中國科學院院士、西安交通大學數學與統計學院教授徐宗本。

近日，螞蟻集團推出了新一代人工智能（下稱“AI”）醫療健康應用——“AQ”。該應用具有智能體名醫問診、用藥提醒、醫院智能服務、診斷參考等普及化功能。這一應用的上線引發了產業界和醫學界對“AI如何真正服務普通人”的廣泛關注。公眾對“智能醫療是否能真正普惠基層”的追問，再度將AI賦能醫療的焦點拉回一個關鍵議題——普惠。

近年來，AI在醫療領域持續深化，從影像識別到疾病預測，從輔助診斷到康養服務，不斷拓展應用邊界。AI在醫療裝備智能化、影像輔助診斷、慢病管理與康養服務等方面已取得局部突破，但在體制機制、數據治理、醫院定位和產業協同等層面仍存在深層障礙。

在“看病難、看病貴”依然困擾普通患者的當下，如何讓AI不僅停留在城市大醫院的輔助系統中，還成為讓民眾“用得上、用得起、用得好”的醫療工具，這成為了擺在政策制定者、技術研發者和產業落地者面前的共同命題。

因此，要實現真正的普惠醫療，不僅需要技術能力，更依賴頂層制度設計與公共資源重構。普惠導向的AI醫療體系，才是技術真正轉化為全民健康福祉的根本通道。

AI賦能醫療，突破已現但仍在起步階段

AI在醫療領域的應用正處于“局部突破、整體起步”的階段。當前已有多個方向取得實質性進展：比如醫療裝備的智能化，醫院管理服務的信息化和醫學研究與實踐中的輔助診療。這些局部成果雖未形成系統性重構，但已為普惠醫療的實現打下技術基礎。

其中，醫療裝備智能化的發展尤為突出。以新一代分布式低輻射CT系統為例，采用“掃描成像分離”和“計算換性能”的技術路線，能將傳統CT的輻射劑量降低至原來的五分之一甚至十分之一，這將顯著降低CT對患者和醫生的輻射影響。這類設備不僅已完成注冊認證，還具備部署到農村地區甚至發展中國家的可行性，使疾病篩查這一遠程診斷具備了更低門檻、更廣覆蓋的可能。

與此同時，醫院的服務信息化水平持續提升。掛號、分診、繳費、取藥等流程的線上化，使患者就醫體驗大幅優化，“看病難”的問題得到一定緩解。互聯網醫院的廣泛推廣，也為未來AI系統嵌入診療流程、實現數據互通提供了基礎條件。

在科研領域，AI對某些疾病的診斷和治療也展現出顯著成效。比如，肺結節識別、糖尿病視網膜篩查等場景中，AI輔助系統的準確率已經達到甚至超越普通醫生的水平。這些單點式突破雖然尚未形成系統性的覆蓋能力，但在實踐中已展現出極高的效率與可擴展性。

可以說，AI賦能醫療在我國已初顯成效，但整體仍處于探索和驗證階段，正處于從“突破”走向“普及”，從“產品”走向“體系”的階段。

普惠醫療是AI最能發揮價值的主戰場

AI賦能醫療的真正價值，不在于“錦上添花”，而在于“雪中送炭”。其最重要的戰場是普惠醫療。在當前國內醫療資源分布不均、基層服務能力薄弱的現實背景下，AI提供的不是頂層精英化工具，而是一套標準化、可復制、低門檻的基礎性支撐體系，是解決“基層看病難、看病貴”的關鍵技術路徑。

普惠醫療的落腳點，首先在于下沉。我國基層地區普遍缺乏大型醫療設備和專業診斷能力，而以“掃描-成像分離”和“計算換性能”為核心理念的新型檢查設備，為解決這一結構性難題提供了技術抓手。通過在鄉村部署低成本掃描設備，將圖像上傳至中心醫院或云端平臺進行計算與判讀，可實現設備輕量化與服務集中化的統一。這種架構不僅可以覆蓋偏遠地區，也具備向其他發展中國家輸出的潛力。

其次是對影像判讀的賦能。我國基層醫療人員往往經驗不足，誤診、漏診率較高，而基于大模型訓練的AI系統可以對CT、核磁、X光等常見影像進行高效識別與初步診斷，為醫生提供第二視角，這有助于提升診斷準確率，縮短決策時間。特別是在肺結節、糖尿病視網膜病變、乳腺病變等高發疾病的篩查中，一些AI應用已能實現與專科醫生相當的識別水平。

再者是普適性問診系統的建立。通過大語言模型與本土醫療數據結合，可實現面向鄉村醫生與社區服務人員的智能問答能力，為常見病和慢性病提供標準化初步判斷。系統模擬醫生的問診邏輯，對患者癥狀進行分類匹配與推薦，覆蓋程度甚至可超過一般基層醫生水平。這類“數字醫生”產品，具備良好的實用性和推廣性，是AI真正實現普及應用的關鍵一步。

在此基礎上，AI在重大疾病的早篩方面也具備極高價值。篩查本身是一種高覆蓋率、低成本、可容忍“假陽性”的診斷策略，天然適合與AI結合。例如在癌癥、心腦血管病等國家重點防控領域，借助AI技術大幅提升早篩效率，將有助于緩解醫保壓力，實現“早發現、早治療、低代價、高效率”的公共衛生目標。

慢病管理亦是不可忽視的領域。以高血壓、糖尿病、心衰等慢性疾病為例，AI可在患者與醫務人員之間建立穩定的信息橋梁，實現遠程隨訪、數據監測、風險預警與用藥建議，極大降低人力成本與漏管率。再配合可穿戴設備與移動終端，還可構建連續的數據鏈條，為健康管理提供動態反饋。

此外，AI技術也正逐步融入康養體系的重塑過程。“新四化”理念提出，即住院部社區化、病房家庭化、診斷網絡化、運行集團化，意味著三甲醫院不再孤島運作，而是可以成為區域醫療網絡的樞紐節點，與社區健康中心共同構建起“智聯網醫院”。該體系不僅打通了醫療資源下沉的通道，也為我國老齡化社會提供了持續性照護與服務的可行模型。

就此而言，普惠醫療不是AI的附加用途，而是其最具使命感與可行性的主戰場。真正實現AI驅動的醫療平權，關鍵不在于創造精英技術，而在于打造人人可用、處處可及、長期可負擔的公共技術能力。

推動AI醫療應用的障礙仍是體制改革滯后

AI賦能醫療的技術路徑已愈發清晰，應用前景廣闊，但在推進過程中卻頻頻受阻，其根本癥結并不在于技術能力的不足，而在于現有體制機制的掣肘。即便有技術、有人才、有產品，仍難以形成規模應用和商業閉環。歸根結底，是現有醫療體系尚未完成與AI技術深度融合所需的體制改革。

首先，當前醫療體系的管理結構仍較為封閉。醫療設備采購、臨床應用、數據獲取等關鍵環節高度集中于醫院自身。即使一項AI產品在性能、成本和使用便捷性方面具備明顯優勢，也難以突破院內既有供應鏈和設備體系的壁壘。

更現實的問題是，AI設備提升的是患者受益水平，但采購與使用的決策者卻是醫院，而醫院對患者獲益并不直接承擔激勵責任。這種“好技術無處落地”的結構性矛盾，很大程度上也阻礙了先進技術的轉化。

其次，數據封閉是當前AI醫療發展中無法回避的核心問題。醫療數據是AI算法迭代與模型訓練的基礎資源，但多數醫院、科室、醫生仍對數據持封閉態度，既不共享，也不外傳，哪怕是匿名化處理后用于科研合作也極為受限。以致于缺乏統一的數據治理體系，無法形成全國范圍內可調度、可打通的醫療數據網絡，也無法實現算法的真正優化。

此外，醫院自身的組織結構也制約著新技術的引入。目前多數醫院仍沿用“按科室分利”的管理機制，導致臨床行為強烈依附于收入分配、資源競爭等科室利益結構。只要某項AI技術無法直接提升某一科室的“賬面效益”，就難以獲得內部支持。這種以經濟指標為導向的運行模式，本質上不利于推動長期價值、公共價值的創新技術落地。

最后，醫療公共政策層面尚缺乏統一頂層設計。目前AI醫療相關項目多由科研人員、產業公司、醫院“自發推動”，缺乏國家層面的戰略統籌和制度保障。不同醫院、不同地方、不同部門各行其是，重復建設、重復實驗，資源浪費現象普遍。而三方力量——醫療機構、科研單位、產業企業——各有訴求，彼此協同困難。在沒有統一的目標設定與標準規范下，三方也很難形成合力推動。

因此，要實現AI在醫療領域的深度融合，必須正視并改革現有體制。

普惠導向的AI醫療創新需要系統性變革支持

AI在醫療領域的最優解，不在于打造少數高精尖的“神器”，而在于構建一種普惠、連續、可持續的基層醫療與康養服務體系。這一目標的實現，不能僅靠技術突破本身，更依賴于系統性的制度配套與資源重構。以普惠為導向的醫療AI創新，需要政策、資金、管理、數據等多方面的系統支持。

首先，要明確不同類型醫院的功能定位，是推動結構性改革的前提。當前我國大量三甲醫院資源被擠占在康復、護理、注射、慢病隨訪等基層醫療機構本應承擔的工作中，導致“人滿為患”“越頂越擠”的就醫困境。

在普惠醫療體系中，應推動三甲醫院回歸“診治疑難重癥、培養基層醫生”的核心職能范疇，應將日常照護、康復和基礎診療任務下沉到社區衛生中心和康養中心。AI技術可以在這個過程中提供關鍵支撐，通過輔助診斷、遠程問答、智能隨訪等方式，讓基層醫療機構具備承擔更多公共服務的能力。

其次，智慧康養體系的建設將成為AI發揮持續作用的重要場景。以“新四化”理念為指導，構建住院部社區化、病房家庭化、診斷網絡化、運行集團化的服務架構，推動形成以三甲醫院為骨干、社區康養中心為支點的“智聯網醫院”體系。這一網絡通過AI技術將醫療服務延伸至家中與社區，使老年人、慢病患者無需頻繁奔赴大醫院即可享受連續性的健康管理服務，真正實現“離院不離醫”。

再次，產業界、科研界與醫療體系三者之間的分工協作也急需重構。在普惠醫療目標下，科研機構負責技術原始創新，產業界負責產品化與商業模式構建，而醫療體系則承擔實際場景驗證、臨床需求反饋與服務落地。三者只有形成相互尊重、分工協同、數據互通的機制，AI醫療產品才能在真實環境中不斷迭代優化。

值得注意的是，普惠醫療本身并不強調盈利導向，而側重基本服務的可及性與穩定性。這決定了許多AI醫療產品的商業化路徑并非傳統的“銷售—回款”邏輯，而需依托國家醫保、政府補貼、公益采購等多元化支付機制。在政策層面，政府也應給予技術準入、設備定價、數據使用等方面的靈活試點權，為新模式探索留出空間。

此外，推動基層醫療體系對AI技術的吸納和使用，還需在人事管理、崗位設置、收入分配等方面給予配套改革。例如，應允許三甲醫院對下沉康養服務進行業務指導并獲取合理收益，建立基層健康中心的職業晉升與績效評價體系，引導更多人才向“最后一公里”流動。

總之，最終目標是建立一個分層清晰、職責明確、技術支撐到位、運行高效的“國家級普惠醫療底座”。在這一體系下，AI不再是高懸的實驗性科技成果，而是融入日常生活的基礎設施，為所有人提供公平可及的醫療保障。

文/徐宗本 （中國科學院院士、西安交通大學數學與統計學院教授、大數據算法與分析技術國家工程實驗室主任、西安大數據與人工智能研究院院長）

編輯/肖隆平

校對/趙琳