醫(yī)渡科技（02158）攜手中腫十年共建：揭開醫(yī)院真正需要的醫(yī)療AI真相

前幾日，中山大學腫瘤防治中心（下稱“中腫”）與醫(yī)渡科技聯(lián)合組織了一場面向投資機構的調(diào)研活動。現(xiàn)場沒有炫目的PPT，沒有“打敗人類醫(yī)生”的夸張演示。信息科團隊直接調(diào)取院內(nèi)真實門診工作站，演示AI助手病歷自動生成、腫瘤分期智能評估、標準化治療方案推薦等核心功能。這種“素顏出鏡”的坦誠姿態(tài)，在國內(nèi)醫(yī)療AI領域，尤其是面向投資人調(diào)研時并不多見。

恰逢此次機構調(diào)研窗口期，醫(yī)渡科技（02158）官宣中標中腫重磅項目，其中智慧臨床及結算服務升級建設項目金額達908萬元。背后的合作底色極具風向標意義：自2015年起，醫(yī)渡科技與中腫已深度共建整整十年。

十年深耕落地，也把一個行業(yè)底層邏輯徹底擺在臺面：頂級醫(yī)院真正需要的AI醫(yī)療，不是參數(shù)最強、噱頭最足的大模型，而是能扎根臨床流程、適配科研剛需、守住醫(yī)療安全、真正能用、敢用、長期可迭代的實用型AI。

調(diào)研活動現(xiàn)場

大模型“進院”的三大陷阱：為什么很多AI產(chǎn)品死在科室門口？

2025年以來，隨著DeepSeek、通義千問等大模型能力的快速提升，全國數(shù)百家三甲醫(yī)院宣布“接入大模型”。但熱鬧的官宣背后，真正落地到臨床一線、被醫(yī)生常態(tài)化使用的產(chǎn)品寥寥無幾，實際滲透率遠低于行業(yè)宣傳。

“我們花了20多分鐘教一個前列腺科的醫(yī)生用我們的智能診療助手，他還是說‘這個沒有我寫得準’。”中腫調(diào)研現(xiàn)場也折射出一個普遍現(xiàn)實：即便AI工具功能再完善，想要真正走進醫(yī)生日常工作，依然阻力重重。臨床醫(yī)生專業(yè)壁壘高、診療習慣固化，普遍對新生AI工具持審慎甚至保守態(tài)度，接受和上手意愿天然偏弱。

而比用戶接受度更棘手的是，當下整個醫(yī)療AI行業(yè)在進院落地過程中，普遍深陷三大結構性陷阱：

陷阱一：重模型輕數(shù)據(jù)，AI成了“無源之水”

腫瘤?？漆t(yī)院的數(shù)據(jù)天生具備復雜特質(zhì)：模態(tài)多、體量龐大、動態(tài)隨訪周期長、異構系統(tǒng)割裂、非結構化文本占比高、同一種疾病醫(yī)生描述口徑極不統(tǒng)一（僅肺癌診斷表述就達上千種）。

“沒有高質(zhì)量的數(shù)據(jù)底座，大模型就像跑車加了劣質(zhì)汽油?！敝心[的解決路徑是：先花數(shù)年時間做數(shù)據(jù)治理，建立單層數(shù)據(jù)標準、腫瘤?？仆ㄓ脭?shù)據(jù)集、專病字段集，將200多萬患者的全病程數(shù)據(jù)進行結構化和標準化，最終形成8000多個結構化字段。

醫(yī)渡科技在其中扮演的角色，不是“模型提供商”，而是從數(shù)據(jù)治理到AI中臺建設的深度共建方。這恰恰是大多數(shù)通用大模型公司無法替代的能力——它們不懂醫(yī)院里那些“半結構化、非結構化、醫(yī)生寫法五花八門”的真實數(shù)據(jù)，也沒有能力完成專科化的數(shù)據(jù)規(guī)整與價值沉淀。

陷阱二：千人一面，忽視醫(yī)生的個體化需求

中腫信息科透露，醫(yī)院自建的AI診療助手剛上線時，掀起了全院AI熱潮，四五百名醫(yī)生報名學習。但很快，信息科就收到50個不同的應用需求——每個專科、每位醫(yī)生對病歷生成的格式、詳略、側重點都有不同要求，一刀切的通用模式根本無法真正落地。

于是，中腫與醫(yī)渡科技共同推出了“千人千面”的智能體平臺：醫(yī)生只需三步——起名字、寫提示詞、選數(shù)據(jù)范圍——就能快速創(chuàng)建自己的專屬AI助手。迄今為止，全院已上線約170個醫(yī)生自建智能體，覆蓋病歷書寫、醫(yī)囑管理、患者宣教等場景，甚至出現(xiàn)了以醫(yī)生名字命名的智能體，真正做到AI適配人、融入臨床日常。

陷阱三：不可溯源，醫(yī)生不敢用

“AI有幻覺，我們怎么敢信？”這是所有醫(yī)療AI面臨的終極拷問。

醫(yī)渡科技的破局思路，核心就是全鏈路可溯源。在中腫現(xiàn)場演示中，AI輸出的病歷內(nèi)容均可一鍵溯源，直接定位到對應的出院小結、檢驗檢查報告等原始病歷資料，來源清晰、有據(jù)可查。

在VTE血栓風險評估實測中，AI與人工評分存在差異的59例樣本，經(jīng)資深專家交叉復核，其中50例判定AI評估更為準確，綜合正確率達到90%。

醫(yī)渡科技的技術路線并非依賴單一的大模型，而是采用大小模型協(xié)同+醫(yī)療知識圖譜約束+全流程溯源的混合智能架構。不靠模型參數(shù)噱頭，而是用嚴謹?shù)募夹g風控嚴控幻覺風險、錨定醫(yī)療安全，真正讓醫(yī)生放心采信、敢于納入日常診療工作流。

行業(yè)變局：醫(yī)療AI正在發(fā)生結構性重構

目前國內(nèi)醫(yī)療AI賽道已形成三大主流玩家陣營，各自在頂級三甲醫(yī)院體系中形成了清晰的定位差異與能力邊界：

傳統(tǒng)醫(yī)療信息化廠商：優(yōu)勢在于院內(nèi)渠道成熟、業(yè)務流程理解深；但在大模型能力、深度數(shù)據(jù)治理和智能體架構上相對薄弱，更多服務于流程數(shù)字化升級，在高階AI臨床科研賦能等增量市場上面臨挑戰(zhàn)。

通用大模型團隊：模型底座能力強、算力充沛；但醫(yī)療場景的復雜性、?？茢?shù)據(jù)標準的缺失、以及長達數(shù)年的臨床磨合門檻，使其當前更多落地于科普、導診、基礎文書生成等非核心診療環(huán)節(jié)。真正進入臨床決策閉環(huán)的案例仍有限。

垂直醫(yī)療AI廠商（以醫(yī)渡科技為代表）：深耕醫(yī)療十年以上，長期綁定頭部醫(yī)院，沉淀?？茢?shù)據(jù)標準，深度理解臨床隱性邏輯、科研訴求、合規(guī)及數(shù)據(jù)不出域要求，具備中臺化持續(xù)迭代能力。能夠承接從數(shù)據(jù)基建、AI中臺搭建、全場景智能體部署到持續(xù)擴容復購的完整生命周期，已成為研究型醫(yī)院在高階AI建設中的首選合作伙伴。

三類玩家并非“誰消滅誰”，而是分工協(xié)作，但高價值核心場景的壁壘正快速抬高。

與此同時，醫(yī)院的采購邏輯也在發(fā)生根本性轉變。過去醫(yī)院采購AI以項目制、單點式為主：一個影像AI、一個病歷生成AI、一個CDSS，零散采購、互不打通。如今，頭部三甲已切換為基礎設施化投入，將AI與數(shù)據(jù)中臺視為新一代智能化基建，一套底座全院共用，多個場景按需賦能。

同時年度預算常態(tài)化，算力投入逐年加碼，應用由點及面全院鋪開。中腫在調(diào)研中提到，其AI相關投入占比持續(xù)提升，這極具代表性。醫(yī)院不再單純追求短期回本，而是更看重數(shù)據(jù)資產(chǎn)沉淀、科研產(chǎn)能提升、臨床人力替代效率以及臨床試驗的產(chǎn)業(yè)吸附效應。未來更多醫(yī)院將遵循“先建底座、再上智能體、全場景滲透”的路徑，行業(yè)進入平臺化共建、長期迭代持續(xù)服務的新階段。

資本與產(chǎn)業(yè)啟示：醫(yī)療AI進入“強者恒強”的馬太效應時代

標桿醫(yī)院的范式將快速向全國復制

中腫作為腫瘤領域標桿，其AI建設模式具備極強的行業(yè)參考價值，中腫數(shù)據(jù)及AI平臺已集成院內(nèi) 56 個業(yè)務系統(tǒng)，沉淀超 200 萬患者全病程數(shù)據(jù)，支撐 5000 余項臨床研究、助力 500 多篇高分論文發(fā)表，單病種智能上報效率提升10倍，累計為醫(yī)護節(jié)省8萬小時。這些可量化、可落地、可復盤的實際價值，將有力吸引全國大型三甲醫(yī)院及知名專科醫(yī)院紛紛借鑒與復刻。而率先在頭部醫(yī)院跑通落地范式的企業(yè)，也將順勢迎來規(guī)?；茝V的行業(yè)紅利。

機構投資邏輯從“炒模型”轉向“看落地壁壘”

頭部調(diào)研機構的核心關注點已明顯轉變：不再只看模型講概念，而是重點考察——是否有頂級醫(yī)院長期共建、是否有可量化的落地效果、是否有持續(xù)復購訂單、是否有藥企變現(xiàn)的第二曲線、是否形成了?？茢?shù)據(jù)標準的壁壘。純概念、無場景深耕的標的，將逐步被資本邊緣化。

行業(yè)門檻大幅抬高，后來者追趕難度加大

醫(yī)療AI真正的門檻并非算法本身，而是多年的臨床磨合、數(shù)據(jù)標準沉淀、醫(yī)生診療邏輯的積累、合規(guī)落地的經(jīng)驗。這些都無法靠短期燒錢或通用大模型能力補齊。行業(yè)正式進入馬太效應階段：頭部標桿鎖定先發(fā)優(yōu)勢，后來者更多只能在非核心場景中競爭。