2026年9月19日下午，由中国计算机学会（CCF）主办，CCF YOCSEF 杭州组织的观点论坛（论坛编号CCF-Yo-26-155） “AI赋能临床医疗如何走好最后一公里” 在绍兴水木湾区科学园成功举办。论坛得到绍兴市科学技术协会、曙光信息产业（北京）有限公司、北京并行科技股份有限公司协办支持。

本次论坛由CCF YOCSEF杭州AC副主席胡珂立（绍兴大学）和AC委员赵昶辰（杭州电子科技大学）共同担任执行主席，作为YOCSEF杭州近两年组织的第三场医疗相关论坛，本次论坛聚焦“最后一公里”，邀请南京大学计算机学院教授、南京鼓楼医院医学大数据中心主任李武军，上海交通大学人工智能学院副教授、观壹智能CEO谢伟迪，浙大城市学院医学院院长、浙大邵逸夫医院互联网与人工智能办公室主任林辉担任引导发言嘉宾，绍兴梅奥心磁医疗科技有限公司CEO陈越猛，绍兴市人民医院院长赵振华，浙江大学软件学院“百人计划”研究员姚畅担任特邀嘉宾。论坛汇聚了全国高校科研院所专家学者，医疗机构（浙大邵逸夫、南京鼓楼、浙江省立同德等7家医院）院长、科室主任、一线医生，医疗领域企业（普施康、振德医疗、达美等9家）CEO、一线技术专家，相关政府部门管理者等近70人参会。

全体参会人员合影

AI正在加速进入临床医疗，但从技术研发、验证走向规模化、常态化应用，仍面临场景选择、数据基础、技术适配和机构机制等多重障碍。如何找准需求迫切且具备可持续应用价值的临床场景，打通数据、技术与机构层面的核心卡点，并推动政府、医院、高校院所和企业形成投入、收益与责任相匹配的协同机制，已成为医疗AI跨越“最后一公里”的关键。本论坛围绕上述挑战，探索医疗AI安全、有效、可持续融入临床的现实路径，推动医疗AI从“技术可用”走向“临床好用、常用”。

胡珂立主持

赵昶辰主持

引导发言

一、数智赋能医院高质量发展

李武军做引导发言

李武军作题为《数智赋能医院高质量发展》的引导报告。他阐释高质量医疗数据基础设施对 AI 模型训练和临床验证的关键支撑作用。他提出，数据治理是AI 医疗落地的根基，只有搭建标准化、结构化的医疗数据体系，才能够为模型训练提供可靠的数据基础，同时为临床验证提供科学依据。他强调，数据治理是AI 医疗落地的根基。医疗数据来源复杂，电子病历、检验检查结果、医学影像、随访记录分散在医院不同业务系统，存在格式不统一、信息缺失、非结构化占比高的现实问题。如果缺少标准化、结构化的医疗数据体系，训练出的AI模型极易出现偏置，无法适配真实世界多样化的病患情况，临床验证环节也缺少统一、可信的评估依据。

二、Breaking Through Rare Diseases: Agentic AI and Traceable Reasoning

谢伟迪做引导发言

谢伟迪带来《Breaking Through Rare Diseases: Agentic AI and Traceable Reasoning》主题报告。罕见病是医学领域的长尾难题，目前已知病种超 7000 种，患者平均确诊周期达 5 年，首诊误诊率达 60%。人类医生受困于知识爆炸、信息碎片化与认知过载，传统 AI 也因样本稀缺、搜索空间大、黑盒输出易生幻觉等短板，难以胜任罕见病诊断。基础模型虽为医疗带来新机遇，但仅靠大模型无法完成完整临床决策。报告提出以 Agentic AI 构建感知-推理-行动闭环：通过智能体检索增强生成，实时调取最新医学证据，弥补静态模型知识库固化缺陷；同时将诊断拆解为分步流程，实现推理链路证据可溯源。其团队研发的 DeepRare 罕见病智能诊断系统依托自反思循环抑制模型幻觉。经多数据集验证，融合基因组信息后系统精度达 70.6%，诊断表现优于可联网查资料的临床医师，真实病例印证了其临床价值，为打通 AI 赋能罕见病临床应用的 “最后一公里” 提供可行路径。

三、从大规模医学知识到临床决策大脑的工程探索

林辉做引导发言

林辉做主题为《从大规模医学知识到临床决策大脑的工程探索》的引导发言。临床决策大脑不是单纯的大模型调用，是一套复杂的工程化系统，需要完成从海量零散医学知识，到可直接服务医生的临床辅助决策能力的完整转化。很多医学大模型技术效果出色，但落地失败的根源在于忽视工程落地环节。医学知识体量庞大、更新迭代快，真实病历数据存在大量噪声，医院业务系统复杂，都会造成理论模型和临床实际之间的鸿沟。临床决策大脑建设，既要解决知识表示、知识推理的算法问题，更要解决知识更新维护、系统对接、交互设计、临床验证等一系列工程难题。必须深度扎根医院场景，理解临床业务逻辑，才能让知识能力真正转化为可用的临床工具，赋能临床医生，助力诊疗规范化。

执行主席为引导嘉宾颁发感谢牌

思辨环节

引导发言后，与会嘉宾分别从产业转化、临床应用、技术研发多个视角，针对医疗AI“最后一公里”展开思辨，重点围绕：医疗AI的 “最后一公里” 究竟是技术难题还是系统性难题；临床真实场景下AI落地的核心阻碍；如何构建多方协同机制推动 AI 医疗从技术热点转为临床常用三大方向展开充分交流。

与会嘉宾参与思辨

思辨议题一：临床医疗哪些环节和场景急需AI赋能，如何兼顾需求迫切性与应用可持续性？

与会专家梳理出医疗AI的重点应用方向，剖析当前落地过程中的现实堵点，并从评估标准、风险管控、运营模式等维度给出落地实施的相关建议。

• 重点赋能场景：聚焦基层医疗，推动三甲医院优质专科诊断能力下沉，补齐基层临床决策短板；精细化手术操作对AI医疗器械需求迫切；覆盖慢病管理、可穿戴设备重症监测、医生科研教学等领域；大型医疗设备急需AI赋能以缓解资源紧张问题，解决部分病症术前评估难的痛点，改善患者就医体验。
• 现实落地堵点：医疗AI行业存在 “说得多、用得少” 的现象，大量技术成果停留在科研阶段；医保政策动态变化、临床医生使用AI存在技术门槛，进一步阻碍技术在临床大规模推广。
• 项目评估与风险防控：将可落地执行作为医疗AI项目的核心评判标准，加强临床人员AI应用能力培养；AI输出诊疗建议时需要标注决策置信度，以此规避临床风险。
• 可持续实施路径：实施上优先完成全国基础能力覆盖，再开展本地化定制开发，平衡临床需求与项目长期运营。

思辨议题二：AI赋能临床为何难以落地，数据基础、技术能力、机构机制存在哪些核心卡点？

与会专家深入剖析医疗AI难以真正走进临床的多重深层阻碍，认为落地难并非单一因素造成，而是数据、技术、制度机制、商业闭环以及产品设计多方面矛盾叠加带来的结果，各环节的卡点相互影响，共同制约技术从实验室走向真实诊室。

• 数据基础卡点：并非缺少医疗数据，而是数据筛选与标准化存在难题。受各医院硬件、业务系统、建设年代差异影响，院内数据杂乱，跨机构数据格式不统一，同时医疗机构将数据视作核心资产，加之省‑市‑县三级区域数据标准尚未统一，制约模型训练与数据共享。
• 技术能力卡点：模型跨机构泛化能力不足，在单家医院训练完成的模型，部署到其他医疗机构后精度会出现衰减，根源在于不同医院诊疗流程、参数策略、患者人群存在差异；同时模型可解释性不足，推理过程不透明，造成临床医生对 AI 模型信任度不足。
• 机构机制卡点：医疗AI属于辅助诊疗工具，但对应的法律责任界定存在真空。一旦因医生过度采信AI输出结果发生漏诊、误诊事故，责任归属没有清晰规定，直接降低医生使用AI产品的主观意愿。
• 商业化盈利卡点：未来数据、技术层面的瓶颈有望缓解，但医疗 AI 缺少成熟的付费及收益回流模式，缺少商业保险等付费方支撑，企业难以实现盈利。资本参与的动力不足，仅依靠学术力量很难推动规模化落地。
• 产品与需求匹配卡点：行业不缺AI技术专家与医学专家，但缺少懂临床场景的优秀产品经理。不少产品技术上可行，但操作复杂，不符合医生日常工作习惯，医生更愿意沿用传统诊疗经验，造成技术难以走向社会化应用，需要加强复合型产品人才的培养。

思辨议题三：AI赋能临床应如何协同推进，如何形成投入、收益与责任相匹配的良性闭环？

与会专家围绕医疗AI如何突破落地困局展开研讨，普遍认为破解临床落地难题，不能仅仅局限于优化数据、算法等技术层面，更需要从价值导向、商业闭环构建、政策保障等顶层维度综合施策，通过找准真实价值、探索可持续商业模式、完善保障机制，推动医疗AI实现规模化推广应用。

• 锚定真实价值导向，推动医疗信息底座开放化：医疗AI项目开展前需要厘清价值落点，明确技术究竟为患者、临床医生、医疗机构还是监管部门创造实际效用，尤其要兼顾医保端的现实诉求，助力实现控费、规范诊疗行为、规避行业乱象等管理目标，避免投入到短期看不到实际应用价值的研发方向。封闭、孤立的医院信息系统会成为AI创新的阻碍，医疗信息化底座应当朝着通用开放的方向演进，赋予临床人员灵活选用各类医疗应用工具的空间，降低新技术对接使用的门槛。
• 客观看待商业化现实困境，寻找破局可能性：国内想要打造高回报的医疗 AI 商业闭环存在不小难度，行业内不少企业现阶段收入仍以科研服务为主，依靠直接面向临床售卖产品实现盈利的路径并不顺畅。只有AI能够提供显著优于现有顶尖临床水平的能力，形成不可替代的核心价值，才更有机会跑通商业化。这也意味着医疗AI不能只做 “锦上添花” 的辅助工具，需要挖掘真正可以改变诊疗流程的硬核能力。
• 依靠政府引导，构建医保 + 商业保险协同付费体系：医疗AI的普及离不开政策层面的助推，基层大范围推广AI平台项目，单纯依靠医院自身力量难以完成，需要政府给予资金补贴等扶持。同时要解决付费根源问题，推动成熟的AI诊疗项目纳入收费目录，除基本医保之外，引入商业保险分担部分费用与风险，打通报销通路，才能让AI技术从试点示范转变为可常态化运转的临床服务。

执行主席为特邀嘉宾颁发感谢牌

为感谢本次论坛协办单位，YOCSEF杭州AC主席刘佐珠向协办单位颁发感谢牌。

刘佐珠为协办单位颁发感谢牌

最后，刘佐珠为本次技术论坛作总结发言，高度肯定本次论坛研讨价值，认为嘉宾围绕医疗AI场景落地、产业资本赋能等话题输出大量一线实践总结与深度思考，对行业发展具备指引意义。他对绍兴市科协、协办单位及所有到场参会人员表达诚挚感谢，并期待各界持续支持YOCSEF杭州后续论坛活动。

刘佐珠作总结发言

本次论坛是YOCSEF杭州近年来组织的医学主题系列论坛的第三次论坛，汇聚政府、高校、医院、企业多方代表，围绕 AI 医疗落地的痛点、协同模式、实践路径开展充分交流，思辨环节专家参与踊跃，产出大量贴合产业实际的观点。本次研讨把实地调研、企业走访贯穿活动全过程，以问题为导向推动产学研对接，落地多项意向合作。未来，CCF YOCSEF 杭州将持续深化学术与产业联动，打造全域协同、精准赋能的科创生态，助力医疗 AI 产业高质量发展。