当医疗人工智能逐渐走出技术演示和单点试验阶段，地方政府需要回答一个更现实的问题：如何让人工智能融入医疗体系，并形成可持续、可复制的应用能力？

江苏给出了一套系统性方案。10月10日，江苏省卫生健康委官网公布《关于推进江苏省“人工智能+医疗健康”发展实施方案》（以下简称《方案》），到2027年，建成50个以上完整规范、准确实用、国内领先的卫生健康行业高质量数据集，支撑医疗人工智能模型训练、验证与推理应用。形成20个以上临床专病专科垂直大模型和智能体。到2030年，基础设施保障全面夯实，支撑平台高效协同，卫生健康领域一批人工智能技术研发取得突破，一批典型场景全面应用，成为全国“人工智能+医疗健康”创新与应用高地。

值得注意的是，《方案》的核心并不只是增加多少个AI模型，而是围绕数据、算力、算法、平台、应用与产业转化，构建相互衔接的医疗人工智能发展体系。

从政策设计看，江苏正在尝试将医疗AI从分散的技术创新，推进为覆盖医疗服务、行业治理和健康产业的系统性工程。这也意味着，行业竞争的重点可能不再局限于模型性能，而将逐步转向真实

临床价值、数据治理能力和规模化应用水平。

江苏此次部署并非孤立的地方政策动作，而是国家人工智能医疗发展方向在省级层面的具体落实。

2025年11月，国家卫生健康委等部门发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确提出到2027年建设高质量数据集和可信数据空间、形成临床专病专科垂直大模型和智能体应用等发展目标，并进一步部署2030年的基层应用和医院智能化发展任务。

2026年1月，江苏省政府印发《江苏省“人工智能＋”行动方案》，将医疗健康智能化服务纳入重点行动范围。随后，医疗健康领域专项实施方案进一步明确建设任务和应用路径。

这一政策推进节奏，反映出医疗AI发展的现实变化：通用模型能力不断提升，但医疗行业仍然存在数据分散、临床验证复杂、机构之间系统互通不足、应用成本较高等问题。单纯依靠技术企业开发模型，难以解决医疗体系中的所有障碍。

因此，《方案》同时部署算力统筹、高质量数据集建设、可信数据空间、测试验证平台和成果转化平台，意在形成贯穿研发、验证、部署与应用的基础支撑体系。

江苏已有一定的实践基础。据江苏省委新闻网2026年4月报道，江苏省卫生健康云数据量达到33PB，已建成21个专病高质量数据集、研发13个专病专科垂类大模型；全省超过90%的三级公立医院已开展人工智能应用，30个县（市、区）部署使用基层智能辅助诊疗系统。

这些数字说明，江苏并非从零开始建设医疗AI体系。不过，应用覆盖并不等于应用成熟。医院是否提高诊疗效率、模型能否跨机构稳定运行、基层医生能否持续使用，仍需要进一步评估。

从已有项目向全省统一体系推进，才是此次政策需要跨越的门槛。

如果说基础设施决定医疗AI能否发展，那么数据质量和临床应用能力，将决定它能走多远。

《方案》将专病数据集建设作为重点，涉及慢性病、胸部肿瘤、中医优势病种等领域。与通用数据相比，专病数据更强调医学专业性、诊疗过程完整性和临床结果的可验证性。

这一选择具有现实意义。医疗AI不能仅依赖公开医学知识生成答案，还需要理解真实诊疗场景中的复杂信息，包括患者病史、影像、检验结果、治疗过程及预后变化。数据是否准确、完整、具有代表性，直接影响模型的可靠性。

江苏的此项建设已进入具体实施阶段。根据江苏省卫生健康委2026年5月31日发布的信息，当地正推进急性心梗、脑卒中等15个专病高质量数据集建设，并已遴选发布80个医疗人工智能应用场景典型案例。

但数据规模并非唯一标准。医疗数据存在不同医院采集规范不统一、病种分布不均衡、历史记录质量参差不齐等问题。即使拥有大量数据，也不意味着模型可以直接用于临床。

这正是可信数据空间和测试验证平台的重要性所在。前者试图解决数据在合规授权条件下的流通与利用问题，后者则需要回答模型在不同医疗机构、不同患者群体中是否可靠。

从应用方向看，江苏的布局已超出传统影像识别和辅助问诊。

在临床端，重点涉及辅助诊断、手术规划、智能护理及重症医学；在基层端，强调全科辅助决策、慢病管理和区域医疗资源协同；在居民端，则探索健康助手、智能可穿戴设备和连续健康管理服务。

2026年4月，江苏省慢病管理AI数智平台正式启动，围绕慢性病防控与医防融合开展应用探索。

同年6月，江苏省卫生健康委召开人工智能赋能基层医疗卫生路演推进会，交流数字医共体、智慧家庭医生、基层癌症防控等实践。

这些实践显示，医疗AI正在从单次诊疗辅助向连续性健康服务延伸。

不过，这种延伸同样需要保持审慎。健康风险预测不等于疾病诊断，智能辅助建议不能直接替代医生判断，连续健康监测也不能自动等同于有效医疗干预。

尤其在涉及个体化治疗、手术决策、心理健康和慢病干预等高风险场景时，模型的临床证据、适用边界、责任划分和人工复核机制，必须与技术部署同步建立。

医疗AI的价值，最终不是让机器参与更多环节，而是让医疗服务变得更准确、更安全、更可及。

江苏此次部署的另一层意义，在于医疗AI与健康产业之间的联系正在加强。

《方案》不仅涉及医院和公共卫生机构，还将创新药、智能医疗器械、康复护理机器人、可穿戴设备、健康管理及智能养老照护纳入产业发展方向。

这意味着，医疗人工智能的产业边界正在扩展：既包括医院内部的软件系统和辅助决策工具，也包括院外健康管理、家庭照护以及与之配套的智能硬件和服务平台。

对企业而言，机会可能集中在三个方面。

首先是专业化能力。医疗AI需要适应具体病种、科室和工作流程，具备医学知识、临床数据治理能力及持续验证能力的企业，有望形成更稳定的竞争优势。

其次是系统协同能力。随着省级平台、区域医共体和可信数据空间建设推进，医疗AI产品需要与既有信息系统对接。能否实现数据互通、业务衔接和长期运维，可能比单一功能是否先进更加重要。

再次是服务闭环能力。从风险识别到医生干预，从院内诊疗到院外康复，能够连接不同服务主体的产品和平台，可能获得更广阔的应用空间。

但产业前景不能直接等同于商业收益。

医疗AI仍面临多重现实约束：医院采购预算有限、数据治理成本较高、部分产品缺乏充分临床验证，患者和医生的使用习惯也需要培养。部分技术即使能够提高效率，也未必能够迅速形成可持续的收费模式。

此外，医疗数据的敏感性决定了行业不能简单复制互联网平台的发展方式。数据共享必须建立在合法合规、安全保护和明确授权基础之上；涉及医疗器械属性的AI产品，还需满足相应监管要求。

江苏提出的算力统筹、成果转化和应用验证机制，有助于降低部分创新门槛，但政策支持不能替代产品自身的临床价值与市场竞争力。

对地方政府而言，同样需要警惕重复建设。各地如果盲目追求模型数量、平台规模和项目投入，可能造成资源分散、系统割裂，甚至出现建设完成后使用率不足的问题。

未来评价医疗AI发展成效，应当更多关注实际指标：医生工作负担是否减轻，患者等待时间是否缩短，基层诊疗能力是否改善，误诊漏诊风险能否得到有效控制，以及技术投入能否带来可持续的服务改善。

从这一角度看，江苏的探索也为其他地区提供了一个观察样本：医疗AI的规模化发展，不只是技术创新问题，更是医疗资源配置、制度协同与产业组织能力的综合考验。

2027年的建设目标，为江苏医疗AI发展设定了清晰的阶段节点。但50个以上高质量数据集、20个以上专病模型和智能体，并不代表医疗人工智能建设的终点。

值得关注的，是这些基础能力能否转化为稳定、可靠、可复制的医疗服务。

当人工智能从实验室进入医院、基层和家庭，行业也将逐渐从技术能力的竞争，转向临床价值与长期服务能力的竞争。

这或许才是江苏此次系统布局释放出的更深层信号。