多模态大模型进医院：联影迈瑞推想三条落地路线实测
最近跑了三家放射科的实地调研，多模态大模型在医疗影像上的落地比我想的快。联影跟协和那套uAI影像模型，已经拿到肺结节、骨折、脑出血三个二类证，CT一扫完，结果直接弹到PACS里，医生只要确认签字就行。迈瑞走的是床旁超声路线，Resona 7上挂了个小模型，扫完甲状腺自动量结节体积，准确率他们内部报92%，但碰到囊性结节还是会误判。推想走第三条路——纯软件SaaS，不绑设备。它跟600多家医院合作，CT原始DICOM推上云，模型跑完回传结构化报告。好处是不挑机器，老CT也能用。坏处是合规卡得死，患者数据出医院要走隐私脱敏，三甲医院IT部门磨半年才能上线。
真正难的不是模型，是数据。一个三甲放射科一年30万次扫描，标注过的不到5%，剩下都是「未确诊随诊中」的灰度数据。协和那套金标准是六个主任共识标注，标一个病例平均40分钟，标注成本200元一条。所以现在大家都在搞半监督和主动学习，把未标注数据用起来。
我的判断：肺结节和骨折这两个场景两年内会成标配，脑卒中因为时间窗紧会更早，但病理性诊断（良恶性判断）还差五年。短期内投资价值最高的是PACS集成商和标注服务商，模型本身反而容易卷成白菜价。
https://www.metk.cn/img/posts/medical_imaging_ai.jpg 有个疑问，你说的这个方案在并发高的时候会不会有明显衰减？我这边测试过不太稳。 写得挺到位的，不过我觉得还是要区分"能用"和"好用"，中间差着一大截。 这个观点有点绝对了，具体还是看团队的技术储备，不是所有人都能接得住。 能不能展开说说你用的具体配置？我最近也在选，卡在预算这块。 同意楼主，但落地的时候一定要考虑老系统的兼容，改造成本容易被低估。 楼主写得很克制了，实际落地的坑还要多。我们部门试点三个月，最后砍掉了一半场景。 感谢分享，正卡在这个问题上，你的经验省了我不少时间。 这篇看完最大的收获是那句"先算清楚自己的量"，很多人上来就冲设备，最后闲置。 帖子里那个数字挺关键的，不过不同规模的团队差异会很大，不能直接套。