即便有技术、有人才、有产品，仍难以形成规模应用和商业闭环。归根结底，是现有医疗体系尚未完成与AI技术深度融合所需的体制改革。

首先，当前医疗体系的管理结构仍较为封闭。医疗设备采购、临床应用、数据获取等关键环节高度集中于医院自身。即使一项AI产品在性能、成本和使用便捷性方面具备明显优势，也难以突破院内既有供应链和设备体系的壁垒。

更现实的问题是，AI设备提升的是患者受益水平，但采购与使用的决策者却是医院，而医院对患者获益并不直接承担激励责任。这种“好技术无处落地”的结构性矛盾，很大程度上也阻碍了先进技术的转化。

其次，数据封闭是当前AI医疗发展中无法回避的核心问题。医疗数据是AI算法迭代与模型训练的基础资源，但多数医院、科室、医生仍对数据持封闭态度，既不共享，也不外传，哪怕是匿名化处理后用于科研合作也极为受限。以致于缺乏统一的数据治理体系，无法形成全国范围内可调度、可打通的医疗数据网络，也无法实现算法的真正优化。

此外，医院自身的组织结构也制约着新技术的引入。目前多数医院仍沿用“按科室分利”的管理机制，导致临床行为强烈依附于收入分配、资源竞争等科室利益结构。只要某项AI技术无法直接提升某一科室的“账面效益”，就难以获得内部支持。这种以经济指标为导向的运行模式，本质上不利于推动长期价值、公共价值的创新技术落地。

最后，医疗公共政策层面尚缺乏统一顶层设计。目前AI医疗相关项目多由科研人员、产业公司、医院“自发推动”，缺乏国家层面的战略统筹和制度保障。不同医院、不同地方、不同部门各行其是，重复建设、重复实验，资源浪费现象普遍。而三方力量——医疗机构、科研单位、产业企业——各有诉求，彼此协同困难。在没有统一的目标设定与标准规范下，三方也很难形成合力推动。

因此，要实现AI在医疗领域的深度融合，必须正视并改革现有体制。

普惠导向的AI医疗创新需要系统性变革支持

AI在医疗领域的最优解，不在于打造少数高精尖的“神器”，而在于构建一种普惠、连续、可持续的基层医疗与康养服务体系。这一目标的实现，不能仅靠技术突破本身，更依赖于系统性的制度配套与资源重构。以普惠为导向的医疗AI创新，需要政策、资金、管理、数据等多方面的系统支持。

首先，要明确不同类型医院的功能定位，是推动结构性改革的前提。当前我国大量三甲医院资源被挤占在康复、护理、注射、慢病随访等基层医疗机构本应承担的工作中，导致“人满为患”“越顶越挤”的就医困境。

在普惠医疗体系中，应推动三甲医院回归“诊治疑难重症、培养基层医生”的核心职能范畴，应将日常照护、康复和基础诊疗任务下沉到社区卫生中心和康养中心。AI技术可以在这个过程中提供关键支撑，通过辅助诊断、远程问答、智能随访等方式，让基层医疗机构具备承担更多公共服务的能力。

其次，智慧康养体系的建设将成为AI发挥持续作用的重要场景。以“新四化”理念为指导，构建住院部社区化、病房家庭化、诊断网络化、运行集团化的服务架构，推动形成以三甲医院为骨干、社区康养中心为支点的“智联网医院”体系。这一网络通过AI技术将医疗服务延伸至家中与社区，使老年人、慢病患者无需频繁奔赴大医院即可享受连续性的健康管理服务，真正实现“离院不离医”。

再次，产业界、科研界与医疗体系三者之间的分工协作也急需重构。在普惠医疗目标下，科研机构负责技术原始创新，产业界负责产品化与商业模式构建，而医疗体系则承担实际场景验证、临床需求反馈与服务落地。三者只有形成相互尊重、分工协同、数据互通的机制，AI医疗产品才能在真实环境中不断迭代优化。

值得注意的是，普惠医疗本身并不强调盈利导向，而侧重基本服务的可及性与稳定性。这决定了许多AI医疗产品的商业化路径并非传统的“销售—回款”逻辑，而需依托国家医保、政府补贴、公益采购等多元化支付机制。在政策层面，政府也应给予技术准入、设备定价、数据使用等方面的灵活试点权，为新模式探索留出空间。

此外，推动基层医疗体系对AI技术的吸纳和使用，还需在人事管理、岗位设置、收入分配等方面给予配套改革。例如，应允许三甲医院对下沉康养服务进行业务指导并获取合理收益，建立基层健康中心的职业晋升与绩效评价体系，引导更多人才向“最后一公里”流动。

总之，最终目标是建立一个分层清晰、职责明确、技术支撑到位、运行高效的“国家级普惠医疗底座”。在这一体系下，AI不再是高悬的实验性科技成果，而是融入日常生活的基础设施，为所有人提供公平可及的医疗保障。

文/徐宗本 （中国科学院院士、西安交通大学数学与统计学院教授、大数据算法与分析技术国家工程实验室主任、西安大数据与人工智能研究院院长）

编辑/肖隆平

校对/赵琳