Aidoc AI放射科基礎模型：覆蓋2000家醫院、年處理6000萬案例，FDA清關14種CT分診條件，放射科AI進入規模化時代
2026年，AI放射科診斷已從實驗性試點演進為醫療系統的核心工具。以 Aidoc 為代表的AI放射科公司正在以前所未有的規模重塑醫學影像工作流程。根據最新數據，Aidoc 目前在近 2,000家醫院 運營，每年處理超過 6,000萬個案例，並於2026年1月獲得FDA清關，其基礎模型驅動的CT分診解決方案可覆蓋 14種不同臨床條件。
放射科AI的規模化里程碑
Aidoc 的核心數據
| 指標 | 數據 |
|---|---|
| 覆蓋醫院數量 | 近2,000家 |
| 年處理案例數 | 超過6,000萬 |
| FDA清關算法數量 | 50+ |
| 最新FDA清關 | 2026年1月（基礎模型CT分診，14種條件） |
行業整體規模
根據放射科業務媒體及FDA數據，截至2025年底，FDA已授權 1,451個AI醫療設備，其中放射科產品佔 1,104個（76%）。2026年第一季度又新增 68個放射科AI算法 獲得清關。
基礎模型驅動的CT分診：技術突破
Aidoc 2026年1月獲得的FDA清關代表了放射科AI的重要技術演進——從單一條件算法轉向基礎模型驅動的多條件分診。
傳統方法的局限：
- 每種臨床條件需要獨立訓練的算法
- 算法之間缺乏知識共享
- 部署和維護成本高
基礎模型方法的優勢：
- 單一基礎模型覆蓋14種CT分診條件
- 跨條件知識遷移，提升整體性能
- 統一的部署和更新機制
- 更高的成本效益
14種覆蓋條件包括： 肺栓塞、顱內出血、主動脈夾層、氣胸等急性危及生命的條件，以及多種慢性病的早期識別。
放射科AI的市場格局
主要廠商
大型設備廠商：
- GE HealthCare、西門子醫療（Siemens Healthineers）、飛利浦（Philips）、佳能（Canon）在FDA清關數量上領先
純AI專業廠商：
- Aidoc： 近2,000家醫院，6,000萬年案例，50+清關算法
- Viz.ai： 專注中風和血管分診，覆蓋1,700+家醫院，50+清關算法
監管路徑
95-97%的放射科AI清關使用 510(k)途徑（實質等同性），而非獨立臨床試驗。這一路徑加速了市場准入，但也引發了關於臨床證據充分性的討論。
臨床整合的挑戰與機遇
「可泛化性差距」問題
2026年的一個持續挑戰是「可泛化性差距」：模型在訓練機構以外的醫院部署時，特異性（Specificity）可能損失高達 24%。
應對策略：
- 多中心訓練數據集
- 持續的部署後監控
- 機構特定的模型微調
報銷障礙
儘管FDA清關AI工具數量龐大，報銷仍是主要障礙。對於骨折檢測或偶發發現識別等常見診斷任務，AI算法不太可能獲得獨立的CPT代碼，因為放射科醫生已被要求在標準解讀中識別這些發現。
評估框架的演進
由於標準基準測試趨於飽和，行業正在轉向多維評估框架，評估：
- 安全性
- 真實工作流程整合
- 代理能力
- 而非僅僅是靜態數據集上的準確率
RSNA 2026：放射科AI的年度盛會
2026年11月29日至12月3日，芝加哥將舉辦 RSNA 2026（北美放射學會年會），這是醫學影像和放射科的核心會議，設有廣泛的AI展示區，展示FDA清關的生產級臨床AI。
RSNA 的主要貢獻：
- RSNA影像AI認證計劃 v2.0： 更新整合了日常診斷工作流程的臨床用例
- ATLAS（AI系統注釋庫）： 提供模型和數據集卡片，幫助研究人員評估和比較AI工具
- MIRA（醫學影像AI資源）： 研究數據存儲庫
亞太地區視角
亞太地區的放射科AI市場正在快速發展，但面臨獨特挑戰：
市場機遇
人力資源短缺： 亞太地區許多國家面臨放射科醫生嚴重短缺。日本、韓國、澳大利亞等發達市場的放射科醫生老齡化問題突出，而中國、印度、東南亞等新興市場的放射科醫生絕對數量不足。AI分診工具可顯著提升現有放射科醫生的工作效率。
基礎設施投資： 亞太各國政府正在大力投資醫療AI基礎設施。中國的「健康中國2030」計劃、日本的「Society 5.0」戰略、韓國的「數字新政」都將醫療AI列為優先領域。
本地化挑戰
數據本地化： 亞太各國對醫療數據的跨境傳輸有嚴格限制，要求AI系統在本地部署或使用本地數據中心。
監管差異： 各國監管框架不同，FDA清關在亞太地區不能直接使用，需要通過各國本地監管機構（如中國NMPA、日本PMDA、韓國MFDS）的審批。
語言和人口多樣性： 亞太地區的人口多樣性（不同種族、體型、疾病譜）要求AI模型在本地數據上進行驗證，以確保可泛化性。
結語
Aidoc 的2,000家醫院、6,000萬年案例和14種條件FDA清關基礎模型，代表了放射科AI從「概念驗證」到「規模化部署」的成熟轉變。隨著基礎模型技術的應用，放射科AI正在突破單一條件算法的局限，向更廣泛、更靈活的臨床應用演進。對於亞太地區的醫療系統，這一趨勢既是機遇也是挑戰——如何在本地化監管要求和數據限制下，有效引入和部署這些技術，將是未來數年的核心議題。
