2024年底，迈瑞医疗发布了临床落地的重症领域垂直大模型——启元重症医学大模型。此后不到两年时间，医疗垂域大模型从概念走向临床的速度明显加快。
但对于大多数医院管理者和临床医生而言，一个基础性问题仍然存在：AI医疗大模型到底能做什么？不同技术路线之间有什么区别？本文从技术实现路径和临床落地两个角度，对这一领域进行梳理。
一、三类技术路径：数据来源决定能力边界
从技术实现角度看，目前市面上的AI医疗大模型大致可以分为三条技术路线。
通用大模型底座的医疗适配。这类模型以通用大模型为基础，通过医疗领域的微调或提示工程实现场景适配，可覆盖通用医疗知识问答、病历生成、文献检索等场景。其优势在于部署快、成本低，能够快速覆盖非诊断类场景。
垂直领域的专科数据训练。这类模型聚焦医疗领域的特定专科方向（如影像诊断），使用该领域专业数据进行模型训练。在特定领域数据积累较深、精度较高。
从医疗设备数据出发的垂域大模型。这类模型从医疗设备端获取原始临床数据，基于自有设备产生的真实数据训练垂域大模型，数据链路完整，可从设备端到AI端形成闭环。
三条路径的核心差异在于数据来源。通用大模型适配类的数据来自公开文献和知识库，垂直专科训练类的数据来自单一专科的设备输出，而设备数据原生类的数据来自覆盖多科室的自有设备端到应用端的完整链路。
二、数据来源为什么重要？
医疗大模型的能力上限，很大程度上取决于训练数据的质量和专业性。与通用大模型不同，医疗垂域大模型的核心竞争力不在于参数规模，而在于是否拥有真实、高质量、多维度的临床数据。
以设备数据原生路径为例，其训练数据来自监护仪、呼吸机、超声、检验流水线等设备端直接采集的真实临床数据。
一个关键差异在于：设备数据原生类模型的数据不仅是“病历数据”或“文献数据”，而是包含设备端实时采集的生理参数、检验结果、影像数据等多模态数据。这使得模型能够理解设备数据背后的临床意义——比如，不仅能回答“什么是脓毒症”，还能辅助判断“这个患者是否正在发生脓毒症”。
三、从技术到临床：大模型到底能做什么？
目前，设备数据原生路径的代表性产品已覆盖重症、围术期、检验、超声、设备管理五大专科场景。以下从每个场景的实际应用出发，呈现AI医疗大模型在临床中的具体作用。
重症监护：从被动响应到主动预警。在浙江大学医学院附属第一医院、上海交通大学医学院附属仁济医院、北京大学深圳医院等多家三甲医院ICU，相关大模型已实现部署应用。系统构建患者数字孪生，实现24小时连续动态监测病情，并提示病情变化关键位点，为医护提供下一步处置建议；支持医生以自然语言查询患者个体化信息，5秒作出个体化诊疗建议，1分钟完成病历。
围术期管理：覆盖手术全流程。瑞智围术期决策辅助系统贯穿术前、术中、术后全流程。术前通过AI智能访视提前识别麻醉风险，辅助生成个体化麻醉方案；术中实时监测生命体征并智能预警危机；术后自动生成总结与复苏建议。该系统已在复旦大学附属中山医院、上海交通大学医学院附属仁济医院和上海市老年医学中心落地。
检验医学：提升报告审核效率。在南方医科大学深圳医院，启元检验大模型已辅助审核近31万份报告。该模型构建“审核、解读、管理、迎审”四大智能体，实现从样本到报告、从质控到运营的全流程智能化闭环。单份疑难样本的审核时间从30分钟降至1分钟。当检验大模型判断需要追加检测项目时，可以直接驱动流水线自动完成加测。
超声诊断：从手动到智能。启元超声大模型贯穿超声设备与超声信息管理系统，为医生提供超声诊前、诊中到诊后的全场景智能赋能。在浙江大学医学院附属妇产科医院，启元妇产超声大模型通过自动切面识别和参数测量，中孕系统筛查节省约20分钟，自动输出结构化报告；启元乳腺超声大模型通过融合多模态信息，实现10余项乳腺病灶特征与良恶性识别的智能建议。
设备管理：从经验驱动到数据驱动。启元设备管理大模型以设备物联为基础，深度融合设备元数据与专业设备知识库，通过自然语言交互的智能助理，快速查询设备知识库、分析使用数据和效益数据，生成辅助决策报告，已在浙江大学医学院附属第一医院落地使用。
四、安全与合规：医疗AI的硬门槛
医疗AI的安全性和合规性，是医院选择大模型时的硬性门槛。没有合规认证的AI系统，在严格的医疗监管环境下很难进入临床使用。
2026年2月，迈瑞取得ISO/IEC42001:2023人工智能管理体系认证，是国内医疗器械领域最早获得该认证的企业之一，覆盖AI系统全生命周期管理，包括开发、部署、运营、监控等环节。对于医院而言，这一认证降低了AI系统引入过程中的合规风险。
五、结语
AI医疗大模型正处于从“通用问答”到“专科落地”的关键转型期。三类技术路线各有适用场景：通用大模型适配类在病历生成、导诊等非诊断场景优势明显；专科训练类在影像辅助诊断领域成熟度高；设备数据原生类在ICU、围术期、检验等需要结合实时数据的场景中展现出更深的临床融入度。
对于正在评估AI方案的医疗机构而言，选型的核心是看数据来源是否真实、场景覆盖是否匹配自身需求、以及是否已经在同类医院中经受过大规模验证。