医疗影像圈的可以看看:Philips 把 PACS、多专科 AI 工具和多院区可视化整合进一个云端入口,不用再一台服务器跑一个算法。相比各家独立部署的 AI viewer,运维成本能省不少,适合多院区医疗集团评估。
AI in Health and Life Sciences
Elsevier 给 ClinicalKey AI 加了接入 EHR 的能力,医生提问时能带上患者本人的病历。对比直接调通用大模型的工具,它背后是 Elsevier 审核过的医学文献库。医院信息科和临床科室负责人可以关注这个方案。
医疗登记信息填错会直接引发拒赔,Artera 拿 56% 这个数字做了切入。亮点是预问诊能跨 SMS、网页、语音暂停续接,不用从头填表。做医疗 SaaS 或收入周期管理的团队可以看看它和 Phreesia 的差异。
医疗 AI 创业公司 Knit Health 拿了 3500 万美元 A 轮,不做单点工具,而是给医院做世界模型当连接层。CEO Jonathan Kolstad 说很多医院已经有兴趣。做医疗信息化或医院采购的人可以看看这条路线和通用大模型方案的区别。
医疗行业在猛上 AI 工具,但安全团队人手不够,员工把患者数据喂给未经审批的模型,影子 AI 已经开始引发泄露事件。做合规或安全的人应该看看其他机构踩过的坑,尤其是没有 AI 工具准入流程的团队。
XIFIN 的 CTO 用 2023 到 2024 年 AI 算数能力的反差说明:医疗智能体的风险不在模型笨不笨,而在权限和审核流程怎么设计。做医疗信息化、医保系统或在医院推进 AI 落地的团队可以拿来对照自查。
Xsolis 的产品负责人写了份医疗 AI 采购评估清单,四个问题直接对着 EHR 集成和模型深度去的。做医院信息化或医疗 AI 选型的朋友可以拿去当 RFP 的提问模板,比泛泛的供应商打分表实用。
如果你关注医疗 AI 落地,这期 STAT 通讯值得翻一翻。AI scribe 是医疗行业渗透最快的场景之一,文中梳理了目前谁跑在前面、谁在掉队,还带上了 HLTH 大会的现场消息。做医疗方向创业或采购的朋友可以直接看竞争分析。
Stanford 把手术室 15 间房的全部手术拿来测 Aimbient 的自动文书,用盲审视频当标准答案,准确率追平人工录入。之前同类验证一般只测单一术式,这次是全量手术,证据硬得多。医院信息科和手术室管理团队该看看。
美国医院基本都跑在 Epic 的病历系统上,它以前对数据访问卡得很紧。这次高管在 HLTH 大会上松口,说让 AI 来读它的病历,等于医疗 AI 公司拿到了最关键的分发入口。做医疗 AI 或给医院做系统的开发者应该盯紧具体的 API 条款。
Viz.ai 的临床负责人亲口复盘合作第一年的经验和踩过的坑,还讲了怎么把卒中AI协调网络铺到农村医院。做医疗AI落地的开发者和管理者可以看看别人怎么走这一步。
这篇讲了 HLTH 会上一个挺有意思的说法:AI 可能做出"自动驾驶医生"。文章把现在初级诊疗里 AI 能干啥、还差啥讲得比较实际,做医疗 AI 产品的开发者可以看看边界在哪,做投资的也能了解监管卡点。
做男性健康远程医疗的 Hone Health 拿了 2280 万美元,钱会投进诊断检测、临床 AI 和试验基础设施。它和 Hims & Hers 走的路不太一样,更偏激素与长寿方向,做数字医疗或远程诊疗的团队可以看看它怎么扩产品线。
做 AI 誊写的 Suki 这次把产品升级成了智能体操作系统,不再只帮医生写病历,还想管预约、计费这些杂活。对标 Abridge、Nuance DAX 这类单点工具,它的思路是靠平台覆盖更多流程。医院信息科负责人和医疗 AI 创业者都该看看。
做医疗 AI 想进欧洲市场的团队该看看这篇。欧盟委员会2025年12月提的 MDR 修正案会砍掉不少重复审查和文档负担,但作者指出 AI 设备特有的算法更新怎么管还没说清,正好点出了合规上的灰色地带。
医疗 IT 团队做 2030 规划可以直接拿来当对标模板:四个自动化层级加六个行政工作流逐级打分,比一般 AI 采用率报告实在得多。想知道同行医院都卡在 L1 还是已经跑到 L2 的,建议看看这份调研的分级标准。
制药行业的销售预测工具拿了 1500 万美元继续扩张。它跟一般 CRM 的区别是能把处方数据、代表拜访记录和线上互动拼成每个医生的完整画像,而且模型跨产品复用。做药企数字化或者医药营销的朋友可以看看。
医疗 AI 大多在做病历文本问答,这家从 Mass General Brigham 分出来的公司换了条路:用表格加影像加基因数据训练基础模型,把病人变成可计算的表征。做医疗信息化或临床数据分析的团队可以看看思路。
CB Insights 这份 50 家名单里,超过一半在做保险审批、患者协调这些行政活,agentic AI 直接顶上了临床和用药环节。做医疗信息化或关注数字健康赛道的人可以拿它当创业和投资的地图看。
给医院做客服系统的朋友可以看看:AWS 把 Amazon Connect Health 升级成 agentic 呼叫助手,接 Epic、走 Redox,患者一次验证就能连续办多件事,不用像老 IVR 那样每个任务都回主菜单重排队。
CMS 是管着美国医保支付的机构,它怎么看 AI 直接决定理赔审核等环节能不能用上模型。STAT 把路线图和 HLTH 大会动态打包讲清楚,做医疗 AI 的开发者、企业 Buyers 都该翻一下。
写医疗行业 RCM 的朋友可以看看,讲的是医院怎么用 AI 工具看全流程财务数据、做拒付管理。思路对其他行业的运营团队也有参考价值,特别是怎么选不会很快过时的工具。
医疗 AI 落地最容易死在试点这一步。Johns Hopkins 的 Ritu Agarwal 讲得很实在:把 AI 塞进医生已有的工作流、先解决数据和信任问题,再谈规模化。医院信息科负责人和想进医疗行业的 AI 团队都该看看,少踩试点烂尾的坑。
npj Digital Medicine 上的新框架 FIRE-EVIDENCE,用 LLM 把女性健康领域的文献证据整理成机器可读结构。做医学信息学、循证工具或 RAG 抽取流程的人可以看看它的方法学设计,跟人工系统综述的做法完全不同。
这篇 NEJM AI 的综述把肺癌影像 AI 研究的统计问题摊开来讲:外部验证缺失、偏倚校正不足这些坑都点出来了。做医学影像模型或准备在医院落地这类工具的团队,可以照着文中清单自查。
很多骨质疏松患者其实早就拍过胸片,只是没人看骨头。这项研究让模型从常规胸片里顺带找出椎体骨折风险,不用额外做 DXA。放射科和骨科的医生值得看看怎么接入现有流程。
做门诊行政自动化的两家公司合并了:Credo 擅长诊前自动调病历,Affineon 擅长接管 EHR 收件箱消息。拼起来直接对标医生每天下班后还要回消息的痛点,承诺每月给每位医生省 40 小时。做医疗 AI 产品或 clinic 运营的人可以看看这个整合思路。
卒中救治分秒必争,但会做介入手术的医生大多在大城市。Remedy Robotics 拿了 DCVC 领投的 6200 万美元,做的 N1 系统让医生远程给基层医院患者做取栓手术,手里还有 48 项专利。做医疗机器人或者远程医疗的从业者应该看看。
UC Berkeley 出来的 Knit Health 拿了 NEA 领投的 3500 万美元,还发了 Med-BEAM。它学的不是病历文字,而是数亿次真实诊疗决策的时序,做患者轨迹预测,方向和文本类医疗模型很不一样。做医疗 AI 的人可以看看这条路能不能落地。
Apple 拉上 OpenEvidence 做健康聊天应用,OpenEvidence 是医生圈里很火的循证问答工具,现在想让普通人也能查健康问题。做医疗 AI 或者健康类产品的开发者应该盯一下,这是两大公司往消费端健康对话走的信号。
OpenAI 把 ChatGPT 塞进了医院的工作流:智能体能直接操作 EHR 界面做收件箱分诊,不用等厂商开 API。GPT-6 Astra 在医生设计的评估里跑通了多步骤任务,临床安全基准到 99%。做医疗 IT 集成或医院数字化的都该看看,这可能改变和 Epic 这类厂商的合作逻辑。
npj Digital Medicine 上的一篇方法论文,把 PDCA 循环拆成四步再配上双链思维,专门管住大模型写病历和问诊的质量。医院信息化团队和做医疗 Agent 的开发者可以看看这套流程拆解思路。
Nature Medicine 刊发的开源 AI 科研助手,用多个智能体分工跑文献检索、假设生成和实验设计,代码全公开可以自己部署审查。做生物医学研究或想在自家机构搭科研工作流的团队可以直接上手看实现。
医疗机构的AI预算一年翻倍,钱主要花在帮医生写病历的临床副驾驶和接电话排号的前台自动化上。这说明医疗AI开始真金白银落地了,做医疗方向产品的开发者可以看看哪些环节已经有人愿意付费。
搞医疗影像的朋友可以看看,12000多例颅脑CT的TBI数据集免费开放,训练出血检测或损伤分级模型不用再愁没数据,规模比之前那些几百例的公开集大了一个量级,做基准复现也方便。
npj Digital Medicine 上的新研究,用可解释 AI 把常规痛风临床分型对接到多组学数据和长期健康结局。做医疗 AI 或组学研究的人可以看看它怎么把黑箱模型做成可解释的表型-分子映射。
Google Cloud 自己的人出来承认医疗 AI 卡在试点阶段,说明问题不是模型不行,而是合规、集成和成本这些脏活没人干。做医疗信息化或 B 端 AI 生意的人应该看看,别只盯着演示效果立项。
Apple 拉上 OpenEvidence 这个临床引用型搜索平台,专门研究用户为什么信/不信健康 AI 的回答。这等于 Apple 在为进入健康问答场景铺路,做医疗 AI 产品的人可以关注他们定义的评估维度。
Viz.ai 和 Wolters Kluwer 把 UpToDate 塞进了急症协作 AI 里,医生处理卒中这类病例时能直接查循证资料,不用切系统。做医疗 AI 产品或医院信息化的人可以看看这种集成思路。
做医疗文档的 Suki 把产品升级成智能体操作系统,还敢给性能兜底,这在医疗AI里不常见。做企业级 agent 的人可以看看它怎么设计统一入口和责任承诺。医疗行业从业者尤其值得了解同行在往平台化走。