出品 | 搜狐健康

作者 | 独立医疗AI观察人士、“西直门外汉”主笔 石岩

编辑 | 吴施楠

医疗AI这几年最不缺的，是成绩单。准确率多少，落地多少家医院，处理多少病例，节省多少阅片时间，拿了多少证，进了多少榜单。每一次发布会，算法都像刚考完全班第一。但医院真正关心的问题，通常没这么热闹。

这东西到底按什么标准做出来？换一家医院还能不能准？换一台设备还能不能用？医生能不能放心点开？患者出了问题，最后找谁说理？

现在，这道题终于被摆到了台面上。

近日，市场监管总局批准筹建全国智能化医疗器械标准化工作组，由国家药监局负责管理。这个工作组负责的范围，包括人工智能医疗器械、医用机器人、脑机接口医疗器械以及融合技术类医疗器械等。

这不是一条普通的行业动态。它释放出的信号很明确：医疗AI接下来要拼的，已经不只是模型能力，而是临床标准。

过去几年，医疗AI行业有一个很有意思的现象：技术进展很快，临床信任很慢。

企业说，我们的模型很强。

医生说，我知道你很强，但我凭什么信你？

企业说，准确率很高。

医生接着问，在哪些数据上测出来的？样本够不够？病种全不全？基层医院那些拍得不那么漂亮的片子算不算？老年人、多病共存、罕见情况有没有覆盖？

企业说，已经落地很多医院。

医生还会问，落地是装上去了，还是日常真在用？是科研项目，还是进了工作流？是锦上添花，还是临床离不开？

这些问题一点都不扫兴。

这才是真实医疗。

在别的行业，一个AI工具不好用，大不了卸载。医疗不一样。医疗AI一旦进入诊断、治疗、手术、康复、监测，面对的就不只是用户体验，而是风险、责任和生命。

所以，医疗AI真正的考场，从来不在展台上。

它在凌晨两点的急诊室。

在一天看几百张片子的影像科。

在病理科堆起来的切片旁边。

在基层医生面对复杂患者却缺少上级支持的那一刻。

也在医院院长决定要不要把一个AI系统正式放进流程的时候。

标准化就是门槛高了吗？

很多人一听“标准化”，第一反应是监管来了，门槛高了，行业要降温了。这话只说对了一半。

对医疗AI来说，标准不是泼冷水，标准是修路基。没有标准，行业看起来热闹，医院很难大规模采购；没有标准，医生看起来有工具，心里还是不敢深度依赖；没有标准，企业都说自己先进，外人很难判断谁是真产品，谁是好故事；没有标准，监管部门也很难判断，一个产品到底是技术进步，还是换了个包装的风险外溢。

医疗AI过去最大的问题之一，就是各说各话。

企业讲算法指标。

医院讲临床效果。

医生讲责任边界。

监管讲安全有效。

医保讲支付价值。

大家都在说医疗AI，可手里拿的尺子并不一样。标准的意义，就是先把尺子立起来。

什么叫智能化医疗器械？人工智能医疗器械和普通软件边界在哪里？医用机器人怎么评估安全性？脑机接口医疗器械怎么做临床验证？模型更新以后，原来的注册和验证还算不算数？不同医院、不同设备、不同人群之间，结果波动到什么程度可以接受？这些问题不解决，医疗AI就很容易停在一种尴尬状态：看起来很先进，用起来很谨慎。

为啥医院还不完全接纳AI？

今天很多医院对医疗AI的态度，其实很微妙。

一方面，医院当然需要AI。

影像科缺人，病理科缺人，基层全科能力不足，慢病管理人手不够，病历书写压得医生喘不过气。

医疗系统里有太多环节，需要数字化工具补位。

另一方面，医院又不敢轻易把关键判断交给AI。

因为医院心里很清楚，一旦出现纠纷，患者不会去找算法讲道理。

最后站出来解释的，还是医生。

还是科室。

还是医院。

这就是医疗AI的真实处境。

它在技术上越来越像医生助手。

但在责任上，还没有真正进入医疗体系。

所以很多AI产品在医院里，处在一种“半上岗”状态：可以辅助，可以提醒，可以试用，可以科研，但要真正进入诊疗闭环、管理闭环、支付闭环，还需要跨过一道更硬的门槛。

这道门槛，就是标准。

标准不是替医生做判断。

标准是让医生知道，这个工具能干什么，不能干什么，错到什么程度必须警惕。

标准不是替企业背书。

标准是告诉企业，产品进入临床之前，必须先回答哪些问题。

标准也不是替医院免责。

标准是让医院知道，什么样的AI可以进流程，什么样的AI只能摆在展台上。

这次工作组覆盖的范围很有意思。人工智能医疗器械、医用机器人、脑机接口医疗器械、融合技术类医疗器械，全都被放进来了。这说明监管看到的，已经不只是一个个单点AI软件。医疗AI也早就不只是“看片子的算法”。

它可能是一套影像辅助诊断系统。可能是一台手术机器人。可能是一套康复机器人。可能是一个脑机接口设备。可能是软硬件融合的智能终端。也可能是多模态大模型驱动下的诊疗辅助系统。技术越往前走，边界越容易模糊。过去的医疗器械，形态相对清楚。机器就是机器，耗材就是耗材，软件就是软件。

现在不一样了。

一个智能化产品，可能同时包含硬件、算法、数据、模型、云端服务和持续更新。

这就带来一个新问题：

传统医疗器械监管框架，必须适应智能化产品的新特征。

模型会更新。

数据会迁移。

算法在不同医院的表现可能不同。

产品上线之后，还需要持续监测。

有些风险出厂时不一定完全暴露，到了真实世界里才会慢慢冒出来。

这也是标准化必须往前走的原因。

医疗AI卖出去，不代表结束。

很多时候，那只是临床验证真正开始。

标准出来，谁最难受？

标准一旦立起来，最难受的不是好企业。最难受的是那些只会讲概念的企业。过去行业热的时候，大家都能讲故事。

一说医疗AI，就讲大模型。一说大模型，就讲多模态。一说多模态，就讲全场景。再往下问临床验证、质量控制、数据来源、适用边界、责任闭环，很多故事就开始漏风。标准化会慢慢把这些雾气吹散。

它会让行业从“会讲”走向“会做”；从“能演示”走向“能交付”；从“有模型”走向“有产品”；从“有产品”走向“有临床价值”。这对认真做医疗AI的企业，其实是好事。真正做产品的人，怕的不是监管，怕的是劣币驱逐良币，怕的是概念公司把市场搅浑，怕的是医院被一轮又一轮PPT消耗信任，怕的是医生试过几个不靠谱工具之后，对整个医疗AI都失去耐心。行业如果一直停留在热闹里，最后伤到的，是所有人。

医疗AI过去像一个聪明学生。

它参加各种比赛，刷各种榜单，做各种测试，成绩漂亮，反应很快。

但医院不是竞赛场。

医院是急诊室、手术室、影像科、病理科、门诊、ICU。

是夜里排队的患者。

是写不完病历的医生。

是一边控费一边保质量的院长。

也是出问题之后必须有人负责的真实世界。

在这里，聪明只是入场券。

稳定、可靠、可追溯、可监管，才是毕业证。

所以，全国智能化医疗器械标准化工作组的筹建，不只是一个组织架构调整。

它意味着，医疗AI到了该认真考试的时候了。

以后再谈医疗AI，不能只问模型多聪明。

还要问标准是什么。

验证怎么做。

风险怎么管。

责任怎么分。

临床怎么用。

医院怎么评估。

患者怎么受益。

这道考题不轻松。

但它来得正是时候。

医疗AI如果真想进医院，迟早要从“看起来很厉害”，走向“用起来很可靠”。

这一步，行业躲不过去。

也不该躲。