随着AI（人工智能）技术的迅猛发展，各种“AI+医疗”的创新项目层出不穷，从诊断辅助到药物研发，再到医疗影像分析，“数据要素×医疗健康”“人工智能+医疗健康”的创新路径似乎处处皆有“星火”。4月18日，福建省医疗人工智能数据供需对接会在福州市软件园举行，标志着福建省在医疗数据要素市场化配置、人工智能赋能医疗健康产业领域迈出坚实一步。从“共绘人工智能医疗新图景”到现实的产业深耕，AI+医疗如何走向可持续的高质量发展？

“遍地星火”的短期“繁荣”难掩深层次风险

全球医疗AI市场高速扩展，2023年中国AI医疗行业规模达到973亿元，预计在2028年增长至1598亿元，QYResearch调研显示，2024年全球医疗人工智能（AI）市场规模约达1003.7亿美元，预计2031年将达到5245.5亿美元。在国内相关政策支持、资金投入下，不少企业打着“AI+医疗”的旗号开展多领域布局，试图迅速占领市场，表面来看，似乎是行业一片繁荣景象。然而，盲目追求多样化、大范围的覆盖可能阻碍行业的长远发展，真正壮大行业生态的关键在于“术业专攻”，即在某一细分领域深耕、实现技术突破。

一方面，跨领域“泛AI”项目往往是“蜻蜓点水”，难以实现技术深度的突破，导致行业整体技术水平良莠不齐，许多多领域覆盖的“AI医疗”企业，在影像、基因、药物等方面均投入巨资，但在核心算法和临床应用上未能取得实质性突破，造成资源浪费。另一方面，零散的项目难以实现数据的有效整合与资源共享，东一榔头西一棒锤，造成行业整体仍存在碎片化、标准不统一、数据孤岛等问题，阻碍AI技术的联动和深度应用。且野蛮生长会为数据管理带来阻力，医疗数据的隐私安全问题就很难得到保障。这正反映出“浅尝辄止”式的多元布局对行业生态的负面影响。

“深耕细作”开拓“AI+医疗”垂直化发展路径

医疗行业具有高度的专业性和复杂性，不同的医疗场景对AI技术的要求也各不相同，摒弃“百花齐放”的粗放式发展模式，树立“专而精”的原则，让技术聚焦特定场景进而深度优化，从范式化的发展转向术业专攻的垂直钻研。

以“放射影像AI”为例，国内企业依托在医学影像识别领域的深厚技术积累，已实现肿瘤、肺结节、骨折等疾病的高精度辅助诊断，如阿里健康肺结节筛查系统?，专攻肺部CT影像分析，能够自动化、高效化地分析X光、CT、MRI等医学影像，辅助医生发现异常、识别病灶、定量测量和预测预后，提升诊断效率。

此外，药物筛选与精准诊断亦是“垂直钻研”的典范。AI制药利用人工智能技术加速生物医药领域的研究和开发过程，其主要目标是提高新药物的发现效率，降低研发成本。事实证明，专注深耕之路更有可能带来行业的技术革新和产业升级。迈瑞医疗副总裁李新胜表示，让AI真正在临床端产生生产力，必须要经过垂直领域训练、专科领域训练，让它具备在专科领域进行辅助诊断的能力。

产学研协同、交叉学科发展，让未来路径更清晰

虽然“术业专攻”成为行业专家们的共识，但产业生态也不能彻底孤立发展。跨界合作应成为行业未来的重要模式。AI医疗的发展高度依赖跨界融合——既需要医疗专业知识，又要求熟悉AI技术，“学医者不懂代码，懂代码者不懂医疗”是行业发展的一大障碍。当务之急，是推动“医工交叉”专业课程，将医学、计算机、数据科学结合起来，培养复合型人才。同时，产学研协同，让医生与AI工程师共同参与项目设计，促使不同背景的专业人士共研创新方案，确保技术方案贴合实际需求。记者了解到，四川大学近日开设的“医学人工智能”本科微专业正式开班，开课即“抢空”。在人工智能发展激流勇进的时代，交叉学科的设置和推广为各行各业未来突破与发展提供了可借鉴的路径。

AI+医疗的下半场，拼的不是表面繁荣，而是谁能在细分领域扎下根、用数据流通和价值共生来驱动创新。只有术业专攻、垂直钻研，医疗AI产业才能真正成为守护亿万国人健康福祉的坚实力量。

（本网记者林华黎）