本文整理自斯坦福大学发布的《2026 AI Index Report》。报告从科学发现、临床应用、患者参与和伦理治理等维度，系统梳理AI在医疗领域的发展进展。
报告显示，AI+医疗正在从早期的单点辅助工具，逐步进入药物与生物学研究、临床工作流、医疗器械以及患者健康管理等核心环节。但与此同时，AI能力提升的速度并不意味着临床价值已经得到充分验证。当前医疗AI正在经历一个重要阶段：技术能力快速扩张，而真实世界证据、临床验证和治理体系仍需要同步完善。
AI重塑医学研发：从“大模型”走向“虚拟细胞”
AI进入医疗领域的第一条路径，是对生命科学研究本身的重构。过去，AI在生物医药领域的应用更多集中于蛋白质结构预测、药物筛选等相对明确的任务。2025年，模型规模不再是衡量生物AI能力的唯一标准，小型、针对特定任务优化的模型开始展现出较强的性能。
Stanford HAI指出，1.11亿参数的MSAPairformer在ProteinGym蛋白质相关基准测试中超过此前领先方法；2亿参数的GPN-Star则超过了一个拥有400亿参数的模型。换言之，生物医药AI正在出现与通用大模型不同的技术路径：在专业领域，数据质量、任务设计和领域知识可能比单纯扩大模型规模更加重要。
与此同时，2025年出现了新的研究前沿——虚拟细胞模型。Evo 2、STATE以及DeepMind的AlphaGenome等模型，开始尝试预测药物或基因扰动下细胞可能发生的变化，使研究人员能够在进入正式实验之前，通过计算模型探索不同的生物学结果。其潜在价值在于，将传统“提出假设—实验验证—调整方案”的研发过程，部分转化为“模型预测—筛选候选方案—实验验证”的新流程。
与此同时，生物AI的发展正在越来越受到数据而非模型架构的制约。报告显示，2025年生物AI训练数据规模已经从过去的数十万级扩展到数千万甚至更高规模，新的实验数据集也开始出现。
AI对医药研发的影响可能正在从“提高单个任务的效率”，进一步转向改变研发流程本身。未来竞争的关键不仅是拥有更大的模型，也包括能否获得高质量生物医学数据、建立实验验证体系，并将模型预测真正转化为可重复的科学结果。
临床AI规模化应用：证据仍是关键瓶颈
在临床领域，AI正在改变“如何工作”。2025年，AI临床应用最明显的突破之一来自临床记录自动生成。这类工具可以根据医生与患者之间的对话自动生成临床记录，减少医生在诊疗过程中进行文字记录的时间。
在多个医疗系统中，医生使用相关工具后，记录时间最多减少83%，同时伴随明显的职业倦怠改善；其中一个医疗系统报告的投资回报率达到112%。这意味着临床AI已经不再只是实验室里的概念验证，而开始进入医疗机构的日常工作流。
与此同时，AI医疗器械的监管授权也在快速增长。截至2025年9月，FDA当年已经授权258款AI/ML医疗器械；截至2025年12月，累计授权数量达到1,357款，来自693家公司，覆盖17个临床专科。
但是，“获得监管授权”与“形成临床价值”并不是同一件事。对于医疗AI而言，模型准确率只是产品价值链的起点，而不是终点。一个AI模型即使能够在标准化测试中取得优秀成绩，也必须进一步回答：它是否适用于真实患者？是否能够改善医生决策？是否能够减少医疗错误？是否能够降低成本或提高效率？这些问题都需要真实临床环境中的验证。
因此，医疗AI正在进入“能力证明”之外的第二阶段——临床价值证明。AI企业未来需要证明的不只是模型能不能回答问题，而是产品能否嵌入医疗流程，并在真实世界中持续产生可衡量的临床和经济价值。
交互方式重构：从医生工作台到患者入口
AI对医疗行业的第三个影响，是患者端的变化。过去，患者获取健康信息通常需要在搜索引擎、健康网站、医院平台和医生之间不断切换。随着生成式AI进入搜索和对话场景，健康信息正在从“主动搜索”逐渐转向“直接询问”。
2025年健康相关Google搜索中，84%–92%的搜索已经触发AI Overview。其中，症状和常见健康问题相关搜索的触发率达到92%，治疗相关搜索为90%，疾病相关搜索为84%–88%。这意味着AI正在越来越多地参与患者接触医疗信息的第一步，并影响用户对症状、疾病和治疗问题的初始理解。
与此同时，数字孪生正在成为患者个体化管理的新探索方向。医疗数字孪生并不是简单建立患者的数字档案，而是尝试形成能够持续更新、与患者数据连接的计算模型，用于预测疾病发展、模拟治疗方案以及优化临床决策。
数字孪生相关论文数量从2015年接近于零增长至2025年的372篇；同期相关专利申请也快速增加。更重要的是，数字孪生已经开始进入临床试验。在一项针对150名糖尿病患者的随机对照试验中，12个月后71%的参与者达到HbA1c低于6.5%的水平，同时能够安全减少降糖药物使用。
AI正在形成一个新的医疗服务闭环：科研发现 → 临床决策 → 医疗执行 → 患者管理 → 数据反馈 → 新一轮决策。AI在其中扮演的角色，也正在从某一个具体环节的辅助工具，逐渐转向连接不同医疗场景的基础能力。但这一过程中，患者信任、数据隐私和责任边界将成为AI医疗商业化必须面对的问题。
2025年，医学AI论文中的伦理讨论数量明显增长，但Stanford HAI指出，目前讨论仍主要集中在治理问题，对算法问责、生物安全以及全球健康公平等问题的关注相对不足。
AI+医疗正在从“辅助工具”走向“医疗基础能力”。在科研端，虚拟细胞和专业生物模型正在提高探索和筛选效率；在临床端，AI已经开始进入医疗记录、诊断辅助和医疗器械等真实工作流；在患者端，AI正在成为健康信息获取和个体化管理的新入口。
但医疗AI的下一阶段，并不是简单追求更大的模型或更高的基准测试成绩。真正决定行业价值的，将是AI能否完成从“技术能力”到“临床证据”，再到“真实世界价值”的转换。
对于医疗企业而言，这意味着未来的AI竞争将越来越呈现出“技术+数据+临床+监管”的综合特征。能够将模型能力嵌入真实医疗场景、建立持续的临床验证体系，并最终证明其对医疗质量、效率和患者结局具有实际改善作用的企业，才更有可能推动AI从“医疗工具”进一步成为医疗体系中的基础设施。
