AI Hangzhou 2027杭州人工智能展（医疗健康展区）里，最常被追问的不是模型准确率，而是“识别完之后谁来签字”。展品覆盖医学影像、辅助诊断、健康管理、药物研发等应用，观众的讨论焦点集中在临床验证、数据合规和医生使用体验三件事上。技术演示只占展台时间的一小部分，更多时间花在解释审批资质、接口对接和上线后的复核机制。
展区亮点：四个环节，四种产品形态
医学影像辅助仍是展区体量最大的一块，肺结节、眼底、病理切片、骨龄等方向各有专台。产品形态已经趋同：在医生阅片工作站旁挂一个窗口，把可疑病灶按风险排序，医生确认或否决。演示的重点从“检出率”转向“排序是否让人愿意点开”。
智能预问诊与随访管理是另一条线。前者在挂号后、就诊前采集主诉和病史，生成结构化病历草稿；后者在出院后自动推送提醒、收集症状并预警异常。这两类产品的价值不在诊断，而在把医生和患者之间的信息传递整理成可追溯的记录。
药物研发与科研辅助工具则更偏后台。分子生成、蛋白结构预测、文献与试验数据整理，面向的是研发团队而非临床科室。展台工作人员通常先问一句“你们的数据在哪个系统里”，因为这类工具的效果高度依赖院内数据能否合规取出。
临床价值：省下的是重复劳动
已经跑通的项目，收益大多落在效率而非精度上。筛查环节把可疑片子排到前面，医生读片顺序变了，漏读率随之下降；随访环节用自动提醒替代人工电话，依从性数据变得连续；科研环节把病历结构化，回顾性研究的准备时间从数月压缩到数周。这些收益可以被量化，也更容易进入医院的采购论证。
相对地，那些宣称能独立给出诊断结论的产品，在展台上反而谨慎。多数厂商主动把定位收窄为“辅助”，因为一旦越界，产品属性就从工具变成了需要独立审批的医疗器械。
第一道是适应证与资质。面向临床的 AI 产品需按管理类别取得相应审批，功能范围写进注册证，超出范围使用即属违规。第二道是责任归属，AI 给出提示、医生做出决策，责任链条必须在流程里写清楚，并且留痕。第三道是数据，患者数据出院要脱敏、要授权，训练数据的来源合法性在检查中越来越被看重。
可解释性是常被提及但难落地的一项。医生不一定需要理解模型内部，但需要知道“这个提示依据的是哪几个特征、在什么情况下不可靠”。做不到这一点，工具就会被医生绕开。
医院不是装一个软件就结束的环境。产品要接入 HIS、PACS、RIS，要过信息科的安全评估，要经伦理委员会审议，还要在上线后持续监测数据漂移——设备换了、扫描协议改了、人群结构变了，模型的表现都可能下滑。因此，能否提供上线后的复核与再训练服务，正在成为采购时的加分项。
医疗 AI 的新闻点不在“替代医生”，而在能否安全嵌入临床流程并接受持续验证。展会现场那些把审批、接口、复核讲得最清楚的展台，往往也是医院代表停留最久的地方。
