“模型出院”合作项目增多带动AI医疗供给端能力提升，但行业放量节奏并非单由模型能力决定，而是取决于医院需求释放节奏与数据供给瓶颈的匹配程度。当前AI医疗需求端因“鲍莫尔成本病”驱动的控费压力而具备刚性，但供给端受制于医疗数据权属在医院、数据清洗周期较长等现实约束，“模型出院”模式的批量复制尚未全面到达临界点。
需求端：控费压力下的刚性诉求
医疗服务具有典型的“鲍莫尔成本病”特征——随着生产力提升，单位医疗服务成本不降反升。官方资料指出，经济学家鲍莫尔于1967年构建的模型解释了停滞部门（如医疗服务）单位产品成本不断上升的趋势。这意味着医院对降本增效存在持续且刚性的需求，为AI医疗应用提供了明确的应用场景。
从应用方向看，AI在远程医疗虚拟助手、临床辅助决策、远程患者监护、心理咨询、病历保存、药物管理、疾病监测等领域均有广泛空间。例如，AI可向医疗保健提供者提供实时的、基于证据的建议，帮助临床医生节省时间、减少错误并改善患者护理。
供给端：数据权属与清洗周期构成瓶颈
医疗数据被称为AI时代的“石油”，但也是AI医疗“永远的痛点”。官方资料明确，医疗大数据的权属基本在医院方，虽也有观点认为所有权在患者、控制权在医院、管理权在政府，但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和利用。
当前AI模型训练所需医疗数据，大都是通过企业和医院签署研发协议获得。实际操作中，数据收集到模型建立过程中，医院和企业会做好物理隔离，通常采用**“数据不出院，模型出院”**的模式，并设有专门模块进行数据清洗，只保留必要数据。这一流程决定了数据供给的节奏受制于医院开放意愿和清洗周期。
商业化节奏：理解数据比获得数据更难
值得关注的是，医疗数据的商业化流通仍处于早期阶段。官方资料援引动脉网报道，国内各大数据交易所已有不少将“医疗卫生”数据纳入交易品类，但实际成交案例极为有限。
更深层的挑战在于，理解医疗数据远比获得数据更重要也更困难。官方资料在分析IBM医疗AI沃森的失败时指出，“最基本的失误之一，就是将获取数百万页的医疗信息等同于理解或使用这些信息。”不能深刻理解所服务的行业，再多的数据也难以转化为有效价值。
常见问题
“模型出院”模式与数据出院的区别是什么？
“模型出院”指医院与企业做好物理隔离，医疗数据不离开医院，企业通过研发协议在医院侧完成模型训练后，将训练好的模型输出。这不同于数据直接交易流通，能在一定程度上缓解数据隐私与权属争议。
AI医疗目前处于什么发展阶段？
官方资料将AI医疗与自动驾驶分级类比，认为AI医疗仍处在L1到L2的路上。与智能驾驶相比，AI医疗面临更严重的伦理问题，埃里克·托普认为AI医疗不太可能超越自动设备的3级水平，任何情况下都不能容忍没有人类医生的监督。
医疗数据的权属如何影响AI医疗商业化？
医疗数据权属基本在医院方，第三方企业需通过签署研发协议获取数据使用权。这种权属结构决定了数据供给节奏由医院主导，企业难以独立获取大规模高质量数据，构成AI医疗供给端的主要瓶颈。