9月22日至23日，第四届香港具身智能医疗（885402）科技论坛在香港科学园举行，论坛重点探讨人工智能（885728）与机器人前沿技术在临床中的实际应用。
《每日经济新闻》记者在现场采访获悉，多位来自各地医院（884301）的院长所描绘的人工智能（885728）在医院（884301）应用的真实图景，与当下AI医疗在资本端的热度形成了反差。中国科学院香港创新研究院人工智能（885728）与机器人创新中心主任刘宏斌坦言：“今天大家谈AI医疗，医院（884301）也在尝试应用，但目前还未能在医院（884301）整个工作流普及。”
资本在加速涌入，医院（884301）在谨慎观望。当技术已经跑在前面，数据主权、投资回报和责任归属这三道门槛，正在决定谁能真正跨过从“样板间”到“手术室”的最后一步。投入之辩：技术升级不能脱离经营现实，商业价值与社会价值如何平衡
AI医疗硬件与软件系统往往意味着高额前期投入，不同医疗机构评判技术是否值得引进的底层逻辑出现明显分化。作为高端私立医疗机构，港怡医院（884301）执行总裁曾庆廉直言，对私立医院（884301）而言，投资回报是绕不开的硬指标。
“每一台仪器，每一个AI部门，都要从投资回报的角度去考量。”曾庆廉表示，私立医疗机构看待AI引入，首先会核算设备与系统的投入产出，其次看AI能否优化医院（884301）繁琐流程、提升运行效率。同时，不能只盯着经营收益，也要看到AI在疾病筛查领域的社会价值。“如果只看医院（884301）盈利的话，就是不够。医院（884301）发展不能只聚焦简单手术、普通常见病，疾病筛查这类公共价值同样需要纳入考量。”
公立体系同样开始强化投入产出意识。香港中文大学医院（884301）行政总裁钟健礼回顾自身从业经历谈到，过去财政资源充足阶段，医院（884301）推进AI项目的资金约束相对宽松。但进入新的运营环境，则需要评估AI项目能否给患者带来实际价值，思考业务流程能不能适配新增AI工具。“智慧医院（884301）不只是单纯的技术叠加，而是智慧医疗、智慧照护、智慧管理三位一体的体系变革。AI不是作为独立大项目集中上线，而是一点点渗透到筛查、检查、手术、行政管理每一个角落。”
基层医疗机构则坚持更加审慎的落地策略。深圳市罗湖区人民医院（884301）执行院长熊奕所在的罗湖医院（884301）集团，搭建医院（884301）—社康一体化网络，每年接待超10万人次香港跨境就诊患者。该院已经落地胎儿超声AI辅助系统、AI导诊等应用，部分香港孕妇专门慕名前来接受AI辅助超声检查。即便已经收获不错用户反馈，熊奕依然坚持“成熟一个，使用一个”的原则。
产业层面，大量产品宣称具备强大临床能力，但医院（884301）采购后，往往会遇到流程不兼容、医生学习成本高、持续运维成本高等隐性成本。刘宏斌在会后采访中表示，未来医疗AI产品需要医院（884301）和企业共同设计产品形态，要把医疗机构的诉求前置到产品研发阶段，而不是技术做好之后再推销给医院（884301）。生态之困：医工融合不是简单合作，数据质量与风险责任才是最大堵点
行业普遍将医工融合视作医疗AI破局关键，但圆桌现场多位院长坦言，医工融合的真正难点不在于科学家和医生坐在一起开会，而是两套完全不同的思维体系如何对齐目标，尤其当AI输出结果出现偏差，医疗事故责任如何划分，成为悬在行业头顶的现实难题。
广东三九脑科医院（884301）作为华南大型脑科专科医院（884301），拥有病种集中、临床数据深度更高的天然优势，相比综合医院（884301）单一科室，更有利于AI模型快速迭代训练。广东三九脑科医院（884301）院长蔡林波指出，即便拥有丰富的病例资源，历史沉淀的临床数据距离AI模型训练要求的标准化数据依然存在不小差距，需要持续对海量门诊、住院、手术病例做标准化治理。但比数据质量更棘手的，是风险责任的归属。
“一堆搞人工智能（885728）的工程师、科学家和一堆临床医生，是完全不同的两个大脑。”蔡林波直言，如果AI用于影像辅助阅片，出现判断偏差风险尚且可控；如果应用到手术路径规划、放疗方案设计等高风险场景，一旦发生不良事件，就会出现责任推诿的现实隐患。“出了问题，医生会不会归咎于大模型输出错误？科研人员会不会认为这是医生临床使用的责任？这个问题如果不解决，会实实在在阻碍AI走向临床。”
康复领域同样面临相似困境。中山大学附属第三医院（884301）康复医学科主任胡昔权表示，脑机接口（886047）、外骨骼机器人结合AI已经开展不少临床小样本单中心研究，能够实现运动意图识别、闭环康复训练，现有试验已经观察到阳性结果。但是现有证据还不足以改写临床诊疗路径。康复AI一大潜力在于优化传统评估手段，传统量表敏感度不足，未来借助传感器（885946）结合AI可以捕捉患者主动发力、代偿动作等细节，但前提需要大量标准化康复数据支撑模型迭代。
“医疗行业容错空间极低，核心诊断类AI我们现阶段很少大规模投入。一旦出错，责任由谁承担？”熊奕说，现阶段基层医疗机构更多把AI用于流程优化、改善就医体验，至于高风险诊断类应用，要等待技术充分成熟再逐步推开。
港大牙医学院院长金力坚提出一个趋势预判：未来人工智能（885728）会如同今天的互联网，逐步融入日常，未来行业甚至不会刻意强调“AI”概念。口腔领域的构想是依托手机、平板等简易终端搭载AI，推动普通民众居家完成口腔健康初筛，打通临床诊疗、科研、社会公共健康服务。而这一愿景落地，同样离不开高质量口腔数据集的持续积累。方向之辨：技术如何适配真实医疗体系，如何做到权责明晰
责任归属是整场论坛中最为尖锐的一个问题，也是决定AI能否从“辅助工具”升级为“临床决策参与者”的关键门槛。
论坛现场，多位院长也形成统一共识，AI只能作为医生的辅助工具，所有AI输出结果，都必须经由临床专家复核确认，不存在AI独立替代临床从业者的可能性。但现实制度层面，完整清晰的AI医疗事故责任划分细则仍然缺位，成为高悬在赛道之上看不见的天花板。
中国科学院香港创新研究院研究员易东介绍，目前垂直医疗领域多模态智能体CARES4.0，已经覆盖智能诊疗与辅助决策、手术视频语义理解与风险预警、三维影像快速重建、临床数据自动化治理以及慢性病动态管理等功能，目标是贯穿医生完整工作链路，已在多家三甲医院（884301）展开落地验证。
在制度层面，责任归属的空白正在被正视。中华医学会放射学分会主任委员陈敏曾在采访中指出，权责归属问题是AI医疗规模化落地过程中必须解决的制度难题，未来需出台配套法律法规，明确责任边界。这意味着，在制度尚未明确之前，AI只能在辅助的定位下运行，而辅助与决策之间的距离，恰恰是商业化价值最大但也最难跨越的那一段。
从产业端看，技术赋能医疗已经形成完整的医工转化链条。刘宏斌在接受《每日经济新闻》记者采访时介绍，中国科学院香港创新研究院一方面承担香港本地创新任务，同时通过孵化企业、对外承接企业定制研发、孵化公司反哺科研的模式探索商业化，分别面向神经外科、狭窄空间手术机器人赛道。但他并不认为未来三年会出现某单一赛道爆发式增长，更大概率是百花齐放，AI逐步渗透医院（884301）管理、护理、诊断、院后管理全流程。
论坛现场的讨论也折射出整个行业的转型信号，医疗AI产业正在告别唯技术论的时代。过去资本更加关注模型参数、技术指标，而医院（884301）端给出评判标准——回归医疗本质：能不能改善临床工作流、能不能控制综合成本、风险责任如何处置、合规框架是否可行。技术本身已经不再是最大短板，如何让技术适配真实医疗体系、权责明晰，才是接下来行业要啃下的硬骨头。
