过去几年，AI医学影像赛道热度不减。从肺结节到脑出血，不少公司在公开数据集上把准确率刷到99%以上。但临床科室的反馈，往往和宣传册上的数字对不上。
有病理科医生这样形容这种落差：设备换一个型号，识别率掉一截；遇到罕见病例，AI直接失灵；系统与院内既有PACS的对接也比较麻烦，每次都得手动导数据，反而多了一道工序。“实验室是实验室，科室是科室。”
这种落差背后，是一个正在发生的行业判断：AI医学影像的竞争，正在从“算法精度”转向“场景闭环与持续进化能力”。弗若斯特沙利文（Frost & Sullivan）近期发布的《2026 AGI时代全球数智医学影像生态产业发展白皮书》，对这一变化进行了系统梳理。
代演进：从“做工具”到“做生态” 白皮书将AI医学影像的发展划分为三个阶段。 1.0时代，单病种、单模态。做一个肺结节检测模型就敢上临床，场景窄、碎片化严重，天花板明显。 2.0时代，按检查项目整合。分割、检测、报告生成被打包在一起，但跨项目拓展困难，每进入一个新场景都需要重新积累数据，研发周期长。 3.0时代，AGI驱动的多模态大模型登场。一套系统承接从图像输入到结构化报告生成的全部需求，AI不再是外挂工具，而是工作流的内生能力。 三代演进的核心逻辑，是从“做工具”到“做流程”再到“做生态”。每一步的门槛都不在算法本身，而在对临床场景的理解深度。 图1 AI医学影像从1.0到3.0的行业演进 来源：弗若斯特沙利文白皮书（转引自东方财富网） 02 31个百分点：全链路赋能的价值 白皮书中有一组值得细看的数据。它将影像服务拆解为四个环节：临床医生开单、技师扫描、影像医生诊断、临床医生应用。假设每个环节人只做到90分，四个环节相乘，整体影像能力只有66%；AI全链路赋能后，每个环节提升至约99%，整体能力可达97%。 66%到97%，31个百分点的差距，背后是漏诊、误诊、重复检查和患者体验的差距。 关键在于，这31个百分点靠单点工具拿不到。它要求全流程、全角色、全链路赋能——开单环节需要辅助决策，扫描质控需要实时引导，诊断报告需要智能支撑。任何一个环节停留在90分，整体都上不去。 图2 全链路AI赋能的影像能力提升 来源：根据弗若斯特沙利文白皮书数据整理绘制 03 场景原生：AI必须在使用中生长 这也是白皮书反复强调的“场景原生”。它不是把做好的AI硬塞进科室，而是从临床真实流程出发设计AI。设备差异、患者异质性、不同医院不同医生的诊断习惯——实验室里不会遇到的问题，恰恰是临床落地的核心障碍。 白皮书指出，医学影像大模型面临三道壁垒：影像数据合规汇聚难度大；医生专业标注成本极高；不同设备影像数据碎片化严重。多数企业搭不起有效的数据飞轮，模型训练完就“冻住”，无法在真实使用中持续进化。 对应的解决思路是三重门槛：数据标准基建、基座模型、产品化闭环。先统一数据语言，再训练可泛化的基座模型，最后让模型在真实工作流中被持续使用、持续反馈、持续迭代。 图3 影像能力、数据与AI形成持续闭环 来源：根据白皮书及行业公开资料整理绘制 04 三种生态模式：AI在不同市场如何生长 在全球范围内，白皮书梳理了三种数智影像生态模式：美国RadNet模式、澳洲I-MED模式与中国模式。前两者是影像网络搭载外购AI产品，中国模式的探索方向则是“临床场景—数据沉淀—标准治理—模型训练—产品落地—医生反馈”的全链路闭环。 三种模式的差异，本质上是AI与临床流程结合深度的差异。AI不能只是“买回来装上”，它需要在使用中生长。 图4 全球数智影像生态的三种模式 来源：根据弗若斯特沙利文白皮书整理绘制 05 病理AI的信号：从单院试点到区域平台 对病理领域而言，这个判断同样适用。病理是诊断的金标准，但长期面临人才短缺、基层能力薄弱的问题。AI能否真正帮上忙，不取决于算法在测试集上的分数，而取决于能否融进切片制作、初筛、复核、报告的每一个环节。 目前已经出现明确的产业信号：盐城市近期揭榜“全市病理人工智能赋能平台”项目，由第一人民医院牵头，走区域平台化路线；迪安诊断的病理AI产品已覆盖超过1000家医疗机构，走“设备+AI+云”的下沉路径；医保影像云标准体系中，“病理云”被明确列为组成部分；中国信通院牵头制定的《医疗云计算评估方法》已将病理云纳入评估范围，相关标准于2026年9月1日正式实施。 这些信号指向同一个趋势：病理AI正在从单院试点走向区域化、平台化、云化。 对病理技师而言，AI并非替代，而是重新分配工作。切片制作、染色控制、复杂病例判断仍需要人；AI接过去的是重复性的初筛工作，把人从海量切片中解放出来。白皮书对此有一个表述：AI赋能后，医生从“写报告的人”变成“审报告的人”。从“看片的人”到“审AI的人”，背后是整个病理诊断流程的重构。 图5 病理AI发展趋势：区域化、平台化、云化 来源：根据白皮书及公开资料整理绘制
写在最后
白皮书有其立场和侧重，案例与数据需结合实际情况辩证看待。但其核心判断——AI医疗的竞争从“算法精度”转向“场景闭环与持续进化”——方向是清晰的。 对病理行业而言，真正有价值的AI，不是实验室里跑分最高的那个，而是在科室里待得住、用得上、越用越好的那个。 一句话总结
AI医学影像的竞争，正在从“跑分”转向“闭环”；能嵌入真实临床流程、并随使用持续进化的AI，才是分水岭两侧的差别所在。
资料来源 · 弗若斯特沙利文《2026 AGI时代全球数智医学影像生态产业发展白皮书》 · 盐城市“全市病理人工智能赋能平台”揭榜项目公开信息 · 迪安诊断病理AI产品公开资料 中国信通院《医疗云计算评估方法》（2026年9月1日实施）
免责声明：
智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
