人工智能技术飞速迭代，各类智能终端走进千家万户，也为医疗资源均质化、普惠化打开了新的突破口。

　　当顶尖医院的专家开始思考如何将自身的诊疗逻辑“数字化迁徙”；当开源通用医学模型像水电一样成为基础设施；当AI从三甲医院的技术探索，转化为基层医生的得力助手——一场从依赖“外部输血”到开始“自主造血”的基层医疗变革，正悄然赋能健康中国建设。

　　建立评测体系

　　为医疗AI严格把关

　　把AI“送”下基层之前，必须回答一个根本问题：它究竟靠不靠谱？

　　今年7月，上海黄浦江畔的一场学术会议上传来了正面回应。全新迭代的MedBench5.0医疗AI评测体系正式发布，这套由钟南山、葛均波等多位院士团队联合攻关的评测体系，首次将“医疗安全性”和“复杂推理能力”置于核心地位，给医疗大模型立了一把“尺子”。

　　此前，基层医生拿到一个AI产品，往往不清楚它专治什么病、会不会产生误导性“幻觉”；如今，从常见病到疑难杂症，从基础问答到安全底线，谁是真专家，一测便知。

　　多位院士反复强调：普惠绝不能以牺牲质量为代价。

　　中国科学院院士、复旦大学附属中山医院名誉院长樊嘉直言：“数据源的质量是AI的‘命门’。如果拿低质量、有偏差的数据训练AI，再推广到基层，不仅不能帮助医生，反而可能增加误诊风险，与普惠的初衷背道而驰。”

　　中国科学院院士、中国科学院上海药物研究所原研究员陈凯先补充道：“数据治理必须同步跟上，监管要与创新同步，甚至适度超前。唯有在严格验证和清晰规则之下，AI技术才能在正确的轨道上为基层医疗赋能，而不是带来新的问题。”

　　中国工程院院士、首都医科大学眼科学院院长王宁利认为，虽然在医疗领域，AI面临“算法偏倚”“机器幻觉”“过度依赖文本模型”等挑战，但它依然是医疗资源下沉的有力工具。

　　从实验室走向诊室

　　复刻顶级专家思维逻辑

　　解决了“能不能用”的问题，接下来要回答“用什么”来破解基层困局。

　　在河南省医学科学院眼科研究所展厅，一块大屏幕上，一张眼部照片刚上传，一系列检查结果瞬间清晰显现——这是王宁利团队研发的“伏羲慧眼”眼科大模型的日常操作。凭借数百万张高质量图像数据的训练，这只“慧眼”不仅能精准诊断眼疾，甚至能通过眼底照片评估全身健康指标，让一次拍照成为一次迷你体检。

　　参观者在体验“伏羲慧眼”。河南日报图

　　类似的实践正在多领域铺开。在我国低卫生资源地区，中国科学院院士、北京协和医院妇产科学系主任医师朱兰通过人工智能辅助诊断等手段，显著提升了适龄女性宫颈癌筛查覆盖率，数字技术正在破解宫颈癌防控“最后一公里”难题。

　　针对基层老年人不会操作智能设备、线上医疗服务“好看不好用”的现实困境，中国工程院院士、上海交通大学医学院附属仁济医院院长夏强院士团队则将重点放在AI适老化改造上，全面简化智慧医疗操作流程，优化智能导诊、线上问诊、慢病随访、健康查询等核心便民模块，让智能医疗工具适配老年人的就医习惯，打通老年群体智慧就医壁垒。

　　这些来自不同学科的实践，共同指向一个事实：AI工具正在从实验室走向基层诊室，“工具下沉”已在部分领域走通，为更深层次的变革积累了信心和经验。

　　然而，比“工具下沉”更具变革意义的，是“智慧下沉”。樊嘉表示：“AI能否在基层发挥高质量作用，核心在于大专家智慧的数字化迁徙，而非单纯地输出数据。”

　　樊嘉认为，北京、上海顶级专家的诊疗方案代表着国际前沿水准，用这些高质量数据训练出的模型，等于复刻了专家的思维逻辑。这意味着，当一位偏远山区的村医打开手机里的AI应用，背后站着的可能是一位“数字院士”。这不是冷冰冰的算法，而是“数字顶级专家”在辅助决策。

　　中国科学院院士、国家放射与治疗临床医学研究中心主任葛均波进一步补充：面对庞大的高血压、糖尿病等慢病人群，AI能大幅提升基层医生的管理效率和规范性；而在医疗影像与心电分析等基层最依赖的辅助诊断环节，AI能快速给出精准判读。更值得一提的是，AI在急危重症的一线救治关口同样大有可为——基层接诊的患者，病情往往复杂多变，早期症状隐匿，经验有限的医生容易错失黄金窗口。AI通过数据分析发出预警，可以帮助识别潜在风险。

　　“人工智能范式创新核心不是算法，而是未被满足的临床需求，AI的应用必须源于临床、回到临床，解决真正的痛点，尤其是那些临床需求明确、应用频率高、流程相对标准化的领域，这恰恰是基层医疗的刚需所在。”葛均波说。

　　打造通用医学基座模型

　　推动“数字地基”同质化

　　如果说“伏羲慧眼”是一位出色的“专科医生”，那么通用医学基座模型，则更像一位“全科数字化基建大师”。

　　中国科学院院士、同济大学附属东方医院心脏病全国重点实验室教授陈义汉认为，当前医改面临的核心痛点之一，正是不同层级、不同区域医疗机构间的诊疗水平差距悬殊。通用医学大数据模型是弥合这一鸿沟的关键变量。

　　徐州医科大学附属沐阳医院在宿迁地区率先引进医学人工智能 Med-Go，并已正式投入临床使用。受访者供图

　　陈义汉深度参与了通用大模型MED-GO的研发，该模型于2025年11月面向全球正式发布。与针对单一病种的专科模型不同，MED-GO像一个标准化的“数字底座”，将经过严格质控的医学知识、诊疗指南和专家思维内嵌其中，确保无论在哪里，输出的诊断建议都遵循同一套逻辑。

　　陈义汉将开源的基座模型比作一套“毛坯房”——基层医院可以根据本地流行病特点、药品目录、设备条件进行“装修”，开发适合自己的专病模型。“每个地方都有自己的特殊性。如果只给一个黑盒，基层只能被动接受，最终形成新的技术依赖。相反，基座模型可以在不提供封闭产品的情况下，给予基层自己动手‘装修改造’的能力。”

　　杭州市第一人民医院的实践验证了这一点。据该院党委书记童向民介绍，在MED-GO通用底座上，医院自主构建了乳腺癌专病模型，覆盖从预问诊到全流程管理的闭环。这种基于通用底座的自主创新，是基层医疗可持续发展的内生动力。

　　童向民同时强调，通用医学基座模型必须把责任边界划清楚，确保“数据不出域、不出院”，这才是基层“敢不敢用”的底线，解决了这个问题，才能考虑“能不能用、好不好用”。

　　据陈义汉透露，MED-GO通用模型已在全国数十家三甲医院推广使用，并向长三角地区稳步推进。从上海浦东的46家卫生服务中心，到青海果洛高原的援助试点，该模型正通过基座模式构建一个同质化的技术保障体系。未来，当上海的专家通过模型指导青海的基层医生，传递的不再是零散的经验，而是标准化的诊疗逻辑。一条从“被动接受”到“自主造血”的链条，正在不断延伸。

　　从黄浦江畔院士的案头，到大山深处的村卫生室，距离不止千里。但AI跨越的不仅是物理距离，更是技术与制度之间的鸿沟。当技术红利真正渗透进基层医疗的毛细血管，当每一位居民都能在家门口享有公平可及的高质量健康守护，这便是“推进全民健康数智化建设”的生动实践，也是中国式现代化在卫生健康领域写下的温暖注脚。一场以开源为引擎、以同质化为目标、以普惠为归宿的医疗变革，正在广袤的中国大地上生根发芽。

　　作者：邱越 尹薇