中国绝大部分医疗服务发生在医院，而目前整体上我国医院的信息化系统明显不满足要求，这块一定需要大量投资来补短板。

过去一个月我们陆续对AI+医疗做了很多调研，也听了很多一线医疗专家的分析观点。现在大模型的能力进步很快，训练和推理以及部署成本也在不断降低，各种不同科室的垂直模型也在不断涌现。但这些应用主要发生在知名的大医院，因为他们的信息化水平很高。如果想大面积推广，目前是不现实的，瓶颈就在于大部分医院信息化水平不高。

如果从赋能的角度进一步细分，我们总结为赋能医生、赋能患者、赋能医院。我们可以列举最新的案例：

AI赋能医生，主要是帮助医生进行各种临床诊断和治疗方案的决策。最近各种调研信息看，很多细分专科垂直领域的模型都在陆续落地，比如瑞金医院发布了他们的病理大模型，复旦中山医院发布的AI心脏大模型，固生堂的AI中医大模型。另外有些大模型还能潜入医生的工作流中，帮助医生在包括像预问诊，电子病历生成和质量控制等方面提升了他们的工作效率。

这些都是实实在在的落地应用。

AI赋能患者其实更多的是提高就诊效率。比如诊前的健康咨询、诊中的智能导诊、分诊问诊，以及诊后的智能随访，个性化健康管理，用药提醒等等。坦白说，写到这里我们在思考一个问题，如果大模型能力进步很快，是否会替代一部分连锁药店的服务功能？毕竟，我们认为连锁药店的未来不仅是卖药的，还需要提供健康管理和咨询方面的服务。这是一个我们最近都在思考的问题。

AI还可以赋能医院的整体运营。因为通过这种数据的分析整合，在质量控制、合规风控、供应链、财务、日常办公等各层面，都可以帮助医院去提高他们的经营效率。

然而正如开头所说的，上面这些“赋能”目前都发生在知名的大医院，因为他们的信息化水平很高，但是如果想大面积推广，目前是不现实的，瓶颈就在于我们刚才说的，中国大部分医院信息化水平并不高，不足以支持AI的推广。

这会导致什么问题呢？

因为AI医疗的核心依赖于大量高质量数据的训练，但如果医院内部信息系统分散在不同科室，而且数据格式、编码规则和接口标准都不统一，就没法形成一个完整的患者全周期健康记录，就会直接影响其诊断准确性和模型优化。很简单，大模型如果只拿到一个患者的血常规报告，是得不出太多有价值的信息的，它需要结合其他系统的数据。可是，现在同一家医院内部可能有上百个由不同厂商开发的子系统，这些碎片化数据需要整合在一起才能形成生产力。

信息化就是解决这些问题的，专业的说法是“数据孤岛和系统割裂”问题。我们听过不下10场相关的报告，几乎所有专家都提到了这个瓶颈。最后补充下医院信息化涉及的主要上市公司，他们包括东软集团、 润达医疗、东华软件、万达信息、 创业慧康、思创医疗等等。这里不是推荐，也不是完整的名单，只是列举代表性的上市公司，以方便我们缩小研究范围。