提要：庄一强解读《2025中国医院AI应用现状与发展需求调研》

“全国超过94%的医院已在使用医疗或管理类人工智能产品。但绝大多数只是浅尝辄止。”近日，国内首个全景式医院AI调研的牵头人、广州艾力彼医院管理研究中心主任庄一强博士接受广州日报专访，系统解读了《2025中国医院AI应用现状与发展需求调研》的核心发现。这份历时一年多，覆盖全国28个省、自治区、直辖市，回收905份有效问卷的研究报告，已正式刊登于《中山大学学报（医学科学版）》2026年第2期，为国内医疗 AI的行业发展、政策制定、医院实践提供了全国首个系统性、全景式的行业研究报告。

调研指出，当前医院AI应用仍处于探索式浅度应用阶段，呈现“重临床、轻管理”的结构性失衡，而数据质量差是最大的发展障碍。庄一强认为，对多数医院而言，从“短平快”的医管AI切入，实现开源、节流、提效、减错，比盲目投入大模型更现实。

“AI的终极价值不是替代医生，而是让医生回归共情、沟通与复杂决策的本质。”庄一强说。

庄一强在中国医院协会主办的第30届中国医院信息网络大会上分享调研报告。

“广而浅”：94%的使用率背后是浅尝辄止

“我们问医院有没有用AI，8个选项勾下来，完全没用的只有6%。”庄一强说，“但这个‘有’的定义很宽泛——只要用了一点就算。很多医院着急做本地化部署、开发布会、请领导站台，部署完了，就没有然后了。”

他用一个生动的比喻来形容这种现状：“就像大家着急买辆自行车，买回来就挂在那里，也不骑也不用。”

调研显示，当前医院AI应用最集中的三大领域依次是：医学影像、智能门诊和临床辅助决策系统（CDSS）。但这并不意味着深度应用已经发生。

“智能门诊有一个很实际的痛点。”庄一强举了一个案例：一家大型中医院统计发现，全院每天因为病人挂错科而产生的护士协调时间，加起来竟然达到“200小时人”——相当于每天要消耗25个全职护士的人力去处理。“如果AI预问诊能帮病人准确分诊，这25个人就可以省下来，去做更有价值的事情。”

医疗AI和医管AI：“重临床轻管理”的结构性失衡

庄一强在研究中提出了一个关键区分：医疗AI和医管AI。前者用于预防、诊断、治疗；后者用于医院运营管理，如手术室排班、停车管理、合同审计等。

调研发现，当前医院AI应用呈现明显的“重临床、轻管理”特征——几乎所有医院都把AI资源投向临床领域，而医管AI的投入严重不足。但庄一强认为，这可能恰恰是多数医院应该优先切入的方向。

“临床AI是大投入、长周期、回报不确定的项目，动辄上千万元投入。但医管AI不一样，短平快，见效快。”他举例说，位于粤港澳大湾区的某三甲医院用50万元开发了一套手术室智能排班系统，原来护士长每周排班需要3小时，修改率高达30%；现在只需5分钟，修改率降至5%左右。

而在另一家知名肿瘤专科医院，他们将过去所有合同“喂”给大模型训练后，生成了专属的合同审计AI。一份合同从提交到出具审计意见只需5秒钟，还能自动完成专项审计——比如新建一个实验室涉及的200多份合同，系统可以一键抽取、全部审完，而过去光找齐这些纸质合同就要花两周。

“开源、节流、提效、减错——只要这八个字里能占一个，这个AI就值得用。”庄一强说。

数据孤岛：AI发展的最大障碍

在庄一强团队的调研中，62%的受访医院认为，数据质量差是当前AI应用的最大障碍。

“数据是AI的粮食。粮食里掺了沙子，吃起来肯定营养不良。”庄一强直言，目前公立医院普遍执行“数据不出墙”的政策，每家医院只能用自己的数据训练模型，“你只喂自家那点米，米很少，品种也单一。如果能喂百家米，AI的成长会快很多。”

他以上海某顶级医院为例：该院用300万张病理切片训练出了一个AI诊断模型，可以给县级医院使用。“但如果把全上海的病理切片集中起来，可能有3000万张；全国集中起来，可能有30亿张。那这个模型的精度会高到什么程度？”

庄一强认为，数据共享的障碍并非不可解决。“把姓名、地址这些可识别信息去掉，只保留年龄、性别、地区、诊断数据，隐私问题就可以规避。这不是技术问题，是政策和协调问题。”

观察：AI能缓解医疗资源不均衡吗？广州“揭榜挂帅”有启示

调研显示，智慧医院AI发展最好的省份是广东、江苏、浙江；顶级医院与基层医院的差距巨大，社会办医的智慧医院发展相对不理想。

有人认为，AI的普遍应用或许可以有效改变医疗资源不均衡的问题——毕竟AI可以突破人类的生理极限，打破时空限制，让边远地区也能更便利地触达顶级专家。但庄一强对此并不乐观：“目前AI是在拉大差距，而不是缩小。大医院有钱、有人才、有数据，越做越强；基层医院什么都缺，越落越远。”

他认为，要扭转这一局面，真正地用好AI，关键在于政府职能部门如何下好这盘棋。“有没有可能让大医院开发出的AI模型、数据标准、应用规范，通过行政手段向基层下沉，让县级医院的医生也能用上顶级医院的‘AI大脑’？实现了这一点，或许问题就解决了。”

他特别点赞了广州市卫生健康委的“揭榜挂帅”机制——去年，广州市卫生健康委开展人工智能医疗健康行业应用创新项目揭榜挂帅活动，聚焦人工智能在筛查、诊断、治疗、中医、公卫监测、公共服务六个方向，征集并评选一批具备较强创新能力的单位集中攻关，推动医疗健康领域的人工智能关键技术突破，加速新技术、新产品落地应用，最终36个项目入选，28家揭榜单位被授予帅牌。广州市卫生健康委对揭榜项目建立跟踪机制，定期评估进展，加速技术成果向临床实践转化，推动人工智能技术在医疗健康领域的深度应用。“将不同专科领域的AI攻关任务分别委托给全市最强的团队，形成协作组，避免重复建设和资源浪费。呼吸类交给钟南山院士团队，肾内科交给侯凡凡院士，乳腺癌交给孙逸仙纪念医院……谁最强谁挂帅，成果全行业共享。这才是正确的方向。”

展望：AI的学习曲线人类追不上，但不必追

采访最后，庄一强画了一张图。

“人类大脑的学习是这样：一代人从零开始，学到一定程度，下一代人还是从零开始，起点几乎一样。”人类文明的发展是漫长时光中的一条坡度缓慢上升的线，AI的迭代曲线完全是另一回事。“AI的学习是这样：第一代学到某个高度，第二代直接站在第一代的肩膀上起步，第三代更高。这是指数级的迭代。”

面对AI发展的迅雷不及掩耳之势，人们感叹很多人类角色都消失了，那么“人类医生”会消失吗？

庄一强对此并不悲观。“和硅基智能比赛，人类没有胜算。”但他认为，AI在医疗领域的终极价值不是替代医生，而是让医生回归医疗的本质——从繁琐的事务中解放出来，去完成那些只有人类才能完成的工作：共情、沟通、复杂的临床判断，以及在不确定中做出最佳决策。

文/广州日报新花城记者：周洁莹
图由受访者提供
广州日报新花城编辑：吴婉虹