近日，沙利文发布《2026 AGI时代全球数智医学影像生态产业发展白皮书》。白皮书指出，人工智能正以前所未有的速度重塑千行百业，医疗健康领域也正在经历一场从“经验驱动”迈向“数据智能”的深刻变革。医学影像贯穿疾病筛查、临床诊断、治疗规划、疗效评估和随访管理全过程，具有应用频率高、数据规模大、临床价值直观等特点，已成为人工智能率先实现规模化应用的重要医疗场景之一。

白皮书总结了医学影像生态当前的建设情况和现实痛点。中国医学影像生态的痛点并非单一的资源不足，而是在不同层级医疗机构中呈现出差异化特征：

头部三甲医院和区域中心医院通常具备较强的诊断能力，但患者流量大、阅片压力高，同时还承担医联体牵头、远程帮扶、影像互认和区域质控等职责；

二三级医院及区域医联体医院具备一定设备基础，但高水平影像医师相对不足，复杂病例仍依赖上级医院支持；

基层及县级医院则更多面临设备配置有限、诊断能力薄弱、检查结果互认度不足等。

这些痛点共同导致优质影像资源难以下沉，影像数据难以高效流转，检查结果难以充分互认，也为数智影像生态建设提出了明确需求。中国医学影像生态建设的关键，不只是增加设备或补充医生，而是要根据不同层级医疗机构的实际需求，建立覆盖“提效、赋能、下沉、互认、质控”的分层解决方案。

过去，AI医学影像更多被视为放射科医生的“第二双眼睛”，主要承担病灶识别、异常提示和辅助诊断等任务。随着医学影像基座模型、多模态大模型和AI Agent等技术持续发展，AI正逐步延伸至数据治理、影像分析、结构化报告、质量控制、远程协同和科研转化等环节。其角色也由单点辅助工具，逐步升级为推动整个医学影像生态数智化演进的重要力量。

在AGI时代下，AI通过赋能各流程节点，增强不同角色的专业能力，推动医学影像服务从单环节效率优化向全链路能力提升，包括缓解影像专业人员供需矛盾、优化医疗机构诊疗流程、提升基层影像服务能力，并为医学影像行业降本增效和支付模式探索提供基础。最终实现诊断质量、服务效率和临床价值的整体提升。

白皮书强调，基座模型是医学影像AI迈向通用智能的重要基础。传统医学影像AI模型多围绕单一任务、单一病种或单一检查项目独立开发，难以适应复杂、多任务和跨场景应用需求。基座模型则通过大规模、多模态数据预训练形成通用能力，可显著提升模型拓展效率，并支撑医学影像AI从单点工具走向平台化、可迭代的智能体系。

另一方面，AI Agent具备任务拆解、工具调用和流程执行能力，但其在医疗场景中的规模化应用仍受到可靠性、安全性、标准统一性、商业化路径和垂类模型能力不足等因素限制。尤其在医学影像领域，通用多模态能力仍是医疗AI进一步落地的关键短板。

与此同时，AI医学影像的规模化落地仍面临研发、应用和监管三方面挑战。高质量数据、标准化标注、真实场景验证、医生信任和持续监管机制，是行业进一步发展的关键门槛。

白皮书指出，AI医学影像3.0时代的产品研发，不再是围绕单一病种训练一个模型，而是面向多模态、多部位、多病种和完整工作流构建通用智能体系。其核心门槛在于高质量数据资产、专业标注标准、严谨标注流程和权威专家参与。未来AI研发需要以医生真实需求为核心，通过医生、医疗机构与AI平台协同共建，实现AI能力的持续迭代与规模化应用。

展望4.0时代，可被理解为医学影像通用人工智能持续扩展后的理想形态，即能够覆盖影像诊疗全场景、全模态、全病种和全流程的“万能影像Al”。但需建立在3.0时代检查项目级智能不断丰富、迭代和融合的基础之上。

在国际化探索方面，白皮书指出，中国数智医学影像生态已在产品商业化、标准化体系建设和专业服务能力方面形成较为扎实的基础。随着AI医学影像产品持续进入临床、区域影像协同模式逐步成熟，以及远程诊断和信息化基础设施不断完善，中国相关经验具备由单点产品输出向标准、平台和服务能力输出延伸的国际化潜力。