7月4日，2026全球数字经济大会医疗健康专题论坛在北京国家会议中心举行。京东健康智能算法负责人胡浩源在发言中指出，医疗大模型与通用大模型的发展逻辑存在差异，前者已从追求规模转向强调严谨性与可控性。医疗场景的特殊性在于，任何失误都可能造成不可估量的损失，因此该领域已超越单纯的技术突破阶段，进入规模化交付的深水区。
他认为，可信与合规是医疗大模型发展的核心前提。医疗推理应当以“可执行、可测试”的代码形式呈现。在训练层面，应聚焦“操作流轨迹”而非“思维链轨迹”。思维链的本质是事后叙事：模型先产生结论，再补充一段看似合理的解释过程。这种机制下，即便推理路径错误，输出仍可能逻辑通顺、表述流畅，从而具有极强的欺骗性。相较之下，操作流轨迹的每一步均对应真实的工具调用——如加载影像序列、选取ROI（感兴趣区域）、执行测量、进行比对等。整个过程可重放、可校验、可审计，每一步都有明确的真值对照：代码要么成功执行，要么直接报错，不存在虚构或编造的空间。
上海影禾医脉董事长王世和则认为，对医学影像AI（人工智能）来说，相比准确率，更为关键的是，AI工具与模型能否真正融入医生的实际工作场景，能否获得医生的使用意愿与医院的付费认可。医学影像AI的价值贯穿“开单—扫描—诊断—临床应用”的完整服务链条。临床医生面对CT（电子计算机断层扫描）、MRI（磁共振成像）、DR（数字化X线摄影）、超声等影像手段，以及各自数百项检查项目，在影像技术快速迭代的背景下，未必总能精准选择最优检查方案。因此，确保开单正确性，是影像AI需要攻克的首要环节。
当前，医院采购AI医疗设备的积极性如何？针对这一问题，胡浩源会后在现场接受《每日经济新闻》记者采访时表示，医生群体对AI的接受度存在分化，其中头部医院的态度较为积极。这类医院一方面会与外部大厂开展合作，另一方面也会自建技术团队，推动AI在院内的落地应用。
对于付费与调用模式，胡浩源告诉《每日经济新闻》记者，目前仍属于商业化探索阶段，尚未形成明确共识。从部署方式来看，医院普遍倾向于私有化部署，直接在院内完成模型搭建与运行，因此较少出现调用外部大模型的情况。
盈配网提示：文章来自网络，不代表本站观点。
