医学影像作为临床诊断核心环节之一，当前正面临基层能力提升、资源配置优化、人才短缺缓解等多重迫切需求。

而 AI 技术的发展，为问题的解决提供了方向。最近几年，国家层面出台了多项政策促进 AI 技术的融合创新。今年 8 月，国务院更是发布《关于深入实施 " 人工智能 +" 行动的意见》。在民生福祉方面，" 意见 " 强调 " 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。" 政策的密集出台，为人工智能与医学影像融合创新提供了清晰的路径指引，进一步驱动着 AI 技术在医学影像领域的技术转化、应用场景拓展。

但是行业加速拓展的同时，值得注意的是，过往围绕某个疾病部位的单病种 AI 医学影像产品对临床助力有限，行业亟需构建一套创新的机制——通过具有引领意义的创新产品指导医学影像 AI 产品的探索方向，并通过包括构建数据、产业方面的协同机制进一步保障创新的可实现。

而在由北京市经济和信息化局、北京经济技术开发区管理委员会指导，北京亦庄智能城市研究院集团有限公司主办，北京数据先行区服务有限公司、北京国际算力服务有限公司、一脉阳光集团股份有限公司、影禾医脉智能科技有限公司等多家单位共同协办的 "AI 赋能，数领未来 " 智能医学影像全产业链创新高峰论坛上，动脉网看到 " 创新产品实现引领－创新数据保障研发－创新联盟协同发展 " 的机制正在形成。

会上发布的多项重磅成果，均在向外界表明：医学影像 AI 领域正在进入新的变革时代。

从单病种到单部位多病种，AIR 创新产品引领医学影像 AI 产品进入 2.0 时代

在中国，临床中医学影像领域面临两大核心痛点。根据头豹研究院，其一，医学影像医生的缺口大。当前中国平均七万人才有一名医学影像医生，而美国平均两千人就有一名医学影像医生。叠加需求的差异化，导致影像诊断效率极低，服务模式亟待创新。其二，误诊率极高。美国每年医学影像误诊人数达 1200 万，而中国每年误诊人数高达 5700 万。中国医学影像误诊率远高于美国。

实际上，除了误诊人数高以外，医学影像漏诊率也较高。以肺癌为例，在期刊《实用放射学杂志》2024 年 12 月刊载的《肺癌 CT 漏诊常见原因分析及影像表现》中，将纳入研究的肺癌患者进行 CT 漏诊分型（共分为 6 种类型），其中Ⅳ型即肺癌伴大量胸腔积液时，肿瘤包埋于不张肺组织内，观察不全时容易漏诊，漏诊率甚至可以高达 27.18%。

临床对于可以节省人工效率、降低误诊率和漏诊率的高质量医学影像 AI 产品有着极大的需求。但是，现有医学影像 AI 产品并不能很好地满足临床的需求。而这，与过往医学影像 AI 产品的设计有关：它们多聚焦于 " 单病种、单病变 "，比如针对患者肺部，医学影像 AI 产品单次仅能检测单一肺结节或肺炎情况。而医生在临床过程中，单次检查更需要的是能够全方位展现病变部位所有可能的辅助诊断产品。

在会上，影禾医脉联合四川大学华西医院、华为医疗团，正式发布 " 河图计划 " 核心成果：胸部 CT 路径级辅助诊断 AI 工具（AIR）。AIR 区别于过往医学影像 AI 产品，通过覆盖病变部位多病种的方式，从 " 路径级辅助诊断 " 入手，核心上解决了过往医学影像产品与临床需求错配的局面——

其一，检查效率跨时代跃迁。有别于单病种医学影像 AI，AIR 可以实现一次胸部平扫，同时检出包括肺结节、肺炎、肋骨骨折、食管裂孔疝等 31 种常见病变；并且，AIR 可以实现自动生成结构化报告，在检出病变的同时，标示其精确位置、形态特征、严重程度等，极大助力医生阅片；此外，AIR 还自带 " 慧眼 " 阅片器，审核医生在点击图像病灶时，可自动关联报告描述。

其二，检出正确率高度提升。AIR 极大地解决了过往人工漏诊的问题。AIR 目前已覆盖 19+AI 亚单元（AISU），病变覆盖比例达到 75%。相关研究显示，对来自 6 家医疗机构、100 例胸部 CT 平扫的初步测试中，AIR 产品表现显著优于人工阅片。并且，针对人工易漏诊的早期肺占位、隐匿性肋骨骨折、食管增厚等病变，AIR 也可成功检测。

影禾医脉胸部 CT 平扫辅助诊断 AIR 产品已经覆盖了从 " 图像解析 " 到 " 报告输出 " 的全检查路径，可充分满足医生 " 高效、准确写报告 " 的核心需求。

目前，相关数据也显示出其真实成效。在 AIR 的帮助下，其将原本人工撰写报告平均耗时从 8.4 分钟提升至了 7 分钟，提效达 16.7%；将人工审核发布报告的平均耗时从 4.3 分钟提升至 3.4 分钟，提效 20.9%。参与测验的医生曾表示，在 AIR 加持下，医生可以将更多精力聚焦于复杂病变判断，极大地提升了医生工作效率。

据介绍，在 AIR 创新产品这一 " 河图计划 " 核心成果落地后，影禾医脉也将继续启动 " 洛书计划 "，联合多学科专家构建 " 影像 + 临床 " 多模态数据集，进一步推动医学影像 AI 从 " 辅助诊断 " 走向 " 辅助诊疗 "。而它或将进一步引领行业新的发展方向。

随着 AIR 这一引领性产品突破性打造与不断完善，它也为医学影像 AI 行业未来的发展指引了方向，行业有望从单病种、单病变时代进一步迈入针对特定身体部位的多种病变全面诊断时代。

高质量医学影像语料库正式发布，为医学影像 AI 创新产品不断涌现提供保障

医学影像 AI 创新产品的落地应用，始终贯穿着一条关键逻辑：信息化是数据的源头，数据是 AI 发展的核心燃料。

影禾医脉 AIR 创新产品打造的背后，离不开两大因素：一是海量数据支持。数据背后，既有着孵化主体一脉阳光千万例自有医学影像数据的预训练，为其注入海量临床先验知识，又有着 " 河图计划 " 专属的 10 万例精标注数据。二是 " 医学权威 + 技术底座 " 的双重支撑。来自华西医院等顶尖三甲医院教授全程参与标准拟定，拆解了 3000+ 份临床报告以制定 " 核心定义表 "，确保产品贴合医生工作流程；与此同时，华为医疗军团为其提供 AI 算存网底座，通过 XPU 池化、智能调度技术，实现了影像推理服务并发任务提升 30%，同时支持 " 零代码开发 "，院端可快速适配本地化需求。

值得一提的是，一脉阳光与影禾医脉在长期发展中逐渐形成了一种独特的孵化孪生机制——一脉阳光长期深耕影像科室等的信息化为创新产品的打造实现了影像数据的积累，影禾医脉进一步推动了医学影像 AI 产品的升级迭代，最后又反哺影像科室的良性发展。

这种 " 源头有活水、燃料足且精 " 的 " 孵化孪生 " 机制，本质上构建了从信息化到数据、再从数据到 AI 能力的闭环，这才使得影禾医脉 AIR 能够快速响应临床需求，实现产品的高效开发与落地。

数据作为核心要素，在未来创新医学影像 AI 产品的打造中，将扮演非常重要的作用。但是，以往医学影像数据面临多重问题：一方面，行业缺乏标准化高质量训练集。尽管医学影像数据量多，但是大多数数据来源不明，而要想从头部医院获取高质量数据仍旧面临一定挑战。此外，医学影像数据可能面临病种较为单一、部分疾病的数据量严重不足等情况。另一方面，行业欠缺统一的数据训练集标准。各家企业采用的数据训练集标准多样，十分不利于行业间的交流。此外，由于数据来源不明，其还面临数据合规使用等问题。它们严重限制了医学影像 AI 从理论研究走向临床的进程。

如今，行业正在尝试着手解决这一问题。而语料库的推进正是其中重要一环。

在会上，" 高质量医学影像语料库 "（以下简称 " 语料库 "）正式发布。行业有望借助该语料库，加快创新医学影像 AI 模型的打造。值得一提的是，一脉阳光、影禾医脉深度参与了该语料库的建设，为其提供了大量医疗影像数据的支持。目前，该语料库围绕 " 规模、多样性、质量、合规 " 等四大核心维度，构建起了高覆盖、高可用、高可信、高安全的数据体系，以进一步强化 AI 模型的泛化能力与鲁棒性。

在数据规模方面，语料库具备超千万例数据，覆盖全病种多模态。截至 2025 年 8 月 4 日，语料库总影像数达 12116964 例，汇聚多地区、多品牌机型的全病种数据，并覆盖 CT、MR、DR、PET/MR 等主流影像模态，囊括胸部、头颅、腹部、脊柱等 11 大身体主要部位，可满足不同疾病领域的 AI 研发需求。

在数据多样性方面，语料库采用多维数据，充分适配不同研发阶段的需求。目前，样本维度全，覆盖不同年龄阶段、不同性别比例、阳性与阴性样本分类。且可充分满足早期算法探索（需小批量精准标注数据）与成熟模型优化（需大规模泛化数据）等不同阶段的数据需求。此外，多达 50000 例可公开标注数据，也为科研机构与中小企业提供了便捷的获取途径。

而在质量方面，通过严格的质控流程，以及数据脱敏等等，在保证患者隐私的同时，确保了数据的高度可信可用；合规方面，数据来源更是全流程可追溯，确保数据合规可查。

与此同时，该语料库提供数据看板、数据沙盒功能，进一步助力研发者评估数据适配度以及提供安全合规的数据使用环境，减少数据应用的阻力。

对于 AI 企业而言，基于临床数据进行应用研发时往往受限于有限数量医院的合作，可能导致算法运行时出现地域性局限、难以广泛应用。语料库的发布，在搭建 " 数据仓库 " 的基础上，首次构建了医疗 AI 全链条发展 " 赋能平台 " 的雏形——覆盖 " 科研、技术、产业、临床 " 四大核心场景的 " 医学影像 AI 新基建 "，将全方位助力院校科研级探索到企业临床级应用的全过程，为学术前沿探索、模型研发、产品落地、临床应用，实现全方位精准赋能。

AIR 创新产品开拓引领行业新的发展方向，语料库建设从数据和效率的多重角度保障创新研发，但是，在保障创新产品落地与创新机制建设的过程中，还欠缺极为关键的一环——协同。

"MIIA" 医学影像智能产业联盟成立，医学影像 AI 走向协同创新时代

过去无数的事实已经证明，院校与产业端的协同，是行业实现良性循环发展不可或缺的部分。院校、企业等信息的不互通与行业协同的欠缺，可能导致从业者重复建设、无效建设，造成资源的浪费。

其结果不外乎两方面：一方面，由于欠缺协同，初创企业本身难以覆盖医院全流程需求，难以打造真正好用的智能方案，可能导致企业发展举步维艰；另一方面，医学影像 AI 产品彼此孤立、缺乏统一标准，导致其难以融入医生工作流程中，仅能在局部场景发挥有限作用。临床难以获得优质的医学影像 AI 产品。

如今，这一局面或将实现显著改善。会上，"MIIA 医学影像智能产业联盟（Medical Imaging Intelligence Alliance）"（以下简称 " 联盟 "）正式成立。联盟旨在打造一个以提升医生使用体验为目标、生态共赢为核心的命运共同体，推动医学影像 AI 产品走出 " 孤立 " 困境。目前，包括北京亦庄智能城市研究院、一脉阳光、影禾医脉、阿里云计算、脉流科技、医准智能、影为医疗、紫薇帝星、光大宏达等首批成员已完成签约，为联盟的后续发展奠定基础。

而针对当前行业缺少顶层建设导致的问题，联盟正在通过一系列举措予以解决：

一方面，联盟正在尝试联合所有成员共同制定并推行《MIIA 联盟集成标准》，围绕数据接口、算法封装、结果输出、服务端口等，实现全维度的统一，让从业者告别过往适配难题，将精力用于核心技术创新；另一方面，联盟通过打造 MIIA 平台，为行业企业提供 " 即插即用 " 的技术底座，实现 1+1 大于 2 的协同效果。其允许医院根据临床需求自由组合 AI 模块，实现定制化全流程智能工作流的构建；而企业则可以专注自身擅长的核心业务，并通过平台触达临床医院用户；此外，联盟有望构建 " 临床需求驱动技术迭代，技术突破反哺临床发展 " 的良性循环，改变过往技术与临床需求不匹配的问题，更好地协同产业力量攻克行业难题。

目前，联盟正在邀请生态成员伙伴一同加入，共享协同创新成果。而参与的协会成员将有望更好地协同临床资源进行研发、参与《MIIA 联盟集成标准》的制定更好地实现技术推广、共享市场资源以实现临床应用的加速落地。

随着联盟成立，未来，联盟将持续完善生态协作机制、深化临床场景适配，逐步扩大合作范围，推动协同价值在更多医疗场景落地，为医学影像 AI 产业的规范化、生态化发展注入新的力量。

一次会议承载的内容或许有限，但是在此次大会上，我们惊喜地看到一套医学影像 AI 领域的创新机制正在逐步构建——通过医学影像 AI 创新产品 AIR 的推出实现行业创新方向的引领、通过底层语料库的建设保障后续创新研发、通过 MIIA 医学影像智能产业联盟的设立实现创新的协同——它将在未来医学影像 AI 产品的创新打造与应用过程中发挥关键作用。它或将带来 AI 医学影像领域的真正变革，让更多满足临床需求的医学影像 AI 产品涌现，并通过医院的临床应用，真正造福广大患者。