AI医学影像进入工作流重构期：数坤科技医疗智能体实测，人机协作仍是临床最优解

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-04

本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

近日，第五届医学影像AI学术会议在上海举办，现场一场公开的“人机读片大赛”成为焦点。不同于行业常见的内部测评，主办方从三甲医院征集10份复杂病例，设置7组参赛形式，由医生与AI协作或AI智能体独立完成诊断报告，专家现场打分。AI参赛方数坤科技表示，这是一场“闭卷考试”，AI无法提前学习病例。

📊 核心实体与商业数据

💡 业务落地拆解

比赛结果显示，高年资医生与多任务智能体组合平均得分85.2分，低年资医生+AI得分83.8分，部分病例甚至获得全场最高分。独立AI智能体得分66.2分，但用时仅20分32秒，远快于其他组别（66-88分钟）。

一位低年资参赛医生坦言，脱离AI工具时，经验短板易导致病灶识别疏漏，而AI协作能提高病灶检出覆盖度。然而，智能体输出常含假阳性结果，医生需复核原始影像，部分病例反而拉长工作时间。

“现阶段，临床中缺少明确的AI操作规范，我们该如何采信AI输出内容、如何把握边界？这也是一线日常工作里很实际的难题。”——参赛医生

有趣的是，多位评审专家误判了报告来源，有专家认为某份报告是高年资医生传统模板所写，实际是AI生成。这表明AI生成的报告在术语和结构上已接近人类医生，人机边界逐渐模糊。

行业正处于技术迭代关键节点：过去垂直模型聚焦单一任务，工具碎片化；如今伴随大语言模型渗透，厂商转向医疗智能体，模拟医生完整阅片逻辑，实现一次输入多病种分析并生成报告初稿。数坤科技创始人毛新生透露，公司还将发布“医学世界模型”。

毛新生比喻：上一代AI像“专科实习生”，只能看一种病；今天的AI智能体更像“首席助理”，能分诊、标注、写初稿，医生只需审核签字。这重构了工作流：医生从“写报告的人”变为“审报告的人”。

🚀 对企业 AI 化的启示

医疗智能体的落地并非简单技术替换，而是涉及工作流、临床规范与商业模式的系统性变革。

1. 人机协作是现阶段最优解：纯AI在效率上优势显著，但诊断质量仍不及人机协作。企业应设计“AI初筛+医生复核”的协作流程，而非追求完全替代。
2. 技术需适配真实场景：智能体输出需考虑假阳性、逻辑错误等问题，企业应建立反馈机制，持续优化模型，并积累多中心真实世界数据。
3. 商业模式需创新：毛新生指出，医疗AI本质是“数字员工”，但收费体系仍视其为普通软件。企业需推动政策与支付体系改革，同时探索按效果付费等模式。
4. 关注临床规范与监管：随着AI介入全流程，验证与注册审评要求更高，企业应主动参与行业标准制定，建立质控体系。

总之，AI医学影像已从单点工具进入工作流重构阶段，人机协作仍是临床落地的最优解，企业需在技术、流程与政策间寻找平衡。

【官方原文链接】点击访问首发地址