如果医院自己造AI，那IVD企业还需要做啥？

写到这里，比较关心的是：为什么是医院来做？是否意味着医疗AI企业在此领域“少有布局”？

事实上，这也是临床场景的特殊性决定了医院必须深度介入。DeepRare的研发依托新华医院——上海市罕见病诊治中心，累计接诊罕见病例超90万人次，是亚洲单中心诊疗体量最大的中心之一。这种级别的临床数据积累，是任何外部企业难以在短期内获得的。

第二个是可验证性，DeepRare之所以能登上《Nature》，关键突破在于其“白盒推理”能力——诊断结论可溯源至具体文献、段落和图表。这种对临床可信赖性的极致追求，需要医生深度参与产品定义和验证，而非简单的“技术外包”。

当然，上述这些，这并不意味着企业角色不重要。实际上，医疗AI企业布局同样密集：润达医疗已形成50余款医疗AI智能体产品，服务全国300余家医院；讯飞医疗AI诊疗助理累计完成12.3亿次辅助诊断。

医院做的是“从0到1”的原创新品，企业做的是“从1到N”的规模化落地——两者是互补而非替代关系。

诊断智能体还在优化、更迭中，现阶段可以说是从“辅助工具”升级为“临床协作者”，但要充这个新角色，使得名副其实，还需要时间。

目前， DeepRare 2.0已不仅是报告生成器，而是能主动进行“假设—验证—自我反思”的迭代推理。因此，可以确定的是：检验数据的价值不再止于报告单上的数值，而将成为智能体推理链条中的关键证据节点。IVD企业若不能融入这一推理链条，可能面临“数据孤岛”风险。

此数值非彼数值，这样理解可能就比较清楚。

此次，由医院“崭露头角“，说明“医院+高校+企业”的新三角协同模式正在成型，例如： DeepRare的路径清晰：新华医院提供临床场景和数据→交大人工智能学院提供算法→观壹智能负责商业化；RuiPath则是瑞金医院+华为的组合。这种模式正在加速“书架上的论文”变成“货架上的产品”。

对IVD企业而言，再次明确了未来的竞争不仅是产品性能的比拼，更是能否嵌入这一协同网络的能力较量。

还有一点是，行业竞争正从“技术竞赛”转向“落地能力竞赛”。当前医疗AI最大的鸿沟已不是模型能力，而是医院现有体系“接不住”智能体。未来谁能够率先帮助医院构建Agent-ready的能力体系，谁就能占据先机。

因此，单纯提供检测设备和数据已不够，还需要提供让数据“活起来”的智能体接口。

回到开篇那个问题：如果医院自己造AI，IVD企业还需要做啥？答许并非“无事可做”，而是“需要做得更专、更深、更细”。

当DeepRare 2.0和RuiPath将诊断推向“白盒推理”与“溯源循证”的新高度时，检验数据的价值正被重新定义——它们不再只是报告单上的数值，而是智能体推理链条中不可替代的“证据节点”。医院和高校之所以走向前台，并非因为企业缺位，而是因为临床场景的复杂性与数据壁垒，决定了诊断AI的原创突破必须发生在“离病人最近的地方”。

但这种“从0到1”的突破，需要“从1到N”的规模化、产品化、服务化能力来承接，而这正是IVD企业的核心战场。

注：本文内容仅供行业动态参考，不构成任何投资建议或临床医疗决策依据。