“国字头”医学AI年会9.19杭州启幕：国家五部门定调后，医疗AI进入“体系治理”阶段

9月19日至21日，中国医院协会医学人工智能专业委员会2026医学人工智能学术大会将在杭州举行。

先看主办方：中国医院协会是民政部登记注册、国家卫生健康委员会业务主管的全国性、行业性、非营利性社会组织，其医学人工智能专业委员会是依托这一全国性医院行业组织成立的专业委员会，现任主任委员为浙江大学医学院附属第二医院院长王伟林——讨论医院AI怎么管的，正是医院行业自己的专业共同体。

医疗AI的上半场解决的是"能不能进入医院"，下半场要解决"怎么管、怎么评、怎么持续"——这场杭州会议，是观察这一转向的重要窗口。

一、先看大盘：政策定了时间表，落地卡在"最后一公里"

行业的大背景，由一份文件划定。2025年10月20日，国家卫生健康委、国家发展改革委、工业和信息化部、国家中医药局、国家疾控局五部门联合印发《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》。

11月由国家卫生健康委官网公开发布：到2027年，建立一批卫生健康行业高质量数据集和可信数据空间，基本建成一批医疗卫生领域国家人工智能应用中试基地；到2030年，基层诊疗智能辅助应用基本实现全覆盖，二级以上医院普遍开展医学影像智能辅助诊断和临床诊疗智能辅助决策。

值得注意的是，文件对中试基地的要求并非简单挂牌，而是要承担从算力、数据、模型到应用验证的综合支撑功能；与此同时，政策明确提出建立大模型应用评测验证和穿透式监管机制——提速与规范，是同一枚硬币的两面。

供给端的节奏是另一种景象。据动脉智库公开统计，截至2025年末国内医疗大模型数量已达352个，超半数聚焦临床诊疗。另据动脉网基于艾力彼"2022届中国医院竞争力排行榜"顶级医院100强样本的统计，截至2025年4月30日，该100家样本中已有98家医院对外宣称完成大模型部署 。

两组数字能共同支持的结论只有一个：在头部医院样本中，"有没有AI"已不再是唯一问题；真正困难的问题开始转向——AI如何进入临床、如何评价价值、谁负责治理、如何持续迭代。

二、搭台的人：一个正在回答"医院AI怎么管"的专业共同体

这场会议由浙江大学医学院附属第二医院承办。要理解它的分量，得先看主办方。中国医院协会医学人工智能专业委员会于2023年12月24日在杭州成立，委员网络覆盖全国主要大型医院，现任主任委员为浙江大学医学院附属第二医院院长王伟林。

按专委会公布的业务范围，其职能包括开展医学人工智能学术交流、培养专业人才，以及在中国医院协会统一部署下组织专业人员参与医学人工智能应用规范暨技术标准相关工作。

职能不只停留在纸面：2026年7月，《中国医院》杂志刊发由该专委会发起制定的《医院应用医学人工智能专家共识》，专家组覆盖医院管理、临床医学、公共卫生、人工智能、计算机科学、医学伦理、法学多学科，推荐意见须获全体成员赞成票≥80%方可形成共识 。共识确立"安全合规、公平有益、规划合理、分级实用"四项原则，围绕“评估准入、部署使用、监管改进三个阶段形成12条共识”意见，并配套“应用场景分级分类管控清单和医院管理制度模板”——这为医院如何管理医学AI应用提供了一套较为系统的专业框架。

三、议程即风向：医院派与产业派，各带一张答卷

按已公布议程，会议主旨演讲"医学AI探索与创新会场"的设计透着学术会议而非商业路演的气质，医院与企业两条线并行，形成了一个很清晰的议题对照。

（一）医院侧五场-关注工程化、治理与医疗质量

1、四川大学华西医院石锐讲"医院多智能体协同工程化落地的挑战与思考"；

2、复旦大学附属中山医院张纪阳讲"医院人工智能应用探索和思考"，

3、首都医科大学附属北京友谊医院王力华讲"医疗数智创新能力实践路径"；

4、西安交通大学第一附属医院牛晨讲“多模态神经影像在脑肿瘤精准诊疗中的应用"；

5、宁波大学附属第一医院吴斌讲"人工智能赋能医疗质量安全前瞻性管理"。

这五场题目放在一起，信号非常明显：工程化落地、应用反思、创新路径、临床疗效、质量安全——几乎没有一场在谈模型本身。从多智能体如何安全接入医院现有系统，到探索期结束后的投入产出与责任归属，再到创新如何从项目变成制度、AI疗效如何用临床数据证明、质控如何从事后抽查前移到事前预警——五道题拼在一起，就是医院AI的全套管理考题。当医院开始用院长的语言讨论AI，而不是用工程师的语言讨论AI，议题本身就说明：医院侧已经过了"要不要上AI"的阶段，进入了"怎么用得稳、算得清"的阶段。

（二）企业侧四场——关注平台化、智能体与规模化落地

1、杭州全诊医学科技有限公司薛翀讲"构建医院可自主运转的AI神经网络"；

2、福鑫数科（杭州）人工智能有限公司吴笛讲"奇点进行中：探索医疗AI的可能性——正在发生的和将要发生的"；

3、武汉聚垒科技有限公司孙眈眈讲"从专科检查设备互联到流程智能：专科检查多模态数据治理与AI-SOP智能体实践"；

4、上海联影智能科技股份有限公司高川讲"大模型驱动元医院建设：联影智能的实践探索"。

这四场题目放在一起，拼出的是企业侧的完整叙事：从全院级自主运转的AI体系，到对行业奇点临近的判断，再到专科设备数据互联与SOP智能体、以大模型驱动整座"元医院"——几乎没有一场在推销单个产品。从让医院不再依赖厂商自己生长AI能力，到把专科检查的数据孤岛接成流程智能，再到用一个大模型底座重构医院运行——四道题指向同一个方向：AI正在从"卖出去的软件"变成"医院长出来的能力"。当企业开始讲医院如何自主运转，而不是讲自己的模型有多强，这本身也是信号：产业侧已经从"圈地"进入了"扎根"阶段。

两组议题最终汇聚到同一个问题：当"医院出数据、企业出模型"的合作模式从项目建设走向长期运营，谁来建设、谁来迭代、谁来评价、谁来负责。

四、医院侧的答卷：两条路径，一个共同点

医院侧两位重头讲者，各自握着一套可验证的样本。从公开实践看，两家呈现出不同侧重，而非非此即彼的路线之争。

（一）华西医院的侧重点是自主模型与数据基础设施。据华西医院公开披露，"华西黉医"医学大模型集成10余类通用模型和50余类垂域模型，融合110万条医患对话集、1600余份共识指南、3.5PB原始影像数据和250余万条病历数据，构建720亿参数级模型；在临床效率环节，华西医院公开披露其正在探索AI辅助生成式病历，让医护人员从"写病历"转向"审病历" 。石锐在公开演讲中反复强调："医疗AI想落地，数据治理要先行"——数智体系由数据体系、支撑体系和应用智能体三大块构成 。

（二）复旦大学附属中山医院的侧重点是治理体系。中山医院较早开展医疗大模型探索，而张纪阳同期给出的冷静判断至今仍在行业流传：算力是医疗大模型应用的重要障碍，很多医院建不起这么大的算力群；更重要的是，大模型应用能不能融入医疗本身的发展体系，值得深思。作为国家医学中心建设单位，中山医院的公开实践更多聚焦数据安全、知识产权、法律伦理与应用测试评价 。

一西一东，一个重基建，一个重治理。共同点是：两家医院都在强调医院自身在数据、临床场景和应用治理中的主体作用。

五、企业侧的回应：从"卖工具"到"建体系"

企业侧的两张牌面，恰是对医院焦虑的直接回应。

（一）全诊通的逻辑是：医院不再采购散装AI工具，而是拥有一套可以自己生长、优化、扩展的AI体系——企业将"数据不外流、减少对外部模型厂商依赖"作为其产品设计的核心目标。据企业公开披露，全诊通医生助手已覆盖全国117家医院；其自研"HIS Claw"无感集成方案，让绍兴市人民医院原本三个月未完成的系统对接数天即投产；其联合临床专家构建的中文无感自动病历质量评价体系，自动评测与资深专家人工评分的一致率达97.6%——据企业公开披露，相关团队已形成学术论文成果，该数字仍属企业披露的阶段性数据，尚待独立验证。薛翀直指行业病灶："医疗AI最大的问题不是没有应用，而是太散、太乱、太依赖厂商，建得起、用不好、迭代不了" 。

（二）联影智能的牌是"元医院"。据企业公开披露，其「元智」医疗多模态大模型由文本、影像、视觉、语音、混合五个大模型构成认知中枢，影像大模型支持10余种模态、300余项分割任务，关键任务精准度超95%；中山医院等医院已开展相关智能体的临床场景探索。联影自己也承认，"元医院"需分阶段渐进落地，须以FDE模式与医院临床团队深度共创。

从产业角度看，值得观察的不是谁的口号更大，而是一个更朴素的问题：当医疗AI从单点工具走向全院级平台时，谁能持续嵌入医院真实工作流，谁就更有可能获得长期的场景与服务优势。

六、圆桌主战场：医院AI如何从成本中心走向价值中心

如果说演讲是分头答卷，圆桌则是把试卷摊在桌面上：焦点话题"医院AI部门正站在价值量化的十字路口——如何从系统保障者进化为创新赋能者，构建可量化的医学AI价值体系"。

四个子问题，每一个都对应一组真实的行业痛点：

其一，AI-Ready数据底座。华西这样的数据规模和模型基础设施，对多数医院而言意味着较高的数据治理、算力和人才门槛。高质量数据集和可信数据空间建设已纳入国家2027年阶段性目标，但具体到医院层面的数据集建设责任、质量标准、授权机制和长期运营模式，仍有大量实践问题需要进一步明确。

其二，破解孤岛式建设。数百个大模型各自为战的局面，与二十年前医院信息系统孤岛化高度同构。政策文件明确要求"防止无序竞争和资源浪费" ，但政策层面的规范要求，最终仍需落实到医院采购、预算、项目管理和绩效评价等具体机制中。

其三，医工交叉人才。医院信息部门传统定位是"系统保障者"，如今要承担模型选型、数据治理、临床共创，而与之相匹配的岗位体系、人才评价与激励机制，在不少医院仍有待完善。圆桌嘉宾主要来自医院信息化管理与临床一线，代表了医院信息化岗位正在发生的职责扩展。

其四，AI应用的评估与治理体系。这是整个议程的收敛点：医生的主导权如何制度化、AI的临床价值如何量化进绩效、穿透式评测如何落地 。

价值量化表面上是评价问题，背后决定着医院能否把AI从IT项目管理，转化为可被持续评价、持续投入的组织能力。

七、会议之外，仍有三个值得追问的问题

前瞻的价值在于标注边界。以下三个问题，未必都在会议议程里，却是衡量这场会议成果的长期标尺。

第一，支付与定价机制仍在完善途中。政策已提出"加强定价、支付、分配等配套政策建设"；截至目前，相关配套仍在建设过程中。这意味着AI价值除了临床效果，还需要进一步建立医院内部绩效、成本收益和服务价值等多维评价体系。

第二，同质化竞争的阴影。据相关机构援引的行业统计，医院与企业合作仍是医疗垂直模型开发的主流模式，超一半项目采用这一模式。这也意味着医院如何避免长期锁定于单一厂商、如何保留数据和应用迭代能力，值得持续关注。

第三，多层次评价体系如何衔接。国家监管与中试验证、行业专业组织共识、医院内部评价、企业产品指标，正在形成多层次的评价体系。真正需要解决的不是由谁"定义一切"，而是这些评价体系如何衔接——这也是专委会《专家共识》这类行业文本的价值所在。

结语：这场大会的看点，不是产品，是治理能力

医疗AI的上半场，拼的是谁能把模型送进医院；下半场，拼的是谁能把医院变成AI能长期运转的地方。

当"医院出数据、企业出模型"的合作从项目建设走向长期运营，谁来建设、谁来迭代、谁来评价、谁来负责——这道题目前在大多数医院还没有答案。而它有没有答案，决定了AI是医院的一轮采购，还是一种能力。

这场会议的真正看点，不是谁讲了什么，而是所有议程在反复逼近同一个问题：

医院AI如何从一份采购清单，变成一种治理能力——数据“能”沉淀、模型“能”迭代、应用“能”评价、价值“能”量化、风险“能”治理。

五个"能"字，环环相扣：任何一环断掉，AI就会退回到一次性的项目采购。这才是大会留给行业的真正考题，答案不在会场里，在每家医院接下来两年的组织选择里。

留给读者一个问题：医院AI的下一站，关键在"建得起"，还是"管得好"？

主要信源：国家卫生健康委官网《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》；中国医院协会官网；《中国医院》杂志2026年7月刊；四川大学华西医院官网；复旦大学新闻文化网；界面新闻、动脉网/动脉智库（艾力彼榜单数据）；头豹研究院（机构预测）；HIT专家网。文中医院与企业数据均为其公开披露口径，评测指标定义以发布方为准。