当大家都在讨论“AI能不能替代医生”时，聪明的玩家已经在找“AI+医生的黄金CP场景”。

 

医疗AI正在从辅助工具

升级为核心生产力。

场景1：影像诊断——“给医生配备最强大脑’”

  • 乳腺钼靶AI：不仅能识别结节，还能分析“钙化灶分布形态”，帮医生判断是良性增生还是早期乳腺癌；
  • 急诊CT AI：脑出血患者从进机房到出报告，AI自动完成“出血量计算+手术方案建议”，为抢救争取30分钟黄金期。

场景2：药物研发——“把新药上市周期从10年砍到5年”

  • 靶点发现AI：通过分析海量生物数据，快速锁定“致癌关键蛋白”，某药企用此技术将肺癌新药研发周期缩短40%；
  • 临床试验AI：模拟不同人群用药反应，精准筛选入组患者，某肿瘤药临床试验失败率从35%降至12%。

场景3：医院管理——“让院长从‘救火队长’变‘战略家’”

  • 床位调度AI：根据患者病情、手术排期、医护人力，动态调整病房资源，某三甲医院平均住院日缩短2天，年增收超千万；
  • 耗材管理AI：预测手术耗材使用量，某骨科医院年浪费率从15%降到3%，节省成本超500万。

AI还在康复护理、外科手术、手术机器人等诸多医疗领域发挥越来越大的作用。

随着国家 “健康中国 2030” 战略的深入实施，以及《新一代人工智能发展规划》在医疗领域的落地推进，中国医疗 AI 应用已从单点突破迈向系统集成，从辅助工具升级为核心生产力。

 

但是，AI产品化的

道路上“尸横累累”！

AI医疗领域近年来经历了高速发展，但也伴随着大量产品因应用场景错位、临床价值不足或商业化受阻而折戟。

  • IBM Watson曾被视为“最接近临床的AI肿瘤辅助诊断系统”，宣称能覆盖乳腺癌、肺癌、结直肠癌等10余种癌症，为医生提供治疗方案推荐。2018年后，Watson在北美多家医院（如MD安德森癌症中心）陆续撤出；2021年，IBM将Watson健康业务出售给私募股权公司，标志着其商业化彻底失败。
  • 2016年，DeepMind与英国NHS（国家医疗服务体系）合作开发AI系统，通过分析眼底扫描影像筛查糖尿病视网膜病变（DR）、青光眼等致盲疾病。2019年，因数据隐私争议（患者信息未完全匿名化）被英国信息专员办公室（ICO）调查；2022年，项目因“无法融入现有临床流程”终止。
  • 某初创公司推出“10秒AI ECG分析”设备，宣称能通过单导联心电图检测房颤、心肌缺血等10余种心血管疾病，目标用户为基层诊所和体检中心。2020年产品上市后，年销量不足预期10%，2022年公司破产清算。
  • ……

上述案例的失败，本质上是“技术能力”与“临床场景需求”的错配，具体可归纳为三大共性问题：

  • 伪需求陷阱：解决“不存在的痛点”（如消费者自查皮肤癌）或“过度设计”（如全能型肿瘤AI）；
  • 临床适配不足：未融入真实医疗流程（如数据接口不兼容）、未通过真实场景验证（如实验室准确率≠临床准确率）；
  • 商业化断裂：付费方（医院、药企、患者）不明确，或无法证明“成本-收益”比（如AI节省的时间/费用＜采购/使用成本）。

 

那么，应该怎么做？

AI医疗产品的起点不是“我能做什么技术”，而是“临床需要什么解决方案”。需通过“深度临床调研→小范围场景验证→快速迭代”的闭环，确保技术与需求精准匹配，同时提前规划合规路径与商业模式，才能避免“技术优秀但场景失败”的悲剧。

具体来说，需要进行以下三步走。

 

STEP 1｜拆解“用户旅程”：找到“真痛点”

新技术往往是在大家都能看到的普遍场景先得到应用与推广。但寻找细分场景才是真正的挑战。研发人员的一个重要任务是寻找新的、没那么容易发现的细分场景。细分场景找到之后，再看是否有技术，或者说是否可能研发某项技术，去解决这个细分场景下的痛点。

这是一个技术与应用场景双向奔赴的过程，也是一个为技术应用寻找价值主张的过程。否则，技术就永远只能停留在实验室里。

今年，桥中跟某跨国医疗企业合作，进行了AI在外科手术中应用的探索。他们在技术上探索出可以用AI识别术中的某些异常情况，与以往只能靠医生的经验来判断不同，AI可以精确地告知部位并定量评估严重程度。这个技术到底对医院和医生意味着什么？

众所周知，手术场景里的利益相关者多，场景切片多，整体流程长，大大小小的痛点不可胜数。但谁才是关键角色？什么才是核心痛点？这些与此项技术的相关性如何呢？

这就是服务设计可以展现其优势的地方。

项目中，我们与客户团队一起，回到用户视角，即外科医生、手术室护士、甚至采购主任的视角，整体回顾、拆解一场典型外科手术的全流程。创新永远始于拆解。

拆解之后，我们才能看清这项AI技术到底对谁，有什么样的核心价值。

 

STEP 2｜定义“产品形态”：把技术变成“手术搭子”

即使为AI技术找到了核心场景，定义了核心价值，它离用户和市场还很远。它需要以一个具体的产品形态出现在大家面前。哪些产品适合搭载这个核心技术？搭载了这个核心技术后，整个产品是否会发生质变？是否能给用户带来显著的体验提升？

还是拿上面的项目来说，我们与客户一起进行了许多不同方向的探讨。

  • AI辅助手术，提升手术成功率。

外科手术中，总有些意外风险存在，尤其在肝脏、肺等重要脏器。现有有了AI的加持，可以利用技术及时提醒并引导医生处理异常情况，降低手术风险，提升手术成功率。

  • 加速优质医疗资源下沉。

中国目前的医疗体系里，优秀医生集中于大城市的头部三甲医院。而三四线城市里，存在着大量的医疗需求，但优秀医生有限。以前，培养一个优秀的外科医生需要很长的时间。三四线城市的医生，即使有来一线城市受训的机会，也难以在短期内积累足够的经验。有了AI的加持，年轻医生仿佛有了一个资深医生在旁边及时提醒并指导，促进优质医疗资源下沉，能普惠更多患者。

  • 优化医院的耗材管理。

除了对单台手术的支持，AI还可以从医院管理的角度，评估科室的整体手术状况、耗材使用等情况，从而从整体上提升医院的运营效率，降低浪费，促进医院的效益提升。

服务设计可以加速AI技术的产品化，实现创新技术的顺利落地。

 

STEP 3｜设计“生态模式”：让AI成为“资源枢纽”

AI技术的快速发展，带来影响的不仅是产品层面上的创新，很可能影响整个行业生态。
以慢病管理行业为例，慢病管理（慢性非传染性疾病管理）是当前医疗健康领域的核心赛道之一，覆盖高血压、糖尿病、心脑血管疾病、慢性呼吸系统疾病等高发慢性病。

由于慢病具有病程长、需长期干预、患者依从性要求高等特点，其管理涉及“预防-监测-治疗-康复”全周期，吸引药企、互联网医疗平台、医疗器械商、保险机构等多方主体参与。

AI、大数据、物联网等技术虽被广泛应用，但“技术炫技”大于“解决实际问题”，导致用户体验和临床价值未达预期。

服务设计可以针对患者体验旅程的研究，帮助企业打通体验断点，进一步可以分析价值链条上的利益相关者，根据企业的资源和能力，为AI技术的落地设计商业/服务模式。

AI+服务设计，让医疗创新 迎风生长，落地生根

2025年8月26日，中国政府下发《国务院关于深入实施“人工智能+”行动的意见》，其中明确提出“探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率。”

这意味着AI已经从“实验室里的黑科技”变成了“国家基础设施的重要组成部分”，是所有行业都必须拥抱的基础能力。医疗行业也不例外。

那么，对于医疗企业和医疗从业者来说，有哪些参与方式呢？

对于医疗从业者：

“快”上AI的快车，成为AI的使用者和创造者。

AI正在成为深入基层业务的工具。对于医疗界的从业人员来说，要主动拥抱AI。科技在发展过程中，一直在扮演着“平权”的角色，它整合顶级专家的经验和大数据的精确，让普通医生也有能力做到他们以前做不到的事情。医疗AI要成为赋能所有医疗人员的工具，让他们成为创造者，才能释放巨大生产力。

对于医疗企业：

在拥抱AI的同时，如果不能深入思考用户需求与医疗界的实际生态，也很容易遭遇前文所提到的失败陷阱。

因此，医疗企业开发AI产品，必须要回到医生、护士、患者，以及其他各类从业者的角度上来。要“慢”下来，从用户旅程出发，细致分析场景，提炼用户需求，构建使用场景，打造整体生态，跑通商业模式，才能让医疗AI真正落地，让行业从业者和患者都能获益。

 

了解 桥中CBi China Bridge 的更多信息

订阅后即可通过电子邮件收到最新文章。