这份蓝皮书由弗若斯特沙利文在2026年发布，正文67页，把技术演进、产业链、应用场景、市场格局和监管政策都过了一遍。它给出的总判断是：AI医疗已经超出算法工具的范围，成为由医疗数据、算法模型、算力基础设施、医学知识和临床场景共同构成的综合能力。
报告把这套能力拆成三层：数据层负责标准化、脱敏与结构化，认知层用多模态模型和医学知识增强做临床推理，应用层把能力嵌进筛查、诊断、治疗和运营。缺任何一层，产品都只能停在演示阶段。
01 134 与 4
截至2026年6月，中国已上市134款三类人工智能医学影像辅助诊断软件，覆盖血管与心血管31款、肺部29款、脑血管与神经22款、骨科12款、眼底10款。2025年新增25款，2026年上半年又添9款。影像跑得快有原因：数据标准化程度高、临床需求明确、结果可量化，监管路径也相对清晰。
但翻到病理这一页，数字变成4款，四张证全部落在宫颈细胞病理。报告没有回避原因：病理对前处理一致性要求更高，切片厚度、染色批次和扫描设备的院间差异都会影响稳定性。它短期内更适合做异常提示、初筛分流和质控，替代病理医生下结论还谈不上。
02 三种市场，三种打法
美国走的是市场驱动。截至2026年3月，FDA已授权超过1,400项AI/ML医疗器械，覆盖影像、心血管、眼科等领域；2025年美国数字健康融资里，AI驱动的公司拿走了54%的总额，2024年这个比例还是37%。支付体系才是闸门，FDA与CMS在2025年联合推出RAPID覆盖路径，让创新器械更快进入Medicare。
中国靠的是场景牵引。2024年全国医疗卫生机构总诊疗人次达101.5亿，其中一、二级医院和基层机构的占比约66.6%；截至2025年，89.2%的二级及以上公立医院已接入区域全民健康信息平台。医院在这里不只是买家，也是研发方，瑞金医院与华为联合推出的瑞智病理大模型覆盖19个常见癌种和上百项诊断任务。
欧洲最慢。AI Act把涉及医疗器械、患者管理和临床决策支持的系统归为高风险，再叠加GDPR与MDR，门槛更高。
03 报告最不客气的一节
五道坎被逐条列出：数据治理、产品能力、合规责任、临床转化、国际竞争。最该停下来看的是第二条：高准确率不等于真实世界可靠性。准确率如果只来自内部测试集，跨医院、跨设备、跨人群之后能否稳住就是另一回事。COVID-19期间的部分研究就发现，一些模型学到的并非疾病特征，而是医院来源、图像标记这类捷径。
数据也在往下压。美国ASTP/ONC的数据显示，2024年71%的美国医院已用上集成预测AI，但小型和农村医院明显落后；皮尤研究中心2023年的调查里，60%的美国成年人对依赖AI诊疗建议感到不适。报告的解法是把叙事从「AI替代医生」换成医生监督下的辅助增强。
04 下一步不是替代医生
趋势那一节把AI的位置重排了一遍：诊前是智能导诊、预问诊和慢病筛查，诊中是影像与病理判读、临床决策支持和手术导航，诊后是随访与康复，运营端是病历质控、医保支付和床位调度。报告点得很准，影像AI只停在病灶提示，价值就限于一次阅片；联动PACS、RIS、电子病历和专科随访，才可能形成从判读到处方的闭环。
写在最后
这份蓝皮书没给一个市场规模数字，它把134和4放进了同一本目录。前者说明技术在标准化、可量化验证的场景里已经跑通商业闭环；后者说明一旦涉及高专业壁垒、长判断链条和责任边界不清的场景，进度就会被拉回验证阶段。
报告没有唱赞歌，它把最难的部分留在挑战那一章：模型漂移、跨院泛化、警报疲劳、责任归属，一次AI误判该由谁负责。这些问题不解决，再多获批产品也只是把试点往前推一格。
