原标题：临床场景落地加速：AI医疗进入“华为时间”？| AI医疗浪潮⑮
21世纪经济报道记者 闫硕 北京报道
AI医疗热度持续上升。
近日，有媒体报道，华为正式组建医疗卫生军团，将重点构建AI辅助诊断解决方案体系，推动医疗大模型在临床场景的应用。华为DCS领域总裁张伟力将担任负责人。
所谓“军团”，是受到谷歌军团概念启发，华为创始人任正非在2021年提出的改革模式。华为轮值董事长胡厚崑曾介绍，成立军团的目的是一个军团只针对一个特定行业，把行业吃透，缩短内部管理链条，完成数字化转型过程中最难最累的活。
目前，华为组建的军团已超过20个，覆盖煤矿、港口、公路等多个领域。业内观点认为，此次组建医疗卫生军团，表明智慧健康产业被华为提至更高战略级别，华为对智慧医疗的布局也从技术探索开始转向系统性攻坚。
IQVIA艾昆纬中国人工智能和创新业务负责人张畅向21世纪经济报道记者表示，华为作为一家科技企业，在构建AI辅助诊断解决方案体系，推动大模型在临床场景的应用方面有诸多优势，包括技术积累、本土化落地、芯片、数据安全等多方面。
加码AI医疗
近些年，华为持续通过AI、5G等技术与ICT（信息与通信）基础设施产品与方案推动医疗行业数字化转型，促进提升医疗服务能力与水平，加强医院精细化管理，改善基层公共卫生服务。
与此同时，华为也不断深化与众多企业在医疗领域的合作。在AI诊断与病理模型方面，华为与润达医疗、安必平等企业展开深入合作。其中，华为与润达医疗联合打造了其首个医疗AI消费级产品——“良医小慧”，能够智能化解读医学检验报告，涵盖超过4500个检验项目和2800种疾病的解释，综合准确性达到87.74%。
而在医疗信息化层面，华为与卫宁健康、万达信息、东软集团等多家企业开展合作。其中，与卫宁健康联合开发“三医智能监管系统”；与万达信息联合开发AI病历质控、影像报告生成应用；与东软集团合作的NeuAI系列设备将CT/MRI诊断效率提升40%。
随着技术的不断突破，相关产品也在医院加速落地。比如，在近期召开的2025医疗人工智能与精准诊疗发展论坛上，上海交通大学医学院附属瑞金医院发布了瑞智病理大模型RuiPath，这款临床级国产多模态互动式病理大模型，基于华为DCS AI解决方案打造，仅需16张算力卡，2个月训练百万病理切片。
截至目前，华为已服务全球110多个国家和地区的超过5000家医疗卫生机构。在中国，华为已经与1800多家三级医院合作建设智慧医院。
事实上，华为向来重视AI在医疗领域的应用。2020年4月，华为在一篇《五年之后，医院长什么样？》的文章中指出，云、AI、5G是智能世界技术融合的趋势。现代信息技术和AI技术可以实现辅助决策、预警和诊断，更高效发挥医院在诊疗方面的能力。
五年后，随着AI技术的飞速发展，华为新组建的医疗卫生军团也将在此前探索的基础上，进一步突出AI，依托昇腾计算架构与盘古大模型，为智慧医疗带来新的解决方案，释放AI生产力。
张畅认为，华为加码AI医疗有诸多优势，首先，其本身的技术积累，是推动医疗大模型在临床场景应用的重要优势，华为对底层技术的掌握，包括对算法的优化、分布式计算能力等方面均有深厚积累；其次，作为本土企业，华为在生成和推广适合中国的业务方面也有一定的优势。
“不仅如此，华为有自己的芯片，这是一种长期竞争优势。此外，医疗数据无论是在云端还是在本地，数据隐私和网络安全都非常重要，而华为在这些方面也构建起了技术护城河。”张畅说。
应用前景广阔
东吴证券认为，生成式AI不仅能够分析现有数据，还能生成新数据，拓展智能交互和对话能力，使医疗服务更加精准、自然和高效。AI在医学影像分析、手术辅助和疾病诊断等领域表现尤为突出，推动了医疗服务智能化、高效化和便捷化的发展。
有券商分析师向21世纪经济报道记者指出，AI在医院的应用主要在两方面，首先在流程上，可以优化医院运营和患者体验；其次在业务上，可以辅助医生提高其诊断效率和诊疗能力，目前已有比较成熟的应用场景。
以占临床数据80%的医学影像为例，华为医技数字化2.0解决方案，在放射影像场景中，AI质控的准确率达98%，辅诊结果敏感性和准确率提升至90%以上，医生诊断用时节省40%。在超声场景中，实现全域超声AI实时辅助诊断和集中质控，超声质控由抽检变为全覆盖，结节检出率超过95%，全域AI实时辅助诊断端到端时延小于150毫秒。
在这些比较成熟的应用场景中，商业化也在不断实现突破。“事实上，在AI辅助诊断以及医学影像分析等多个场景中，AI+医疗的商业化已然跑通。”张畅指出，随着技术的不断发展和监管的持续推进，将会有更多场景的商业化被逐渐跑通。
世界经济论坛发布的《人工智能驱动健康的未来：引领潮流》报告显示，预计2024年—2032年，AI医疗市场将以每年43%的速度增长，市场规模有望达到3.58万亿元。
值得一提的是，最近一段时间以来，多家医院陆续接入DeepSeek等大模型，有医院反馈在就诊的高峰期，系统会变得很慢，甚至直接卡住动不了。
“有些大模型接入之后运行比较慢，首先是因为存在算力瓶颈或者算力难题。在医疗领域，运行大模型时可能会有特殊要求，又或者需要检索、推理的内容比较复杂，这些对GPU算力都是一大挑战。”张畅认为，另外现有的算力所能提供的技术基础，是否满足医疗的需求也有待观察。因为医疗本身有各种类型的数据，包括文本数据、影像数据，其中影像还有2D和3D、静态和动态之分，所以数据本身的复杂性对技术也有一定的要求。
“我认为对医疗而言，肯定需要有一定的算力冗余，才能够满足系统对于可靠性、准确性以及反应速度的要求。未来会不会有专用的芯片，或者是用分布式计算的方式，更加平均地提供算力，这些都值得期待。”张畅补充道。
发表评论