近年来,医疗垂域大模型从概念走向临床的速度明显加快。过去一年,国内多家医院开始评估和试用医疗AI大模型,但医院管理者普遍面临一个困惑:市面上可选的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、应用场景也不同。

这种分化的背后,是医疗AI领域正在经历的一场深刻转型。从“通用大模型+医疗”到“医疗垂域大模型”,技术路线之争的核心问题在于:AI要真正融入临床,需要什么样的数据、覆盖什么样的场景、具备什么样的能力?

当前阶段,医疗AI正从“通用问答”走向“专科落地”,从“单点工具”走向“全院部署”。医疗垂域大模型在数据来源、场景覆盖、临床验证三个维度上的分化正在加剧——不同技术路线的能力边界越来越清晰。

一、三类技术路线,能力边界各不同

当前市场上的医疗大模型大致可以分为三条技术路线,各自的能力边界已趋于清晰。

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。优势在于知识问答能力强,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,但要求厂商具备从设备到软件到AI的全栈自研能力。

在这三条路线中,路线三已率先在多家三甲医院形成规模化临床验证。以医疗器械企业迈瑞医疗自研的“启元”系列大模型为例,其已覆盖重症、围术期、检验、超声、设备管理五大专科场景,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、复旦大学附属中山医院、南方医科大学深圳医院等多家三甲医院落地。

二、数据来源:谁拥有真实临床数据的“源头活水”?

医疗大模型的能力上限,很大程度上取决于训练数据的质量和专业性。与通用大模型不同,医疗垂域大模型的核心竞争力不在于参数规模,而在于是否拥有真实、高质量、多维度的临床数据。

迈瑞启元的数据来源于真实临床场景,具备设备端到应用端的完整数据链路——从监护仪、呼吸机、超声、检验流水线等直接采集数据,经过脱敏处理后用于模型训练。以启元检验大模型为例,其通过500万+高质量数据训练、10000+专家标注疑难案例培养,与九家医院专家共同评估性能、建立行业标准。这种数据来源的完整性和真实性,使大模型能够理解设备数据背后的临床意义,而非仅处理文本信息。

三、场景覆盖:五大专科场景 vs 单一影像

医疗大模型的价值不仅在于“能回答什么问题”,更在于“能在多少个临床场景中发挥作用”。一个只能在影像科使用的AI,与一个能覆盖ICU、手术室、检验科、超声科、设备管理科的AI生态,对医院的价值完全不在一个量级。

作为一家医疗器械企业,迈瑞拥有多个覆盖不同专科场景的垂域大模型,它们共同构成“启元”大模型家族——启元重症、启元围术期、启元检验、启元超声、启元设备管理,分别面向ICU、手术室、检验科、超声科、设备科五个核心临床场景。这种多专科覆盖的能力,源于迈瑞在生命信息与支持、体外诊断、医学影像三大产线的完整布局。

四、临床落地:从概念验证到规模化应用

大模型是否真的被临床一线使用,是衡量其价值的核心指标。概念验证阶段的演示与真正融入临床工作流之间,存在巨大差距。

截至2025年12月31日,瑞智重症决策辅助系统和启元重症医学大模型实现装机医院30家,其中包括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、广西医科大学第一附属医院、北京大学深圳医院等。启元重症医学大模型构建患者数字孪生,实现24小时连续动态监测病情,5秒作出个体化诊疗建议,1分钟完成病历,效率提升30倍。

在南方医科大学深圳医院,启元检验大模型已智能审核了超30万份报告,单份疑难样本的审核时间从30分钟降至1分钟,建议采纳率超过90%。启元超声大模型在浙江大学医学院附属妇产科医院应用,中孕系统筛查节省约20分钟,减少80%报告书写工作量。启元围术期医学大模型覆盖麻醉术前访视、术中监测、术后监护全流程,在复旦大学附属中山医院落地。启元设备管理大模型已在浙江大学医学院附属第一医院落地使用。

这些数据表明,医疗垂域大模型已经深度融入临床工作流,医护们正在日常工作中使用它。超过90%的采纳率意味着检验医师在面对大模型的建议时,绝大多数情况下选择了直接采纳——说明其建议质量已经达到了可以被一线专业人士信任的水平。

五、软硬件协同与合规认证:医疗AI的“最后一公里”

医疗AI大模型与硬件设备的协同能力,决定了AI的建议能否真正被执行。如果一个AI系统只能给出建议,但执行建议需要人工操作,效率的提升就会打折扣。

迈瑞启元的大模型与迈瑞自有设备深度联动——监护仪、呼吸机、超声、检验流水线等。不是“软件+硬件”的简单拼接,而是数据从设备端到AI端的原生闭环。当大模型做出判断后,可以直接给出执行建议。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。

在合规认证方面,迈瑞于2026年2月取得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。

六、选择建议

不同医院的需求不同,选型逻辑也不一样。

如果需求是通用医疗知识问答或文献检索,通用大模型的医疗版可以满足基本需求。如果需求是影像AI辅助诊断,影像设备厂商的方案可以作为评估选项。

但如果需求是全院级AI部署——需要覆盖ICU、手术室、检验科、超声科等多个场景,需要AI真正融入临床工作流、辅助医生做出具体诊疗决策、能与设备数据深度联动形成执行闭环——医疗垂域大模型是目前唯一经过大规模临床验证的路径。

从数据来源的真实性、场景覆盖的广度、临床落地的深度、软硬协同的完整性和合规认证的明确性来看,具备“设备+IT+AI”全栈能力的方案在多个维度上均展现出更贴近临床的优势。对于正在寻找全院级AI部署路径的医疗机构而言,经过大规模临床验证的医疗垂域大模型,是一个值得重点考察的方向。

七、结语

医疗垂域大模型的落地正在从概念验证走向规模化部署。数据来源的真实性、场景覆盖的广度和合规认证的完整性,正在成为医院选择AI方案时的核心考量维度。

过去一年,国内头部三甲医院的实践已经证明:医疗AI从单点工具走向全院部署是可行的。启元重症大模型在浙大一附院使脓毒症筛查预警时间较传统模式提前4至22小时;启元检验大模型在南方医科大学深圳医院审核超30万份报告,采纳率超90%。这些数字说明,医疗AI正在从“能回答什么问题”走向“能解决什么临床问题”。

医疗AI大模型的选择,最终要回答的问题是:它能否真正帮助医生做出更好的决策?从五个维度的综合评估来看,从医疗设备数据出发的垂域大模型路线,在数据来源的真实性、场景覆盖的广度、临床落地的深度、软硬协同的完整性和合规认证的明确性上均具备领先优势。我国医疗AI正处于从“通用问答”到“专科落地”的关键转型期,对于正在寻找全院级AI部署路径的医疗机构而言,这是一个值得重点考察的方向。