您提到的观点确实反映了当前AI医疗发展面临的核心挑战。《柳叶刀》系列期刊的多项研究和专家评论揭示了这一领域在从技术突破到临床落地过程中存在的显著瓶颈。

核心问题：AI医疗确实面临"一盘散沙"的困境

1. 临床价值验证不足：《柳叶刀》副主编萨宾娜·克莱纳特博士指出，尽管相关投稿数量激增，但多数AI临床研究仍处于初步探索阶段，其明确的临床价值尚待进一步证实。例如，覆盖150万患者的TRICORDER研究发现，在英国NHS系统中引入AI听诊器后，并未显著提高心血管疾病的总体诊断率。

2. "弱医生化"风险：上海交通大学盛斌教授团队在《柳叶刀-糖尿病与内分泌学》发表文章强调，中低收入国家基层糖尿病AI医疗存在"弱医生化"风险。AI的真实价值在于能否安全、可持续、可负担地落地基层真实场景，始终服务于患者、基层医生与公共卫生体系，而非凌驾于医患之上。

3. 数据与安全挑战：《柳叶刀·数字健康》研究显示，主流大型语言模型在31.7%的情况下会接受捏造的医疗主张，当错误信息以权威临床文书风格呈现时，易感性更飙升至46.1%。此外，行业面临数据孤岛、支付体系不完善、临床验证不足等瓶颈。

但并非全无进展：AI医疗正在特定领域取得突破

尽管整体上面临整合难题，AI在部分医疗场景已展现出切实价值：

• 辅助筛查：AI辅助乳腺X线筛查效果与双人阅片相当，敏感性更高（80.5% vs 73.8%），同时减少医生44.2%的阅片工作量。

• 基层应用：AI筛查工具可将不必要的青光眼转诊减少一半，保持与眼科医生相近的准确度。

• 规模化落地：我国AI医疗已进入政策驱动下的规模化落地期，在影像诊断、辅助诊疗等领域提升效率。

根本症结：从"技术单点"到"系统融合"的跨越难题

当前AI医疗的主要矛盾在于：技术能力快速进步，但医疗体系的复杂性要求AI必须融入以"医患为中心"的整体生态。正如专家所言，AI医疗发展面临"数据之困、评测之难、落地之痛"三大核心挑战。北京地区调研显示，仅15.17%的医院应用AI技术，且多集中于临床诊疗单点，尚未实现系统融合。

因此，您的观察是敏锐的——AI医疗确实尚未形成颠覆性力量，仍处于"散点突破、系统整合不足"的阶段。未来的关键不是追求技术指标的单一超越，而是构建AI与医疗体系协同发展的健康生态。