在這個(gè)波瀾壯闊的時(shí)代，社會民生的每一個(gè)個(gè)體，或許都是馬伯庸筆下《大醫(yī)》里的主角，見證著數(shù)字化、智能化技術(shù)如何深入醫(yī)療行業(yè)，帶來影響深刻的醫(yī)療智能化變革。

歷經(jīng)百年發(fā)展，中國的醫(yī)療產(chǎn)業(yè)正迎來愈發(fā)波瀾壯闊的時(shí)代變局：醫(yī)療大數(shù)據(jù)及AI、5G+遠(yuǎn)程診療，以及由種種數(shù)字化、智能化技術(shù)所帶來的醫(yī)護(hù)康養(yǎng)體驗(yàn)上的改善，也催生了一個(gè)個(gè)時(shí)代機(jī)遇與責(zé)任。

現(xiàn)階段甚至是眺望未來，AI等數(shù)智化技術(shù)，究竟能給真實(shí)的醫(yī)療場景帶來怎樣的具體助力？在這場變局中，涌現(xiàn)出了怎樣的實(shí)力企業(yè)，又有著怎樣的布局和獨(dú)特的模式？以及，他們的存在能給整個(gè)大醫(yī)療產(chǎn)業(yè)的智能化升級，帶來什么樣的貢獻(xiàn)？

或許了解到這些，才能以此為基點(diǎn)，站在縱觀全局的視角，通覽數(shù)智化帶給醫(yī)療領(lǐng)域的創(chuàng)新與變革。而這一切的一切，更是一個(gè)新時(shí)代的起點(diǎn)。

01 醫(yī)療行業(yè)期待一場變革

毋庸置疑，醫(yī)療康養(yǎng)相關(guān)的AI升級，絕對是當(dāng)下最熱門的話題。

但與此同時(shí)，一個(gè)現(xiàn)實(shí)的問題卻是，在賦能健康監(jiān)測、影像診斷、住院管理、醫(yī)療器械、后期復(fù)查以及中長期的康養(yǎng)護(hù)理的過程中，由于AI的應(yīng)用深度與成熟度不一，讓市場產(chǎn)生了一種錯覺——AI+醫(yī)療前景廣闊，但其實(shí)際價(jià)值尚未完全顯現(xiàn)。

畢竟，醫(yī)療關(guān)乎生命健康，在這種嚴(yán)肅的事情上，人們對智能技術(shù)的可靠性和精準(zhǔn)度要求極高，甚至堪稱“苛刻”。此外，整個(gè)行業(yè)的智能化升級，除了開發(fā)周期漫長、對數(shù)據(jù)精準(zhǔn)度要求極高、人才復(fù)合能力要強(qiáng)等因素之外，還有很多獨(dú)特的壁壘需要打破。

按照東軟集團(tuán)副總裁兼醫(yī)療健康事業(yè)部總經(jīng)理李東在一次采訪說的，當(dāng)醫(yī)療健康領(lǐng)域AI技術(shù)正從“概念驗(yàn)證”向“規(guī)?；涞亍边~進(jìn)時(shí)，所面臨的系統(tǒng)性困境，可以歸納為四類核心維度。

挑戰(zhàn)一：數(shù)據(jù)困境突出，制約AI模型迭代與應(yīng)用。

醫(yī)療AI核心“燃料”是數(shù)據(jù)已是眾所周知之事，但醫(yī)療機(jī)構(gòu)普遍主要面臨著三方面的數(shù)據(jù)難題：

一是高質(zhì)量數(shù)據(jù)匱乏，臨床數(shù)據(jù)多為非結(jié)構(gòu)化記錄，標(biāo)準(zhǔn)化、規(guī)范化程度低，難以直接用于模型訓(xùn)練；

二是數(shù)據(jù)標(biāo)注成本高，醫(yī)學(xué)數(shù)據(jù)標(biāo)注需專業(yè)醫(yī)護(hù)人員參與，人力成本高且效率低，尤其影像、病理等細(xì)分領(lǐng)域標(biāo)注難度大；

三是數(shù)據(jù)稀缺與分布不均，罕見病、疑難重癥等特殊病種數(shù)據(jù)樣本量少，不同地區(qū)、層級醫(yī)療機(jī)構(gòu)數(shù)據(jù)資源差距懸殊，導(dǎo)致模型泛化能力受限。

挑戰(zhàn)二：模型可解釋性不足，難以建立臨床信任。

一般情況下，AI算法達(dá)到85%的表現(xiàn)，一般就可以發(fā)paper了，但要落地臨床場景，往往需要95%、99%以上的表現(xiàn)。谷歌首席健康官Karen DeSalvo曾審慎提醒，即便谷歌的醫(yī)療大模型Med-PaLM回答評分已達(dá)92.6%，但他仍不希望公眾僅靠一個(gè)大模型，就能治愈所有健康問題。

這種觀點(diǎn)理性且克制。某種角度上，李東的觀點(diǎn)也支持了Karen DeSalvo的這一觀點(diǎn)，在他看來，醫(yī)療AI的可解釋性仍有待提升，如何讓模型的決策邏輯變得清晰、可信，是贏得臨床信任的關(guān)鍵所在。

AI輸出結(jié)果（如疾病診斷建議、治療方案推薦）缺乏直觀可理解的推理過程，無法清晰說明“為何得出該結(jié)論”“依據(jù)哪些臨床指標(biāo)或醫(yī)學(xué)知識”；面對復(fù)雜病例，難以追溯決策鏈條，醫(yī)護(hù)人員難以判斷結(jié)果可靠性，既不敢完全依賴AI輔助決策，也無法針對性優(yōu)化模型，嚴(yán)重影響AI在臨床場景的信任度與落地率。

醫(yī)療場景的壁壘深厚，唯有以系統(tǒng)性思維和系統(tǒng)工程，才能從根上有效輔助醫(yī)療決策。AI+醫(yī)療的決勝點(diǎn)，很大程度上，在于如何能夠鍛造一柄穿透場景、穿透“黑箱”之劍。

挑戰(zhàn)三：AI難切實(shí)提升醫(yī)護(hù)效率，智能化建設(shè)路徑不明確。

幾位醫(yī)療從業(yè)者在與陸玖商業(yè)評論的交流中表示，其實(shí)醫(yī)生、醫(yī)療機(jī)構(gòu)可能不那么關(guān)心采用什么技術(shù)路線，他們的立意點(diǎn)只有一個(gè)，就是被采購的智慧產(chǎn)品和服務(wù)，是否能夠滿足具體的場景需求，以及緩解落地應(yīng)用的痛點(diǎn)。

落地的核心目標(biāo)是為醫(yī)護(hù)“減負(fù)提效”，但行業(yè)缺乏適配醫(yī)療場景的統(tǒng)一建設(shè)標(biāo)準(zhǔn)，“外掛式”與“集成式”兩種路徑各存難題：

數(shù)據(jù)安全合規(guī)風(fēng)險(xiǎn)突出，醫(yī)療數(shù)據(jù)敏感且全流程管理難度大；業(yè)務(wù)與AI適配不足，“外掛式” 增加醫(yī)護(hù)操作負(fù)擔(dān)，“集成式” 需重構(gòu)流程且兼容舊系統(tǒng)難；用戶體驗(yàn)欠佳，AI工具操作復(fù)雜，醫(yī)護(hù)上手成本高，導(dǎo)致工具 “束之高閣”。

挑戰(zhàn)四：AI難激發(fā)醫(yī)護(hù)創(chuàng)新力，難以從“輔助執(zhí)行”邁向“賦能創(chuàng)造”。

醫(yī)療服務(wù)依賴醫(yī)護(hù)基于臨床經(jīng)驗(yàn)的創(chuàng)新決策，但當(dāng)前AI多局限于替代重復(fù)任務(wù)，難以沉淀醫(yī)護(hù)隱性經(jīng)驗(yàn)。同時(shí)，在臨床科研層面，AI工具必須通過復(fù)雜且成本高昂的前瞻性臨床試驗(yàn)來證明其能真正改善臨床結(jié)局（如提高患者生存率、縮短診斷時(shí)間），這一轉(zhuǎn)化鏈路仍面臨巨大挑戰(zhàn)。

02 從問診、就醫(yī)到后期康養(yǎng)

令人感到興奮的是，無論是政策層面，還是技術(shù)已經(jīng)逐步落地于真實(shí)的場景之中，醫(yī)療乃至康養(yǎng)領(lǐng)域的智能化，正進(jìn)入明顯的加速變革期。數(shù)智化貫穿于問診、就醫(yī)、康養(yǎng)、保健等各個(gè)環(huán)節(jié)，愈發(fā)成為全社會面的一致性訴求。

但來自于現(xiàn)實(shí)層面的問題也是不容小覷的，AI也好、數(shù)字賦能也罷，先進(jìn)技術(shù)與醫(yī)療康養(yǎng)產(chǎn)業(yè)的融合，絕非易事：一方面，技術(shù)永遠(yuǎn)不能脫離開行業(yè)自帶的安全屬性而盲目開發(fā)；與此同時(shí)，用戶數(shù)據(jù)，特別是罕見病、疑難雜癥的數(shù)據(jù)樣本，更是難以獲得。

這也要求身處其的從業(yè)企業(yè)，有能力拿出更綜合、更具有可行性的全鏈路數(shù)智化解決方案。

盡管國內(nèi)外有不少涉足智慧醫(yī)療或醫(yī)療大模型的企業(yè)，比如谷歌、Xaira、阿里、華為等，都在以自己的方式侵入這一產(chǎn)業(yè)，但也有一類模式極為獨(dú)特的存在即東軟這樣的企業(yè)，面向AI+醫(yī)療，一直在做可持續(xù)、可信、可控之事。

事實(shí)上，過去數(shù)十年來，從系統(tǒng)集成到解決方案，再到今天的幫助醫(yī)療機(jī)構(gòu)甚至是地方政府共建智慧服務(wù)平臺，東軟在解決方案智能化、數(shù)據(jù)價(jià)值化等方面已經(jīng)取得不少的進(jìn)展——自研了洞察醫(yī)療數(shù)據(jù)智能平臺、 飛標(biāo)醫(yī)學(xué)影像標(biāo)注平臺探索多模態(tài)醫(yī)學(xué)人工智能平臺，智能病歷生成、AI-CDSS疾病知識庫產(chǎn)品、基于大模型的醫(yī)保智能數(shù)據(jù)查詢分析應(yīng)用等；推出數(shù)據(jù)價(jià)值化平臺、數(shù)字人社智能指揮系統(tǒng)等，并與多地政府達(dá)成智慧醫(yī)療、智慧城市等服務(wù)模式。

根據(jù)官方信息，基于醫(yī)療數(shù)字化、醫(yī)療設(shè)備、醫(yī)療服務(wù)、康養(yǎng)服務(wù)、金融保險(xiǎn)、醫(yī)工人才六位一體全產(chǎn)業(yè)鏈布局，東軟的服務(wù)對象已觸達(dá)了4800+家醫(yī)院，8萬+家基層醫(yī)療衛(wèi)生機(jī)構(gòu)，構(gòu)建30+個(gè)省市全民健康信息化平臺。東軟智慧醫(yī)療產(chǎn)品已在各級醫(yī)療機(jī)構(gòu)及衛(wèi)生健康管理機(jī)構(gòu)實(shí)現(xiàn)深度落地，已累計(jì)服務(wù)全國客戶超100家。

近期在濟(jì)南舉辦的“首屆醫(yī)學(xué)人工智能大會（MAIC1st2025）”上，東軟在智慧醫(yī)療方面再傳新動態(tài)： 東軟重磅發(fā)布“添翼”醫(yī)療健康智能化解決方案2.0。

令人欣喜的是，這與初代“添翼”的發(fā)布，僅隔了半年的時(shí)間。

從MAIC1st2025活動上傳來的消息，東軟添翼醫(yī)療健康解決方案2.0在初代版本的基礎(chǔ)之上，主要在數(shù)據(jù)基座、賦能平臺和價(jià)值擴(kuò)展三大方面，分別做出了不小的突破。其目標(biāo)正是基于上述提到的四大困境進(jìn)行改善，去構(gòu)建醫(yī)療場景“智能大腦”和“神經(jīng)網(wǎng)絡(luò)”。

具體來看。

在構(gòu)建業(yè)務(wù)數(shù)據(jù)聯(lián)動底座、奠定高質(zhì)量AI基石方面，依托湖倉一體全量數(shù)據(jù)中心，運(yùn)用飛標(biāo)平臺與洞察平臺，對多源、異構(gòu)數(shù)據(jù)進(jìn)行統(tǒng)一管理，構(gòu)建多模態(tài)高質(zhì)量數(shù)據(jù)資產(chǎn)，通過數(shù)據(jù)要素價(jià)值化，實(shí)現(xiàn)流程再造和提質(zhì)增效，促進(jìn)“業(yè)務(wù)提效-數(shù)據(jù)提質(zhì)-模型優(yōu)化”。

在打造安全可控賦能平臺方面，依托東軟醫(yī)療數(shù)據(jù)價(jià)值化與“融智”智能化雙框架，強(qiáng)化領(lǐng)域知識與獎勵算法運(yùn)用，減少大模型幻覺。構(gòu)建“1個(gè)醫(yī)學(xué)領(lǐng)域大模型+N個(gè)科室/任務(wù)專項(xiàng)小模型”的模型集群，形成“專模做專事”的能力矩陣，全面支持信創(chuàng)、安全訪問，適配云端及本地環(huán)境的模型部署與管理。

在價(jià)值擴(kuò)展方面，跨機(jī)構(gòu)能力開放成為最大的看點(diǎn)，賦能范圍從深耕單體醫(yī)療機(jī)構(gòu)向外延伸至城市聯(lián)動，面向超100類業(yè)務(wù)角色，形成120個(gè)賦能體能力——比如在機(jī)構(gòu)內(nèi)部，圍繞如預(yù)問診、輔助診斷、運(yùn)營分析等重要環(huán)節(jié)提效；在此基礎(chǔ)上，將能力拓展至城市層面，通過智慧衛(wèi)健實(shí)現(xiàn)區(qū)域醫(yī)療質(zhì)量監(jiān)管，聯(lián)動智慧基層完善分級診療服務(wù)，打通跨機(jī)構(gòu)數(shù)據(jù)壁壘，最終構(gòu)建起覆蓋“個(gè)人健康-院內(nèi)診療-區(qū)域協(xié)同-城市醫(yī)療服務(wù)”的全鏈條智能醫(yī)療生態(tài) 。

由此可以看出，盡管在醫(yī)護(hù)康養(yǎng)語境下一些關(guān)鍵性場景，AI恐怕難以徹底叩開大門，但這并不阻擋，AI技術(shù)與大醫(yī)療產(chǎn)業(yè)的結(jié)合，被公認(rèn)為是21世紀(jì)這一領(lǐng)域最大加速度的事實(shí)。

03 AI賦醫(yī)道，數(shù)智見未來

在政策與技術(shù)的驅(qū)動下，醫(yī)療領(lǐng)域的每一個(gè)層級，每一個(gè)領(lǐng)域都孕育著智能化的必要性。

無論是傳統(tǒng)機(jī)構(gòu)服務(wù)機(jī)構(gòu)的轉(zhuǎn)型，還是如東軟添翼2.0這樣的全鏈路服務(wù)系統(tǒng)，想要推動醫(yī)療智能化的全面發(fā)展，必須將相關(guān)能力做專、做深，拆分出更多更精準(zhǔn)的典型場景，并給出與之匹配的、連貫的解決方案，通過實(shí)踐驗(yàn)證出數(shù)智能力的有效性。

東軟與武漢中南醫(yī)院的合作案例正以實(shí)踐驗(yàn)證著這種進(jìn)步。東軟智慧醫(yī)療相關(guān)解決方案和產(chǎn)品在武漢中南醫(yī)院實(shí)現(xiàn)了深度落地和應(yīng)用。

李東介紹道，“武漢大學(xué)中南醫(yī)院單一科室日均生成的出院小結(jié)近500份，全院日均完成對3500到4000份病歷的內(nèi)涵質(zhì)控。從單個(gè)醫(yī)生單日40-50份病歷，到現(xiàn)在10倍以上的提效，基本能做到幫全院所有患者做內(nèi)涵質(zhì)控的評估?！?

再比如出院小結(jié)上，“放在過去，醫(yī)生每天做10 幾份內(nèi)容、每份內(nèi)容大概20幾個(gè)字，已經(jīng)是很大的挑戰(zhàn)了，現(xiàn)在出院小結(jié)可以自動生成，醫(yī)生只需確認(rèn)即可”，將醫(yī)生從繁重且重復(fù)的工作中解放出來，專注于決策環(huán)節(jié)，這也是技術(shù)應(yīng)用最大的意義。

而從武漢中南醫(yī)院的案例放大至整個(gè)醫(yī)療產(chǎn)業(yè)，李東認(rèn)為向行業(yè)向智能化升級的趨勢是必然之舉。未來醫(yī)院的運(yùn)營一定是基于數(shù)據(jù)的，精益化管理一定會替代粗放式操作的。

“通過數(shù)據(jù)的甄別和計(jì)算，醫(yī)院每個(gè)運(yùn)營決策的背后有著怎樣的邏輯，怎么用數(shù)據(jù)方式呈現(xiàn)醫(yī)院的運(yùn)營狀態(tài)，有哪些環(huán)節(jié)還可被進(jìn)一步改善，等等”，這些手段旨在推進(jìn)醫(yī)療公平、提升資源利用效率，已然是可預(yù)見的美好前景。

在這個(gè)波瀾壯闊的時(shí)代，社會民生的每一個(gè)個(gè)體，或許都是馬伯庸筆下《大醫(yī)》里的主角，見證著數(shù)字化、智能化技術(shù)如何深入醫(yī)療行業(yè)，帶來影響深刻的醫(yī)療智能化變革。

一份病歷在全市乃至全國通行，AI輔助診療全過程，遠(yuǎn)程會診、遠(yuǎn)程手術(shù)、遠(yuǎn)程指導(dǎo)康復(fù)，這些曾經(jīng)出現(xiàn)在科幻電影里的醫(yī)療場景，正在現(xiàn)實(shí)世界中一步步向人們走來。