医疗大模型在医院的普及速度远超预期，2025年国内百强医院部署率已突破98%，专科垂直模型数量超过50个，但数据安全问题逐渐浮出水面。

医疗领域从未出现过像大语言模型这般快速渗透的创新技术，短短数月内就让医院主动大规模引入。这种现象背后，是大模型在临床场景中展现出的显著优势。

根据第三方机构统计，截至2025年4月30日，国内排名前100的医院中，有98家对外宣称完成了大模型部署。这些医院中，有38家在通用模型基础上开发了符合自身需求的垂直医疗模型，数量达到55个。

医院正从单纯的"买方"转变为"研发方"，医生群体成为AI制造链条中的关键环节。这种转变不仅体现在技术应用上，更在医疗模式上产生了深远影响。

医疗大模型进入专科专病时代

2022年末OpenAI推出GPT3.5后，国内医疗领域掀起多轮"百模大战"。但由于部署成本高、调用成本大，仅有少数顶级医院完成本地化部署，多数模型由企业开发，训练数据主要集中在医疗文本领域。

这种模式下诞生的模型普遍存在同质化严重、临床相关性弱的问题，难以在医疗领域掀起实质影响。直到DeepSeek-R1的出现，这种局面才开始改变。

DeepSeek-R1通过创新架构大幅降低使用门槛，医院只需支付数十万元即可完成本地部署并进行个性化定制。即使是初次接触大模型的医院，也纷纷加入这场技术变革。

医院垂直模型开发时间分布（单位：个；截至2025年4月30日）

医院掌握的医疗数据体量远超企业，数据模态也更丰富。这种优势让医院主导开发的模型能更精准对接临床需求，处理多模态医学数据，直击临床痛点。

以北京协和医院开发的"协和·太初"为例，这是首个聚焦罕见病领域的AI大模型。医生输入"孩子2岁起发育、语言和动作明显落后"等症状后，AI能在数秒内给出罕见遗传性疾病或复杂神经发育障碍的判断，并提供就诊建议。

中山大学附属第一医院联合神州医疗开发的腹膜透析大模型，采用DHC+DeepSeek双引擎架构，能融合临床文本、影像、病理等多模态数据，为尿毒症患者提供治疗方案推荐和风险预测。

目前全国已有22个专科垂直模型，覆盖心血管病、肾病、胸痛等多个领域，骨科、放射科、病理科等科室也参与其中。甚至有模型专门针对消化内镜、心超等设备，以及手术风险评估等环节。

医院垂直模型职能分布（截至2025年4月30日）

垂直模型的功能随着医生参与度提升而扩展。最初主要应用于患者服务，如智能预问诊、导诊等。现在医院更希望大模型能辅助医生决策，提升诊疗效率。

部分医院开始探索大模型在医学教育、医院管理、科研中的应用。这种转变意味着医疗体系正从数字化向智能化跃迁。

需要注意的是，虽然百强医院都完成了通用模型部署，但垂直模型开发仍需专业团队支持。多数医院缺乏兼具工程与医学能力的复合型人才，与企业联合开发仍是主流模式。

医疗垂直模型开发模式分布（截至2025年4月30日）

企业参与能帮助医院从商业化角度规划模型迭代路径，推动科研成果转化。华为、讯飞医疗、卫宁健康等企业已取得显著成果，未来更多中小企业将参与细分场景开发。

迈向下一个时代，医疗大模型还需迈过三道坎

医院主导的医疗大模型发展取得突破，但要实现更深层次应用，仍需克服三大挑战。

医院大模型训练集的局限性

目前医院开发模型主要依赖自身数据集。这种模式能处理常见病例，但面对复杂少见病灶时容易产生幻觉。解决办法是组建跨医院专病联盟，共享多地域数据。

大模型的形态暂无定论

行业对大模型的讨论集中在功能层面，对其形态尚未形成共识。当垂直模型作为产品进入市场时，需明确其形态是软件应用还是医疗器械。

国家药监局已发布《关于优化全生命周期监管 支持高端医疗器械创新发展的举措（征求意见稿）》，为大模型发展提供政策指引。这预示着辅助诊断模型可能被纳入医疗器械监管范畴。

潜在的安全性问题

医疗数据包含基因信息、病史等敏感内容，一旦泄露可能引发隐私危机。当前医院部署的大模型多基于开源项目，代码修改可能引入安全漏洞。

若医院系统架构存在缺陷或数据传输加密不足，数据可能被网络攻击获取。因此在应用开源AI系统时，需全面评估风险，采取严格的安全措施，确保数据安全。这是医疗大模型持续发展的基础保障。