医疗 AI 潜力大，但红线也最清晰：数据不出院、处方不能由 AI 自动生成。本文梳理中国医疗行业的真实 AI 应用场景与案例，并说明如何用 osFoundry 在合规前提下院内私有化落地。

说明：dgm 是独立于 osFoundry 的集成与落地服务商。文中案例多为公开报道或厂商口径，已作标注；落地前以官方为准。

主要应用场景

国家卫健委发布的 AI 应用场景指引列出了数十个医疗场景，常见包括：

  • 辅助诊断 / 医学影像：影像识别与初筛辅助。
  • 智能导诊：分诊与就医引导。
  • 病历生成：问诊记录与病历的快速生成。
  • 医疗知识库：基于院内资料的问答。
  • 药物研发：分子设计与研发辅助。

真实案例（公开报道）

据公开报道，上百家三级医院本地部署了 DeepSeek 用于院内场景；影像辅助、病历快速生成(如部分医院实现秒级生成)等已有应用；厂商侧有迈瑞”启元”、京东”京医千询”、讯飞”晓医”、腾讯”觅影”等；药物研发领域 Insilico Medicine 有较强的公开成果。相关效果数字多为厂商或媒体口径，应谨慎引用。

落地的难点

  1. 数据不出院 / 不出境：受个人信息保护法等约束，私有化/本地部署几乎是前提。
  2. 资质与审批：设备形态的诊断类 AI 需 NMPA 三类证。
  3. 处方红线与人工把关：监管禁止 AI 自动生成处方，必须保留医生复核闭环。
  4. 工具割裂 / 国产算力运维：多模型、多系统并存，院内运维国产算力有门槛。

osFoundry + dgm 的落地思路

osFoundry 作为模型无关的编排平台：

  • 院内私有化：支持自有环境自托管与端侧推理，数据不出院(注意 osFoundry 官方数据区为美/欧/日，院内以自托管为主)；
  • 人工闭环：把辅助诊断、导诊、病历生成做成需人工确认的智能体流程；
  • 多模型：以 BYOK 接入多模型，按场景路由。

dgm 作为独立的 osFoundry 集成伙伴，负责合规评估、院内私有化部署与多模型接入。

小结

医疗 AI 必须”私有化 + 人工把关”。如果你的医院或医疗机构希望在合规前提下落地 AI，欢迎联系 dgm，基于 osFoundry 设计院内方案。