这套系统不是什么新模型，而是把已有的大模型能力嵌进了放射科的工作流。医生打开CT片，AI先把可疑结节标出来，按恶性风险打分，同时调出历史片子做对比。医生只用在AI筛过的结果上做二次确认，不用从零开始逐层看片。对一个每天要看两三百张片子的三甲放射科医生来说，这意味着工作量从「找异常」变成「做判断」。
更值得关注的是落地方式。医院没有采购动辄几百万的专用设备，而是用科室现有PACS系统接入了云端AI服务，按检查量付费。单例成本不到五块钱，但省下的时间和漏诊代价却大得多。这种「轻接入、按量计费」的模式，正在让AI医疗从标杆试点变成常规科室工具。据弗若斯特沙利文预测，中国医学影像AI市场规模2026年将突破120亿元，年复合增长率保持在35%以上。
对AI创业者，这里的机会不在做下一个通用大模型，而在深入一个科室的具体流程，把「准确率」翻译成「医生愿意用」。胸科医院的经验说明，产品化比模型化更重要：界面不能增加操作步骤，结论要能解释，出错要能追责。国外的Aidoc、国内的推想科技，走的都是这条路——先拿下一个病种，再横向扩展。
这也给AI工作室和OPC孵化指了一条路。医疗AI的壁垒不是算力，是合规、数据闭环和临床信任。一个人或一个小团队，如果能绑定一家医院的一个病种，把随访、质控、报告生成的流程跑顺，就能做出有现金流的小而美业务。AIGC沙龙里已经有团队在做「AI病理报告助手」，单月营收过了十万。
当然，医疗不是普通赛道，隐私、审批、责任认定都是硬门槛。但对已经在这个行业里的人，AI不是颠覆者，而是放大器——它让好医生的经验被更多患者共享，也让认真做产品的团队找到真实的付费方。未来三年，医疗AI最大的机会可能不在三甲医院的放射科，而在基层医院的全科诊室。那里医生更缺、患者更多、AI的价值也更直接，谁能用轻量化的产品解决基层诊断能力不足的问题，谁就能抓住下一个百亿级市场。
脑机派对
2026.08.11