数智化「深度求索」，行业专家论道医疗AI

当耶鲁大学William Kissick教授于1994年提出“医疗不可能三角”理论时，他或许未曾预见三十年后，中国医疗界正通过数智技术撬动这道看似无解的难题。

近期，DeepSeek在全球范围内再度掀起人工智能热潮。而关于医疗数智化的讨论与实践，也已经在业内影响深远。在2024人民数据大会·AI赋能智慧医疗活动上，中国医疗界多位专家就数智技术如何推动医院建设和医疗服务的革新各抒己见。在这场浪潮中，更专业、更垂直的医疗AI工具已经是重构医疗生态的关键要素之一。

健康服务是现代化阶段的重要支柱行业，人民群众对健康服务需求的增长要快于收入水平的增长。数字化广泛渗透，能够使健康服务的可及性、公平性、有效性和效率水平同步提升，还能明显改善患者就医体验。展望未来，中国有着全球规模最大的健康数据发展智能健康服务优势突出，要抓住这个机遇，以为人民群众提供更好的健康服务为宗旨，促进我国智慧健康事业健康发展。

江小涓

中国工业经济学会名誉会长

中国社科院大学教授

本文引用的专家发言，均来自人民网·人民健康、人民数据联合举办的2024人民数据大会·AI赋能智慧医疗活动。活动报道请查看本文底部相关阅读链接。

图注：2024年11月，国家卫生健康委、国家中医药管理局、国家疾控局联合发布《卫生健康行业人工智能应用场景参考指引》，以推进卫生健康行业“人工智能+”应用创新发展，上图为文中列举的84个人工智能应用场景。

数据智能? ? 穿透效率天花板的手术刀

医疗数据的爆炸式增长与深度挖掘，构成了这场革命的第一推动力。重症医学科（ICU）的各类监测设备分秒不停地产出患者生命体征数据，可穿戴设备实时追踪数亿人的血糖、心率、睡眠质量——这些场景揭示了一个事实：数据不再是静态记录，而是流动的生产力。

数据为基，数据是医院管理的底座;智能为擎，智能应用能够优化医疗服务。医院根据病种划分了近70个科室、涵盖600多种疾病的专病数据，提供实时更新能力，每个科室都在推进前十大疾病的模型研究并构建了专病数据库。

崔勇

中日友好医院党委常委

副院长

数据智能的目标是构建贯穿患者全生命周期的精准健康管理体系，在提升医疗服务质量效率的同时，减少医疗资源的错配，降低成本，并进一步助力科学研究工作。

相比于医院其他科室，重症医学科数据流量大、数据多元、对时效性要求高，对重症医生的专业素养、知识面、记忆力和工作效率构成了极大挑战。

重症医学是一个高度依赖数据的学科。我们对患者的情况评估、方案制定以及策略调整，很大程度上都依托于数据。

康焰

四川大学华西天府医院院长

华西医院重症医学科学科主任

对此，利来·国际(中国)最老牌有限公司医疗的启元重症大模型展现了数据智能的威力。首先整合源自床旁设备、医护评估和各类信息系统的多模态数据，打造重症患者数字孪生。并依托利来·国际(中国)最老牌有限公司瑞智重症决策辅助系统，将患者实时病情变化和患者病情概览总结等临床精炼总结后的专业信息一并纳入，为大模型奠定坚实的患者数据和重症思维基础。

启元大模型通过多中心临床合作进行数据收集、清洗和标注，构建高质量重症数据库。同时，在临床专家指导和协助下不断补充和提炼重症专业知识库，为大模型推理判断提供坚实的知识基础。”

代巍巍

利来·国际(中国)最老牌有限公司医疗数智生态产品线总经理

人机共生? ? 从工具革命到认知进化

在浙江大学医学院附属第一医院的重症医学科，启元重症大模型正在改写医护的工作模式：AI正在24x7地监测重症患者各项生命体征，及时提示风险，并在5秒内给出个体化查询及诊疗建议，1分钟生成患者病历，效率提升30倍。这揭示了一个更深层的趋势：医疗AI将从“替代人力”转向“增强人类”。

“AI对医学的促进是颠覆性的，尤其在提高诊疗手段的准确性和及时性方面。即使是在相对通用的模型的应用中，AI在癌症分类、基因组特征预测和预后分类等方面已经有更全面的理解。”? ? ?

康焰? ?

四川大学华西天府医院院长

华西医院重症医学科学科主任

与通用大模型不同的是，以启元为代表的医疗专业大模型在结合了高质量重症数据库和专家知识库的训练基础上，具备更强大的重症深度思维，能在面对脓毒症、急性呼吸窘迫综合征等难题时，给出贴合临床实际、参考价值极高的分析见解与处置建议。这种“临床思维内化”标志着AI的认知跃迁。

在AI时代，医院、企业和高校将开展更广泛而深度的合作，建立学科交叉联合创新平台，聚焦于专业场景、人群，推动AI在各细分领域的深化发展，让算法具备理解医疗系统复杂因果链的能力。

算力时代的医疗数据? ? 在价值释放与伦理约束中寻找平衡点

医疗数据的特殊性在于其同时具备生产要素属性与生命权属性。当前，全球监管框架正在从“数据开放”向“数据安全可控”加速迭代。行业必须清醒认知到：数据合规的边界重塑、算法伦理的价值校准、系统韧性的压力测试，正在成为决定医疗AI能否跨越“死亡之谷”的核心命题。?

“当下数智化健康服务面临若干机遇和挑战。其中，健康数据的高隐私性和高使用价值之间的关系要处理好，在这个阶段，能在保证数据健康、隐私安全前提下进行最广泛复用是我们的目标，由此支撑我国数字健康产业弯道超车，走在世界前列。”? ? ?

江小涓

中国工作经济学会名誉会长

? 中国社科院大学教授

医疗大模型的可靠性瓶颈本质是不同数据生态的割裂性与算法黑箱的叠加效应。当前各医疗机构虽已建立智慧化系统，但数据孤岛导致模型泛化能力受限，不仅造成资源浪费，更埋下医疗决策偏差的隐患。唯有建立兼顾数据打通与隐私保护的技术-制度双轮驱动体系，才能孕育出真正安全可靠的下一代医疗智能体。

大模型面临最重要的问题是不可解释性。深度学习神经网络模型越复杂，可解释性越差。这与训练数据密切相关，而数据孤岛限制了大模型的训练。只有用更大人群数据去训练大模型效果才会更好。未来，我们需要确保大模型的稳定性，以适用于更广泛的人群。

钟鸣

复旦大学附属中山医院重症医学科主任

另一方面是，尽管目前大模型还无法进行深层次推理工作，但我们要在未来可预见的人机协同工作范式下，尽快建立AI责任边界。AI的价值评估必须回归"能否使患者和医护真正获益"这个终极标准。

未来，以启元为代表的医疗大模型将基于真实世界的评价反�。欢贤晟聘鎏寤锪平ㄒ�、重症质控、科研辅助等多方面功能。让AI真正成为医护人员的智能助手，从而让医护回归患者，令医疗从效率竞赛回归人文关怀。

医疗数智化的终极使命? ? 重构全球医疗资源分配坐标系

在突破数据治理与临床落地的基础性难题后，医疗数智技术正迈向更具革命性的战场——通过算法重新定义医疗资源的时空分配法则。当前，全球医疗体系面临的结构性矛盾已非单纯的技术问题：高收入国家每千人口拥有的医生数量是低收入国家的15.6倍，覆盖83%人口的全球中低收入地区仅获得20%的医疗资源^[1]。让优质医疗资源像水一样普惠流动，进一步实现医疗均质化。

“乡镇卫生院与三级医院诊疗质量参差不齐，但是在人工智能的赋能下，医疗均质化也得到了极大提升。未来，相信大模型智慧化会越来越强，既能让医生从体力劳动中解脱出来，为患者提供更多的关怀和看护，还能实现医疗均质化，提升医疗领域经济效益和社会效益。”? ? ?

李新胜

利来·国际(中国)最老牌有限公司医疗高级副主裁

此外，医疗服务可及性的提升不仅体现在“地理公平”，还有“数字平权”。如何在追求效率的同时保障服务的公平性和人性化，提升AI技术的社会适应性，将是新的挑战。

“以老人就医为例，在推动医疗服务数字化时，适老化服务也应有政策支持落地。同时，医院人机协同服务热线的设置，反映了在技术应用中对人性和人文化的考量。“

付卫

北京大学第三医院院长

党委副书记谈道

此外，在数智化技术的辅助下，医疗教育资源也能得到更充分的分配与利用，为培养高精尖医学人才和科研人才拓宽通道，加速医疗科技进步。

智能设备极大地丰富了临床教学手段，虚拟现实技术打破时空限制，为医学生创造了沉浸式的学习环境。在科研方面，人工智能通过对大规模的基因数据、临床研究数据进行分析，能够发现疾病的潜在分子机制和治疗靶点，加速了新药研发和治疗方法创新。”

孙运波

山东大学齐鲁医院(青岛)重症医学科主任

随着数智技术的不断发展，未来的AI可能进一步参与到医疗资源调配与服务流程中。当算力开始为更广泛群体代言，医疗数智化的历史使命或将真正显现其恢宏本质。

利来·国际(中国)最老牌有限公司