AI醫療卷了10年終于悟了：不用替代醫生，而是給醫院裝上超強buff

田晏林 發自 凹非寺
量子位 | 公眾號 QbitAI

今年WAIC現場，300多款產品全球首發，1100多家企業把10萬平米的展館塞得滿滿當當。

機器人在跳舞，大模型在對話，Agent開始進入越來越多行業。

熱鬧歸熱鬧。

但如果你穿過人流，走到聯影智能的展臺和論壇現場，會聽到一個既熟悉又陌生的詞——元醫院。

為什么說熟悉？你不覺得乍一聽，瞬間讓人想起幾年前那個風靡全球的「元宇宙」嘛！

彼時，Meta豪擲千億美元押注虛擬世界，全球科技公司紛紛入場，所有人都在討論：下一個互聯網入口，會不會來自一個平行數字世界？

但幾年過去，元宇宙并沒有成為那個答案。

就在行業以為「元」字熱已經退去時，沒想到，2026年，它卻出現在了醫療行業。

在今年世界人工智能大會上，聯影智能首次發布「元醫院」戰略。

但它想做的事情，和元宇宙完全不同。

它不新建虛擬醫院、不替代醫生，而是把零散AI工具整合為全院協同的智能體系。

論壇現場，有多年臨床經驗的醫生直言，「元醫院」拓寬了醫生的診療能力邊界，但同時，會對醫院的算力、全域醫療數據提出指數級的上漲需求。

什么是「元醫院」？

AI正在快速進入千行百業。

過去幾年，AI醫療已經誕生了大量應用。

影像輔助診斷幫助醫生提高閱片效率，病歷生成減少重復工作，智能問答降低信息查詢成本，大模型也讓醫療AI擁有更強的理解和推理能力。

但這些應用都有一個共同特點：

它們更多是在增強某一個環節，就像醫院里增加了一批新的工具。

但真正復雜的醫療場景，并不是一個個孤立任務。

一個患者從掛號到診療，往往涉及影像科、檢驗科、臨床科室、隨訪管理等多個環節。

醫生需要綜合大量信息，結合經驗做出判斷。

于是，一個新問題隨之出現：

這些AI能力能不能像醫院里的不同科室一樣，被組織起來，圍繞患者形成完整服務能力？

這也是「元醫院」試圖回答的問題。

畢竟當前優質醫生資源仍然有限、醫療資源區域分布不均、醫院能力受物理空間限制的問題，還無法被零散的AI能力所解決。

醫療能力急需被系統化生產。

而「元醫院」，簡單理解，并不是要建虛擬醫院，也不是多個AI工具集合體，而是醫院運營模式的系統化重構。

它是以「元技術」升維醫院能力，讓醫療服務突破物理邊界，從而解決醫療困境的全院級、數智化醫院運營新模式。

「元技術」又包括啥呢？

多模態大模型、數智孿生、智能可穿戴、區塊鏈、具身智能、云平臺技術、互聯網IT技術、物聯網、邊緣計算技術 、醫療大數據、三維渲染、元宇宙、空間智能等。

元醫院與元宇宙的區別在于，后者構建虛擬空間，而前者增強現實醫療體系。

與傳統智慧醫院的區別在于，智慧醫院更多是在原有體系上做數字化升級，比如電子病歷、線上掛號、遠程問診。

而元醫院試圖改變的是：醫療能力如何被生產、組織和調用。

想更好地理解這一點，咱不妨換個角度。

過去的大飯店，能服務多少人取決于門店面積和廚師數量。

外賣平臺出現后，餐廳依然存在，廚師依然重要，但餐廳的服務半徑被擴大了。

對應到「元醫院」也類似。

醫院仍然存在，醫生仍然是核心決策者，但醫院能力可以突破物理空間的限制。

醫生可以借助AI完成更多復雜任務。患者也可以獲得更加持續的健康管理。

總結來說，元醫院不是替代醫院，而是讓現實中的醫院擁有更大的能力邊界。

建一座「元醫院」比造AI工具難多了

一家物理世界的真實醫院想要運轉，需要土地、建筑、設備、醫生和運營體系。

同樣，建設一座「元醫院」，也不是部署幾個AI應用那么簡單。

數據、模型、智能體調度、臨床驗證，四項能力缺一不可。

數據能力

如果說傳統醫院建設的第一步，是修建土地、建筑、水電和信息系統，那么元醫院首先需要搭建的是醫療數據底座。

因為數據是元醫院持續運行和進化的基礎。

不同于傳統AI應用，元醫院面對的是復雜的醫療場景。

它需要理解患者完整的診療過程，而不是只處理某一次檢查或某一份報告。

也就是說，元醫院需要的并不是單一數據源，而是一套持續運行的真實世界醫療數據網絡。

這些數據貫穿診療全流程，覆蓋影像、病歷、檢驗、生命體征監測等多個場景，并隨著真實醫療過程不斷產生和更新。

但醫療數據并不容易被AI直接理解。

過去，醫院中的數據長期分散在不同系統中：

影像存在影像系統，電子病歷存在HIS、EMR系統，檢驗數據又屬于另一套業務流程。

與此同時，不同醫院、不同設備、不同系統之間的數據標準也并不統一。

對醫生而言，這些信息可以通過長期臨床訓練和經驗積累被串聯起來。

但對于AI來說，分散的數據不會自動形成關聯。

如何將不同來源、不同格式的醫療數據進行治理、連接和整合，讓它們成為可被AI調用的基礎資源，是元醫院首先需要解決的問題。

它不僅需要數據入口，更需要建立覆蓋數據采集、治理、流轉和應用的完整數據能力。

這也是為其后續提升模型能力打下基礎。

模型能力

數據進入系統只是第一步，接下來還要讓AI理解醫療。

傳統醫院靠的是醫生團隊。醫生經過多年醫學訓練，積累大量病例經驗，形成診斷、治療和決策能力。

而在元醫院里，這種能力需要由醫療大模型重新構建。

但元醫院需要的并不只是一個基座醫療大模型，而是一套能夠持續生成醫療智能體的模型底座。

在這個前提下，參數不是考察醫療大模型最重要的指標。

反而是能否真正理解醫療流程，能否將醫學知識、患者數據和診療場景連接，并在復雜情況下，做出符合醫療邏輯的判斷，更重要。

前段時間開源的uAI Nexus MedVLM（中文名：元智醫療視頻理解大模型），探索的就是這一方向。

依托這樣的底座，元醫院能夠將不同來源、不同模態的數據進行理解和推理，并進一步生成面向具體場景的醫療智能體。

簡單理解，模型就是元醫院的「大腦」，負責將數據轉化為醫療智能。

智能體調度能力

一個個醫療智能體，依托醫療大模型不斷生成。

如何讓這些Agent協同工作，像傳統醫院中的不同科室一樣完成復雜診療任務，是「元醫院」需具備的又一項核心能力。

過去，大量醫療AI應用解決的是單點任務：

一個模型看片，一個模型寫報告，一個模型回答問題……

但真實臨床流程往往涉及多個環節，單一AI能力很難獨立完成。

例如，一個病例可能同時需要影像分析、病歷理解、知識檢索、治療建議、隨訪管理等多個智能體參與。

當智能體越來越多，如何讓它們協同工作，成了關鍵。

元醫院需要一個能夠理解臨床任務，并根據需求調用不同智能體與Skill的「調度中樞」。

在WAIC論壇上，聯影智能帶來了「超級醫生」。

現場，復旦大學附屬中山醫院肝膽腫瘤與肝移植外科孫云帆教授戴上VR頭顯，來了一把沉浸式實操演示。

他視野內的三維畫面同步投屏給臺下所有觀眾。

「小U，調取這位患者完整病歷。」隨著語音指令下達，這名患者全周期診療檔案立刻完整呈現：

歷次就診記錄、全套影像、檢驗指標、既往病史一目了然，無需醫生手動翻找多個系統。

手術規劃環節，「超級醫生」同樣能提供完整輔助。

孫云帆現場下達指令：小U，剝離肝臟實質。

虛擬模型瞬間完成組織剝離，肝內膽道、動脈、門靜脈、肝靜脈等關鍵管道清晰立體呈現。

據孫云帆介紹，肝臟手術最大難點，就是在完整保護重要血管膽管的前提下，精準切除腫瘤。

這套系統支持模型自由縮放、多角度旋轉觀察，對外科術前規劃、術中判斷實用性極強。

而且以往醫生查房，住院醫師往往需要提前很久到崗，跨系統調取、整理分散在各處的患者資料，再匯總給主任匯報，大量時間消耗在重復性信息歸集上。

而依托「超級醫生」，全流程數據一鍵整合，直接解放醫護人力。

u1s1，拼AI工具數量可能確實過時了。

醫療AI的下一階段，看的是誰能讓這些工具真正協同起來。

臨床驗證

有了數據、模型和智能體，元醫院基本可以運行了。

但一家真實醫院并不是建成當天就成熟的。

它是在每天接診患者、處理復雜病例的過程中，不斷完善診療流程，積累經驗，提升醫療能力。

元醫院也如此。

數據系統、醫療模型和智能體，最終都需要進入真實診療流程，在實際使用中發現問題，獲得反饋，再推動下一輪優化。

因為醫療場景遠比實驗室環境復雜。

醫院里的診療流程涉及醫生使用習慣、科室協作方式、醫療安全要求，以及復雜的責任邊界。

任何一個AI系統，想要真正融入醫院運行體系，都需要經過長期真實場景驗證。

這也是醫療AI落地最大的挑戰。

從這個角度看，元醫院不是一次建設完成的「智能系統」。

它和物理世界的醫院一樣，都需要在真實醫療環境中持續運行、持續反饋、持續優化。

從概念到現實，「元醫院」為何現在才提出？

看到這里，我們幾乎能斷定，這四項能力是層層遞進、相互閉環的。

任何單一能力突出，都不足以支撐完整的醫療智能系統。

但為什么醫療AI發展多年，之前沒有一家企業提出「元醫院」的概念？

答案其實很簡單：

不是沒人想過，而是過去很難有人真正具備建設它的條件。

元醫院需要跨越數據、模型、應用和醫療流程多個層面。

但過去多數企業，往往只具備其中一項能力。

互聯網大廠擁有強大的AI技術能力，但醫療并不是一個單純的數據和算法問題。

它需要長期真實醫療數據積累，也需要理解醫院工作流，更需要建立符合醫療場景的安全體系。

缺少這些能力，AI很難真正進入臨床。

單一軟件公司更熟悉醫院信息系統。

它們掌握HIS、EMR等業務流程，但傳統信息化系統更多承擔數據管理和流程支撐角色，并不是為AI原生設計。

想要接入AI，往往需要不斷增加插件和應用，最終很難形成統一的智能底座。

再看設備廠商，天然連接臨床場景，但設備能力更多聚焦某一個醫療環節，很難支撐完整的「元醫院」體系。

進入智能原生時代，真正的變革不是給原有系統「外掛一個AI」，而是讓醫療產業鏈的每一層都重新生長：

• 數智技術底座重塑醫療的筋骨；
• 智能裝備延展醫生的感官與雙手；
• 院外泛在智能裝備持續守護患者健康；
• 智能大模型升級醫療的大腦，讓頂尖醫生的診療能力無限復制；
• 最終重構醫院的組織形態。

在整個醫療產業鏈中，當其他玩家還在嘗試跨界聯手、試圖用生態補丁拼湊出一個解決方案時，聯影已經首創出「元醫院」概念。

過去多年，聯影在醫療產業鏈多個關鍵環節積累能力：

首先，是數智化基礎設施。

元醫院需要一個能夠承載醫療數據和智能應用的底層技術平臺。

聯影已構建起覆蓋智能芯片與傳感器、AI原生醫院業務系統、數據與知識平臺等軟硬一體的基礎設施層，搭建平臺所需要的「筋骨」和「血脈」。

其次，是以大模型和智能體為核心的智能能力。

基于長期積累的醫療數據和臨床場景，聯影構建「元智」多模態醫療大模型，并進一步衍生出執行型智能體、中樞性智能體。

讓AI不只是完成單點任務，而是能夠理解復雜醫療信息，并根據臨床需求調用不同能力協同工作。

最后是具備將AI能力真正落地到物理醫療世界的連接能力。

在院內，聯影擁有全模態、多場景的「具身智能診療機器人」，它們不是單一工具，而是具有自主感知、決策、行動、進化等能力的核心硬件裝備。

在院外，智能可穿戴設備、康復智能體則成為連接患者的「神經末梢」，推動健康管理從院內延伸至院外、從疾病治療延伸至全生命周期管理。

從CT、MR等大型影像設備，到放療、DSA、外科等診療裝備，再到uOrigin、uCGM等醫療級智能終端。

這些設備連接著醫院內外的大量真實醫療場景。

它們不僅是工具，也是連接患者、醫生與元醫院的智能單元。

從數智化技術底座，到元智大模型和智能體，再到具身智能診療機器人、智能可穿戴設備，這些能力最終匯聚成一套完整閉環：

設備感知真實世界，數據沉淀醫療知識，模型理解復雜場景，智能體輔助臨床決策，推動醫療能力突破物理邊界。

One more thing

想象一下未來某一天。

住在小鎮的老人，戴著智能醫療設備，日常健康狀態被持續感知。

某天，系統發現異常腦電信號，提前提醒他存在腦卒中風險。老人并未在意。

但意外發生后，設備第一時間捕捉到生命體征變化，并將數據同步至「元醫院」。

急救響應隨即啟動。通知家屬的同時，救護車已經出發。

車上，鄉鎮醫生通過AI系統實時分析生命數據，輔助判斷病情。

「元醫生」結合影像和患者數據給出治療建議，遠程卒中專家同步介入，快速制定手術方案。

在專家遠程指導下，血管介入機器人根據術前規劃執行取栓操作，幫助醫生爭分奪秒搶救患者。

以上，是WAIC上，播放的一段關于未來醫療AI的暢想片。

當醫療不再是一次被動響應的「急診」，而是一種持續的、主動的陪伴，醫生的能力也在此刻突破空間限制。

「元醫院」正在嘗試搭建這一切的起點。

變化已經開始了。