数坤把大模型和智能体开进社区医院：日均千人次接诊量的基层场景里，AI从看片工具变成全场景搭子
9月18日湖南省人工智能+医疗卫生应用大赛决赛收官，数坤科技联合湘江新区麓谷街道社区卫生服务中心等打造的AI赋能基层医疗全场景智慧服务体系从192个项目中获一等奖。这家从冠脉AI起家的公司正把多模态大模型、数十个医疗智能体与AI原生PACS/HIS沉到日均接诊约1000人次的社区医院，转型城市级健康AI基础设施。
医疗AI下沉的及格线：不是装进社区医院，而是接住每天一千人次的真实流量
影响分析视角 × AI技术供应商·创业者 ｜ 趋势前瞻 × 医院信息化·临床医生 ｜ 行业观察
**9月18日，湖南省人工智能+医疗卫生应用大赛决赛在长沙收官，全省192个项目经多轮评审仅评出8个一等奖，其中一个落在了一家日均接诊约1000人次的社区医院。**数坤科技联合湘江新区麓谷街道社区卫生服务中心、湖南长信畅中打造的AI赋能基层医疗全场景智慧服务体系位列一等奖。医疗AI讲了多年下沉，这一次，评委们把票投给了真实流量。
开场：192个项目里的8个一等奖，落地在一家社区医院
这场比赛由湖南省卫健委主办、六部门联合参与，规格不低。192个项目里只评出8个一等奖，获奖比例约百分之四，竞争的密度可想而知。但比奖项本身更值得注意的是获奖项目的落点——不是三甲医院，不是省级平台，而是湘江新区麓谷街道社区卫生服务中心，一家日均接诊约1000人次的社区医院。
**这个选择本身就是信号：医疗AI的评价坐标正在从演示厅转向门诊大厅。**社区医院的一天没有彩排，高血压复查、糖尿病随访、拍片判读、公卫表格挤在一起，系统但凡卡一下，医生的第一反应就是关掉它。能在一千人次里站住，比在评审会上讲清楚难得多。
对行业而言，这意味着基层AI的及格线被重新定义了。装进去只是入场券，接得住流量才算及格。
四层架构：大模型怎么装进日均一千人次的基层
接住这一千人次的是一套四层架构。底座层是自研多模态医疗大模型，以医学影像与临床文本双模态理解为基础；适配层基于基层本地化专病数据微调，针对高血压、糖尿病、慢阻肺等基层高发病深度适配，并经RAG动态挂载国家诊疗指南与公卫规范；能力层编排影像、超声、诊疗、专科、中医、服务、管理等数十个医疗智能体；应用层则嵌入基层检查判读、辅助诊断、慢病管理、公卫服务等业务场景，形成闭环。
**这套架构的关键不在“大”，而在“适配”。**基层不缺通用能力，缺的是对本地疾病谱和本地流程的贴合。专病数据微调解决“看得准本地病”，RAG挂载指南解决“说得有依据”，智能体编排解决“接得上杂事”——社区医院的业务杂，恰恰是单点工具的死穴。
AI原生与外挂式的分野：谁在跑流程，谁在做决策
与四层架构配套的是一条AI原生路线：AI PACS与AI HIS直接长在医生工作流里，病历质控、用药审核、随访任务在后台自动完成，医生无需切换软件。
这听上去像体验优化，实际是路线分野。过去外挂式AI的用法是：医生切换软件、手动录入、再把结果抄回病历——AI每帮一次忙，医生多打三份工。现在的目标反过来：AI在跑流程、人在做决策。
**外挂式AI把医生变成数据搬运工，AI原生把AI变成流程的执行者。**前者卖得出去、留不住；后者难在要动医院的底层系统，但一旦长成，替换成本极高。对技术供应商来说，这是护城河；对医院信息化决策者而言，这是选型时最该问清的问题——你买的是挂在墙上的工具，还是长在流程里的能力。
从冠脉AI到世界模型：一家老玩家的三次换轨
数坤科技是医疗AI的老玩家。公司从冠脉AI起步，产品已服务全球5000多家医院；据企查查9月26日更新的公司信息，已获11项NMPA三类医疗器械注册证、13项二类证、4项欧盟MDR CE认证与2项美国FDA认证，为全球在心、脑、胸三个关键治疗领域同时拥有NMPA三类证和CE认证的医疗AI企业。学术侧，公司在JAMA、Radiology等国际顶刊累计发表论文突破500篇。
第一次换轨是从单点影像AI走向大模型：自研医疗大模型已迭代至多模态医疗大模型5.0，并在中文医疗大模型评测平台MedBench拿下多模态大模型与智能体双榜第一。9月4日上海医学影像AI学术会议上，公司发布CT全胸智能体与DR全身智能体，前者覆盖80余项异常识别，后者可检出200余种疾病，并在会议人机读片大赛中获见所未见勇气证书。
第二次换轨指向前沿：医疗健康世界模型乾坤，让AI学习患者状态随时间的演化规律，具备预测、反事实推演与诊疗规划能力；创始人、董事长毛新生透露将于近期发布医学世界模型。第三次则是定位之变——**从卖单点工具的厂商，转向城市级医疗健康AI基础设施的建设者，参照系从影像AI同行变为大模型公司。**这次社区医院的一等奖，正是这条新参照系下的第一份基层答卷。
冷静观察：基层的真实考卷是留存率，不是装机量
需要泼一盆冷水：一等奖和装机量都不是终点。基层信息化史上，装进去又落灰的系统不计其数，医生首日好奇、首月弃用的案例比比皆是。基层AI的真实考卷是留存率——三个月后医生还在不在用，随访任务是不是真的在后台跑完，慢病管理的闭环有没有合拢。
其次，样本的代表性要打折扣。麓谷街道是长沙湘江新区的样本点，其信息化基础、财政能力和组织执行力在社区医院中并不具有普遍性。从一家日均一千人次的社区医院，到千万家水平参差、数据基础薄弱的基层机构，中间隔着微调数据的积累、部署成本的摊薄和运维体系的搭建，每一道都是慢功夫。
更深一层的连锁反应在于参照系切换带来的竞争升级。当医疗AI公司的对手从影像AI同行变成大模型公司，比拼的就不再是拿证数量和单点精度，而是底座模型的迭代速度、智能体生态的厚度，以及把世界模型这类前沿能力翻译成基层可用产品的工程力。对临床医生和医院信息化负责人而言，选型逻辑也要跟着变：别问演示效果，问日活；别问装机量，问留存。及格线已经画下，接下来看谁能在流量里站满一年。
原文链接：健识局
千方医数集编辑部 出品
