2026AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書

AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書二零二六年掃碼了解詳情掃碼了解詳情《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|2026n醫(yī)療健康正加速邁向“數(shù)據(jù)智能”當(dāng)人工智能以前所未有的速度重塑千行百業(yè)，醫(yī)療n醫(yī)療健康正加速邁向“數(shù)據(jù)智能”當(dāng)人工智能以前所未有的速度重塑千行百業(yè)，醫(yī)療健康領(lǐng)域也正在經(jīng)歷一場從“經(jīng)驗驅(qū)動”邁向“數(shù)據(jù)智能”的深刻變革。醫(yī)學(xué)影像貫穿疾病篩查、臨床診斷、治療規(guī)劃、療效評估和隨訪管理全過程，具有應(yīng)用頻率高、數(shù)據(jù)規(guī)模大、臨床價值直觀等特點，已成為人工智能率先實現(xiàn)規(guī)?；瘧?yīng)用的重要醫(yī)療場景之一。nAI正在重塑醫(yī)學(xué)影像生態(tài)過去，AI醫(yī)學(xué)影像更多被視為放射科醫(yī)生的“第二雙眼睛”，主要承擔(dān)病灶識別、異常提示和輔助診斷等任務(wù)。隨著醫(yī)學(xué)影像基座模型、多模態(tài)大模型和AIAgent等技術(shù)持續(xù)發(fā)展，AI正逐步延伸至數(shù)據(jù)治理、影像分析、結(jié)構(gòu)化報告、質(zhì)量控制、遠程協(xié)同和科研轉(zhuǎn)化等環(huán)節(jié)。其角色也由單點輔助工具，逐步升級為推動整個醫(yī)學(xué)影像生態(tài)數(shù)智化演進的重要力量。n構(gòu)建面向未來的數(shù)智影像生態(tài)與發(fā)展路徑本白皮書將從醫(yī)學(xué)影像生態(tài)當(dāng)前的建設(shè)情況和現(xiàn)實痛點出發(fā)，分析AGI時代下AI對醫(yī)學(xué)影像服務(wù)、臨床診療和生態(tài)協(xié)同的賦能邏輯，并結(jié)合顱腦、胸部和膝關(guān)節(jié)等典型場景呈現(xiàn)相關(guān)應(yīng)用實踐。在此基礎(chǔ)上，白皮書進一步展望數(shù)智影像生態(tài)的未來建設(shè)路徑。我們希望通過本次研究，讓公眾和產(chǎn)業(yè)參與者更直觀地了解醫(yī)學(xué)影像生態(tài)的發(fā)展，以及醫(yī)學(xué)影像AI如何真正成為醫(yī)生診療過程中的伙伴與“數(shù)字分身”。2《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|2026第一章醫(yī)學(xué)影像生態(tài)介紹第二章AI于醫(yī)學(xué)影像生態(tài)的賦能邏輯2.1AI醫(yī)療時代進程背景介紹2.1.2AIAgent于AGI全面實現(xiàn)的價值192.1.3AIAgent規(guī)模化應(yīng)用的主要限制202.2.1醫(yī)學(xué)影像AI：從服務(wù)流程定義到應(yīng)用場景分類2.2.4AI醫(yī)學(xué)影像基座模型與傳統(tǒng)模型對比分析2.5AI醫(yī)學(xué)影像3.0時代的產(chǎn)品研發(fā)條件2.7AI醫(yī)學(xué)影像3.0時代的研發(fā)路徑分析2.7.1醫(yī)學(xué)影像AI研發(fā)路徑：從單點模型到全流程能力體系2.7.2單一企業(yè)難以覆蓋全場景，生態(tài)共建成為AI研發(fā)必然路徑2.7.3AIAgent需要明確“主人”，責(zé)任醫(yī)生成為最佳研發(fā)主體332.7.4醫(yī)生參與AI研發(fā)的動力與實現(xiàn)路徑2.7.5AI集成平臺連接研發(fā)成果與醫(yī)療場景，實現(xiàn)商業(yè)化落地2.7.6數(shù)據(jù)驅(qū)動AI持續(xù)迭代，形成影像能力閉環(huán)2.8AI醫(yī)學(xué)影像4.0時代的展望r心sul.l1vAN3沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|2026第三章AI醫(yī)學(xué)影像在各場景的臨床應(yīng)用實踐第四章數(shù)智醫(yī)學(xué)影像生態(tài)建設(shè)與展望4.1數(shù)智化醫(yī)學(xué)影像生態(tài)中各主要相關(guān)方協(xié)4.1.3AI醫(yī)學(xué)影像解決方案提供商4.1.6互聯(lián)網(wǎng)+AI醫(yī)療平臺4沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20264.2數(shù)智醫(yī)學(xué)影像生態(tài)的國際化探索可行性分4.3數(shù)智醫(yī)學(xué)影像生態(tài)的國際化探索路徑分析第五章數(shù)智醫(yī)學(xué)影像生態(tài)主要參與者介紹n一脈陽光+影禾醫(yī)脈nRadNet+Gleamer94nI-Med+Harrison.ai95n三種生態(tài)模式對比n全球數(shù)智醫(yī)學(xué)影像產(chǎn)業(yè)主體AI布局概覽97沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|2026n核心術(shù)語釋義AGI），工智能發(fā)展方向。在醫(yī)學(xué)影像領(lǐng)域，體現(xiàn)為從單點工具向全流程智能系統(tǒng)演進。AIAgent人工智能智能體，能夠理解任務(wù)目標(biāo)、調(diào)用工具、執(zhí)行AIUAIUnit（AI單元），醫(yī)學(xué)影像AI任務(wù)拆解中的基礎(chǔ)能力單元，用于定義具體影像分析任務(wù)，例如某AISUAISub-Unit（AI子單元），AI單元進一步細(xì)分后的任務(wù)模塊，用于支持更細(xì)粒度的醫(yī)學(xué)影像AI能力河圖計劃是影禾醫(yī)脈依托一脈陽光醫(yī)學(xué)影像場景與數(shù)據(jù)基礎(chǔ)，聯(lián)合權(quán)威醫(yī)療機構(gòu)共同推進的行業(yè)級醫(yī)學(xué)影像數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)與標(biāo)注計劃。圍繞醫(yī)學(xué)影像數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)、結(jié)構(gòu)化治理和模型訓(xùn)練支撐的數(shù)據(jù)體系，通過標(biāo)準(zhǔn)化數(shù)據(jù)基礎(chǔ)推動醫(yī)學(xué)影像AI研發(fā)。AIR影禾醫(yī)脈面向具體檢查項目開發(fā)的醫(yī)學(xué)影像AI產(chǎn)品體系，例如胸部CTAIR、顱腦CTAIR等，實現(xiàn)檢查項目級AI能力。影禾醫(yī)脈顱腦CT超級智能體，以顱腦CT平掃為核心場景，實現(xiàn)從影像識別到報告生成的智能化輔助AI-DIY影禾醫(yī)脈提出的醫(yī)學(xué)影像AI開發(fā)模式，使醫(yī)生、醫(yī)院和科研團隊能夠基于基礎(chǔ)模型、數(shù)據(jù)和工具鏈構(gòu)建個性化AI能力。MIIA醫(yī)學(xué)影像智能體體系（MedicalImagingIntelligentAgents），以醫(yī)學(xué)影像基座模型為核心，結(jié)合數(shù)據(jù)、智能體和臨床流程，實現(xiàn)醫(yī)學(xué)影像AI能力構(gòu)建與應(yīng)用。MIIA-AI面向臨床使用場景的AI能力集成平臺，將影禾自研AI模型及第三方AI產(chǎn)品統(tǒng)一接入，為醫(yī)生提供一iSpacsiData遠程會診及AI能力嵌入。iResearch醫(yī)學(xué)影像AI科研和模型研發(fā)平臺，支持?jǐn)?shù)據(jù)分析、模型訓(xùn)練、效果評估和科研轉(zhuǎn)化。r心sul.l1vAN6沙利文第一章醫(yī)學(xué)影像生態(tài)介紹0101《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20261.1醫(yī)學(xué)影像介紹醫(yī)學(xué)影像通過多種成像技術(shù)實現(xiàn)人體結(jié)構(gòu)、功能及病變特征的可視化呈現(xiàn)，是現(xiàn)代臨床診斷、治療決策和全流程健康管理的重要支撐。醫(yī)學(xué)影像是指通過X射線、電磁場、超聲波、放射性核素等不同物理介質(zhì)與人體組織相互作用，以圖像形式呈現(xiàn)人體內(nèi)部組織、器官結(jié)構(gòu)及功能狀態(tài)的醫(yī)學(xué)技術(shù)。醫(yī)學(xué)影像能夠為臨床醫(yī)生提供直觀、客觀、可量化的診療信息，是現(xiàn)代醫(yī)學(xué)診斷、治療決策、療效評估和預(yù)后隨訪中不可或缺的重要工具。根據(jù)成像原理和臨床用途的不同，常見醫(yī)學(xué)影像技術(shù)主要包括X射線成像、計算機斷層掃描（ComputedTomography,CT）、磁共振成像（MagneticResonanceImaging,MRI）、超聲成像、數(shù)字減影血管造影（DigitalSubtractionAngiography,DSA）及核醫(yī)學(xué)影像等。其中，X射線成像和CT主要適用于骨骼、胸部、急診創(chuàng)傷及多系統(tǒng)疾病的快速檢查；MRI具有較高的軟組織分辨率，廣泛應(yīng)用于神經(jīng)系統(tǒng)、肌肉骨骼系統(tǒng)、腹部及盆腔疾病診斷；超聲成像具有便捷、安全、實時動態(tài)觀察等優(yōu)勢，在心血管、婦產(chǎn)科、腹部及淺表器官檢查中應(yīng)用廣泛；DSA主要用于血管結(jié)構(gòu)顯示及介入治療導(dǎo)航；核醫(yī)學(xué)影像則通過示蹤劑反映組織器官代謝與功能狀態(tài)，在腫瘤、心血管疾病和神經(jīng)系統(tǒng)疾病診療中具有獨特價值?？傮w來看，醫(yī)學(xué)影像已從單純的疾病診斷工具，逐步發(fā)展為貫穿篩查、診斷、治療、療效評估和隨訪全流程的基礎(chǔ)性醫(yī)療能力。隨著設(shè)備升級、信息化系統(tǒng)完善、人工智能算法發(fā)展及區(qū)域影像協(xié)同體系建設(shè)，醫(yī)學(xué)影像正逐步向數(shù)據(jù)標(biāo)準(zhǔn)化、診斷智能化、服務(wù)協(xié)同化和管理精細(xì)化的數(shù)智影像生態(tài)方向演進。在傳統(tǒng)醫(yī)學(xué)影像模式下，設(shè)備、檢查、診斷和信息化系統(tǒng)通常圍繞單一環(huán)節(jié)獨立發(fā)展，數(shù)據(jù)價值和智能化能力難以充分釋放。隨著醫(yī)學(xué)影像數(shù)據(jù)規(guī)模增長、人工智能大模型技術(shù)成熟以及醫(yī)療服務(wù)體系數(shù)字化升級，未來醫(yī)學(xué)影像生態(tài)將進一步向“場景+數(shù)據(jù)+AI+平臺”的綜合能力體系演進。其中，影像服務(wù)場景是AI能力落地的基礎(chǔ)，高質(zhì)量醫(yī)學(xué)影像數(shù)據(jù)是模型持續(xù)優(yōu)化的核心資源，醫(yī)學(xué)影像AI則成為提升開單、掃描、診斷和臨床應(yīng)用等全流程能力的重要工具。圍繞真實影像服務(wù)場景構(gòu)建數(shù)據(jù)基礎(chǔ)和AI能力體系，將成為未來數(shù)智影像生態(tài)發(fā)展的重要方向。圖：醫(yī)學(xué)影像技術(shù)與全流程能力體系能力環(huán)節(jié)核心內(nèi)容主要參與主體對影像服務(wù)的價值設(shè)備成像能力通過CT、MRI、X-ray、超聲、核醫(yī)學(xué)等設(shè)備獲取醫(yī)學(xué)影像信息決定影像數(shù)據(jù)獲取質(zhì)量和信息豐富檢查執(zhí)行能力設(shè)置、檢查流程規(guī)范執(zhí)行及圖像保障影像采集標(biāo)準(zhǔn)化和穩(wěn)定性影像診斷能力基于醫(yī)學(xué)影像進行疾病識別、鑒別診斷和報告生成將影像數(shù)據(jù)轉(zhuǎn)化為診斷價值臨床應(yīng)用能力結(jié)合影像結(jié)果輔助治療決策、療效評估和患者隨訪管理推動影像結(jié)果服務(wù)臨床決策信息化與智能化能力影像數(shù)據(jù)管理、PACS/RIS建設(shè)、AI輔助分析、智能工作流優(yōu)化提升影像服務(wù)效率和智能化水平運營管理能力影像資源調(diào)度、質(zhì)量控制、區(qū)域協(xié)同和醫(yī)療服務(wù)管理提升醫(yī)療資源利用效率和服務(wù)可及性r心sul.l1vAN8沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20261.2醫(yī)學(xué)影像生態(tài)各相關(guān)方介紹醫(yī)學(xué)影像生態(tài)由檢查需求人群、影像服務(wù)提供方、設(shè)備提供商、AI解決方案提供商及醫(yī)療信息化基建提供商共同構(gòu)成，各方分別承擔(dān)需求產(chǎn)生、服務(wù)交付、硬件支撐、智能賦能和數(shù)據(jù)流轉(zhuǎn)等功能。醫(yī)學(xué)影像生態(tài)并非由單一醫(yī)療機構(gòu)或單一技術(shù)環(huán)節(jié)構(gòu)成，而是覆蓋檢查需求產(chǎn)生、影像檢查執(zhí)行、設(shè)備供給、智能診斷支持和數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)等多個環(huán)節(jié)的綜合體系。在傳統(tǒng)模式下，各類主體通常圍繞自身職能開展業(yè)務(wù)，彼此之間更多體現(xiàn)為線性協(xié)作關(guān)系；隨著醫(yī)學(xué)影像服務(wù)需求增長、基層影像能力建設(shè)加速以及AI技術(shù)在臨床場景中的應(yīng)用深化，各相關(guān)方之間的連接關(guān)系正在逐步增強，醫(yī)學(xué)影像生態(tài)也開始從單點服務(wù)模式向多方協(xié)同模式演進。圖：醫(yī)學(xué)影像生態(tài)各相關(guān)方介紹23452345該類人群包括因疾病篩查、臨床診斷、治療評估、術(shù)前檢查、慢病隨訪及健康管理等需求而接受醫(yī)學(xué)影像檢查的個人。隨著人口老齡化、慢性病負(fù)擔(dān)上升、居民健康意識增強以及體檢和早篩需求增加，醫(yī)學(xué)影像檢查需求持續(xù)擴大。同時，不同人群的影像需求存在明顯差異，例如急診患者更關(guān)注檢查效率，腫瘤患者更關(guān)注精準(zhǔn)診斷和療效隨訪，慢病患者更關(guān)注長期監(jiān)測和連續(xù)管理。因此，檢查需求人群不僅是影像服務(wù)的接受者，也是推動影像服務(wù)向便捷化、精準(zhǔn)化和醫(yī)學(xué)影像服務(wù)提供方主要包括醫(yī)院、醫(yī)學(xué)影像中心和體檢中心等。其中，醫(yī)院承擔(dān)臨床診療中的影像檢查和診斷任務(wù)，是醫(yī)學(xué)影像服務(wù)的主要場景；醫(yī)學(xué)影像中心通常具備較強的設(shè)備配置和專業(yè)化運營能力，可為區(qū)域內(nèi)醫(yī)療機構(gòu)、基層醫(yī)療機構(gòu)或個人提供影像檢查及診斷支持；體檢中心則主要面向健康篩查和早期風(fēng)險識別場景。不同服務(wù)提供方在服設(shè)備提供商主要負(fù)責(zé)X光、CT、MRI、超聲、DSA、核醫(yī)學(xué)影像設(shè)備及相關(guān)配套系統(tǒng)的研發(fā)、生產(chǎn)、銷售和維護。醫(yī)學(xué)影像設(shè)備的性能直接影響圖像質(zhì)量、檢查效率、疾病識別能力和臨床適用范圍。近年來，影像設(shè)備正在從單純硬件產(chǎn)品向智能化、數(shù)字化和平臺化方向發(fā)展，設(shè)備廠商不僅提供影像采集工具，也逐步參與圖像重建、掃描流程優(yōu)化、智能質(zhì)控和遠程運維等環(huán)節(jié)，成為影像生態(tài)中重要的技術(shù)支撐力量。AI醫(yī)學(xué)影像解決方案提供商AI醫(yī)學(xué)影像解決方案提供商是醫(yī)學(xué)影像生態(tài)中推動智能化升級的重要技術(shù)主體。隨著醫(yī)學(xué)影像AI從單點病種工具向全流程智能化能力演進，行業(yè)參與者正在由單一算法提供商向覆蓋數(shù)據(jù)治理、模型研發(fā)、臨床應(yīng)用和平臺集成的綜合型AI生態(tài)建設(shè)者轉(zhuǎn)變。例如，以影禾醫(yī)脈為代表的醫(yī)學(xué)影像AI平臺型企業(yè)，依托真實影像服務(wù)場景、數(shù)據(jù)基礎(chǔ)和AI研發(fā)能力，探索構(gòu)建覆蓋數(shù)據(jù)治理、模型訓(xùn)練、AI應(yīng)用和臨床反饋迭代的數(shù)智影像生態(tài)體系。醫(yī)療信息化基建提供商主要提供醫(yī)院信息系統(tǒng)、影像歸檔和通信系統(tǒng)、放射科信息系統(tǒng)、區(qū)域影像云平臺、數(shù)據(jù)治理平臺及網(wǎng)絡(luò)安全等基礎(chǔ)設(shè)施。其核心作用在于實現(xiàn)影像數(shù)據(jù)的采集、存儲、傳輸、共享和管理，支持醫(yī)院內(nèi)部及區(qū)域內(nèi)醫(yī)療機構(gòu)之間的協(xié)同。醫(yī)學(xué)影像數(shù)據(jù)通常具有體量大、格式復(fù)雜、調(diào)用頻率高、異質(zhì)性強、標(biāo)注口徑不一和隱私安全要求高等特點，尤其在不同設(shè)備、不同機構(gòu)、不同檢查流程和不同報告習(xí)慣下，數(shù)據(jù)標(biāo)準(zhǔn)化與互聯(lián)互通難度較高。因此，信息化基建水平不僅影響影像服務(wù)效率和數(shù)據(jù)利用能力，也直接關(guān)系到AI醫(yī)學(xué)影像應(yīng)用的落地效果。r心sull1vAN9沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20261.2醫(yī)學(xué)影像生態(tài)各相關(guān)方介紹醫(yī)學(xué)影像生態(tài)由檢查需求人群、影像服務(wù)提供方、設(shè)備提供商、AI解決方案提供商及醫(yī)療信息化基建提供商共同構(gòu)成，各方分別承擔(dān)需求產(chǎn)生、服務(wù)交付、硬件支撐、智能賦能和數(shù)據(jù)流轉(zhuǎn)等功能。數(shù)智化醫(yī)學(xué)影像生態(tài)中各相關(guān)方的雙向協(xié)同關(guān)系如下圖呈現(xiàn)：設(shè)備提供商提供檢查基礎(chǔ)設(shè)施，服務(wù)提供方承接線下檢查與診斷服務(wù)，檢查需求人群貢獻真實場景與服務(wù)需求，信息化基建提供商保障數(shù)據(jù)互聯(lián)互通，AI解決方案提供商實現(xiàn)診斷、報告與流程賦能。各方圍繞臨床需求形成持續(xù)反饋閉環(huán)，共同推動影圖：醫(yī)學(xué)影像生態(tài)網(wǎng)絡(luò)檢前管理：檢前管理：智能開單、智能預(yù)約、檢查適應(yīng)癥提示、注意事項提醒、特殊需求記檢中協(xié)同：流程引導(dǎo)、候檢分診、檢后賦能：AI閱片輔助、結(jié)構(gòu)化報告、質(zhì)控管理、輔助診療、隨訪與復(fù)查提醒醫(yī)學(xué)影像設(shè)備提供商AI醫(yī)學(xué)影像解決方案提供商檢查需求疾病篩查、臨床診斷、治療評估、慢病隨訪、健康管理醫(yī)學(xué)影像中心服務(wù)提供化基建提PACSRISHIS影像云醫(yī)學(xué)影像生態(tài)體檢中心MRI核醫(yī)學(xué)影像設(shè)備數(shù)據(jù)治理信息安全數(shù)據(jù)回流線上接入X光DSACTr心sul.l1vAN10沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20261.3醫(yī)學(xué)影像服務(wù)流程與影像能力拆解醫(yī)學(xué)影像服務(wù)質(zhì)量并非由單一環(huán)節(jié)決定，而是由開單、掃描、診斷和臨床應(yīng)用等多個節(jié)點的角色能力共同影響。影像能力即貫穿醫(yī)學(xué)影像服務(wù)全流程的綜合能力體系，其拆解有助于明確各環(huán)節(jié)價值貢獻和能力提升方向。醫(yī)學(xué)影像服務(wù)并非簡單的“拍片—出報告”，而是由臨床醫(yī)生開單、務(wù)流程。各節(jié)點角色分別承擔(dān)檢查項目選擇、圖像采集、征象識別和診療決策等關(guān)鍵任務(wù)，其專業(yè)能力共同決定影像檢查能否準(zhǔn)確回答臨床問題，并最終影響診斷質(zhì)量、報告價值和治療決策效果。圖：醫(yī)學(xué)影像服務(wù)流程臨床醫(yī)生技師影像醫(yī)生臨床醫(yī)生核心行為根據(jù)患者癥狀、病史和臨床需求選擇合適檢查項目掃描參數(shù)設(shè)置和圖像采集識別影像征象、進行鑒別診斷并輸出影像報告結(jié)合影像報告、病史和其他檢查結(jié)果制定診療解決的核心問題如何基于患者臨床表現(xiàn)和診療需求，合理選擇適宜查不足或過度檢查確保圖像質(zhì)量穩(wěn)定、信息完整，滿足后續(xù)診斷與臨床應(yīng)用需求如何實現(xiàn)精準(zhǔn)影像識別誤診風(fēng)險，提高報告規(guī)范性與診斷效率如何有效理解和應(yīng)用影像結(jié)果，為疾病診療決策、治療方案制定和患者管理提供支持影響結(jié)果檢查適應(yīng)證判斷與項目選掃描規(guī)范執(zhí)行、參數(shù)設(shè)置與圖像質(zhì)控能力征象識別、診斷判斷與報告規(guī)范化能力報告理解、臨床綜合判能力缺失檢查路徑與臨床問題不匹配，影響后續(xù)診斷依據(jù)不標(biāo)準(zhǔn)，限制診斷準(zhǔn)確性漏診誤診風(fēng)險增加，報告臨床參考價值下降影像結(jié)果難以支撐治療規(guī)劃、風(fēng)險評估和隨訪?假設(shè)開單、掃描、診斷和臨床應(yīng)用四個關(guān)鍵環(huán)節(jié)均達到較高水平（90%），?假設(shè)開單、掃描、診斷和臨床應(yīng)用四個關(guān)鍵環(huán)節(jié)均達到較高水平（90%），整體服務(wù)能力仍約為0.9?≈66%。這表明醫(yī)學(xué)影像服務(wù)質(zhì)量并非由單一環(huán)節(jié)決定，而是取決于全流程各環(huán)節(jié)完成度的協(xié)同水平，任一環(huán)節(jié)存在短板都會對就是運用AI。影像能力影像能力開單能力開單能力圖像掃描能力圖像掃描能力影像診斷能力影像診斷能力臨床應(yīng)用能力臨床應(yīng)用能力任一環(huán)節(jié)不足整體影像服務(wù)價值下降整體影像服務(wù)價值下降11沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20261.4醫(yī)學(xué)影像在疾病診療過程中的重要性分析醫(yī)學(xué)影像貫穿疾病篩查、臨床診斷、治療規(guī)劃、療效評估和預(yù)后隨訪全流程，是連接患者癥狀、疾病判斷與臨床決策的重要工具。1.4.1醫(yī)學(xué)影像貫穿疾病診療全流程在疾病篩查階段，醫(yī)學(xué)影像能夠幫助發(fā)現(xiàn)尚未出現(xiàn)明顯癥狀的早期病變。例如，胸部低劑量CT可用于肺部疾病早期篩查，超聲可用于甲狀腺、乳腺、腹部臟器及婦產(chǎn)科相關(guān)檢查，X光可用于骨骼和胸部基礎(chǔ)篩查。通過早期發(fā)現(xiàn)異常影像表現(xiàn)，醫(yī)學(xué)影像有助于推動疾病早診早治。在臨床診斷階段，醫(yī)學(xué)影像能夠為疾病判斷提供直觀依據(jù)。不同影像技術(shù)可從解剖結(jié)構(gòu)、組織密度、軟組織分辨率、血管形態(tài)和功能代謝等不同角度呈現(xiàn)病變特征。例如，CT在急診創(chuàng)傷、腦卒中、胸腹部疾病評估中具有較高效率；MRI在神經(jīng)系統(tǒng)、肌肉骨骼系統(tǒng)和軟組織疾病診斷中具有優(yōu)勢；DSA可精準(zhǔn)顯示血管狹窄、堵塞和畸形等情況；核在治療規(guī)劃階段，醫(yī)學(xué)影像能夠幫助醫(yī)生明確病灶范圍、重要結(jié)構(gòu)關(guān)系及治療風(fēng)險。例如，腫瘤患者在手術(shù)、放療或介入治療前，通常需要通過影像評估病灶大小、位置、侵犯范圍和轉(zhuǎn)移情況；心腦血管疾病患者可通管狹窄程度和供血情況；外科手術(shù)和介入治療也常依賴影像進行術(shù)前規(guī)劃和術(shù)中導(dǎo)航。在療效評估和預(yù)后隨訪階段，醫(yī)學(xué)影像能夠動態(tài)觀察病灶變化和治療效果。例如，腫瘤治療后可通過影像比較病灶大小和轉(zhuǎn)移情況變化；心血管疾病患者可通過影像評估血流改善情況；慢性病患者則可通過定期影像隨展。由此可見，醫(yī)學(xué)影像已從單次檢查工具，發(fā)展為貫穿臨床全流程的連續(xù)性診療支撐能力。1.4.2醫(yī)學(xué)影像在主要臨床場景中的應(yīng)用從臨床應(yīng)用場景來看，醫(yī)學(xué)影像已廣泛覆蓋心臟、血管、胸部、腹部、顱腦、頭頸等多個重點領(lǐng)域，不同部位和疾病類型對影像檢查的需求各有側(cè)重。圖：主要臨床場景下醫(yī)學(xué)影像檢查需求及應(yīng)用價值應(yīng)用場景主要檢查需求常用影像技術(shù)快速識別出血、梗死、腫瘤、外傷和腦血管異常CT、MRI、DSA、核醫(yī)學(xué)影像腦卒中、顱腦外傷、腦腫瘤、動判斷精細(xì)結(jié)構(gòu)病變及其與周圍組超聲、CT、MRI、DSA部腫瘤、頜面疾病腫瘤及血管異常X射線成像、CT、MRI、核醫(yī)學(xué)縱隔腫瘤評估心臟結(jié)構(gòu)、瓣膜運動、心功能和心肌狀態(tài)超聲、CT、MRI、核醫(yī)學(xué)影像冠心病、心肌病、瓣膜病、心力判斷血管狹窄、堵塞、擴張、畸形或破裂風(fēng)險超聲、CT、MRI、DSA腦血管病、冠脈疾病、主動脈疾病、外周血管疾病創(chuàng)傷和功能變化超聲、CT、MRI、核醫(yī)學(xué)影像腹部腫瘤、急腹癥12沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20261.5中國醫(yī)學(xué)影像生態(tài)痛點分析中國醫(yī)學(xué)影像生態(tài)的痛點并非單一的資源不足，而是在不同層級醫(yī)療機構(gòu)中呈現(xiàn)出差異化特征：頭部醫(yī)院重在提效與區(qū)域管理，二三級醫(yī)院重在診斷能力提升，基層及縣級醫(yī)院重在補齊基礎(chǔ)服務(wù)能醫(yī)學(xué)影像是臨床診療中的高頻剛需，但不同層級醫(yī)療機構(gòu)所面臨的影像服務(wù)痛點并不相同。頭部三甲醫(yī)院和區(qū)域中心醫(yī)院通常具備較強的診斷能力，但患者流量大、閱片壓力高，同時還承擔(dān)醫(yī)聯(lián)體牽頭、遠程幫扶、影像互認(rèn)和區(qū)域質(zhì)控等職責(zé)；二三級醫(yī)院及區(qū)域醫(yī)聯(lián)體醫(yī)院具備一定設(shè)備基礎(chǔ)，但高水平影像醫(yī)師相對不足，復(fù)雜病例仍依賴上級醫(yī)院支持；基層及縣級醫(yī)院則更多面臨設(shè)備配置有限、診斷能力薄弱、檢查結(jié)果互認(rèn)度不足等問題。因此，中國醫(yī)學(xué)影像生態(tài)建設(shè)的關(guān)鍵，不只是增加設(shè)備或補充醫(yī)生，而是要根據(jù)不同層級醫(yī)療機構(gòu)的實際需求，建立覆蓋“提效、賦能、下沉、互認(rèn)、質(zhì)控”的分層解決方案。圖：不同層級醫(yī)療機構(gòu)的醫(yī)學(xué)影像生態(tài)痛點及需求?現(xiàn)有基礎(chǔ)：?核心痛點：患者流量大，醫(yī)生閱片負(fù)荷高，報告耗時長；作為醫(yī)聯(lián)體位，承擔(dān)下沉幫扶、影像互認(rèn)、區(qū)域質(zhì)控和體系化管理壓力；?對數(shù)智影像生態(tài)的需求：AI輔助閱片、報告提效、智能質(zhì)控、臨床協(xié)同、醫(yī)域醫(yī)聯(lián)體醫(yī)?現(xiàn)有基礎(chǔ)：具備一定影像設(shè)備配置，可開展常規(guī)影?核心痛點：高水平影像醫(yī)師短缺，復(fù)雜病例診斷能力不足，部分場景?對數(shù)智影像生態(tài)的需求：AI輔助診斷、結(jié)構(gòu)化報告、遠程專家復(fù)核、亞專科?現(xiàn)有基礎(chǔ)：部分機構(gòu)具備基礎(chǔ)影像設(shè)備和基礎(chǔ)檢查?核心痛點：設(shè)備配置有限，合格影像診斷醫(yī)生不足，資源也不足，存在“有設(shè)備、弱診斷”問題；檢查流程、圖?對數(shù)智影像生態(tài)的需求：遠程診斷支持、標(biāo)準(zhǔn)化采集、AI初篩輔助、基層質(zhì)總體來看，中國醫(yī)學(xué)影像生態(tài)的痛點既包括影像設(shè)備和專業(yè)人員等基礎(chǔ)資源供給不足，也包括資源分布不均、不同層級機構(gòu)診斷能力差異、基層服務(wù)能力薄弱、醫(yī)技與臨床協(xié)同不足、信息化基建不完善以及質(zhì)控標(biāo)準(zhǔn)不統(tǒng)一等問題。上述痛點共同導(dǎo)致優(yōu)質(zhì)影像資源難以下沉，影像數(shù)據(jù)難以高效流轉(zhuǎn)，檢查結(jié)果難以充分互認(rèn)，也為數(shù)智影像生態(tài)建設(shè)提出了明確需求。r心sul.l1vAN13沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20261.6中國醫(yī)學(xué)影像生態(tài)建設(shè)政策指引分析中國醫(yī)學(xué)影像生態(tài)建設(shè)正受到多項政策推動，政策方向從設(shè)備配置、檢查結(jié)果互認(rèn)、基層能力提升，逐步延伸至醫(yī)療服務(wù)價格規(guī)范和AI輔助診斷應(yīng)用，為數(shù)智影像生態(tài)發(fā)展提供制度基礎(chǔ)。近年來，中國醫(yī)學(xué)影像相關(guān)政策持續(xù)完善，政策重點已不再局限于單一設(shè)備配置，而是逐步轉(zhuǎn)向“設(shè)備可及、資源共享、基層提升、價格規(guī)范、智能賦能”的綜合建設(shè)方向。一方面，大型醫(yī)用設(shè)備配置管理政策為醫(yī)療機構(gòu)完善PET/CT、PET/MR等高端影像設(shè)備配置提供了制度依據(jù)；另一方面，檢查檢驗結(jié)果互認(rèn)、縣域醫(yī)共體建設(shè)等政策推動醫(yī)學(xué)影像資源在區(qū)域內(nèi)共享，促進“基層檢查、上級診斷、結(jié)果共享”模式落地。在支付和價格體系方面，國家醫(yī)保局近年來持續(xù)推進醫(yī)療服務(wù)價格項目規(guī)范化，陸續(xù)發(fā)布放射檢查類、超聲檢查類醫(yī)療服務(wù)價格項目立項指南，將放射檢查類項目整合為26項、超聲檢查類項目整合為13項，為影像服務(wù)收費和支付標(biāo)準(zhǔn)統(tǒng)一提供基礎(chǔ)。與此同時，AI輔助診斷開始進入醫(yī)療服務(wù)價格政策視野，相關(guān)政策中已設(shè)置“人工智能輔助”擴展項，說明AI醫(yī)學(xué)影像正在從技術(shù)探索逐步進入規(guī)范化臨床應(yīng)用階段?？傮w來看，政策正在從“補設(shè)備、擴供給”走向“強基層、促互認(rèn)、建標(biāo)準(zhǔn)、引AI”的系統(tǒng)建設(shè)階段。這一趨勢與醫(yī)學(xué)影像生態(tài)痛點高度對應(yīng)：頭部醫(yī)院需要提效與區(qū)域管理，二三級醫(yī)院需要診斷能力提升，基層及縣級醫(yī)院需要能力補齊和結(jié)果互認(rèn)。政策端的持續(xù)完善，為數(shù)智影像生態(tài)建設(shè)提供了明確的發(fā)展方向。圖：醫(yī)學(xué)影像生態(tài)建設(shè)部分相關(guān)政策發(fā)布時間政策名稱發(fā)布機構(gòu)醫(yī)學(xué)影像生態(tài)建設(shè)相關(guān)內(nèi)容2026.03《緊密型縣域醫(yī)共體醫(yī)學(xué)影像中心設(shè)置標(biāo)準(zhǔn)》國家衛(wèi)生健康委發(fā)布緊密型縣域醫(yī)共體醫(yī)學(xué)影像中心設(shè)置標(biāo)準(zhǔn)，自2026年9月1日起施行，推動縣域醫(yī)共體內(nèi)醫(yī)學(xué)影像中心建設(shè)標(biāo)準(zhǔn)化。2024.11《放射檢查類醫(yī)療服務(wù)價格項目立項指南（試行）》國家醫(yī)保局將現(xiàn)行放射檢查類價格項目映射整合為26項，供各省醫(yī)保局參考并制定統(tǒng)一價格基準(zhǔn)，推動放射檢查價格項目標(biāo)準(zhǔn)化。2024.11《超聲檢查類醫(yī)療服務(wù)價格項目立項指南（試行）》國家醫(yī)保局將現(xiàn)行超聲檢查類價格項目映射整合為13項，推動超聲檢查服務(wù)價格項目規(guī)范化。2024.11國家醫(yī)保局關(guān)于醫(yī)療服務(wù)價格立項指南相關(guān)解讀國家醫(yī)保局明確在部分價格項目中設(shè)置“人工智能輔助”擴展項，支持AI參與診療流程，但現(xiàn)階段不重復(fù)收費。2024.05全面推進緊密型縣域醫(yī)共體建設(shè)相關(guān)部署國家衛(wèi)生健康委提出重點推進醫(yī)學(xué)影像、醫(yī)學(xué)檢驗、心電診斷、病理診斷等共享中心建設(shè)，推動“基層檢查、上級診斷、結(jié)果共享”。2023.03《大型醫(yī)用設(shè)備配置許可管理目錄（2023年）》國家衛(wèi)生健康委明確PET/MR、PET/CT等大型影像相關(guān)設(shè)備配置許可管理范圍，為高端影像設(shè)備規(guī)范配置提供依據(jù)。2022.02《醫(yī)療機構(gòu)檢查檢驗結(jié)果互認(rèn)管理辦法》國家衛(wèi)生健康委等明確檢查結(jié)果包括超聲、X線、核磁共振成像、核醫(yī)學(xué)等檢查形成的圖像或數(shù)據(jù)信息，并要求醫(yī)療機構(gòu)以質(zhì)量安全為底線推進檢查檢驗結(jié)果互認(rèn)。2021.10《“千縣工程”縣醫(yī)院綜合能力提升工作方案（2021—2025年）》國家衛(wèi)生健康委推動縣醫(yī)院綜合能力提升，加強重點領(lǐng)域、緊缺專業(yè)和關(guān)鍵崗位人才培養(yǎng)，為縣域醫(yī)學(xué)影像服務(wù)能力提升提供政策基礎(chǔ)。14沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20261.7中國醫(yī)學(xué)影像生態(tài)痛點解決方案以“千縣工程”為代表的政策導(dǎo)向，正在推動醫(yī)學(xué)影像服務(wù)從單點能力建設(shè)轉(zhuǎn)向區(qū)域化、體系化建設(shè)。醫(yī)學(xué)影像生態(tài)痛點的解決，關(guān)鍵在于以區(qū)域為單位，實現(xiàn)資源共享、運營優(yōu)化、人才培養(yǎng)和服在“千縣工程”、縣域醫(yī)共體建設(shè)和檢查檢驗結(jié)果互認(rèn)等政策推動下，醫(yī)學(xué)影像能力提升已成為區(qū)域醫(yī)療體系建設(shè)的重要內(nèi)容。對于基層和縣域醫(yī)療機構(gòu)而言，影像能力短板不僅在于設(shè)備不足，也體現(xiàn)在診斷能力薄弱、運營效率不高、人才儲備不足、質(zhì)控標(biāo)準(zhǔn)不統(tǒng)一和檢查結(jié)果互認(rèn)難等方面。因此，醫(yī)學(xué)影像生態(tài)建設(shè)不能停留在單點設(shè)備投入，而需要形成覆蓋檢查、診斷、報告、質(zhì)控、培訓(xùn)和數(shù)據(jù)管理的系統(tǒng)性解決方案。在這一背景下，第三方醫(yī)學(xué)影像服務(wù)機構(gòu)可作為區(qū)域影像能力建設(shè)的重要補充力量，參與影像中心建設(shè)、設(shè)備資源整合、遠程診斷協(xié)同、運營管理和數(shù)據(jù)沉淀等環(huán)節(jié)。江西一脈陽光集團股份有限公司（以下簡稱“一脈陽光”）是中國較早開展第三方醫(yī)學(xué)影像中心投資、建設(shè)和運營的專業(yè)機構(gòu)之一。根據(jù)公司招股書披露，一脈陽光按醫(yī)學(xué)影像中心網(wǎng)點數(shù)量及設(shè)備數(shù)目計，2023年在中國所有第三方醫(yī)學(xué)影像中心運營商中排名第一；按2023年影像中心產(chǎn)生的收入計，在中國所有第三方醫(yī)學(xué)影像中心中排名第二。其過往實踐體現(xiàn)了醫(yī)學(xué)影像生態(tài)從單點檢查服務(wù)，向區(qū)域協(xié)同、標(biāo)準(zhǔn)化運營和數(shù)智化平臺能力升級設(shè)備與檢查能力117家影像中心影像中心網(wǎng)絡(luò)生態(tài)協(xié)同賦能AI診斷服務(wù)影像服務(wù)網(wǎng)絡(luò)形成覆蓋多區(qū)域、多層級機構(gòu)的醫(yī)學(xué)影像中心網(wǎng)絡(luò)。資源整合能力整合設(shè)備、醫(yī)生、技師、質(zhì)控、培訓(xùn)與運營能力。一脈陽光的核心價值不止于影像中心布局，更在于以服務(wù)場景為入口，沉淀數(shù)據(jù)資產(chǎn)，支撐AI訓(xùn)練與產(chǎn)品驗證，并持續(xù)向生態(tài)協(xié)同與平臺化能力升級。沉淀多中心、多設(shè)備、多模態(tài)影像及報告數(shù)據(jù)，支撐AI訓(xùn)練與驗證。圍繞數(shù)據(jù)服務(wù)和AI診斷服務(wù)，連接醫(yī)療機構(gòu)、醫(yī)生、設(shè)備廠商與其他生態(tài)參與者。600+截至2025年12月31日700+60+20省份數(shù)據(jù)與AI基礎(chǔ)生態(tài)平臺價值圖：中國醫(yī)學(xué)影像生態(tài)痛點解決路徑及一脈陽光實踐解決路徑解決路徑一脈陽光實踐體現(xiàn)一脈陽光實踐體現(xiàn)運營優(yōu)化?人才培養(yǎng)?標(biāo)準(zhǔn)化質(zhì)控?數(shù)據(jù)沉淀?AI賦能?建設(shè)區(qū)域影像中心、遠程診斷平臺和醫(yī)聯(lián)體協(xié)同?通過多類型影像中心模式覆蓋不同區(qū)域和機統(tǒng)一檢查流程、報告模板、服務(wù)調(diào)度和運營管理?建立影像中心投資開發(fā)、建設(shè)和運營體系通過遠程帶教、專家復(fù)核、病例培訓(xùn)提升基層能力?整合影像醫(yī)生、技師、培訓(xùn)和遠程協(xié)同能力建立圖像采集、報告輸出和質(zhì)量控制標(biāo)準(zhǔn)?依托標(biāo)準(zhǔn)化運營和質(zhì)控體系提升服務(wù)質(zhì)量持續(xù)積累影像數(shù)據(jù)、報告數(shù)據(jù)和質(zhì)控數(shù)據(jù)?依托高頻真實服務(wù)場景形成數(shù)據(jù)資產(chǎn)將AI輔助診斷、結(jié)構(gòu)化報告、智能質(zhì)控嵌入流程FROSr心suilIVAN15沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20261.8中國醫(yī)學(xué)影像生態(tài)建設(shè)成果總結(jié)隨著醫(yī)學(xué)影像服務(wù)體系、數(shù)據(jù)治理能力和政策環(huán)境逐步完善，中國醫(yī)學(xué)影像生態(tài)建設(shè)已在數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)資產(chǎn)化和政策支撐等方面形成階段性成果，為數(shù)智影像生態(tài)發(fā)展奠定基礎(chǔ)。數(shù)據(jù)標(biāo)準(zhǔn)化：從原始影像數(shù)據(jù)走向可訓(xùn)練、可應(yīng)用的數(shù)據(jù)基礎(chǔ)數(shù)據(jù)標(biāo)準(zhǔn)化：從原始影像數(shù)據(jù)走向可訓(xùn)練、可應(yīng)用的數(shù)據(jù)基礎(chǔ)醫(yī)學(xué)影像數(shù)據(jù)具有體量大、模態(tài)多、疾病復(fù)雜、報告表述差異大等特點。對于醫(yī)療行業(yè)而言，數(shù)據(jù)標(biāo)準(zhǔn)化本身就是一項難度較高的基礎(chǔ)工程；而對于AI醫(yī)學(xué)影像研發(fā)而言，數(shù)據(jù)標(biāo)準(zhǔn)化更是不可繞過的前提。如果影像采集標(biāo)準(zhǔn)、報告表述方式、病灶標(biāo)注規(guī)則和質(zhì)量控制口徑不統(tǒng)一，即使擁有大量影像數(shù)據(jù)，也難以形成穩(wěn)定、可靠、可訓(xùn)練的數(shù)據(jù)基礎(chǔ)。當(dāng)前，中國醫(yī)學(xué)影像生態(tài)建設(shè)正在從“數(shù)據(jù)積累”逐步走向“數(shù)據(jù)治理”。通過標(biāo)準(zhǔn)化流程采集影像數(shù)據(jù)，對結(jié)構(gòu)化報告進行分類、拆解和標(biāo)注，并結(jié)合統(tǒng)一的質(zhì)量控制體系，原始影像數(shù)據(jù)可以被轉(zhuǎn)化為更具訓(xùn)練價值和應(yīng)用價值的高質(zhì)量數(shù)據(jù)資源。這一過程不僅有助于提升影像檢查和診斷結(jié)果的一致性，也為醫(yī)學(xué)影像AI模型訓(xùn)練、算法驗證和產(chǎn)品迭代提供了基礎(chǔ)支撐。行業(yè)案例來看，以醫(yī)脈“河圖計劃”為代表的數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)實踐，圍繞醫(yī)學(xué)影像語義標(biāo)準(zhǔn)、報告拆解、結(jié)構(gòu)化標(biāo)注和多模態(tài)數(shù)據(jù)治理展開，將分散的影像圖像和自由文本報告轉(zhuǎn)化為可訓(xùn)練、可驗證、可復(fù)用的數(shù)據(jù)資產(chǎn)，體現(xiàn)了醫(yī)學(xué)影像數(shù)據(jù)由“原始資料”向“標(biāo)準(zhǔn)化AI訓(xùn)練基礎(chǔ)”的轉(zhuǎn)變。數(shù)據(jù)資產(chǎn)化：推動高質(zhì)量影像數(shù)據(jù)價值轉(zhuǎn)化在完成標(biāo)準(zhǔn)化治理后，醫(yī)學(xué)影像數(shù)據(jù)的價值不再局限于單次診療過程，而是可以進一步服務(wù)于科研、教學(xué)、質(zhì)量管理、AI訓(xùn)練和產(chǎn)品開發(fā)。通過脫敏、清洗、分類、標(biāo)注、質(zhì)控和合規(guī)管理，高質(zhì)量醫(yī)學(xué)影像數(shù)據(jù)能夠從傳統(tǒng)意義上的診療資料，逐步轉(zhuǎn)化為可管理、可評估、可流通和可轉(zhuǎn)化的數(shù)據(jù)資產(chǎn)。數(shù)據(jù)資產(chǎn)化的核心意義在于推動醫(yī)療數(shù)據(jù)要素的價值釋放。一方面，結(jié)構(gòu)化、高質(zhì)量的影像數(shù)據(jù)能夠支撐AI模型訓(xùn)練、真實世界研究和臨床決策優(yōu)化；另一方面，在合規(guī)、安全和可追溯的前提下，優(yōu)質(zhì)數(shù)據(jù)也具備開放共享、科研合作、掛牌流通和商業(yè)轉(zhuǎn)化的可能。由此，醫(yī)學(xué)影像數(shù)據(jù)正在從“臨床應(yīng)用價值”進一步延伸出“科研價值”和“商業(yè)價值”。行業(yè)案例來看，近年來北京、上海等地持續(xù)推進數(shù)據(jù)要素市場建設(shè)，醫(yī)療健康數(shù)據(jù)在合規(guī)脫敏、授權(quán)運營和可信流通前提下，逐步探索科研合作、數(shù)據(jù)產(chǎn)品掛牌和數(shù)據(jù)服務(wù)交易等模式。醫(yī)學(xué)影像數(shù)據(jù)因其規(guī)模大、結(jié)構(gòu)復(fù)雜、AI訓(xùn)練價值高，正成為醫(yī)療數(shù)據(jù)資產(chǎn)化探索中的重要方向。政策支撐：為數(shù)智影像生態(tài)建設(shè)提供制度保障除數(shù)據(jù)基礎(chǔ)逐步完善外，政策環(huán)境也在持續(xù)推動醫(yī)學(xué)影像生態(tài)建設(shè)。近年來，圍繞大型醫(yī)用設(shè)備配置、縣域醫(yī)療能力提升、檢查檢驗結(jié)果互認(rèn)、醫(yī)保影像云、醫(yī)療服務(wù)價格規(guī)范、AI輔助診斷應(yīng)用等方向的政策不斷出臺，為醫(yī)學(xué)影像服務(wù)能力提升和AI應(yīng)用落地提供了制度基礎(chǔ)。從政策導(dǎo)向來看，一方面，設(shè)備配置和基層能力建設(shè)政策推動醫(yī)學(xué)影像服務(wù)向縣域和基層延伸；另一方面，檢查檢驗結(jié)果互認(rèn)和影像云相關(guān)政策促進影像數(shù)據(jù)共享和區(qū)域協(xié)同；同時，AI輔助診斷、智能輔診和醫(yī)療服務(wù)價格項目相關(guān)政策，也為AI醫(yī)學(xué)影像進入臨床流程預(yù)留了制度接口。整體來看，政策支撐正在推動醫(yī)學(xué)影像生態(tài)從單點服務(wù)建設(shè)，逐步走向區(qū)域協(xié)同、數(shù)據(jù)流通和智能化應(yīng)用。政策案例來看，《醫(yī)療機構(gòu)檢查檢驗結(jié)果互認(rèn)管理辦法》明確將超聲、X線、核磁共振成像、核醫(yī)學(xué)等檢查形成的圖像或數(shù)據(jù)信息納入檢查結(jié)果范圍，推動跨機構(gòu)檢查結(jié)果互認(rèn)；《“千縣工程”縣醫(yī)院綜合能力提升工作方案（2021—2025年）》推動縣域醫(yī)院補齊醫(yī)學(xué)影像等關(guān)鍵能力；2026年發(fā)布的《緊密型縣域醫(yī)共體醫(yī)學(xué)影像中心設(shè)置標(biāo)準(zhǔn)》進一步推動縣域醫(yī)共體內(nèi)醫(yī)學(xué)影像中心建設(shè)標(biāo)準(zhǔn)化。這些政策共同為數(shù)智影像生態(tài)的區(qū)域協(xié)同、結(jié)果共享和能力下沉提供了制度基礎(chǔ)。r心sul.l1vAN16沙利文·第二章AI于醫(yī)學(xué)影像生態(tài)的賦能邏輯0202《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20262.1AI醫(yī)療時代進程背景介紹醫(yī)療AI正從統(tǒng)計學(xué)習(xí)、深度學(xué)習(xí)和大語言模型階段，逐步邁向以復(fù)雜推理、多模態(tài)感知和自主迭代為核心特征的AGI探索階段。在這一過程中，AI的角色也從單點輔助工具，逐步轉(zhuǎn)向能夠理解臨床場景、參與診療流程并持續(xù)優(yōu)化的智能能力底座。2.1.1AI醫(yī)療發(fā)展歷程介紹圖：AI圖：AI醫(yī)療從統(tǒng)計學(xué)習(xí)到AGI探索的演進路徑醫(yī)療AI的發(fā)展大體經(jīng)歷了統(tǒng)計學(xué)習(xí)、深度學(xué)習(xí)、大語言模型和AGI探索幾個階段。早期醫(yī)療AI主要依賴統(tǒng)計模型、專家規(guī)則和傳統(tǒng)機器學(xué)習(xí)方法，多用于疾病風(fēng)險預(yù)測、臨床評分、輔助分診和簡單決策支持。這一階段的AI在特定任務(wù)中具有一定價值，但高度依賴人工設(shè)定特征和規(guī)則，面對復(fù)雜臨床場景時泛化能力有限。隨著深度學(xué)習(xí)技術(shù)發(fā)展，醫(yī)療AI進入以圖像識別、病灶檢測和疾病分類為核心的階段。醫(yī)學(xué)影像、病理、眼底、內(nèi)鏡等高結(jié)構(gòu)化數(shù)據(jù)場景成為深度學(xué)習(xí)率先落地的領(lǐng)域。其中，醫(yī)學(xué)影像AI在肺結(jié)節(jié)、骨折、眼底病變、乳腺病變等單點場景中展現(xiàn)出較高應(yīng)用價值，推動AI從科研驗證逐步進入臨床輔助應(yīng)用。大語言模型階段深度學(xué)習(xí)階段大語言模型階段深度學(xué)習(xí)階段統(tǒng)計學(xué)習(xí)階段AGI探索階段大語言模型的出現(xiàn)，使醫(yī)療AI進一步從“識別型工具”走向“知識型助手”?；卺t(yī)學(xué)文獻、臨床指南、病歷文本和醫(yī)學(xué)問答數(shù)據(jù)訓(xùn)練的模型，能夠輔助醫(yī)生進行醫(yī)學(xué)知識檢索、病歷總結(jié)、文獻問答和臨床推理，顯著提升醫(yī)學(xué)文本信息處理效率。但醫(yī)學(xué)診療并不只是文本問題，真實臨床決策往往需要綜合影像、檢驗、病理、病史、用藥和隨訪等多源信息。因此，單純依賴語言模型的醫(yī)療AI，仍難以完整覆蓋復(fù)雜診療流程。當(dāng)前，醫(yī)療AI正在進入AGI探索階段。與前期AI相比，AGI階段的核心變化在于三方面：第一，AI的推理能力顯著提升，能夠在更復(fù)雜的問題中進行邏輯分析和方案生成；第二，AI開始具備多模態(tài)信息感知與處理能力，能夠同時理解文本、圖像、語音和結(jié)構(gòu)化數(shù)據(jù)；第三，AI在對話和任務(wù)執(zhí)行過程中具備一定自主規(guī)劃、反饋修正和持續(xù)迭代能力，使其從被動回答問題的工具，逐步轉(zhuǎn)向可參與工作流程的智能系統(tǒng)。對于醫(yī)療領(lǐng)域而言，AGI的意義并不只是“回答醫(yī)學(xué)問題更準(zhǔn)確”，而是讓AI有機會進入真實臨床流程，承擔(dān)信息整合、風(fēng)險識別、輔助診斷、報告生成、質(zhì)控管理和患者隨訪等更復(fù)雜任務(wù)。尤其在醫(yī)學(xué)影像場景中，未來AI不僅要識別某一類病灶，更需要理解完整檢查項目，綜合圖像征象、解剖結(jié)構(gòu)、疾病判斷和報告語言，輔助醫(yī)生完成更高質(zhì)量、更高效率的診斷工作。因此，AI醫(yī)療進入AGI時代后，行業(yè)競爭的核心將從單點算法能力，逐步轉(zhuǎn)向多模態(tài)模型能力、場景嵌入能力和持續(xù)迭代能力。醫(yī)學(xué)影像作為醫(yī)療AI最重要的應(yīng)用場景之一，也將從單病種輔助檢測，進一步走向檢查項目級智能和通用多模態(tài)影像智能。圖：AI醫(yī)療發(fā)展階段對比發(fā)展階段核心技術(shù)基礎(chǔ)主要應(yīng)用方向階段特點統(tǒng)計學(xué)習(xí)階段專家規(guī)則、統(tǒng)計模型、傳統(tǒng)機器學(xué)習(xí)疾病風(fēng)險預(yù)測、臨床評分、輔助分診依賴人工設(shè)定規(guī)則和特征，適合結(jié)構(gòu)化、邊界清晰的任務(wù)深度學(xué)習(xí)階段卷積神經(jīng)網(wǎng)絡(luò)、檢測模型、分割模型醫(yī)學(xué)影像識別、病灶檢測、疾病分類在圖像識別等任務(wù)中表現(xiàn)突出，推動醫(yī)療AI進入臨床輔助應(yīng)用大語言模型階段醫(yī)學(xué)語料、臨床文本、指南和文獻知識庫醫(yī)學(xué)問答、病歷總結(jié)、文獻檢索、臨床推理輔助強化了醫(yī)學(xué)知識理解和文本處理能力，但對影像等多模態(tài)數(shù)據(jù)理解仍有限AGI探索階段多模態(tài)模型、基座模型、Agent工具鏈多模態(tài)感知、復(fù)雜推理、任務(wù)拆解、持續(xù)迭代AI開始從輔助工具轉(zhuǎn)向可嵌入臨床流程的智能能力底座沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20262.1AI醫(yī)療時代進程背景介紹AIAgent是AGI時代的重要應(yīng)用形態(tài)，其核心價值在于將模型的理解、推理和生成能力轉(zhuǎn)化為可執(zhí)行的任務(wù)能力，使AI從“回答問題的工具”進一步升級為能夠拆解任務(wù)、調(diào)用工具、銜接流程并持續(xù)優(yōu)化的智能協(xié)作者。2.1.2AIAgent于AGI全面實現(xiàn)的價值大模型的發(fā)展使AI具備了更強的信息理解、內(nèi)容生成和推理能力，但單純模要停留在“輸入—輸出”的層面。用戶提出問題，模型出判斷。這類能力可以解決單點任務(wù)，但真實醫(yī)療場景往往由多個連續(xù)環(huán)節(jié)構(gòu)成，包括數(shù)據(jù)調(diào)取、影像分析、病灶識別、報告生成、結(jié)果復(fù)核、質(zhì)量控制和后續(xù)反饋。因此，醫(yī)療AI若要真正進入臨床工作流，僅有模型能力并不足夠。AIAgent的價值在于把模型能力進一步轉(zhuǎn)化為流程能力。與單純模型相比，Agent不只是生成答案，而是能夠在特定目標(biāo)下進行任務(wù)拆解、自主規(guī)劃、工具調(diào)用和反饋修正。模型更像是提供理解和推理能力的“智能大腦”，Agent則更像是圍繞具體任務(wù)開展工作的“執(zhí)行系統(tǒng)”。在醫(yī)學(xué)影像場景中，模型可以判斷某個病灶是否存在，而Agent則可以圍繞一個完整檢查項目，組織完成影像數(shù)據(jù)輸入、知識治理、圖像標(biāo)注、報告拆解、模型訓(xùn)練、性能評估和結(jié)果反饋等連續(xù)流程。在醫(yī)學(xué)影像領(lǐng)域，Agent的價值尤其突出。影像診斷并非單純識別圖像中的某一個異常，而是需要圍繞完整檢查項目進行綜合判斷。一個有效的影像Agent需要能夠理解檢查路徑、調(diào)用影像數(shù)據(jù)、識別解剖結(jié)構(gòu)和病灶特征、生成結(jié)構(gòu)化報告，并在醫(yī)生修改和質(zhì)控反饋中持續(xù)沉淀新的知識。醫(yī)學(xué)影像AI體系也正在從單點模型，進一步走向由數(shù)據(jù)治理、AI研發(fā)和模型集成等智能體引擎共同支撐的生產(chǎn)線式架構(gòu)，從而打通數(shù)據(jù)標(biāo)注、模型訓(xùn)練、臨床應(yīng)用和迭代優(yōu)化的全流程。從實際功能看，醫(yī)學(xué)影像Agent可以在三個層面發(fā)揮價值。第一是數(shù)據(jù)層面，通過報告拆解、知識映射、圖文對齊和數(shù)據(jù)清洗，將原始影像和報告轉(zhuǎn)化為結(jié)構(gòu)化、可訓(xùn)練、可檢索的數(shù)據(jù)資源。第二是研發(fā)層面，通過自動標(biāo)注、模型訓(xùn)練、性能測試和反饋優(yōu)化，加速AI工具研發(fā)過程。第三是應(yīng)用層面，通過嵌入醫(yī)生閱片流程，支持病灶識別、報告生成、質(zhì)控提醒和結(jié)果復(fù)核，使AI從外部輔助工具轉(zhuǎn)化為影像科日常工作的一部分。更重要的是，Agent讓AI具備持續(xù)進化的可能。傳統(tǒng)AI軟件多為靜態(tài)工具，部署后能力邊界相對固定；而Agent可以在使用過程中持續(xù)積累結(jié)構(gòu)化數(shù)據(jù)和醫(yī)生反饋，形成“使用—反饋—訓(xùn)練—優(yōu)化”的閉環(huán)。在影像診斷場景中，醫(yī)生的閱片、報告修訂和質(zhì)控復(fù)核過程，都可以轉(zhuǎn)化為新的結(jié)構(gòu)化數(shù)據(jù)和訓(xùn)練信號，使模型能力更貼近真實臨床需求。圖：醫(yī)學(xué)影像AIAgent工作流示意圖任務(wù)拆解任務(wù)拆解工具調(diào)用流程執(zhí)行反饋迭代告、質(zhì)控等步驟反饋，推動模型優(yōu)化模型、數(shù)據(jù)治理工具?嵌入PACS和醫(yī)生閱r心sull1vAN19沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20262.1AI醫(yī)療時代進程背景介紹AIAgent具備任務(wù)拆解、工具調(diào)用和流程執(zhí)行能力，但其在醫(yī)療場景中的規(guī)?；瘧?yīng)用仍受到可靠性、安全性、標(biāo)準(zhǔn)統(tǒng)一性、商業(yè)化路徑和垂類模型能力不足等因素限制。尤其在醫(yī)學(xué)影像領(lǐng)域，通用多模態(tài)能力仍是醫(yī)療AI進一步落地的關(guān)鍵短板。2.1.3AIAgent規(guī)模化應(yīng)用的主要限制穩(wěn)定推理與新環(huán)境適應(yīng)能力不足穩(wěn)定推理與新環(huán)境適應(yīng)能力不足可靠性可靠性?AIAgent要真正進入醫(yī)療流程，首先需要具備穩(wěn)定、可重復(fù)、可驗證的推理能力。但醫(yī)療場景高度復(fù)雜，同一疾病在不同患者、不同設(shè)備、不同檢查條件和不同醫(yī)院流程下可能呈現(xiàn)出差異化表現(xiàn)。當(dāng)前部分AIAgent在標(biāo)準(zhǔn)場景下可以完成較好輸出，但在罕見病例、復(fù)雜病情、多病共存、跨設(shè)備數(shù)據(jù)或非標(biāo)準(zhǔn)化輸入下，仍可能出現(xiàn)推理不穩(wěn)定、結(jié)果前后不一致或適應(yīng)新環(huán)境能力不足的問題。?對于醫(yī)學(xué)影像而言，這一問題更加突出。影像數(shù)據(jù)受到設(shè)備型號、掃描參數(shù)、圖像質(zhì)量、檢查部位、疾病譜和醫(yī)生報告習(xí)慣等多重因素影響。如果Agent不能在不同真實臨床環(huán)境中保持穩(wěn)定表現(xiàn)，就難以承擔(dān)輔助診斷、報告生成和質(zhì)控管理等高責(zé)任任務(wù)。安全性價值錯位與“AI幻覺”造成的數(shù)據(jù)偏差安全性?醫(yī)療場景對安全性要求極高。AIAgent如果出現(xiàn)理解偏差、錯誤推理或不恰當(dāng)建議，可能影響醫(yī)生判斷和患者診療流程。尤其是在大模型基礎(chǔ)上構(gòu)建的Agent中，“AI幻覺”仍是重要風(fēng)險，即模型可能生成看似合理但事實上不準(zhǔn)確的內(nèi)容。?在醫(yī)學(xué)影像場景中，這類風(fēng)險可能表現(xiàn)為病灶描述錯誤、解剖定位不準(zhǔn)、報告內(nèi)容過度推斷、遺漏關(guān)鍵異常或生成與圖像不一致的診斷建議。因此，AIAgent在醫(yī)療領(lǐng)域不能只追求生成能力，還必須具備嚴(yán)格的事實約束、醫(yī)學(xué)邏輯校驗、醫(yī)生復(fù)核機制和質(zhì)控閉環(huán)。統(tǒng)一性缺乏Agent間通信標(biāo)準(zhǔn)，模型生態(tài)割裂統(tǒng)一性?AIAgent的規(guī)模化應(yīng)用往往不是單個工具獨立完成，而是多個模型、多個系統(tǒng)和多個業(yè)務(wù)流程之間協(xié)同運行。然而，當(dāng)前不同廠商、不同模型和不同系統(tǒng)之間仍缺乏統(tǒng)一的接口標(biāo)準(zhǔn)、通信協(xié)議和數(shù)據(jù)規(guī)范，容易形成新的“AI孤島”。?在醫(yī)院場景中，HIS、PACS、RIS、LIS等系統(tǒng)本身已經(jīng)存在一定割裂，如果不同AIAgent再分別部署于影像、檢驗、病理、病歷和隨訪等環(huán)節(jié)，就可能進一步加劇系統(tǒng)割裂。若無法實現(xiàn)統(tǒng)一入口、統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)和統(tǒng)一調(diào)度，AIAgent很難真正融入醫(yī)院整體工作流。商業(yè)化風(fēng)險與責(zé)任邊界導(dǎo)致變現(xiàn)困難商業(yè)化?AIAgent的商業(yè)化并不只取決于技術(shù)能力，還取決于臨床價值是否明確、責(zé)任邊界是否清晰、支付路徑是否可持續(xù)。醫(yī)療場景中，AIAgent參與診斷、報告生成或流程決策時，一旦出現(xiàn)錯誤，責(zé)任如何劃分、結(jié)果如何追溯、醫(yī)生如何復(fù)核、醫(yī)院如何管理，都是規(guī)模化落地前必須解決的問題。?此外，當(dāng)前醫(yī)療機構(gòu)對AI產(chǎn)品的付費意愿通常與其能否明確帶來降本、增效、提質(zhì)或增收相關(guān)。如果Agent只能展示技術(shù)能力，但無法穩(wěn)定嵌入臨床流程、量化提升效率或改善質(zhì)量，其商業(yè)化價值就會受到限制。垂類分布垂類分布?當(dāng)前醫(yī)療AI的發(fā)展并不均衡。醫(yī)學(xué)語言模型、病歷文本處理和醫(yī)學(xué)問答類產(chǎn)品發(fā)展相對較快，主要原因在于通用大語言模型本身已在大規(guī)模公開語料訓(xùn)練中吸收了較多醫(yī)學(xué)知識，具備一定醫(yī)學(xué)文本理解、知識問答和臨床信息整理能力；同時，對于部分知識覆蓋不足或更新較快的場景，還可通過RAG等技術(shù)接入醫(yī)學(xué)指南、文獻數(shù)據(jù)庫和院內(nèi)知識庫，進一步提升回答準(zhǔn)確性和可用性。?相比之下，醫(yī)學(xué)影像、病理、檢驗等垂類場景對多模態(tài)理解、專業(yè)標(biāo)注、結(jié)構(gòu)化數(shù)據(jù)、真實臨床驗證和工作流適配要求更高，通用語言模型難以直接解決圖像識別、病灶定位、空間關(guān)系理解和報告生成等問題。其中，醫(yī)學(xué)影像AI不僅需要識別圖像異常，還需要理解解剖結(jié)構(gòu)、病灶特征、檢查路徑和報告語言?，F(xiàn)有許多影像AI仍停留在單病種、單任務(wù)或單檢查項目工具層面，距離能夠覆蓋多器官、多病種、多模態(tài)和完整工作流的醫(yī)學(xué)影像通用模型仍有差距。r心sul.l1vAN20沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20262.2AI醫(yī)學(xué)影像行業(yè)介紹醫(yī)學(xué)影像服務(wù)質(zhì)量取決于開單、圖像采集、影像診斷和臨床應(yīng)用等多個環(huán)節(jié)能力的協(xié)同。AI通過賦能各流程節(jié)點，增強不同角色的專業(yè)能力，推動醫(yī)學(xué)影像服務(wù)從單環(huán)節(jié)效率優(yōu)化向全鏈路能力提升，實現(xiàn)診斷質(zhì)量、服務(wù)效率和臨床價值的整體提升。2.2.1醫(yī)學(xué)影像AI：從服務(wù)流程定義到應(yīng)用場景分類醫(yī)學(xué)影像AI是指利用人工智能技術(shù)，對醫(yī)學(xué)影像服務(wù)流程中的關(guān)鍵角色能力進行增強或賦能，以提升檢查合理性、圖像質(zhì)量、診斷效率、報告規(guī)范性和臨床決策水平的智能化能力體系。狹義上主要指診斷環(huán)節(jié)的輔助診斷工具，廣義上則覆蓋開單、掃描、質(zhì)控、診斷、報告及臨床應(yīng)用等全流程，其產(chǎn)品形態(tài)可嵌入影像設(shè)備或醫(yī)療信息化平臺。醫(yī)學(xué)影像AI的分類不宜僅按病種、設(shè)備或算法劃分。按病種分類容易形成單病種、碎片化工具，難以覆蓋真實閱片流程；按算法分類偏技術(shù)視角，難以對應(yīng)臨床使用價值。更合理的分類方式，是以應(yīng)用場景為錨點，即按照醫(yī)生實際工作的流程節(jié)點與角色進行劃分。國家衛(wèi)健委等部門印發(fā)的《衛(wèi)生健康行業(yè)人工智能應(yīng)用場景參考指引》從宏觀層面明確了衛(wèi)生健康行業(yè)人工智能應(yīng)用應(yīng)圍繞具體應(yīng)用場景展開，為醫(yī)療AI按“場景—角色—由此，醫(yī)學(xué)影像AI可分為四類核心場景：面向臨床醫(yī)生的輔助開單AI，面向技師的輔助掃描與圖像質(zhì)控AI，面向影像醫(yī)生的輔助診斷與報告生成AI，以及面向臨床醫(yī)生的輔助診療與決策支持AI。圖：四類醫(yī)學(xué)影像AI在流程中的使用場景服務(wù)對象臨床醫(yī)生技師影像醫(yī)生臨床醫(yī)生AI工具覆蓋每個檢查項目全解剖結(jié)構(gòu)、全病種的輔助診斷AI風(fēng)險評估與轉(zhuǎn)歸預(yù)測、三維重建與手術(shù)規(guī)劃、量化評估、療提升方式AI智能開單查方案智能推薦性自動審核續(xù)優(yōu)化開單精準(zhǔn)度AI智能掃描及質(zhì)控?圖像質(zhì)量實時AI質(zhì)控AI輔助診斷?AI影像識別與初篩?診斷報告結(jié)構(gòu)化與標(biāo)?疑難病例AI提示與分AI臨床賦能?關(guān)鍵發(fā)現(xiàn)自動推送臨床醫(yī)生解決的問更精準(zhǔn)的診斷報告，減更精準(zhǔn)的診療決策方案21沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20262.2AI醫(yī)學(xué)影像行業(yè)介紹醫(yī)學(xué)影像服務(wù)質(zhì)量取決于開單、圖像采集、影像診斷和臨床應(yīng)用等多個環(huán)節(jié)能力的協(xié)同。AI通過賦能各流程節(jié)點，增強不同角色的專業(yè)能力，推動醫(yī)學(xué)影像服務(wù)從單環(huán)節(jié)效率優(yōu)化向全鏈路能力提升，實現(xiàn)診斷質(zhì)量、服務(wù)效率和臨床價值的整體提升。醫(yī)學(xué)影像服務(wù)質(zhì)量由開單、圖像采集、診斷分析和臨床應(yīng)用等多個環(huán)節(jié)共同決定。通過AI對各流程節(jié)點進行賦能，可進一步提升檢查決策精準(zhǔn)性、圖像采集規(guī)范性、影像診斷效率以及臨床應(yīng)用價值，實現(xiàn)醫(yī)學(xué)影像能力從單環(huán)節(jié)優(yōu)化向全鏈路協(xié)同提升。以四項核心能力均達到90%為基準(zhǔn)，AI賦能后各環(huán)節(jié)能力提升至約99%，整體影像能力由約66%提升至約97%，提升31個百分點。這31個百分點，意味著漏診更少、誤診更少、患者體驗更好、醫(yī)療資源利用更高效——這就是全鏈路AI賦能圖：全鏈路AI賦能的影像能力提升影像醫(yī)生診斷能力=影像能力影像醫(yī)生診斷能力=影像能力開單能力開單能力準(zhǔn)確率:90%提升10%分?jǐn)?shù)，99%通過AI輔助影像能力影像能力:90%x90%x90%x90%≈66%通過全鏈路AI準(zhǔn)確率:90%提升10%分?jǐn)?shù)，99%通過AI輔助影像能力影像能力:90%x90%x90%x90%≈66%通過全鏈路AI影像能力提升:99%x99%x99%x99%≈97%影像醫(yī)生準(zhǔn)確率:90%通過AI輔助準(zhǔn)確率:90%通過AI輔助提升10%分?jǐn)?shù)，達到99%提升10%分?jǐn)?shù)，99%準(zhǔn)確率:90%提升10%分?jǐn)?shù)，能力達到99%通過AI輔助影像能力影像能力開單能力開單能力圖像掃描能力圖像掃描能力影像診斷能力影像診斷能力臨床應(yīng)用能力臨床應(yīng)用能力指標(biāo)指標(biāo)AIAI賦能后提升幅度提升幅度66%97%+31%90%99%+9%90%99%+9%90%99%+9%90%99%+9%22沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20262.2AI醫(yī)學(xué)影像行業(yè)介紹AI醫(yī)學(xué)影像正從單器官、單病種的碎片化輔助工具，逐步走向以檢查項目為單元的場景級智能，并進一步邁向醫(yī)學(xué)影像通用人工智能階段。其演進本質(zhì)是從“識別單個病灶”轉(zhuǎn)向“理解完整檢查項目”，最終嵌入醫(yī)生閱片工作流。2.2.2AI醫(yī)學(xué)影像行業(yè)演進AI醫(yī)學(xué)影像的發(fā)展并不是簡單的算法升級，而是臨床應(yīng)用深度、工作流融合程度和商業(yè)化能力不斷提升的過程。早期產(chǎn)品多圍繞單一器官、單一病種或單一任務(wù)展開，更多體現(xiàn)為單點輔助工具；隨著臨床需求深化，AI醫(yī)學(xué)影像逐步從1.0階段的“局部病灶識醫(yī)療AI醫(yī)療AI以業(yè)務(wù)路徑為單元的AI場景級產(chǎn)品（AIroute，AIR）單病種、單模態(tài)的碎片化工具（AI醫(yī)療AI醫(yī)療AI以業(yè)務(wù)路徑為單元的AI場景級產(chǎn)品（AIroute，AIR）單病種、單模態(tài)的碎片化工具（AIunit/AISub-Unit，AIU/AISU）以基座模型、AIDIY為核心的生態(tài)賦能平臺（AIDIY）醫(yī)療AI?針對單一疾病、單一模態(tài)?研發(fā)孤立的AI模型?場景狹窄，無法覆蓋完整檢查項目，難以真正嵌入醫(yī)生閱片工作流，難以形成規(guī)?；瘍r值??構(gòu)建多模態(tài)通用基礎(chǔ)模型?通過模型賦能與生態(tài)開放?醫(yī)生從AI使用者轉(zhuǎn)變?yōu)锳I創(chuàng)造者?具備持續(xù)成長和迭代能力，有望推動AI醫(yī)學(xué)影像從外部輔助工具升級為工作流內(nèi)生智能能力?AIDIY是醫(yī)學(xué)影像AI從工具化應(yīng)用邁向AGI時代的重要基礎(chǔ)?以完整工作流為單元?整合分割、檢測、報告生成等復(fù)合任務(wù)?與臨床工作高度契合，顯著提升診斷效?數(shù)據(jù)需求大、研發(fā)周期長、跨項目拓展困難，難以形成規(guī)模化、批量化的AI工具生產(chǎn)能力圖：醫(yī)學(xué)影像AI三個時代特征對比發(fā)展階段產(chǎn)品定義AI的功能核心價值主要不足商業(yè)化難度單器官單病病種AI某一器官是否存在某類病變，或同一器官下的多個病種可在局部場景降低漏診場景碎片化，無法覆以嵌入醫(yī)生完整閱片AI2.0時代的AI單個檢查項目覆蓋的解剖結(jié)構(gòu)及主要更貼近真實閱片流程，可提升單個檢查項目閱數(shù)據(jù)需求大，研發(fā)周難以規(guī)?；a(chǎn)AI工具難AI3.0時代用人工智能的解剖結(jié)構(gòu)、病種及完整報告需求可嵌入醫(yī)生工作流，支持全流程輔助診斷、結(jié)構(gòu)化報告和持續(xù)迭代對高質(zhì)量數(shù)據(jù)、基座模型、標(biāo)準(zhǔn)體系和臨床驗證要求高相對更易r心sul.l1vAN23沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20262.2AI醫(yī)學(xué)影像行業(yè)介紹AI醫(yī)學(xué)影像基座模型是醫(yī)學(xué)影像AI邁向通用智能的重要基礎(chǔ)。其通過海量、多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)預(yù)訓(xùn)練，形成對影像圖像、解剖結(jié)構(gòu)、病灶特征和報告語義的通用理解能力，并可在真實應(yīng)用過程中持續(xù)吸收反饋、動態(tài)進化。2.2.3AI醫(yī)學(xué)影像基座模型介紹AI醫(yī)學(xué)影像基座模型是指基于大規(guī)模醫(yī)學(xué)影像圖像、診斷報告、結(jié)構(gòu)化標(biāo)簽和臨床語義數(shù)據(jù)進行預(yù)訓(xùn)練，從而具備廣泛醫(yī)學(xué)影像知識理解能力和通用特征提取能力的大規(guī)模模型。與傳統(tǒng)單病種AI不同，基座模型并不是面向某一個具體疾病或單一任務(wù)開發(fā)的應(yīng)用模型，而是醫(yī)學(xué)影像AI的底層基礎(chǔ)設(shè)施，可為多個部位、多個模態(tài)和多個下游任務(wù)提供統(tǒng)一支撐。?從技術(shù)構(gòu)成來看，AI醫(yī)學(xué)影像基座模型通常由語言/文本模型、醫(yī)學(xué)視覺模型和多模態(tài)視覺-語言模型構(gòu)成。語言模型用于理解報告與醫(yī)學(xué)語義，視覺模型用于識別影像中的結(jié)構(gòu)與病灶，多模態(tài)模型則實現(xiàn)圖像與文本的對齊與融合，支持影像理解與報告?從能力層級來看，模型可由基礎(chǔ)視覺模型擴展至部位模型和多模態(tài)融合模型。前者負(fù)責(zé)通用圖像特征提取，部位模型針對不同檢查部位進行適配，多模態(tài)模型則實現(xiàn)影像與報告的統(tǒng)一建模，支持病灶檢測、分割、分類及報告生成等核心能力。多模態(tài)融合（多模態(tài)融合（VLM/Vision-LanguageModel）通過視覺-語言對齊實現(xiàn)影像圖像與報告語義匹配支持圖文聯(lián)動報告生成、跨模態(tài)推理與可解釋診斷可采用CLIP、SigLIP等視覺-語言對齊范式，作為多模態(tài)建模的重要技術(shù)路徑視覺模型（SAM、medSAM、Merlin）輔助醫(yī)生進行圖像診斷提高診斷精度與效率（GPT、Llama、Qwen…）提升醫(yī)療文書處理效率支持面向患者的基礎(chǔ)咨詢進一步來看，醫(yī)學(xué)影像基座模型的訓(xùn)練并不只是算法問題，更依賴企業(yè)是否具備持續(xù)、穩(wěn)定、高質(zhì)量的數(shù)據(jù)能力。能夠支撐此類模型研發(fā)的企業(yè)，通常需要同時具備大規(guī)模真實影像數(shù)據(jù)積累、多模態(tài)數(shù)據(jù)覆蓋、結(jié)構(gòu)化報告拆解、統(tǒng)一標(biāo)注標(biāo)準(zhǔn)、專業(yè)醫(yī)生參與標(biāo)注與質(zhì)控、真實臨床場景反饋以及數(shù)據(jù)安全合規(guī)管理能力。尤其在醫(yī)學(xué)影像領(lǐng)域，數(shù)據(jù)來源分散、設(shè)備差異明顯、報告表述不一、標(biāo)注成本高，僅有算法團隊或單點數(shù)據(jù)集難以支撐通用模型的持續(xù)訓(xùn)練和迭代。因此，具備“真實場景—高質(zhì)量數(shù)據(jù)—標(biāo)基座模型的價值不僅在于“預(yù)訓(xùn)練”，更在于其具備較強的拓展性和動態(tài)進化能力。傳統(tǒng)AI模型往往在訓(xùn)練完成后形成相對固定的能力邊界，而基座模型可在真實應(yīng)用過程中，持續(xù)吸收醫(yī)生閱片、報告修訂、質(zhì)控反饋和新增病例數(shù)據(jù)，使模型逐步貼合不同醫(yī)院、不同科室和不同醫(yī)生的診斷習(xí)慣。這種“使用中訓(xùn)練、應(yīng)用中進化”的特征，使基座模型從靜態(tài)工具進一步轉(zhuǎn)向可成長的圖：AI醫(yī)學(xué)影像基座模型能力結(jié)構(gòu)示意圖多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)影像圖像/診斷報告/結(jié)構(gòu)化標(biāo)簽/臨床語義AI醫(yī)學(xué)影像基座模型下游任務(wù)能力病灶檢測/圖像分割/疾病分類/風(fēng)險評估/報告生成臨床應(yīng)用場景閱片輔助/結(jié)構(gòu)化報告/智能質(zhì)控/工作流賦能/持續(xù)進化24沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20262.2AI醫(yī)學(xué)影像行業(yè)介紹傳統(tǒng)醫(yī)學(xué)影像AI模型多圍繞單一任務(wù)、單一病種或單一檢查項目獨立開發(fā)，難以適應(yīng)復(fù)雜、多任務(wù)和跨場景應(yīng)用需求。基座模型則通過大規(guī)模、多模態(tài)數(shù)據(jù)預(yù)訓(xùn)練形成通用能力，可顯著提升模型拓展效率，并支撐醫(yī)學(xué)影像AI從單點工具走向平臺化、可迭代的智能體系。2.2.4AI醫(yī)學(xué)影像基座模型與傳統(tǒng)模型對比分析傳統(tǒng)醫(yī)學(xué)影像AI模型通常采用“單一數(shù)據(jù)集+人工標(biāo)注—單一模型訓(xùn)練—單一任務(wù)應(yīng)用”的開發(fā)范式。這類模型在肺結(jié)節(jié)識別、骨折檢測、眼底病變篩查等邊界清晰的任務(wù)中具有一定價值，能夠在特定場景下提升醫(yī)生工作效率。但其能力通常局限于特定疾病、特定器官或特定檢查類型，難以自然遷移至其他病種、其他模態(tài)或更復(fù)雜的臨床任務(wù)。這一模式的主要不足在于拓展效率較低。每開發(fā)一個新任務(wù)，往往都需要重新收集數(shù)據(jù)、重新標(biāo)注、重新訓(xùn)練和重新驗證，不僅研發(fā)周期長、成本高，也難以適應(yīng)真實臨床中多病種、多模態(tài)、多任務(wù)并存的復(fù)雜場景。因此，傳統(tǒng)模型更適合作為單點提效工具，而難以支撐醫(yī)學(xué)影像AI的規(guī)模化研發(fā)和平臺化應(yīng)用。相比之下，AI醫(yī)學(xué)影像基座模型采用“海量多模態(tài)數(shù)據(jù)預(yù)訓(xùn)練—通用特征學(xué)習(xí)—下游任務(wù)適配”的開發(fā)范式。模型在預(yù)訓(xùn)練階段已經(jīng)學(xué)習(xí)了大量影像圖像、報告文本、解剖結(jié)構(gòu)和病灶特征，具備更強的通用表征能力。面對新的臨床任務(wù)時，基座模型可通過小樣本微調(diào)、任務(wù)適配或工具鏈調(diào)用，快速拓展至病灶檢測、圖像分割、疾病分類、結(jié)構(gòu)化報告生成等不同應(yīng)用。更重要的是，基座模型并非一次性訓(xùn)練完成后固定不變的靜態(tài)模型，而是具備持續(xù)進化能力的基礎(chǔ)設(shè)施。在真實閱片、報告修訂、質(zhì)控反饋和新增病例積累過程中，模型可以持續(xù)吸收新的結(jié)構(gòu)化數(shù)據(jù)和醫(yī)生反饋，逐步適配不同醫(yī)院、不同科室和不同醫(yī)生的診斷習(xí)慣。這種“使用中訓(xùn)練、應(yīng)用中進化”的能力，使基座模型能夠從單一工具升級為支撐醫(yī)學(xué)影像AI長期發(fā)展的智能底座?？傮w來看，傳統(tǒng)模型解決的是“某一個具體問題”，而基座模型解決的是“如何持續(xù)生成和拓展AI能力”。隨著醫(yī)學(xué)影像AI進入3.0階段，基座模型將在降低研發(fā)投入、縮短開發(fā)周期、提升任務(wù)拓展效率和支撐臨床工作圖：傳統(tǒng)模型與醫(yī)學(xué)影像基座模型研發(fā)范式對比對比維度對比維度研發(fā)路徑只適合單一器官、單一病癥、單一檢查能覆蓋全身多部位、多種疾病、X光/CT/MRI等多種影像，同可作為醫(yī)學(xué)影像AI規(guī)?；邪l(fā)、全院落地應(yīng)用的底層基礎(chǔ)設(shè)施拓展能力研發(fā)效率性適配多模態(tài)融合、多病種聯(lián)合分析、多步驟復(fù)合臨床任務(wù)動態(tài)進化能力r心sul.l1vAN25沙利文《AGI時代全球數(shù)智醫(yī)學(xué)影像生態(tài)產(chǎn)業(yè)發(fā)展白皮書》|20262.3AI于醫(yī)學(xué)影像臨床診療價值分析AI醫(yī)學(xué)影像的臨床價值不僅體現(xiàn)在提升單次閱片效率，更體現(xiàn)在緩解影像專業(yè)人員供需矛盾、優(yōu)化醫(yī)療機構(gòu)診療流程、提升基層影像服務(wù)能力，并為醫(yī)學(xué)影像行業(yè)降本增效和支付模式探索提供基礎(chǔ)。醫(yī)學(xué)影像是臨床診療中的高頻剛需，貫穿篩查、診斷、治療規(guī)劃和隨訪等環(huán)節(jié)。隨著檢查需求持續(xù)增長，影像醫(yī)生和技師供給相對有限，且優(yōu)質(zhì)資源分布不均，中國醫(yī)學(xué)影像行業(yè)長期面臨“需求增加、醫(yī)生飽和、基層能力不足”的供需矛盾。在這一背景下，AI醫(yī)學(xué)影像的應(yīng)用不只是技術(shù)升級，更是提升行業(yè)生產(chǎn)力的重要手段。醫(yī)學(xué)影像專業(yè)人員醫(yī)療機構(gòu)提升效率、準(zhǔn)確性與經(jīng)驗傳承能力?對于影像醫(yī)生和技師而言，AI最直接的價值在于提高工作效率。傳統(tǒng)模式下，影像診斷通常經(jīng)歷掃描、閱片、病灶識別、診斷判斷和報告撰寫等流程。對于CT、MRI等檢查，單個病例往往包含大量圖像層面，醫(yī)生需要在短時間內(nèi)完成異常識別、征象描述和診斷判斷，工作強度較高。AI可通過病灶檢測、自動定位、結(jié)構(gòu)化報告生成和質(zhì)控提示，減少醫(yī)生在重復(fù)性環(huán)節(jié)上的時間消耗。?同時，AI有助于提升診斷準(zhǔn)確性和結(jié)果一致性。在影像診斷中，不同年資醫(yī)生之間可能存在閱片經(jīng)驗、報告習(xí)慣和疾病識別能力差異。AI可作為第二閱讀者，對疑似病灶、遺漏征象、報告不完整內(nèi)容進行提示，幫助低年資醫(yī)生提高診斷穩(wěn)定性，也幫助高年資醫(yī)生減少機械性重復(fù)勞動。?此外，AI還具備助力經(jīng)驗傳承的價值。高水平影像醫(yī)生的判斷經(jīng)驗往往沉淀在大量閱片、報告和病例復(fù)盤過程中。通過結(jié)構(gòu)化報告、醫(yī)生修訂反饋和質(zhì)控記錄，AI系統(tǒng)可將部分專家經(jīng)驗轉(zhuǎn)化為可復(fù)用、可訓(xùn)練、可迭代的數(shù)據(jù)資產(chǎn)，推動影像診斷能力從“個人經(jīng)驗”逐步走向“系統(tǒng)能力”。優(yōu)化診療流程，推動亞專科能力升級?對于醫(yī)療機構(gòu)而言，AI醫(yī)學(xué)影像的價值不僅是幫助某個醫(yī)生提高閱片速度，更在于提升院內(nèi)診療流程運轉(zhuǎn)效率。影像科是多數(shù)臨床科室的重要支撐平臺，影像報告出具速度和質(zhì)量會直接影響門診診療、住院決策、手術(shù)安排和急診處理效率。AI若能縮短報告時間、提高報告規(guī)范性，將有助于減少患者等待時間，提升院內(nèi)整體服務(wù)效率。?在高等級醫(yī)院中，AI可幫助影像科應(yīng)對大規(guī)