「看一份顱腦CT片子需要多久？」

北京天壇醫(yī)院醫(yī)學(xué)影像科主任劉亞歐的日常里，這個問題的答案是15分鐘——熟練醫(yī)生從調(diào)閱影像到敲完報告的標(biāo)準(zhǔn)節(jié)奏。復(fù)雜病例20分鐘打底，這是人腦處理顱腔內(nèi)上百種可能病變的極限。

今年4月，一款名為「顱腦CT超級智能體（小君醫(yī)生2.0）」的AI產(chǎn)品在同一科室上線測試。同樣的工作，它用時不到1分鐘。

94種顱腦相關(guān)疾病覆蓋、87.8%主要診斷準(zhǔn)確率、超90%病例經(jīng)審核醫(yī)生一字不改即可采用——這組數(shù)據(jù)讓2026年4月28日的一脈陽光戰(zhàn)略發(fā)布會有了實質(zhì)性支撐。這款被定位為「全球首個全病種覆蓋的檢查項目級智能診斷助手」的產(chǎn)品，正在把醫(yī)學(xué)影像AI從「單病種工具」推向「檢查項目級智能基礎(chǔ)設(shè)施」的新階段。

但比技術(shù)參數(shù)更值得追問的是：當(dāng)AI終于能獨立完成一份收費級別的診斷報告，醫(yī)療AI的商業(yè)邏輯是否迎來了真正的拐點？

正方觀點：這是醫(yī)療AI的范式革命，臨床價值已經(jīng)閉環(huán)

支持者的論據(jù)首先來自供需缺口的剛性。

中國影像科醫(yī)生的年增速約4%，檢查量增速卻超過30%?；鶎痈鼑?yán)峻——部分縣醫(yī)院影像科僅兩三個人，二十四小時倒班，報告積壓到第二天是常態(tài)。而顱腦CT恰恰是急診最高頻的檢查之一：腦出血、腦梗、顱腦外傷，每多等一分鐘，臨床決策就滯后一分鐘。

「顱腦CT超級智能體」的回應(yīng)是直接替換工作流中最耗時的環(huán)節(jié)。劉亞歐的描述很具體：「打開PACS系統(tǒng)，點擊影禾醫(yī)脈的報告按鍵，一鍵自動生成結(jié)果，醫(yī)生只需要審核、引用即可?！?/p>

這種人效比的躍升，被定義為醫(yī)學(xué)影像AI的第三階段。

第一階段是單病種識別，一個模型找一個?。坏诙A段是單部位多病種，如2024年波士頓創(chuàng)業(yè)公司a2z Radiology AI的腹盆部CT系統(tǒng)，單次掃描檢出7種急癥，2025年底獲FDA批準(zhǔn)；第三階段則是以檢查項目為單元，覆蓋所有解剖結(jié)構(gòu)、所有病種、完成完整交付——從「標(biāo)個框」到「寫篇報告」。

影禾醫(yī)脈的路徑提供了時間坐標(biāo)：2025年10月聯(lián)合華西醫(yī)院發(fā)布胸部CT路徑級輔助診斷工具AIR，覆蓋肺、胸膜、縱隔等多器官全病灶檢測；短短半年后，顱腦CT超級智能體實現(xiàn)從「檢出」到「撰寫完整報告」的功能躍遷。同一生產(chǎn)主體的快速迭代，被業(yè)內(nèi)視為將行業(yè)拉入「醫(yī)學(xué)影像通用AGI 3.0時代」的標(biāo)志。

技術(shù)層面的支撐同樣具體。影禾醫(yī)脈的兩塊核心積木：自研「影禾覓芽?」醫(yī)學(xué)影像基座大模型（L0級全模態(tài)基座，覆蓋全身200余種常見病），以及全鏈路AI Agent矩陣（負(fù)責(zé)診斷邏輯的工作流編排）?；峁┱J(rèn)知能力，Agent矩陣負(fù)責(zé)拆解協(xié)同，兩者咬合實現(xiàn)「一次輸入、完整輸出」。

更關(guān)鍵的是數(shù)據(jù)底盤。一脈陽光百余家影像中心千萬體量的真實臨床數(shù)據(jù)，通過「顱腦CT核心定義表」完成標(biāo)準(zhǔn)化標(biāo)注后反哺模型訓(xùn)練——這不是實驗室的干凈樣本，而是帶噪聲的真實世界數(shù)據(jù)。

臨床落地的完成度是另一塊壓艙石。與a2z Radiology AI的腹盆部成績相比，顱腦CT的客觀難度更高：顱腔內(nèi)腦實質(zhì)、腦血管、腦室系統(tǒng)、顱骨結(jié)構(gòu)交織，病變從毫米級動脈瘤到跨越半球的占位性病變，影像表現(xiàn)?；ハ嗄７?。能在這一部位實現(xiàn)「像醫(yī)生一樣全面評估」，且直接生成結(jié)構(gòu)化報告，意味著技術(shù)可靠度已跨過醫(yī)院采購的心理門檻。

首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院醫(yī)學(xué)影像科主任徐磊的總結(jié)指向商業(yè)模式的質(zhì)變：影像科醫(yī)生借助AI，從報告書寫者轉(zhuǎn)變?yōu)锳I創(chuàng)造者、訓(xùn)練者、復(fù)核者，「能夠借助數(shù)字分身實現(xiàn)經(jīng)驗復(fù)制與24小時服務(wù)」。

當(dāng)AI產(chǎn)出達(dá)到「審核即可引用」的質(zhì)量，且能嵌入現(xiàn)有PACS工作流，「收費」便不再是概念驗證，而是可執(zhí)行的臨床服務(wù)。

反方觀點：技術(shù)躍遷不等于商業(yè)閉環(huán)，醫(yī)療AI的付費困境從未真正解決

質(zhì)疑者的切入點是歷史經(jīng)驗。

醫(yī)療AI行業(yè)「不差一組漂亮數(shù)字」。過去幾年，拿三類證、開新品發(fā)布會的產(chǎn)品排著隊來，但大多數(shù)普通人仍不清楚自己為什么需要關(guān)注這件事——這本身就是問題的表征。技術(shù)參數(shù)與臨床采納之間，隔著漫長的驗證周期；臨床采納與可持續(xù)付費之間，又隔著醫(yī)保、定價、利益分配的多重迷宮。

「87.8%主要診斷準(zhǔn)確率」在學(xué)術(shù)語境中 impressive，但在急診場景下意味著每10個病例就有1個需要人工深度介入。對于顱腦CT這類高 stakes 檢查，臨床容忍度可能更低。AI節(jié)省的時間，是否足以覆蓋糾錯成本？這個賬，不同醫(yī)院的算法不同。

工作流整合的 friction 被樂觀敘事低估。劉亞歐描述的「一鍵生成」建立在PACS系統(tǒng)改造、數(shù)據(jù)接口打通、醫(yī)生操作習(xí)慣重塑的基礎(chǔ)上。天壇醫(yī)院作為研發(fā)參與方，有動力也有資源完成這套基礎(chǔ)設(shè)施升級；但全國數(shù)千家二級以上醫(yī)院、數(shù)萬家基層醫(yī)療機(jī)構(gòu)的IT成熟度參差不齊，復(fù)制成本幾何？

更深層的問題是價值歸屬。徐磊所說的「數(shù)字分身實現(xiàn)經(jīng)驗復(fù)制」，本質(zhì)上是在追問：當(dāng)AI學(xué)習(xí)了資深醫(yī)生的診斷邏輯，產(chǎn)出的報告價值歸誰？醫(yī)院購買的是軟件授權(quán)、按次服務(wù)費，還是醫(yī)生經(jīng)驗的「租讓」？這些問題的法律框架至今模糊。

影禾醫(yī)脈的技術(shù)架構(gòu)——基座大模型+Agent矩陣——也帶來新的成本結(jié)構(gòu)。L0級全模態(tài)基座的訓(xùn)練與維護(hù)需要持續(xù)投入，而醫(yī)療場景的長尾需求（罕見病、復(fù)雜變異）意味著模型迭代不會停止。這與傳統(tǒng)醫(yī)療軟件「一次性開發(fā)、多年維護(hù)」的商業(yè)模式截然不同，更接近云計算的持續(xù)運營邏輯。醫(yī)院是否準(zhǔn)備好為「AI服務(wù)」而非「AI產(chǎn)品」付費？

國際參照同樣復(fù)雜。a2z Radiology AI的腹盆部系統(tǒng)獲FDA批準(zhǔn)，但美國市場的商業(yè)路徑（按掃描量付費、納入DRG打包定價）能否在中國復(fù)制？中國醫(yī)療AI的付費歷史上，軟件進(jìn)院難、定價低、回款周期長是常態(tài)，「收費智能體」的概念再好，也需要逐個攻破這些老問題。

還有一條暗線：當(dāng)AI能生成完整報告，醫(yī)生的角色被重新定義，這種重新定義是否被醫(yī)生群體接受？「從書寫者到審核者」的轉(zhuǎn)變，在效率敘事中是升級，在職業(yè)認(rèn)同敘事中可能是降級。醫(yī)療AI的采納從來不只是技術(shù)問題，更是組織變革問題。

我的判斷：這是醫(yī)療AI從「工具」到「基礎(chǔ)設(shè)施」的關(guān)鍵一躍，但商業(yè)化的勝負(fù)手在院外

顱腦CT超級智能體的真正意義，不在于它比其他產(chǎn)品快多少分鐘，而在于它重新定義了「完成度」的標(biāo)準(zhǔn)。

此前的醫(yī)療AI產(chǎn)品，無論單病種還是單部位多病種，本質(zhì)上是「輔助工具」——醫(yī)生仍是決策主體，AI提供參考信息。而「檢查項目級智能體」的目標(biāo)是直接交付可審核、可引用、可收費的診斷報告，這相當(dāng)于把AI從「副駕駛」挪到「駕駛位」，醫(yī)生轉(zhuǎn)為「安全員」。這種角色關(guān)系的翻轉(zhuǎn)，是范式革命的核心。

但范式革命不等于商業(yè)成功。醫(yī)療AI的歷史上，技術(shù)領(lǐng)先而商業(yè)折戟的案例比比皆是。顱腦CT超級智能體的差異化優(yōu)勢，在于它選擇了一個「難而正確」的切入口：顱腦CT的臨床價值極高（急診剛需）、技術(shù)難度極大（行業(yè)共識）、供需缺口極深（基層尤甚）。這三個「極」構(gòu)成了付費意愿的護(hù)城河。

一脈陽光的布局值得細(xì)究。作為影像服務(wù)運營商，其百余家影像中心既是數(shù)據(jù)源頭，也是潛在應(yīng)用場景。這種「數(shù)據(jù)-模型-場景」的閉環(huán)，比純技術(shù)公司的線性推廣更具網(wǎng)絡(luò)效應(yīng)。當(dāng)AI智能體在一脈陽光自有網(wǎng)絡(luò)中跑通付費模式，再向外部醫(yī)院輸出時，已有可驗證的ROI案例。

然而，真正的勝負(fù)手可能在院外。中國醫(yī)療體系的結(jié)構(gòu)性矛盾——優(yōu)質(zhì)影像診斷資源集中于頭部醫(yī)院，而檢查需求大量沉淀在基層——意味著「AI替代醫(yī)生」的敘事在頂級醫(yī)院敏感，在基層醫(yī)院卻是剛需。顱腦CT超級智能體若能以「遠(yuǎn)程診斷服務(wù)」而非「軟件銷售」的模式進(jìn)入基層，按診斷量分成，或許能繞過傳統(tǒng)醫(yī)療軟件的商業(yè)陷阱。

另一個變量是醫(yī)保。診斷服務(wù)的AI化定價，目前尚無全國統(tǒng)一標(biāo)準(zhǔn)。但DRG/DIP支付改革的推進(jìn)，正在倒逼醫(yī)院關(guān)注診斷效率和成本。AI生成的結(jié)構(gòu)化報告，若能在質(zhì)控、編碼、臨床路徑管理上創(chuàng)造可量化的價值，醫(yī)保談判的籌碼便會增加。

技術(shù)層面，「影禾覓芽?」基座大模型的L0級定位（全身200余種常見?。┌凳玖烁蟮囊靶?。顱腦CT是驗證場景，若能在這一最難部位證明可靠性，向其他部位、其他模態(tài)（MR、X線）的遷移將加速。這種「單點突破-快速復(fù)制」的策略，符合醫(yī)療AI規(guī)?；膬?nèi)在邏輯。

但風(fēng)險同樣真實。基座大模型的「黑箱」特性與醫(yī)療可解釋性要求的張力，Agent矩陣在多科室協(xié)同中的邊界模糊，罕見病覆蓋不足導(dǎo)致的 liability——這些都是從「演示」走向「規(guī)?！贡仨毣卮鸬膯栴}。

回到開頭的問題：顱腦CT智能體的「收費時刻」到了嗎？

我的看法是，它到了「可以收費」的技術(shù)節(jié)點，但尚未到達(dá)「愿意付費」的商業(yè)均衡。天壇醫(yī)院的臨床落地是0到1，一脈陽光的網(wǎng)絡(luò)復(fù)制是1到10，而真正的10到100，取決于能否在基層市場找到可持續(xù)的付費模型，以及在醫(yī)保談判中確立AI診斷服務(wù)的價值坐標(biāo)。

這不是悲觀。醫(yī)療AI的每一次范式躍遷，都伴隨著類似的質(zhì)疑與驗證。顱腦CT超級智能體的價值，在于它把「驗證」的門檻抬到了「完整報告」的高度——這比「輔助診斷」難得多，也比「輔助診斷」值錢得多。剩下的，是商業(yè)化的耐心與制度創(chuàng)新的空間。