从“模型为先”到“应用为王”：企业产品陆续推出，能否推动人机协同诊疗模式落地？ ｜AI医疗浪潮⑩

21世纪经济报道记者 闫硕 北京报道

随着DeepSeek的爆火，AI医疗正迎来新一轮发展机遇。

近日，在一场论坛上，卫宁健康科技集团股份有限公司副总裁兼CTO赵大平表示，现今的推理模型与通用模型各有所长，医疗场景需要在不同场景下分别搭配“慢思考”与“快思考”，由单模型到多种模型组合成的复合型智能系统将是未来趋势。

基于此，卫宁健康大模型WiNGPT 2.8在自身强化模型训练基础上全面接入DeepSeek，相关产品也已在部分医院落地，为医疗核心领域提供场景应用与智能支持。

有券商分析师向21世纪经济报道记者表示，生成式AI的普及，不仅仅是简单地引入几个算法，而是要对医疗流程进行再造，提升医护团队的技能。AI技术的引入，将推动医疗模式从“治已病”向“治未病”转变，并催生出“AI护理协调员”等新角色。

另一方面，随着多家医院宣布完成DeepSeek本地化部署，AI医疗正成为市场热议的话题，这也引发了市场关于医疗从业者创造力是否会被削弱的担忧。此外，对DeepSeek等大模型与医疗结合的关注，已经不仅局限于医疗行业内部，不少患者开始拿着DeepSeek的回复去看病。

随着技术成熟迭代，模型竞相追赶，彼此鸿沟缩小，从“模型为先”到“应用为王”成为新的发展趋势。包括卫宁健康在内的不少企业已然投入其中，一些应用场景已经破圈，未来，AI医疗的故事又将怎样展开？

研发垂直大模型

卫宁健康对医疗AI的投入和布局始于2017年，那一年，其成立了人工智能实验室。同年，在IDC Health Insights评选的医疗科技Top50中，卫宁健康成为唯一一家上榜的中国企业。

2023年，卫宁健康发布大语言模型WiNGPT，为医疗行业提供医疗问答、诊断支持和医学知识等信息服务。目前相关应用已经逐渐落地。

对于为什么要研发医疗行业垂直领域模型，卫宁健康在《2024医疗人工智能年度报告》（以下简称“AI年度报告”）中指出，医疗行业垂直大模型可以优化医疗服务流程，提升患者就医体验、减轻医生工作负担、提高管理效率以及满足政策管理要求。

以WiNGPT为例，其实现了自动化和智能化病历书写、辅助医疗决策，并为医生提供持续学习的机会。同时，借助数据分析和智能监控确保服务质量，合理调配医疗资源，挖掘数据潜在价值，以辅助医疗决策。

此外，这些模型符合国家电子病历标准，提供合规的医疗方案推荐和病历生成，保证病历内容的质量和完整性，还引入了多样的输入和操控模式，如语音和图像识别，以及灵活的数据处理方式。

近日，卫宁健康推出WiNGPT2.8和WiNEX Copilot 2.1（基于WiNGPT的医护智能助手），持续赋能医疗领域。据卫宁健康透露，借力DeepSeek的AI推理，WiNGPT2.8新增指令数据约95w，达227.8w，医疗指令重构率达95%。

目前，接入DeepSeek-R1-32B的WiNEX Copilot 2.1已在北京大学人民医院部署上线，支持电子病历智能助手、语音查房等场景。浙江省中医院也已引入国产DeepSeek引擎，并推出WiNEXCopilot和WiNGPT两款智慧医疗AI助手。

随着产品的落地，卫宁健康也在加速商业化布局。卫宁健康在答投资者问时透露，其医疗AI助手产品2024年处于试点阶段，已取得试点客户合同，但目前累计合同金额不大，收益尚不明显。计划自2025年起，将进行批量化推广。

在商业化方面，上述券商分析师向记者分析道，生成式AI实现商业化落地的关键在于对医疗场景的深度挖掘和产品的反复打磨。高价值场景需要具备两大特点：专业性要求高和服务范围广。要实现这些场景的商业价值，需要高级医学专业知识的深度融入，深入理解医疗需求，不断优化算法质量，并强化用户体验。

需要指出的是，卫宁健康去年的业绩呈现负增长。根据其2024年度业绩预告，报告期内归属于上市公司股东的净利润盈利为8000万元-1.2亿元，比上年同期下降77.65%-66.48%；扣除非经常性损益后的净利润盈利为1.1亿元-1.5亿元，比上年同期下降67.07%-55.05%。

探索人机协同诊疗模式

目前，国内外众多专家学者已达成共识，AI不应成为医生的竞争对手，而应是其合作伙伴。最近爆火的DeepSeek具有成本优势，利于推广普及。北京、上海、浙江、江苏、安徽等地已有多家医院宣布完成DeepSeek的本地化部署。

AI医疗的市场热度持续攀升，在提供高效工具的同时，AI也引发了关于医疗从业者创造力是否会被削弱的担忧。与此同时，近日湖南发布相关政策明确互联网医院严禁使用人工智能等自动生成处方，引发市场广泛关注。

卫宁健康在其发布的AI年度报告中指出，AI对医疗创新会带来双重影响，在减轻重复性任务、拓展诊疗与研究思路的同时，也会带来一些潜在风险与挑战。

首先，可能会导致诊疗方案同质化。AI模型基于既有数据和知识库训练，可能导致诊疗建议模式化。过度依赖AI决策支持系统，或将减少对非常规诊疗策略的探索。哈佛医学院在2022年的一项研讨指出，缺乏引导时，AI标准路径可能占据主导，降低创新性的尝试。

其次，过度信任AI诊断结果，可能导致临床思维固化，尤其在新药研发、罕见病诊断和复杂手术中。当决策者成为“被动审稿人”，临床方案或趋于保守，减少创新。

另外，AI 参与诊疗决策引发伦理问题。若出现误判或不当治疗，责任归属不明晰的情况下，医生可能会更倾向于机械式地接受AI的输出，以回避责任，进一步弱化深度思考与创新能力。

有业内专业人士向21世纪经济报道记者指出，尽管人工智能能够生成逼真的医疗报告、医学影像图片，并进行复杂的病情分析，但这并不等同于真正的“医学理解”和“临床思维”。我们对医疗服务的理解可能仍然受限于自身的认知。更重要的是，如何将人工智能的“智能”与医生的经验、直觉和同理心相结合，形成人机协同的诊疗模式，仍然极具挑战。

“为了更好地应对人工智能对医疗领域的挑战，我们必须积极探索人机协同的有效路径。临床专家应始终是最终决策者。制定明确的临床路径审核流程，要求医生对AI建议进行校核、评估与调整。在团队会诊中，AI作为参考工具，而非最终决策者。同时，要将多元异质数据纳入AI训练，打破数据同质化限制。”卫宁健康表示。