公司动态 - 医渡科技推出的"医渡智循"临床循证智能体已进入内测阶段，该小程序专为临床医生与医学研究者打造，聚焦临床诊疗和科研场景 [1] - 产品正在邀请具备真实执业背景的一线临床医生参与体验与共创，以通过真实场景反馈优化产品临床实用性 [1][2] - 公司计划上线该产品的App版本，以覆盖更多医生 [2] 产品与技术 - 产品核心优势在于构建了"丰富真实的权威数据基石"与"深度理解临床意图的AI引擎" [1] - 数据基石方面：从超4万份指南中精选超3万份权威来源，从超3000万份文献中精选超500万份高质量科研成果，并整合权威医学知识库 [1] - AI引擎方面：通过创新医学语言处理与建模、智能精排与反馈式推理、多维意图理解与PICO拆解等技术，将医疗文档转化为可计算的原子知识，精准识别临床需求并指向循证依据，同时限制AI幻觉 [1] - 产品已通过中山大学肿瘤防治中心等权威机构的临床深度验证，基于10万+真实临床案例验证，与临床实践保持高度一致性 [1] - 在国内外临床评测的权威测试中，其决策水平已接近主任医师级别 [1] 市场定位与前景 - 产品对标OpenEvidence并实现本土化创新 [2] - 当前循证医学在临床决策中的地位日益凸显 [2] - 未来若能切实贴合中国医生工作流程、更紧密融入临床数据并解决真实临床痛点，该产品将有望跑通可持续的商业模式 [2] - 产品有望有效填补国内高质量临床循证AI领域的市场空白 [2]

MedBench多模态医疗大模型评测结果 - MedBench平台于2026年2月7日公布最新多模态大模型评测榜单，数坤科技的数坤坤多模态医学大模型V3以63.6分的综合得分位列第一 [1][3] - V3的表现超越了微医医疗大模型（60.8分）、云知声的UniGPT-Med-VL（59.6分），以及OpenAI的GPT-5-chat-latest（53.7分）、谷歌的Gemini-2.5-Pro（51.9分）和阿里巴巴的Qwen2.5-vl-72b-instruct（48.6分）等国内外通用及垂直领域模型 [2][3][9] 数坤科技V3模型核心优势 - V3模型参数规模为72B，在评测的三大细分指标中，其在“医疗视觉感知与文本提取”（73.4分）和“跨模态语义理解与推理”（51.1分）两项均排名第一，在“临床决策支持与推理”（66.4分）中排名第二，仅次于微医医疗大模型（71.2分）[3][8] - 模型性能提升得益于公司积累的PB级医疗专业数据，以及采用的“医学MDT（多学科会诊）式训练策略”，该策略模拟医生真实诊疗过程，对同一病种的多模态信息进行深度关联学习 [4][11][12] - 公司团队拥有大量具备医学背景的研发人员，能够深入理解不同医学数据（如CT影像与病理报告）之间的关联，这支撑了模型在复杂真实任务（如鉴别诊断、个体化治疗）上的表现 [5][16] 数坤科技在AI医疗领域的积累与市场地位 - 公司成立于2017年，深耕医疗领域8年，已陆续推出超100款数字医生产品组合，产品在超过5000家公立医院和超1000家体检机构日常使用，覆盖了90%的Top 100医院和目标公立三甲医院 [3][17] - 公司是全球首创“数字人体技术平台”的企业，也是国内唯一覆盖影像全模态的AI企业，其技术已渗透到放射、超声、手术等领域 [14] - 公司不仅是业内首个将三维神经网络用于医学图像处理的企业，也是最早从心脏领域切入并实现技术突破的医疗AI公司 [17] 医疗大模型行业发展趋势与竞争壁垒 - MedBench评测体系由上海AI实验室发起，其4.0版本被称为全国首个且唯一面向垂直模型、专业模型和应用场景的医疗大模型评测与验证体系 [5] - 医疗大模型的核心竞争力正从单纯的参数规模与训练算力，转向对真实医疗场景的理解和高质量专业数据的积累 [18] - 医疗大模型应用门槛高，需要医学与AI知识的双重积累，并对模型输出的准确性（减少幻觉）有极高要求，这构成了行业的重要竞争壁垒 [15][16]

公司近期治理与股东动态 - 主要股东主动延长股份禁售期 原定于2025年12月29日到期的禁售期被延长一年至2026年12月29日 期间承诺不减持公司股份 [2] - 延长禁售期的股东合计持有公司H股比例达68.25% 占总股本比例达72.86% 此举被视为对公司长期发展信心的体现 [2] 重大项目与商业模式转型 - 公司于2025年12月以4.28亿元中标国家人工智能应用中试基地（医疗领域基层卫生服务方向）软件服务项目 [3] - 该项目服务周期延续至2028年 要求研发千亿级参数医学大模型并建设医疗数据平台 [3] - 该项目标志着公司从传统软件交付向“模型即服务”（MaaS）商业模式转型 项目执行可能带来持续收入并强化行业地位 [3] 行业政策与市场前景 - 根据国家卫健委等部门政策 如《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》 AI医疗赛道预计在2026年迎来大规模应用浪潮 [4] - 作为基层医疗AI解决方案的领先企业 公司可能持续受益于政策驱动下的订单增长和市场扩张 [4] 业务与技术商业化进展 - 公司基于自研“星火”医疗大模型持续优化产品性能 例如2025年7月升级的X1版本 [5] - 公司在全科辅助诊断、健康咨询等场景保持行业领先 技术已覆盖500余家等级医院 [5] - 技术升级与临床落地可能进一步推动其GBC（政府、医院、患者）商业闭环的变现能力 [5] 公司近期经营业绩 - 2025年上半年公司营收同比增长30.26%至2.99亿元 [6] - 2025年上半年公司净亏损同比收窄42.86% [6] - 2025年全年医疗大模型订单集中落地可能提升公司盈利的确定性 [6]

业绩预告与经营情况 - 公司发布2025年度业绩预告，预计实现归属于上市公司股东的净利润770万元至1000万元，成功实现扭亏为盈 [1][2] - 业绩变动主要得益于海外市场拓展、毛利率提升以及降本增效措施 [2] 股票市场表现 - 2026年2月9日，公司股价上涨5.01%，报收63.08元/股，总市值达到56.92亿元 [3] - 当日成交额为1.04亿元，换手率为2.84% [3] - 此前的2026年2月3日，公司股价也曾上涨5.35% [3] 业务进展 - 公司旗下AI医疗业务与华为联合发布了实体瘤报告辅助评估系统 [4] - 该业务未来有望在更多医疗场景实现规模化落地，反映了公司在业务多元化方面的努力 [4] 机构持仓与资金面 - 截至2025年9月30日，泉果基金旗下的泉果旭源三年持有期混合A基金位居公司十大流通股东，持股338.74万股 [5] - 在2026年2月9日的股价上涨中，该基金当日实现浮盈约1019.62万元 [5] - 截至2026年1月29日，公司融资融券余额合计为4.34亿元，其中融资余额占流通市值的比例为8.39%，处于相对高位 [6]

项目概述 - 项目为“面向胃肠肿瘤诊疗的多模态人工智能标准化数据库”，由华中科技大学附属同济医院牵头，医渡科技提供技术支持 [2] - 项目旨在构建高质量、标准化的胃肠肿瘤全周期数据平台，并开发覆盖筛查、分型到疗效预测的AI辅助诊疗系统 [2] - 项目目标直指提升我国胃肠肿瘤的早期发现率和治疗精准度，推动成果转化 [2] 项目背景与意义 - 项目属于工信部“揭榜挂帅”重大创新机制，旨在遴选团队破解医疗健康领域“卡脖子”难题 [3] - 胃肠肿瘤在我国发病率与死亡率居高不下，早期诊断率低、个体化治疗方案选择复杂、预后评估不准是严峻的临床挑战 [3] - 项目对助力我国抢占该领域全球技术制高点与规则制定权具有深远意义 [4] 技术方案与核心团队 - 项目技术内核在于“多模态”与“标准化”，将整合胃肠镜影像、病理切片、基因测序、临床随访等全维度、全周期数据 [4] - 项目由同济医院消化内科廖家智教授牵头，联合胃肠外科王桂华教授、消化内科刘梅教授及大数据与人工智能办公室陈妍妍教授组成核心团队 [3] - 医渡科技与同济医院将组建医工深度融合的“创新联合体” [4] 项目目标与规划 - 在项目实施周期内，联合体计划完成数万例高质量病例数据的汇聚与治理 [4] - 计划开发覆盖胃肠肿瘤早期筛查、精准分型、疗效预测及复发风险评估等多个关键场景的AI算法模型，并推动其向医疗器械产品转化及临床应用 [4] - 双方还将制定多项胃肠肿瘤AI诊疗相关的临床应用指南与行业标准，并培养兼具临床医学背景和数据科学能力的复合型人才 [4] 公司能力与行业影响 - 医渡科技在AI医疗领域积累丰富，截至2025年9月30日，已服务全国127家知名医疗机构 [5] - 公司“AI医疗智能大脑”YiduCore已累计处理分析近70亿份经授权的医疗记录，覆盖医院合作网络超10,000家 [5] - 行业分析认为此次合作是“临床需求牵引、AI驱动研发、产学研用协同”创新模式的生动实践，有助于提升我国胃肠肿瘤整体诊疗水平 [5] - 该项目探索出的数据治理标准、AI研发路径和临床应用范式，有望复制和推广至其他重大疾病领域 [5]

南向资金持股动态 - 2026年2月6日，南向资金增持讯飞医疗科技7.52万股，持股变动幅度为1.40% [1] - 近5个交易日内，南向资金有2天为净增持，累计净增持14.03万股 [1] - 近20个交易日内，南向资金有12天为净增持，累计净增持166.12万股 [1] - 截至2026年2月6日，南向资金合计持有公司543.78万股，占公司已发行普通股的7.02% [1] 近期持股变动详情 - 2026年2月6日，持股总数543.78万股，较前一日增持7.52万股 [2] - 2026年2月5日，持股总数536.26万股，较前一日减持9400股 [2] - 2026年2月4日，持股总数537.21万股，较前一日减持7.03万股 [2] - 2026年2月3日，持股总数544.24万股，较前一日减持4.92万股 [2] - 2026年2月2日，持股总数549.15万股，较前一日增持19.40万股，变动幅度为3.66% [2] 公司业务概况 - 公司是一家提供人工智能赋能医疗解决方案的中国公司 [2] - 公司业务分为四大业务线：基层医疗服务、医院服务、患者服务及区域管理平台解决方案 [2] - 基层医疗服务业务线包括智医助理及慢病管理 [2] - 医院服务业务线包括智慧医院解决方案和诊疗助理 [2] - 患者服务业务线包括智慧医院患者服务与诊后管理、影像云平台以及医疗器械 [2] - 区域管理平台解决方案业务线包括智慧卫生解决方案和智慧医保 [2] - 公司主要在国内市场开展业务 [2]

核心观点 - 花旗维持医渡科技“买入”评级，目标价上调至11港元，预计潜在涨幅超96% [1] - 公司作为国内AI医疗领军企业，凭借政策支持、行业积累和全场景布局，在医疗AI基础设施建设中占据核心地位 [1] 政策与市场环境 - 国家大力推进“人工智能+医疗健康”，政策明确2027年前建成多个国家级试点基地、2030年实现二级以上医院AI技术广泛覆盖 [1] - 政策为公司业务扩张提供了明确的增长路径 [1] 业务布局与市场地位 - 公司深度嵌入北京、河南等地的国家级AI医疗应用试点基地项目 [1] - 公司打造了医生Copilot等产品，显著提升医疗机构运营效率并减轻医护人员负担 [1] - 公司拥有面向C端的微信小程序“医渡千愈”，在花旗测试中其准确性与可追溯性表现突出，与蚂蚁阿福、讯飞晓医等同处第一梯队 [1] - 公司形成了To-G（面向政府与医院）与To-C业务的协同布局 [1] 核心竞争力与数据优势 - 公司在医疗数据治理与知识构建方面有深厚积累 [2] - 公司处理的数据规模庞大且源自顶级医院合作，数据质量与权威性构成独特优势 [2] - 基于真实世界高质量数据训练的能力是医疗AI模型实现精准诊断与辅助决策的基石 [2] 财务预测与盈利能力 - 面向政府和医院的业务板块展现出更可预见的盈利能力，直接受益于医院AI预算提升与国家级项目招标 [2] - 基于稳固的To-G业务模式及清晰增长路径，花旗上调财务预测 [2] - 预计公司大数据平台收入将在2026财年与2027财年分别实现17%和30%的同比增长 [2] - 公司有望在2026财年达到盈亏平衡 [2]

南向资金近期交易动态 - 2月5日南向资金减持讯飞医疗科技9400股 [1] - 近5个交易日中有2天获南向资金增持累计净增持10.45万股 [1] - 近20个交易日中有12天获南向资金增持累计净增持163.4万股 [1] 南向资金持股情况 - 截至目前南向资金持有讯飞医疗科技536.26万股 [1] - 南向资金持股占公司已发行普通股的6.93% [1] 公司业务概况 - 讯飞医疗科技是一家主要从事提供人工智能赋能的医疗解决方案的中国公司 [1] - 公司基层医疗服务业务线包括智医助理及慢病管理 [1] - 公司医院服务业务线包括智慧医院解决方案和诊疗助理 [1] - 公司患者服务业务线包括智慧医院患者服务与诊后管理影像云平台以及医疗器械 [1] - 公司区域管理平台解决方案业务线包括智慧卫生解决方案和智慧医保 [1] - 公司主要在国内市场开展业务 [1]

国家战略与政策体系 - 国家已构建“顶层设计+专项落地+全链条支撑”的政策体系，将AI+医疗健康作为数字经济与民生保障深度融合的核心方向，推动产业从试点探索进入规模化落地的加速阶段 [1] - 政策围绕基础设施、监管治理、支付机制、场景应用、产业融合五大维度形成闭环，为AI技术在医疗健康领域的创新与落地提供明确指引和坚实保障 [1] - 上海出台全国首个省级医学AI专项工作方案《上海市发展医学人工智能工作方案（2025-2027年）》，致力于打造国内领先、国际知名的医学AI发展高地 [7] 基础设施与监管治理 - 国家以标准化建设为核心，推动医疗健康数据互通与智慧医院建设，出台《关于加强全民健康信息标准化体系建设的意见》等文件，为AI应用奠定基础 [2] - 通过《公立医院高质量发展促进行动（2021-2025年）》，鼓励有条件的公立医院加快应用智能可穿戴设备、人工智能辅助诊断和治疗系统等智慧服务软硬件 [2] - 2021年《人工智能医用软件产品分类界定指导原则》首次明确AI医用软件的分类与监管要求，根据产品预期用途、算法成熟度等因素将其分为二类或三类医疗器械 [3] 支付机制与商业化 - 2024年11月，国家医保局首次将“人工智能辅助诊断”纳入医疗服务价格项目立项指南，为AI服务的成本核算与价值变现提供了政策依据 [4] - 2025年《医药工业数智化转型实施方案（2025-2030年）》明确提出深化人工智能赋能应用，支持医药大模型技术产品研发 [4] - 《关于全面深化药品医疗器械监管改革促进医药产业高质量发展的意见》优化了医疗器械标准体系，为AI医疗产品的医保准入、付费模式创新创造了有利条件 [4] 应用场景与产业融合 - 2024年《卫生健康行业人工智能应用场景参考指引》聚焦人工智能与医疗服务管理、基层公卫服务、健康产业发展、医学教学科研四大领域，明确84个应用场景 [5] - 政策鼓励AI技术与医药制造、医疗康养等产业深度融合，构建多元化创新生态，推动AI在预防、诊疗、康复、健康管理等全链条的连续智能服务 [6] - 上海方案明确了医学AI的六大重点发展领域，包括临床医疗、医疗管理、公共卫生、医保监管、药械研发、中医药，覆盖全链条场景 [10] 企业发展核心诉求 - 企业的核心诉求高度集中于场景、数据、算力三大核心要素，其供给质量直接决定了AI技术的落地效率与商业价值转化能力 [12] - 企业希望政府、医疗机构能开放更多高价值场景，尤其是三级医院的专科临床场景、基层医疗的慢病管理场景、公共卫生的应急响应场景等 [14] - 企业迫切需要建立统一的医疗数据共享与流通机制，例如由政府牵头构建行业级专科数据集、跨机构数据共享平台，并明确数据脱敏、隐私计算的技术标准与合规路径 [16] - 企业希望政府牵头建设集约化算力供给平台，例如市级智算中心，通过“算力券”“集中调度”等方式降低算力使用成本，并对初创企业、中小微企业给予算力补贴 [17] 企业出海趋势与路径 - 出海已成为AI+医疗健康企业的重要战略选择，AI+医药研发以“授权出让+自主出海”为核心模式，AI+医疗器械则通过“远程手术突破+整体方案输出+因地制宜布局”三策并进 [18] - AI+医药研发的授权出让模式核心优势是“卖成果、换现金流”，适合资金相对受限的初创企业；自主出海模式核心优势是“建立自主体系、掌握核心权益”，适合成熟企业 [19][20] - 核心出海区域主要集中于国际药企聚集地，以美国、欧洲为主 [20] - 微创实施1.2万公里全球最远远程手术、中东第一例超远程手术 [25] - 一脉阳光与医思健康达成联盟计划推动香港影像中心落地 [27] - 傅利叶与马来西亚PERKESO合作落地首个伽利略系统 [29] 中美企业能力对比 - **AI+医学影像**：中国上市公司3-4家，独角兽0-1家（截至2024年底），拿NMPA三类证35-40张（2024新增）；美国上市公司3-4家，独角兽2-3家，拿FDA 510(k) 110-130张（2024新增） [30] - **AI+药物研发**：中国上市公司1家，独角兽3家，约7-8个分子进入临床（公开项目）；美国上市公司2-3家，独角兽2家，约18-24个AI分子进入临床 [30] - **手术机器人**：中国上市公司2家，独角兽暂无，拿NMPA三类证8张，累计装机300-450台；美国上市公司5家，独角兽暂无，拿FDA 510(k) >25张，累计装机6500-7000台 [30] - **智能可穿戴设备**：中国上市公司2家，独角兽2-3家，设备<1000万台（医疗级），拿NMPA二类证80-100张；美国上市公司暂无，独角兽3家，设备500-800万台（FDA认证医疗级），拿FDA授权数量>80张 [30] - **数字疗法**：中国上市公司暂无，独角兽暂无，无明确数字疗法路径，含慢病管理软件二类证约25-30张；美国上市公司1家，独角兽1-2家，FDA批准DTx 15-18款 [30] 医疗大模型发展趋势 - 自2024年起，医疗大模型应用进入垂类深耕阶段，专病专科大模型成为布局热点 [34] - 截至2025年4月，国内百强医院大模型部署率达98%，33%的医院开展垂类大模型开发 [34] - 肿瘤是最活跃的布局方向，占比达22.2%，儿科、心脑血管疾病次之，占比均为18.5% [34] - 院企共建是主流开发方式，44%的专病专科大模型采用“医院+企业”联合开发模式 [34] - 通过引入权威来源的医学证据优化模型输入，并将查询转化为结构化医学问题，能够克服缺乏医学语义理解、无法辨别文献可靠性等问题 [37] - 通过将检索到的数据按照逻辑因果链组织，判断回答是否遵循已知证据，并引入奖励机制，使得模型句句有据，可回溯、可验证 [38] - 京东健康自研医疗大模型“京医千询”迎来2.0版本升级，通过循证医学与患者数据深度结合 [40] - 卫宁健康发布轻量级、循证强化的医疗大模型WiNGPT3.5-Turbo [41] - 百川智能发布循证增强医疗大模型Baichuan-M2 Plus，其医疗幻觉率相比通用大模型有显著降低 [43] 医疗智能体发展 - 医疗智能体进入“三层并进”爆发期，包括数字医生AI分身、专科智能体、医院智能体三个层次 [44] - 数字分身已率先规模化，专科智能体处于验证期，医院智能体仍在概念中 [44] - 蚂蚁集团“AOAPP”覆盖近200个名医AI分身 [44] - 讯飞医疗“冀脑方舟”脑出血专病大模型、仁济医院泌尿专科智能体是专科智能体代表 [44] - 三种层次智能体终局将走向融合：专科智能体为核心+数字分身为交互界面+医院智能体为基础设施 [44] - 当前，智能体主流应用整体仍处于“L2向L3过渡”阶段 [44] 具身智能与未来展望 - 具身智能以机器人、机械臂等物理载体为核心，实现了人工智能从“数字虚拟服务”到“物理实体干预”的关键跨越 [45] - 约翰霍普金斯大学团队自主手术机器人在无人操作干预的条件下成功完成了对猪胆囊切除的软组织操作 [49] - 英国帝国理工学院开发AI超声机械臂，能够在产科检查中自主扫描并识别胎儿图像，目前已启动多中心验证试验 [51] - 展望未来，具身智能将与大模型、脑机接口深度融合，成为链接数字世界与物理世界的桥梁 [53] 产业价值重构与模式变革 - 人工智能技术从运营、市场、要素、普惠四个核心维度重构医疗健康产业价值，实现全链条提质增效 [54] - 医疗服务模式正从以医院为中心的“医院信息系统（HIS）”时代，迈向以个人健康为中心的“个人健康信息系统（PHIS）”时代 [56] - 未来医院将具备三大核心功能：临终关怀、手术诊疗、身体检查（进行CT、磁共振等大型诊断设备检查） [58][60][62]

文章核心观点 - 行业专家普遍认为“AI+医疗”应遵循“用其长、防其短”的原则，明确AI作为辅助工具的定位，绝不能替代医疗从业者，同时需加快完善全链条动态监管机制以应对风险与伦理挑战 [1][2][10] “AI+医疗”应用边界与定位争议 - 争议源于医疗行业“安全优先”的本质与AI技术“快速迭代”特性间的矛盾，核心问题包括价值导向（优先医生培养还是患者获益）、角色定位（效率工具还是潜在主导者）以及风险管控策略 [2] - 有观点反对年轻医生系统性依赖AI，担忧其临床思维训练受阻或被误导，但反对意见认为若AI能实质性帮助患者则不应拒绝使用，医生的成长不应以当前患者为代价 [1] - 专家强调AI的核心边界是“建议权而非决策权”，AI可提供数据支持、诊断参考和风险预警，但最终诊疗决策必须由医生结合患者具体情况作出 [4][5] 行业发展现状与政策支持 - 截至2025年12月5日，累计已有207款人工智能医疗器械获得国家三类医疗器械注册证，AI在生物制药、辅助诊断等领域步入成熟阶段 [3] - 2024年11月，国家卫健委等部门联合印发指引，明确了4大领域13个细分板块共84个“AI+医疗”应用场景，2025年10月再发实施意见，锚定8大重点方向推进落地 [3] - “AI+医疗”被视为医疗技术数字化升级的必然趋势，本质是优化服务流程、弥补资源短板，是医疗体系的重要补充而非替代 [3] 风险与伦理挑战 - 行业面临的核心风险点集中在数据、算法和安全三大维度，数据方面存在隐私泄露隐患及同质化严重、缺乏小众病数据的问题，算法方面存在由数据偏差导致的诊疗偏见和不可解释的“黑箱”问题，性能稳定性在复杂临床场景中易波动 [7] - 伦理挑战包括：可能侵犯患者知情权与选择权；训练数据源可能导致对罕见病、小众人群的算法偏见，造成医疗服务不公平分配；优质AI产品集中于头部机构可能加剧医疗资源分化，拉大基层与三甲医院差距；过度依赖AI可能弱化医患沟通与人文关怀 [8] - 中邮证券预测，“AI+医疗”解决方案的全球市场规模将从2022年的137亿美元增至2030年的1553亿美元，复合年增长率为35.5%，到2030年中国市场有望达到168.3亿美元，行业存在爆发式增长机会 [6] 监管与规范建议 - 当前监管对AI医疗特有的算法“黑箱”、持续迭代、责任链复杂等问题缺乏精细化、动态化的管控机制，需加强产品上市前测评（尤其是医疗大模型）、建立动态监管机制以及完善隐私保护 [10] - 建议加快补齐监管空白，出台AI医疗责任界定、算法审查等专项规则，搭建跨部门协同监管平台，实现从准入到退出的全链条动态监管，并加强基层AI应用监管 [10] - 具体监管措施建议包括：按产品风险等级分类管理，对高风险产品严格准入并强化全流程监测；建立算法备案与审查机制，明确责任划分规则，搭建风险预警平台；建立监管沙盒机制，允许创新型产品在可控范围内试点 [11] 人才培养与使用机制 - 为避免医生对AI的过度依赖，需建立“医生主导、AI辅助”的使用机制，医院应制定差异化使用规范，要求医生对AI输出结果进行复核，不能直接照搬AI建议 [5] - 在人才培养中，应强化临床思维和疾病认知推理能力，将AI作为夯实专业根基、锤炼思辨能力的助力 [5] - 建议从制度约束、认知提升、技术倒逼等多维度构建“医生主动判断、AI辅助参考”的临床使用机制，并建立AI使用的追责与溯源机制 [5]