当前，医疗AI正面临一个关键分水岭：一边是大模型技术能力的飞速跃进，另一边则是临床场景中“不敢用、不好用”的落地瓶颈。
近日，在2025智链·医疗人工智能生态大会暨武汉数智病理发展大会上，医渡科技技术创新副总裁、AI架构师李林峰博士发表《数据+智能驱动医疗应用创新》主题演讲，他指出，AI须从单纯的“技术工具”，演进为深度融合临床流程的“智能体”，方能在严谨而复杂的医疗场景中实现“安全、可靠、有用”的目标。
李林峰演讲
AI的临床角色，从“执行工具”升级为“认知伙伴”
“大模型展现出了强大的能力，但要想让它真正在临床落地，让医生觉得好用、敢用，我们还必须跨越一道很深的‘信任鸿沟’。”李林峰阐释了人工智能技术在医疗领域演进的深层逻辑：每一次技术浪潮都在开拓新的应用边界，而非简单替代。当前，以大模型为代表的第四波浪潮，其任务正是攻克如病历理解、诊疗决策辅助等需复杂认知与推理的高阶场景。
然而，实现这一目标面临着需求与能力的双重鸿沟。医院管理者、临床医生和信息中心分别对AI有着系统赋能、效率提升与安全易用的迫切需求，但技术层面仍须克服大模型“幻觉”控制、医疗逻辑理解、知识动态融合，以及算力成本、响应速度和与现有系统安全对接等一系列严峻挑战。
为此，医渡科技打造了“大数据+大模型”双中台解决方案，为医院打造高质量发展的坚实数字底座，系统性地破解“数据整合复杂、多模型管理难、工具与知识分离、智能应用与业务脱节”等转型难题。
其中，AI中台的核心价值，在于可将大模型的原始能力系统性转化为符合医疗规范、理解临床流程、知晓专科知识的“智能体”，从而实现AI在真实医院场景中的“落地生根”。 目前，该双中台已在全国几十家知名三甲医院落地。
锻造“懂行、可控、好用”的AI智能应用路径
如何让医疗AI从“可用”走向“可信赖”乃至“不可或缺”？李林峰分享了医渡科技的核心方法论：智能体的构建需经历知识、流程与场景的三层深化。
构建动态高质量的“知识底座”。智能体不能仅依赖训练数据中的通识，须即时调用最新的、权威的专有知识。医渡AI中台内置的“知识中心”，汇聚了动态更新的诊疗指南、医学文献、量表问卷与结构化知识图谱，确保智能体的每一次回答都有据可依。
植入符合临床逻辑的“流程引擎”。 这是智能体超越对话式交互，成为临床工作伙伴的关键。通过集成40余个医疗专用“算子”（如指南查询、病历结构化、专病库检索等），平台可像搭积木一样，将问诊、判断、查询、生成等多个步骤组合成符合现实诊疗逻辑的自动化工作流。“这使得AI的思考过程从‘黑箱’变成了可追溯、可干预的透明流程。”李林峰表示。
实现“轻量化、场景化”的无缝嵌入。智能体应融入医生与患者的自然工作流。医渡科技推出的 “医生临床Copilot” ，以插件形式嵌入医生工作站，可自动调取当前患者数据，让医生在书写病历时、制定方案中随时唤起AI辅助，实现“所想即所得”的丝滑体验。目前，医渡科技已经完成了50+个场景智能体的深度打磨。
且看AI智能应用赋能，医疗核心场景创新实践
医渡科技数智双中台的价值已在几十家合作医院得到验证，有效赋能临床科研协同与新一代医院智慧运营体系建设。
1．在重庆医科大学附属第一医院，构建的全科医学智能助手能够依据指南与院内规范，对患者主诉与检查报告进行智能分析，为医生提供精准、高效的信息支持。
2.在首都医科大学附属儿童医学中心，构建的“接诉即办”AI客服系统，提供7×24小时全天候服务，涵盖就诊流程咨询与疾病科普问答，显著提升了响应效率与服务标准化水平。
3.中山大学肿瘤防治中心的实践成效更为显著。依托双中台实现系统建设大幅提速，应用上线周期从两个月缩短至两周。AI诊疗助手日均调用近千次，医生自主构建140余个场景化智能体，实现全场景诊疗赋能。同时，双中台还有效推动医院的科研效能全面提升。
此外，在“病历生成”场景，通过医患对话自动识别、预问诊院前信息采集、历史病历自动读取等方式，使得医护人员病历书写的效率提升一倍以上。在“肿瘤TNM分期”这一高专业壁垒任务中，通过嵌入多版分期指南、解剖知识图谱与医生推理逻辑链，智能体将评估准确率提升至90%的主任医师水平，同时大幅降低了对底层算力的苛刻要求。
正是这些“用得上、效果好”的真实案例形成了强大的示范效应，吸引了与会者齐聚医渡科技展位交流咨询。医院管理者、信息科负责人与临床医生们关注的焦点，已转向了更深层次的落地探讨：如何将成熟的智能体方案与自身医院的特色专科、现有系统进行深度结合。
医渡科技通过数智双中台，实现了数据要素与AI能力的高效融合与统一管理。通过医生Copilot等应用产品体系将AI能力深度融合到业务场景中，提升医护工作效率和质量，提升医院科研效率与能力，提高医院运营管理深度，提高患者服务智能化水平，推动医院高质量发展。
