AI 是医疗行业核心驱动力，但技术可靠性、场景适配、数据安全等挑战待解，国内缺乏全景研究。有见及此， 艾力彼组织调研覆盖 28 省、903 份问卷及 229 + 案例，系统剖析应用现状、痛点与趋势，撰写了 《中国医院 AI 应用现状与发展需求调研》总报告，为政府、企业、医院提供权威决策参考。接下来我们将陆续发布完整内容，带大家一起了解医疗 AI 发展脉络。

课题组单位：广州艾力彼医院管理中心

支 持 单 位：广东省卫生经济学会绩效管理与评估分会

广东省器官医学与技术学会创新技术发展与评价分会

中国医院AI应用现状与发展需求问卷调查分析

1. 调研基本情况

本次调研采用问卷形式，共发放903份问卷，实际回收209份，有效问卷205份，回收率23.2%，回收问卷中有效率98.1%。样本涵盖全国28个省级行政区（华东31.6%、华南20.0%、华中17.6%、华北10.7%、西南8.8%、西北5.9%、东北5.4%）、不同级别医院（三甲70.2%、三乙6.8%、三级未定等13.7%、二甲5.9%、其他3.4%）和岗位（院级领导28.8%、行政职能部门38.0%、医技科室13.2%、临床科室11.7%、信息科8.3%），样本在地域、机构等级与岗位维度的分布具有较好的广泛性与代表性，能够在一定程度上反映医院人工智能应用的整体态势。

2. 医院AI应用现状分析2.1. AI应用场景广度分析

针对所在医院目前是否已应用AI相关技术，具体见下图2.1，分为广泛应用（3个及以上应用场景）、部分应用（1-2个应用场景）和暂无应用。在205家被调查医院中，12.6%（26家）实现广泛应用，81.4%（167家）已部分应用AI，5.8%（12家）暂无应用。从数据可以看出，大部分医院已开始尝试应用AI技术，仅有少数医院尚未涉足，AI在医院领域的应用已进入探索式浅度应用阶段，技术渗透深度与场景融合度尚有待观察。

图2.1医院AI应用广度

(1) 不同级别医院AI应用广度

对不同等级医院的AI应用广度进行分析（见表2.1），三甲医院的广泛应用和部分应用占比为95.8%，三乙医院为92.9%，二甲医院为91.7%，表明三者在尝试应用AI方面差异不大。这意味着AI技术的突破为不同级别的医院带来了相同的机会，提供了弯道超车的可能。

表2.1不同级别医院AI应用情况

(2) 不同地域医院AI应用广度

将205家被调查医院按东北、华北、华东、华中、华南、西南、西北七大行政区域进行划分，分析地域因素对AI应用广度的影响（见表2.2）。在“广泛应用”维度，华东地区表现最为突出，占比23.1%，这得益于华东地区医疗资源的聚集和扎实的数字化基础设施，上海、江苏、浙江等地的三甲医院率先开展AI医疗场景创新应用；东北地区目前尚未出现广泛应用AI的医院。

表2.2不同地域医院AI应用情况

2.2. AI大模型本地化部署情况分析

在AI大模型本地化部署方面，AI大模型本地化部署在医院中的推进仍有较大空间（见表2.3）。“有”本地化部署的医院有106家，占比51.7%；“没有”的医院有76家，占比37.1%；“不清楚”的医院有23家，占比11.2%。这一数据表明，医院AI大模型本地化部署正处于中期推进阶段，近半数医院尚未完成部署。

表2.3医院AI大模型部署情况

2.3. AI应用主要领域

AI在医院各业务领域的应用呈现“重临床、轻管理”的特征（见表2.4）。医学影像（放射、超声、病理等）以65.2%（126次）的占比位居首位，这也反映出该类AI发展相对成熟。智能门诊服务（咨询、预问诊、分诊、导诊）占比64.2%（124次），临床辅助决策占比50.2%（97次），三者成为AI应用的核心领域，反映出医院对AI在提升诊断效率、优化门诊流程、辅助临床决策等关键场景的需求高度集中，也表明临床需求方面成为医院AI应用的核心领域。病历文书管理（辅助病历生成、质控）与智能用药服务（审方、临床用药、患者指导）应用占比分别为42.4%（82次）、41.4%（80次），处于中等水平，体现出AI在医疗文书与用药安全领域的渗透已初步成型，但仍需进一步深化。医院管理（运营及行政后勤流程优化、资源调度）、医保服务、医教科研应用占比分别为28.4%（55次）、25.3%（49次）、19.1%（37次），相对较低，表明AI在这些场景的应用仍处于起步阶段。总体而言，“医管AI”的应用没有得到重视，应用场景主要聚焦“医疗AI”，不过这也意味着“医管AI”有巨大的发展空间和拓展潜力。

表2.4AI应用主要领域情况

3. 医院AI应用改进空间分析3.1. AI应用效果满意度

对已应用AI技术的医院进行效果满意度调研，数据显示（见表2.5），“非常满意”的医院占比16.6%（34家），“满意”的医院占比51.2%（105家），“一般”的医院占比29.8%（61家），“不满意”与“非常不满意”的医院分别占比1.9%（4家）、0.5%（1家）。整体来看，67.8%（139家）的医院对AI应用效果持满意态度（非常满意+满意），表明AI技术在医疗场景的应用已取得阶段性成效，得到多数医院的认可，但仍有近三成医院认为效果一般。

表2.5AI应用效果满意度情况

1.3.2. AI应用现存问题

调研数据如见表2.6所示，医院AI应用的主要改进方向集中在数据质量、专业人才等关键维度。“数据质量不高，准确性存疑”占比62.9%（129次），成为首要问题。医疗数据质量缺陷直接影响AI的应用效果，进而制约医疗决策的科学性。“专业人才短缺，操作困难”占比58.5%（120次），凸显医疗AI领域复合型人才的供需矛盾。既精通医疗业务流程，又具备AI技术素养的人才存在缺口，导致医院在AI系统的操作运营、场景适配与深度融合等方面面临障碍，难以充分释放AI技术价值。此外，问题分布还集中在“设备/系统采购及维护成本过高”（48.2%，99次）、“数据安全与隐私保护隐患”（43.9%，90次）、“与现有医疗系统兼容性差”（40.4%，83次）和“技术稳定性差，可靠性低”（34.6%，71次）。这些问题揭示了医院AI应用的短板，为后续优化路径提供了明确方向。

表2.6医院AI应用主要改进方向分布

1.3.3. 数据质量提升措施落实情况

对医院AI数据质量提升措施的落实情况进行调研，结果显示医院在数据质量重视与实际行动上存在差距（见表2.7）。63.4%（130家）的医院已落实数据质量提升措施。18.5%（38家）的医院表示未落实相关措施，这类医院可能受限于资源投入、认知水平或管理机制，在数据治理工作上存在滞后。18.1%（37家）的医院对措施落实情况“不清楚”，反映出部分医院在数据质量管理的组织架构与责任分工上存在模糊性，缺乏系统性规划与跟踪机制。整体而言，尽管多数医院已启动数据质量提升工作，但仍有近四成医院存在行动缺失或认知不足，需进一步推动数据质量管理的规范化与全面化。

表2.7医院AI数据质量提升措施落实情况

4. 医院AI发展需求与前景预期4.1. “医疗AI”功能需求

表2.8AI在临床诊疗中的期望功能分布

4.2. “医管AI”作用关注重点

数据显示（见表2.9），医院对“医管AI”的需求集中在数据质量管理和医疗质量监管。“提高管理所需数据质量”选择频次185次，占比90.2%，成为最关注的领域。这表明，医院对高质量数据的需求迫切，因为精准数据是优化医疗决策和提升运营效率的基础。其次，“加强医疗质量监管”选择频次178次，占比86.8%，表明医院期望通过AI实时监控诊疗过程，确保医疗质量和患者安全。此外，医院还关注“提升行政办事效率”（73.6%）、“改善患者就医体验”（73.1%）和“优化医疗资源配置”（68.7%）。这些数据反映了医院对AI在管理、资源优化和患者体验等方面的多重需求。

表2.9医院管理中AI作用关注重点分布

4.3. AI应用培训参与意愿

为了解医院对AI应用培训的接受程度，本次调研对被调查医院的培训意愿进行调研。结果显示（见表2.10），“非常愿意”参与AI应用培训的医院为102家，占比49.8%；“愿意”参与的100家，占比48.7%；“一般”与“不愿意”参与的有3家，占比1.5%。整体来看，98.5%的医院对AI培训持积极态度，反映出医院参与AI应用培训意愿很强。

表2.10医院对AI应用培训参与意愿分布

4.4. 未来3年AI发展前景预期

对医院未来3年AI发展前景的态度调研显示（见表2.11），37.6%（77家）的被调查医院持“非常乐观”态度，52.2%（107家）持“比较乐观”态度，7.8%（16家）持“中立”态度，2%（4家）持“不太乐观”态度，0.4%（1家）持“非常不乐观”态度。整体而言，89.8%的被调查医院对AI发展前景持乐观态度，反映出医疗行业对AI应用价值的高度认可，AI在医疗领域的未来发展具备良好的行业预期。

表2.11医院对未来3年AI发展前景态度分布

4.5. 未来3年AI资源投入预期

本研究调查未来3年医院AI资源投入预期情况（见表2.12），发现资源投入相对不足的情况值得关注。近半数（48.3%）医院资源投入预期一般，资源投入不充足的医院有12家，占比5.8%，资源投入非常不充足的医院有8家，占比3.9%，两者合计占比达9.7%。这表明部分医院在未来资源获取上面临一定压力，可能对其后续开展相关工作产生制约。

表2.12未来3年医院AI资源投入预期分布

5. 医院AI应用发展关键因素

针对医院AI相关应用发展的关键因素进行调研（见表2.13），发现“资金投入”是首要关键因素，选择频次达176次，占比85.8%，充足资金为相关工作提供物质基础；“数据标准化管理”选择频次172次，占比83.9%，规范的数据管理是保障工作顺利推进的核心前提；“专业人才培养”选择频次151次，占比73.6%，高素质专业人才是推动工作开展的核心力量；“政策支持”选择频次149次，占比72.6%，政府政策的支持为相关工作营造了良好的外部环境。这些因素相互作用、协同驱动，共同影响医院AI应用的效果。

表2.13推动医院AI应用发展的关键因素分布

6. 小结与建议 6.1. 小结

(1) 医院处于探索式浅度应用阶段：目前医院AI应用虽已取得一定进展，但整体仍处于起步阶段。81.4%的医院开展部分应用，但仅12.6%实现广泛应用。在AI大模型本地化部署方面，还有近半数（48.3%）的医院未部署。

(2) 重临床、轻管理，管理应用亟待发展：从应用领域分布来看，“医疗AI”如医学影像（65.2%）、临床辅助决策（50.2%）等应用占比较高；而“医管AI”中医院管理（28.4%）的应用相对较少，存在较大的发展空间。医院在相关技术应用布局上侧重于直接的临床医疗环节，对管理层面的重视不足，不利于医院整体运营效率的全面提升。

(3) 数据质量制约发展：数据质量不高是当前医院面临的突出问题。“数据质量不高，准确性存疑”占比62.9%。数据质量管理（83.9%）被视为推动AI应用发展的关键因素。医院管理领域的需求集中在数据质量提升（90.2%），成为医院AI应用改进的主要方向。

(4) 前景乐观，但需资源投入：85.8%的医院认为资金投入是推动医院AI发展的关键因素。尽管89.8%的医院对未来3年AI发展前景持乐观态度，但从未来3年医院资源投入预期来看，资源投入一般（48.3%）和不充足（9.7%）的医院占比相对较高。

(5) 应用效果有待提升：在AI应用效果满意度方面，仅有16.6%的医院表示非常满意，仍有29.8%的医院认为效果一般，表明AI在应用效果提升方面还有较大改进空间。数据质量（62.9%）、专业人才（58.5%）、成本控制（48.2%）是制约AI应用的核心问题。同时，数据质量提升措施落实率仅63.4%，行动与需求存在差距。98.5%的医院愿意参与AI培训，显示出医院在提升AI应用效果方面的积极态度与需求。

6.2. 建议 (1) 政策层面1) 制定AI发展规划，促进区域协调发展。

将医院AI纳入区域医疗发展体系。充分利用AI发展领先区域三甲医院的资源优势，区域内协同发展，建立专科发展与管理AI应用试点，减少资源投入浪费并形成可复制的案例。辐射带动AI发展中区域，促进不同区域协调发展。

2)鼓励“医工融合”，统一技术标准，降低应用成本。

政府可鼓励企业设立专项资金，促进“医工融合”，并根据医院级别差异化补贴。对于省部级医院，重点支持AI大模型的本地化部署，提升技术应用深度；其他医院，则提供资金支持基础“医疗AI”系统（如智能分诊）和“医管AI”系统的优化，降低中小医院的资源投入，促进AI技术的普及应用。此外，政府应推动统一的医疗数据采集、清洗、标注标准，并建立跨院数据共享框架，以解决“数据孤岛”问题，从而降低医院在AI应用中的系统整合成本。

3)精准定位需求，推动技术与场景深度融合，促进创新协同。

4)定制化本地部署适配方案，参与行业标准制定，降低技术门槛。

产业公司应根据不同医院的需求，推出“轻量化+模块化”的AI产品，满足资源充足的三甲医院复杂需求，提供全功能大模型；对中小医院，提供具有核心功能的模块化产品，如“数据清洗+门诊优化”，降低硬件投入门槛，推动AI技术在不同层级医院的普及应用。同时，产业公司应积极参与医疗数据标准和AI应用规范的制定，确保产品与行业标准兼容，避免“兼容壁垒”，提升产品竞争力，促进AI技术的广泛应用，推动行业整体的数智化进程。

(2) 医院层面1) 发展定位：确立AI应用的优先级与发展目标。

医院应在发展方向上明确短期、中期和长期的AI应用目标，确保“医疗AI”与“医管AI”的平衡发展。短期内，优先推动高需求且相对成熟的医疗AI应用，如医学影像和智能门诊服务，并同步启动医管AI试点项目，尤其是数据质量管理系统。中期目标应是实现医疗AI在核心服务中的全面覆盖，同时延伸医管AI至运营、医保、后勤等领域，推动医院整体数字化转型。长期目标则是实现AI技术在所有医院环节的深度融合，推动医院的持续创新和提升效率。此外，医院应制定AI大模型本地化部署的时间表，确保在规划时间内完成技术部署和优化，奠定长期发展的坚实基础。

2)组织保障：建立工作机制，强化责任与推进力度。

医院应建立健全的工作机制，成立AI应用专项工作小组，由院级领导牵头，确保各部门协调合作，明确责任分工。小组应包括信息科（技术支持）、临床科室（需求提出）、行政科室（管理需求）和财务科（资金保障）等相关人员，确保AI项目能够顺利推进。定期召开推进会，解决技术兼容、人员培训等实际问题，确保AI技术与医院实际需求的无缝对接，推动项目按计划落实。同时，建立清晰的监督机制，定期评估项目进展，并根据实际情况进行调整，确保实施过程中的灵活性和有效性。

3)实施策略：提升AI应用深度，破解人才发展瓶颈。

医院应通过引入“场景分析师”团队，提升AI应用的深度和适配性。场景分析师在AI系统建设初期参与规划与设计，确保技术方案与医院实际需求紧密对接，避免技术投入的无效化。在运维阶段，场景分析师应持续跟踪医院业务流程的变化，提出针对性优化建议，推动AI技术与医院业务的同步提升。此外，医院还应通过内部培养、外部招聘及定向邀请等方式，解决“专业人才短缺、操作困难”的问题，提升整体AI应用效果。针对培训需求，医院可通过组织定期的AI技术培训课程，提升现有员工的技术能力，增强员工对AI系统的操作熟练度，确保AI系统能够充分发挥其应用潜力。