医疗“AI+信创”必须面对的4个策略问题

来源：HIT专家网 作者：龚晨

当前，医疗行业正面临“AI+信创”两大并行任务，二者叠加带来技术适配冲突、成本投入平衡、场景价值评估等多重复杂挑战，亟需通过聚焦实战的策略研讨，找到破局路径。

2025年10月28日，2025通明湖论坛医疗分论坛在北京成功举办。本次论坛特设“策略研讨”环节，围绕医疗AI与信创融合的关键痛点与实践路径，设置四个核心议题，邀请多位医疗机构信息部门负责人与HIT企业嘉宾展开对话，并碰撞出一批兼具实操性与前瞻性的解决思路。

策略研讨1：医疗信创芯片技术路线选择与考量

在“医疗信创芯片技术路线选择与考量”研讨中，中国医院协会信息专业委员会秘书长刘敏超结合多年实践经验，引导研讨嘉宾聚焦医疗信创的芯片性能适配、成本控制、安全稳定性等关键问题，探讨适合医疗场景的芯片技术路线，为医疗机构芯片选型提供建议。

医疗信创在选择芯片技术路线时的主要问题有哪些？北京同仁医院信息中心主任郭敬鹏直指三大核心：兼容性是前提、稳定性是基础、安全性是底线，其中硬件级的安全保护，是此前关注不够的问题。北京积水潭医院信息中心主任助理王闻星非常关注芯片的生态与性能。医院业务系统众多，芯片适配涉及操作系统、数据库、中间件、应用系统等多个维度，各个厂商的生态布局、开发能力、持续运维能力等问题需要考虑；且医院存在明显的业务高峰，芯片能否满足潮汐式的性能需求应重点考量。北京清华长庚医院信息管理部资讯专员尹剑锐结合医院的系统自研经验，特别重视操作系统和芯片的版本兼容性问题，同时指出芯片选型不仅要考虑购买成本，还应覆盖运维、备件与人才培养等成本。

基于上述考量，研讨嘉宾普遍认为：在前端替换时，多数医院的选型重点在于与现有IT架构的兼容性及生态的完善性，以降低迁移风险；而在后端（服务器、存储等）替换时，由于环境相对封闭、独立，对芯片路线的依赖程度小，医疗机构选型有更大的自由度。总体而言，只要上层做好屏蔽与兼容，不同的芯片技术路线都是可选项，且均有成功落地案例。

刘敏超总结，医院信创一般是由外围到中心，按照模块逐步切换，由此带来的经验是：医院信息化要有意识地规划设计分层、分域的模块化架构，为后续信创替代提供可拆解、易迁移的基础。

策略研讨2：AI时代的信创终端适配难点与应对

在“AI时代的信创终端适配难点与应对”研讨中，浙江省人民医院信息化与人工智能部副主任陈朝晖与多位研讨嘉宾一起，针对医疗信创终端操作系统选型、外设兼容性处理、硬件碎片化带来的“镜像海啸”等难点问题，从需求侧、供给侧双视角提出应对思路。

在信创终端的操作系统选型中，医疗机构普遍关注“场景适配”与“生态成熟度”。北京天坛医院信息中心副主任白波认为，医疗终端直面丰富的应用场景，不同场景的需求差异显著：医生端需高响应性能，窗口/护士站需兼容多类打印机、读卡器，科研端则面临专业软件适配问题。因此，满足多场景需求、确保业务连续性是操作系统选型的核心考虑因素。北京朝阳医院怀柔医院信息中心主任孙立淼建议操作系统厂商摒弃ToC的“通用产品”思维。医疗场景外设复杂、需求特殊，通用的操作系统很难覆盖所有适配需求，医疗机构更期望操作系统厂商拿出整体解决方案。

针对适配问题，统信软件副总经理王耀华介绍，统信软件从成立之初就坚持通过一套源码与不同路线的底层芯片进行同源异构适配，支持原生适配、Wine迁移、虚拟化迁移三类方案，目前与医疗行业常用业务系统的适配成功率已达95%以上。在外设兼容性方面，北京奔图研发中心总监刘忠松介绍，奔图为医疗行业提供打印、复印、扫描等全品类外设，已与国产芯片、操作系统积累成熟的生态适配经验，当前需进一步联合HIS厂商、医疗设备企业与医院信息部门深度协作，精准识别场景需求，攻克适配难点。

在Windows时代，医院信息部门常利用“万能镜像”提高运维效率；进入信创阶段后，不同终端采用的CPU架构、主板和固件各不相同，须为各类硬件维护独立的OS镜像。面对这种硬件碎片化带来的“镜像海啸”，白波建议“批次化镜像管理”，同架构、同场景设备可批量部署；孙立淼则建议采用“镜像快照+增量更新”模式，一台终端可加载多个镜像，减少重复适配。而在技术供给侧，王耀华表示，统信操作系统支持批量镜像复制，还可通过集中镜像选择、版本主线合并等方式，逐步解决镜像碎片化问题。

策略研讨3：多模态全场景AI应用趋势下的数据库选型

在“多模态全场景AI应用趋势下的数据库选型”研讨环节，主持人北京大学首钢医院信息中心主任余浩与研讨嘉宾探讨如何通过合理的数据库选型，满足临床部门的业务需求与信息部门的管理运维需求，为医疗机构适配多场景AI应用提供数据底座建设思路。

在谈及如何平衡多模态医疗数据的高效存储与AI模型实时调用数据的需求时，中国中医科学院西苑医院信息管理中心主任陈海强指出，开源技术的发展以及传统数据库的演进，使得数据库的多模态融合能力得到增强，且在功能扩展方面具备支持关系型、非关系型数据及时序数据管理的综合能力，不少数据库产品已能在单一平台满足多类数据存储需求。医院可以根据实际业务需求，以软件定义的思路，规划数据库选型。

航天中心医院网络安全总监、信息处处长张洪鹏建议，首先明确数据类型、存储规模、运算速率等核心指标，其次优先考虑信创政策，具体选型时可借鉴“望闻问切”法：“望”其势，考察数据库厂商实力；“闻”其效，参考医疗标杆案例成效；“问”其详，深度沟通技术适配、风险防控等细节；“切”其实，通过小范围场景试用、关键功能验证，形成客观判断。

面对医院各科室差异化的AI应用场景，应选择统一的数据库架构还是混合数据库组合方案？陈海强认为，规模中等的医院更适合统一架构，以降低管理与学习成本。张洪鹏认为，HIT行业存在“统-分-统”的发展规律，在当前阶段，统一的数据库架构更适合大部分医疗机构的实际情况。OceanBase解决方案总经理李楠补充，医疗数据最为复杂，很多数据不是纯向量或纯标量，而是需要实现混合检索。虽多模态数据库可整合医疗机构大部分需求，但受当前技术限制（如图数据、时序数据适配等），仍需搭配对象存储等分层方案，以平衡性能与成本。

由于资源和能力限制，大部分医疗机构信息部门未能配置专门的数据库管理员（DBA），陈海强期望数据库厂商通过提供便利工具、社群支持、便捷服务等方式，帮助医院加强数据库运维能力。张洪鹏建议医疗机构循序渐进，先把“看家的活儿”干好，确保自身具备基础运维力量，再根据业务发展需求，规划数据库专业人才的培养或引进，逐步提升自主运维与技术攻坚能力。李楠则从数据库企业角度表示，将通过开源产品扩大用户使用范围、降低学习成本、借助AI实现“故障自愈”等方式，助力医院的轻量化运维。

策略研讨4：构建AI驱动的医院数字化转型模式

在“构建AI驱动的医院数字化转型模式”研讨环节，主持人北京大学人民医院信息中心副主任孙超与研讨嘉宾结合医疗机构转型实践与企业技术支撑经验，探讨如何评估医疗AI应用的投入产出比、技术成熟度与真实场景的匹配度，以及如何平衡安全与发展等问题，碰撞医院数字化转型的创新模式与落地路径。

针对AI应用价值评估，中国医学科学院医学信息研究所医疗卫生法制研究室主任曹艳林指出，需结合医院定位区分考量：头部医院更倾向通过AI应用维持技术与诊疗领先性，其带来的无形资产与长期效益，比短期产出更为关键。北京协和医院数据技术负责人李亚光则提出体系性评估思路：一是区分应用类型，临床应用主要看“降本、增效、提质”，但前提是明确需求是否真实、合理，以及是否需要利用AI解决；二是针对手术规划等极度依赖人力、边际成本高的场景，AI可突破能力限制，这类战略性投入值得推进；三是需评估场景与模型参数的适配性，建立测试体系，量化高参数模型的实际收益，避免算力浪费。

参与研讨的HIS企业嘉宾认为，医疗AI应重视头部医院和基层医疗机构的联动，帮助基层守好健康关卡，医疗AI真正的价值可能并不体现在单个医疗机构中，而是整个医疗健康体系。此外，ICU等数据密集、并发需求低的场景，AI应用的性价比尤为突出。

在AI需聚焦的临床痛点问题上，医院与企业嘉宾形成共识。医院嘉宾表示，临床对AI的预期呈两极分化，部分过度期待，部分持怀疑态度，核心问题在于 “需求定义偏差”：有时并非技术不行，而是初始问题就错了；且“有多少人工就有多少智能”，临床人员精力有限，难以深度参与AI建设，而AI应用无法直接“买来即用”，需要定制适配。企业嘉宾则坦言，AI技术在临床落地中受限，一是诊疗场景需要医疗专家的深度参与，否则难以找准“真问题”；二是医院数据支撑不足，无法满足模型调整需求，最终使模型建议出现偏差。上述问题的解决，需要多方协同。

当AI遇上信创，既是挑战也是机遇。正如中国医院协会信息专业委员会副主任委员薛万国所说：医疗应用系统的AI重构才刚刚开始，信创与应用系统重构相同步、相融合，将创造出全新的医疗应用，这也恰好是信创（信息技术应用创新）的题中之义。（根据现场研讨内容整理，未经嘉宾本人审阅确认。）

【责任编辑：陈曦】