2026 GDMI印象：不止在仰望医疗AI的星空，更在默默探路

来源：HIT专家网    作者：朱小兵

医学人工智能发展给医疗信息化从业人员带来哪些挑战？构建医疗高质量数据集的难点有哪些？大量专病科研数据，在论文发表、课题结题之后如何不陷入“休眠”？这一系列发问，来自日前在广州举行的2026广东省医学会医学信息学学术会议暨第二届“南方数智医疗健康大会”（2026 GDMI）的多名演讲者。

大会给笔者留下最深刻的印象莫过于：面对当下医疗AI热潮，信息人不止在仰望星空，更在默默筑基、探路。

印象一：信息人须直面医疗AI的挑战

AI技术更新频繁，对人的认知、能力，以及配套的法规、标准体系带来多重挑战。

“以前，只有结构化数据可以被计算机分析、利用；现在大模型改变了这一切，大量半结构化、非结构化数据，也成为计算机处理分析的对象。”CHIMA主任委员王才有认为，大模型的开源普及，让人人都成为AI的使用者。AI将改变医疗服务和利用的格局。在这样一个时代，医疗信息人需要找到新的能力定位，学习理解政策标准要求，把握医疗AI的监管分类；开展数据治理，掌握智能体工程技术，驾驭医疗AI的安全性、可解释性及其应用边界。

要驾驭医学AI的发展趋势，主动了解并运用相关信息标准，是医疗信息人不可忽视的方面。会上，南部战区总医院专家介绍了国际国内人工智能标准概况。自2022年起，我国关于人工智能的标准制定明显加速。专家通过简要梳理我国卫生信息标准化脉络，前瞻医疗健康领域人工智能标准体系应该涵盖六个方面：（1）专用术语、参考框架、元模型、元数据；（2）数据元、高质量数据集；（3）模型算法、基座模型、量化、蒸馏；（4）通用技术、多模态智能体、互操作性；（5）测试、评估、注册许可；（6）隐私安全伦理、可解释性。

印象二：AI研发持续渗透诊疗业务流程

西湖大学工学院人工智能与生物医学影像实验室主任杨林教授介绍了其团队自2023年启动研发的深度病理大模型，实现了国内病理基础模型的自主可控，具备较强的泛化能力、通用能力，目前可以支撑30多个癌种的垂域模型训练。该项目得到了国家自然基金委支持。该病理基座模型已经在苏州大学附属第一医院、四川大学华西口腔医院、中山大学附属第三医院、杭州市第一人民医院等多家医院落地，支撑医院开发私有病理模型。杨林教授透露，团队还研制了“AI显微镜”“智能切片扫描仪”等数智病理新设备，助推数智病理全流程建设。

AI只有全面融入医院HIS系统，才能直接服务医院最为核心的诊疗业务。广东卫宁健康科技有限公司副总经理许晓林以重症场景为例，从人机交互、业务流程、认知、协同四个维度，介绍了WiNEX系统带来的全新应用体验。比如，在脓毒症诊疗方面，AI负责持续汇聚患者相关信息，并主动评估、提醒和追踪，医生负责关键判断与临床决策，形成质控闭环。

蚂蚁集团副总裁张俊杰透露，好大夫在线医生端将于7月底升级为“蚂蚁阿福”医生端，以优化重复劳动并提供可信的辅助诊断。

印象三：医生才是驱动“高质量数据集”的源头

在医疗AI落地的过程中，数据质量的重要性持续凸显。专家们研讨认为，医生才是“高质量数据集的源头”。

什么是高质量数据集？CHIMA副主任委员薛万国认为，高质量数据集应该是用来满足特定任务目标的，它的形成过程需要“量体裁衣”。高质量医学数据集是订单式，而非货架式。高质量数据集与研究目标绑定，导致其通用性、共享性较低。以肺癌数据集为例，外科、肿瘤、公卫等不同科室的需求各不相同，所需的数据集内容也各不相同。高质量数据集的加工是信息纯度提升、信息多样性下降的过程，难以满足多用途场景。

“这一年多的工作经历，让我对临床科研高质量数据集的建设有了崭新的视角。”2024年10月，福州大学附属省立医院（福建省立医院）成立医疗数智中心。自那时起，医疗数智中心主任张琼瑶就将自己95%的日常工作时间用在和不同临床科室的医生打交道上。

张琼瑶主任认为，临床研究人员是高质量数据集建设的方向掌舵者、流程优化者、质量守护者、价值实现者，是高质量数据集建设的核心驱动力。要把CRF表、EDC系统融入门诊、住院日常诊疗工作中，让业务和科研不再是“两张皮”。

印象四：广东数智医疗创新认知与实践

广东省医学会医学信息学分会主任委员、中山大学医学院周毅教授认为，可信数据空间将破解医院数据“不敢出”、数据“没法用”、企业“进不来”的困境。当海量、高质量、安全合规的数据成为可能，AI才有了点燃医学认知革命的基础。当知识趋向于免费化，人工智能将重组医学专业能力。

国产化是医疗行业数智化转型实践的必由之路。“国产化现阶段最难的还是培育生态，我每天绝大部分时间都花在了推动生态建设工作上。”深圳市卫生健康发展研究和数据管理中心副主任吴旭生介绍，深圳大力培育开源鸿蒙生态，并将医疗行业作为重点落地行业之一，以期解决医疗设备、业务终端操作系统缺乏统一通用底座、适配、运维成本极高的现状，从而为AI、大数据应用奠定算力复用、模型共享、全域协同的基础。

有着300多万常住人口的广东省佛山市顺德区，正在推进医疗健康信息系统一体化建设项目。目前系统承载的单日最高门诊量已经达到5万人次。通过构建数据不出域的可信数据空间，顺德区积极尝试数据资产化和价值转化路径。

“如果买方有需求，可以拿走模型，但是看不到我的数据，我也拿不到它的模型。”暨南大学附属顺德医院信息科主任吴庆斌表示，“整体而言，数据要素前景还是有的，但是如何变现，闭环还没完全走通，医院算力消耗的补偿机制有待建立。”

印象五：学会搭台，引导青年工程师能力转型

与会者涵盖政、产、学、研、用，凸显医学信息学理论与实践并重、医学与信息交叉融合的学科特色。

中华医学会医学信息学分会候任主任委员、中国医科大学附属盛京医院赵玉虹教授表示，广东省一直是全国医学信息学事业发展的排头兵。广东省医学会医学信息学分会在学科建设、学术交流和人才培养等方面做了卓有成效的工作，在医院数字化转型、人工智能辅助诊疗、互联互通与标准化建设、数据安全与合规治理等方面的探索走在全国前列，为推动区域乃至全国的医学信息学发展作出了积极贡献。

广东省医学会副秘书长刘筱燕介绍，广东省医学会成立于1917年，是中华医学会设立的第一个省级分会。近年来，承担了日益增多的省卫健委委托的行业服务工作（如职称评定、论文查新、医院评价、规划编制等）。

2025年，广东省医学会医学信息学分会宣告成立。广东省医学会医学信息学分会主任委员、中山大学医学院周毅教授介绍，分会的定位，更为注重医信融合。成立不到一周年，分会连续举办了两届学术会议。广东省医学会医学信息学分会将持续推进全省医学信息学技术创新、人才培养、行业发展与学科建设工作。

为期两天半的会议，主会场和不同主题的分会场学术报告精彩纷呈。大会精心准备的12课时AI智能体安装部署实操培训拓导课，吸引了90多家医疗机构的200多位信息工程师和临床医生参加，现场一座难求。

回到王才有主任给出的命题，面对汹涌而至、快速迭代的AI创新浪潮，医疗信息化从业者们如何应对？本次会议的很多议题分享和课程安排，或许已经指出了路径方向。

【责任编辑：陈曦 版式：明超】