一张基层医院拍摄的影像,往往要经过乡镇卫生院检查、县级医院诊断,必要时再由上级医院会诊。设备、医生和数据分散在不同地点,真正影响服务效率的,通常不是某个单点算法,而是图像能否拍得合格、传得顺畅、判得及时。
这类场景或许不如大型三甲医院的前沿应用醒目,却与康众医疗正在搭建的能力十分契合。公司的 X 射线探测器位于影像采集端;新近控股的脉得智能则带来超声 AI、实时质控、辅助诊断和结构化数据。两套能力一旦形成产品,康众医疗就有机会把传统的设备业务延伸为“设备+ AI +服务”。
县域影像网络正在从连接走向智能化
截至 2024 年末,全国共有基层医疗卫生机构 104 万个,占医疗机构总数的 95.2%;全国 2,188 个县(市、区)开展紧密型县域医共体建设。医学影像中心已覆盖 70%以上的乡镇卫生院,影像、心电、检验等资源共享中心及中心药房累计为基层提供服务近 1.9 亿次。
规模庞大的基层网络已经具备远程协同的基础,政策重点也开始由“建连接”转向“提质量”。2025 年发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》提出,到 2027 年,基层诊疗智能辅助应用将在医疗卫生机构广泛落地;到 2030 年,基层诊疗智能辅助应用基本实现全覆盖。文件同时提到加强县域医共体智能应用,发挥医学影像等资源共享中心作用。
2026 年发布的《紧密型县域医共体医学影像中心设置标准》(WS/T 891—2026),进一步把集中诊断、数据管理与共享、远程会诊、质量控制和技术指导列为影像中心的基本职能。WS/T 891—2026 配套指南还要求系统支持跨机构远程会诊、结果互认接口和危急值预警,并对 DICOM、IHE和 HL7 等标准提出要求。
这些要求共同指向一个变化:县域影像中心不再只是传输和存储图像的平台,它还需要把采集规范、质量控制、诊断协同和结果反馈纳入统一流程。对康众医疗而言,这恰好提供了一个能同时使用硬件和软件能力的应用场景。
从技术实现上看,这套流程也已经有了清晰的行业路径。发表于Radiology 的研究显示,影像 AI 在真实工作流中的典型方式,是由 PACS 将 DICOM 数据按标签和元数据发送至 AI 调度系统,AI 结果再以 DICOM 或 DICOM Structured Report 的形式回写 PACS、报告系统和数据库,由医生确认和编辑后继续沉淀到监测体系中。这意味着,县域影像中心真正需要的,不是一个悬浮在业务流程之外的算法,而是一条从设备出图、标准传输、结构化结果到远程协同的完整数据链。
从采集端开始,把 AI 放进工作流
基层影像检查的第一道关并不是诊断,而是获得一张合格图像。X 射线检查涉及体位、曝光、运动伪影和检查完整性,超声检查则更依赖操作者经验、标准切面和器官覆盖。图像质量不稳定,后续算法、远程诊断和结果互认都会受到影响。
发表于 Radiology: Artificial Intelligence 的研究评论曾基于 39 个中心、7 个国家、21,862 张胸片讨论自动质控流程,指出图像方向、尺寸、文字标记及 DICOM 元数据的不一致,可能让模型学习到与疾病无关的特征。对基层网络而言,这一点尤为重要。若前端采集质量和元数据不稳定,后续的 AI 判读、远程会诊和结果互认都会受到影响。
康众医疗长期积累的探测器、成像链路和设备工程化能力,可以进入图像生成环节;脉得智能的实时质控和超声 AI,则有机会把智能能力前移到检查过程。采集完成后,算法再提供结构化测量、病灶提示、报告辅助等功能,相关结果进入县域影像平台,由牵头医院完成集中诊断或复核。
这样一来,原本分散的环节可以连接成一条连续链路:基层机构负责检查,AI 辅助采集和质控,县级医院集中诊断,上级医院处理疑难病例,检查结果再回到基层用于诊疗和随访。设备运维、模型调用、远程质控和报告服务,也由此有了贯穿设备生命周期的服务入口。
更关键的是,AI 结果必须以医院系统能够接纳的方式存在。关于 DICOM 与大数据管理的研究指出,DICOM Structured Report 可以与同一检查的图像一起存储、传输,并使用统一术语和模板编码结构化结果。只有当 AI 输出从“屏幕上的提示框”变成“系统里的标准化结果”,设备、算法和区域平台之间的数据闭环才真正成立。
收购公告显示,脉得智能已取得甲状腺结节超声影像辅助诊断软件第三类医疗器械注册证及 14 项第二类医疗器械注册证,其多模态超声医学数据集项目覆盖 15 个关键器官,包含超过 100 万例结构化病例和 1,000 万张影像。康众医疗收购公告这些既是算法研发资源,也是产品注册和医院部署的基础。
康众医疗取得脉得智能控制权后,双方原本分处产业链上下游的能力被放到同一体系中:一端负责 X 光硬件、制造和质量管理,另一端覆盖超声 AI、软件注册与医院工作流。相比从零搭建算法、临床和注册团队,这种组合缩短了进入智能影像应用的路径。
基层场景为何适合成为起点
首先,县域影像中心需要的是一套完整服务。设备采集、图像质控、结构化报告、远程诊断和平台运维都在同一场景内发生,康众和脉得的产品能力可以得到较完整的呈现。
其次,项目效果相对容易衡量。图像一次合格率、重复检查率、报告时间、远程复核量、危急值响应和机构活跃度,都能直接对应医疗机构的运营指标。相比只展示算法准确率,这些数据更容易说明产品是否真正进入临床流程。
县域医共体的组织方式也为复制提供了条件。通常由牵头医院统筹成员单位,方案在一个县域完成接口、流程和质控适配后,可以覆盖多个基层机构。这与逐家医院部署单点软件不同,更适合平台与持续服务结合的商业模式。
一项发表于 Nature Medicine的国际研究,为这一应用方向提供了技术层面的参考。研究在来自 8 个国家、19 个中心的卵巢病灶超声病例上评估模型表现;在未见中心数据上,模型 F1 值为 83.50%,并在回顾性分诊模拟中减少了 63%的专家转诊需求。该研究说明,当 AI 能够帮助非专家完成采集和初步分析时,上级专家可以把更多精力用于疑难病例和质量把关。这与县域医共体“基层检查、上级诊断”的运行方式具有较高的契合度。
从机构覆盖走向持续运营
康众医疗为脉得智能设置的并购考核,给出了基层路线的公开观察节点。2026 年要求累计覆盖 100 家公立医疗机构并推进新增注册事项;2027 年要求覆盖 150 家,营业收入不低于 1 亿元、净利润不低于 500 万元;2028 年要求覆盖 200 家,营业收入不低于 1.6 亿元、净利润不低于 1,000 万元。
机构覆盖是业务扩张的直观指标,但真正决定平台价值的,是产品进入医院后如何被使用。后续若能看到联合方案数量、实际上线机构、月度调用、结构化报告使用、续费和回款等数据,外界便能更清楚地判断这条路线的运营质量。
其中最关键的一步,是让康众的设备客户与脉得的软件能力发生联系。硬件交付带动软件部署,软件使用产生持续服务,临床数据再支持质控和产品迭代,这样的循环一旦形成,康众的收入结构和客户关系都会随之改变。
基层是入口,也是产品边界重构的试验场
康众医疗选择基层医疗作为 AI 转型的重要方向,有其自身业务基础。公司的探测器和成像工程化能力可以进入图像生成端;脉得智能的超声 AI、实时质控、注册产品和结构化软件,则把服务延伸到检查、诊断和区域协同。县域影像中心恰好把这些环节放在同一个网络中。
如果双方能够推出标准化的软硬件组合,并在县域医共体中持续复制,康众的产品边界将不再止于一块探测器,而会延伸为覆盖“采集—质控—辅助分析—远程协同”的智能影像链路。基层医疗由此不仅是一个销售市场,更可能成为公司建立医疗 AI 产品体系和平台定位的第一站。