对标自动驾驶分级，AI医疗赛道目前整体仍处于L1到L2的“辅助驾驶”阶段，距离L3以上的“系统监督环境”尚有距离。在辅助诊断、远程监护、虚拟助手等细分赛道中，头部玩家已凭借AI大模型能力与临床场景切入占据先发卡位，但没有任何玩家能脱离人类医生的监督独立完成诊疗闭环——这正是AI医疗与自动驾驶在分级逻辑上最本质的差异。
以自动驾驶分级为参照：AI医疗的“等级”坐标
在《深度医疗》的框架中，埃里克·托普将自动驾驶汽车与人工智能的医学实践相提并论。目前理想条件下自动驾驶汽车已达到L3水平，而AI医疗仍处在L1到L2的路上。L1对应辅助驾驶，即AI帮助医生完成特定任务（如阅片、控速）；L2对应部分自动驾驶，即系统可组合执行多项辅助功能，但仍需人类全程监督。
托普认为，AI医疗不太可能超越自动设备的3级水平。大量诊断工作、阅片工作可以用AI辅助完成，但就医学整体而言，任何情况下都不能容忍没有人类医生和临床医生的监督。这意味着AI医疗的“等级天花板”由伦理约束决定，而非单纯的技术能力。
细分赛道卡位：辅助诊断、远程监护、虚拟助手
| 细分赛道 | 当前所处“等级” | 头部玩家卡位特征 |
|---|---|---|
| 临床辅助决策 | L1-L2 | 基于证据提供实时建议，如治疗方案提示、药物相互作用标记 |
| 远程患者监护 | L1-L2 | 分析可穿戴设备、传感器数据，实时监测患者健康状况并预警 |
| 远程医疗虚拟助手 | L1 | 辅助患者安排预约、管理健康信息，提供远程指导与支持 |
在临床辅助决策赛道，AI可向医疗保健提供者提供实时的、基于证据的建议，针对特定情况建议治疗方案、标记潜在药物相互作用，并为复杂医疗案例提供临床指南。此前有案例显示，GPT-4在宠物疑难杂症中给出了免疫介导性溶血性贫血的选项并成功施救，未来经由专业训练的GPT们或将在临床发挥巨大作用。
在远程患者监护赛道，AI通过分析来自可穿戴设备、传感器和其他监控设备的数据，实时了解患者健康状况，并在病情恶化或出现令人担忧趋势时向医疗保健提供者发出警报，帮助及早干预并防止住院或其他并发症。
在远程医疗虚拟助手赛道，随着远程医疗兴起，AI驱动的虚拟助手可为患者提供远程管理健康所需的指导和支持，覆盖预约、治疗与健康信息管理。
数据壁垒：先发优势的真正护城河
医疗数据是AI医疗的第一驱动力，但也是永远的痛点。医疗数据权属复杂，第三方机构需借助政府支持和医院配合方能进行商业化开发。目前AI模型训练所需数据大都是通过企业和医院签署研发协议获得，且通常采取“数据不出院、模型出院”的物理隔离模式。国内各大数据交易所已将“医疗卫生”数据纳入交易品类，但实际成交案例极为稀少。
值得注意的是，理解医疗数据远比获得数据更重要也更困难。IBM沃森的失败教训表明，将获取数百万页医疗信息等同于理解或使用这些信息，是最基本的失误之一。对于头部玩家而言，能否深刻理解所服务的临床场景，决定了其先发优势能否转化为持续的竞争壁垒。
常见问题
AI医疗何时能达到自动驾驶L3水平？
目前AI医疗整体仍处于L1到L2阶段。埃里克·托普认为，受限于伦理约束，AI医疗不太可能超越自动设备的3级水平，且任何情况下都不能容忍没有人类医生监督的完全自主诊疗。
AI医疗的“等级”由什么决定？
技术能力之外，伦理与数据是更关键的制约因素。医疗数据权属复杂、获取困难，且理解数据远比获得数据更困难，这些共同决定了AI医疗的进阶速度。
头部玩家的先发优势体现在哪里？
主要体现在两个层面：一是大模型在临床辅助决策、远程监护、虚拟助手等场景的落地能力；二是与医院的数据合作模式与场景理解深度。但现阶段各玩家均处于“辅助人类”的定位，尚无任何玩家能实现完全自主的诊疗闭环。