褪去概念狂热，医疗AI务实落地的五道考题

来源：HIT专家网 作者：龚晨

9月19日—20日，由中国医院协会医学人工智能专业委员会主办、浙江大学医学院附属第二医院承办的2026中国医院协会医学人工智能专业委员会学术年会顺利召开。9月20日下午的“医疗AI探索与创新会场”人气爆满，行业对医疗AI的热情依旧高涨，但研讨重心已经脱离概念畅想，回归医疗机构真实需求，直面落地过程中的现实难题。

五道考题，拆解院内医疗AI建设现实困境

主题演讲环节，多位来自国内头部医院的信息化管理者分别从顶层架构、场景与价值验证、建设路径、系统集成、风险管控等维度，剖析痛点，分享经验。同时，会场设置点评式主持模式，主持人在讲者报告结束后继续抛出问题，与讲者开展深度对话。

首先要回答的是“顶层设计”命题：医院AI建设如何在统筹规划和专科创新之间找到平衡点？

四川大学华西医院信息与数据管理部部长石锐提出，医疗AI建设要警惕照搬传统信息化建设路径，防范各科室分散建设催生新的“AI烟囱”。医院应当把顶层架构规划摆在重要位置，统筹数据、算力、模型三大核心资源，搭建统一底座，兼顾平台整体性与专科创新活力。同时，他建议不必一味追求用大模型解决全部业务，可优先以小模型匹配细分业务场景。华西医院已基于统一AI底座开展多方向探索，覆盖患者全病程服务、病历辅助生成与质控、院内办公助手等场景。

交流环节，主持人、浙江大学医学院附属第二医院人工智能与信息化部主任相鹏提出问题：全院统一AI底座建设的投入大、周期长，是否让各学科自由探索更适合现阶段实际情况？石锐认为两种方式应各取所长：鼓励专科先行试点、快速取得突破，在试点过程中沉淀平台共性能力；但不能把单点应用作为建设终点，避免形成新的孤岛，要逐步提炼复用能力再向全院推广，平衡落地速度与长期架构治理。

第二个问题聚焦场景筛选与价值评估。“我们用了那么多AI，到底有没有真正改善患者结局、减轻医生负担、提高医疗效率？”复旦大学附属中山医院信息与智能发展部大数据人工智能中心主任张纪阳指出，目前能够证明医疗AI工具创造价值的证据仍然十分有限。结合国家医学中心与国家人工智能应用中试基地建设任务，复旦大学附属中山医院探索从需求论证、场景筛选到协同落地的院内AI建设路径。他特别提醒，不能迷信模型实验室指标，AUC等算法表现优异不等于临床可用，医疗AI需要直面流程适配、可解释性、真实世界效果等现实考验。

主持人、首都医科大学附属北京世纪坛医院大数据与人工智能管理处处长田宗梅提出两个问题：面对科室大量AI诉求，如何筛选甄别应用场景；业务部门和信息部门之间有哪些可借鉴的协作经验。张纪阳回应，AI需求评估可采用供需双方协商论证模式；在实践中鼓励临床科室在可控范围内先行探索原型应用，同时推动IT人员深入临床一线，也吸纳临床专家深度参与技术团队，优先选择投入可控、业务收益明确的场景试点。

第三个问题是：落到执行层面，医院应该如何推进AI应用的自研，并补齐人才短板？

“为提升医院的数智创新能力，当前有条件的医院有必要开展AI应用的自研工作。”北京友谊医院医学数智创新中心办公室主任王力华建议，医院在试水AI Coding时，可优先选择后台管理、科研辅助工具、AI过程验证优化、科研课题原型、业务助手、API对接等低风险、辅助类场景起步，不直接介入核心临床诊疗决策，试错成本可控，同时能够沉淀技术资产、培养人才。近期，北京友谊医院开设大数据与人工智能研修班，面向全国医疗机构数智业务骨干，以临床真实项目为载体开展实战化培养，产出可落地的数字化项目成果，探索跨院人才共育路径。

交流环节，主持人、华中科技大学同济医学院附属同济医院大数据与人工智能办公室主任陈妍妍提问：如果原单位算力与平台条件不足，研修班学员如何延续所学成果？王力华回应，研修重点是传递创新思维与落地方法论，学员可结合本院实际，灵活选用租用算力、开源工具等轻量化方式起步，把实践经验转化为本院AI建设的基础能力。

第四个问题聚焦于AI能力与现有业务体系的集成。

“再优秀的AI算法，若不能嵌入医院系统，就无法真正服务临床。算法决定AI的性能上限，系统集成决定临床落地的下限。”西安交通大学第一附属医院网络信息部部长牛晨从临床科研与信息化管理的双重视角指出，集成是医疗AI应用必然要跨越的门槛。在“基于多模态神经影像的脑肿瘤精准鉴识与诊疗关键技术应用”项目中，医院团队借助多模态影像AI，实现脑功能区重塑定位、胶质瘤IDH基因型无创预测、术后复发风险预判，同时通过医院集成平台，把AI输出结果转化为DICOM标准数据，无缝对接PACS、EMR、手术导航等系统，构建AI与信息系统闭环。

交流环节，上海交通大学医学院附属瑞金医院-上海市数字医学创新中心专职副主任朱立峰提问“医疗AI如何打通商业闭环、实现有效转化”。牛晨回应，AI应用的落地要获得医患认可，依托现有医保物价目录探索收费路径；希望产业深度参与，打通从算法、系统集成到临床收费的完整链路，实现患者、医院、企业多方共赢。

第五个问题指向医疗质量安全与责任边界。传统医疗质量管理存在刚性管控干扰临床、规则碎片化、系统烟囱式建设等痛点，容易与临床形成对立。宁波大学附属第一医院人工智能与信息化部主任吴斌介绍，医院摒弃“堵漏洞”的传统点状思维，围绕流程智能化、质控前瞻化、决策精准化，构建能够自我优化、持续提升的医疗质量管理生态。医院搭建私有化算力与模型底座，推进病历AI生成、自动报卡、会诊辅助等应用，减轻医护文书负担；创新“AI预警+医师积分”机制，实现事前预警、旁路无感质控，联动多级责任链，督促问题整改。

交流环节，主持人、中山大学附属第一医院信息数据中心主任余俊蓉提问“如何解决AI准确率不足100%时的风险管控问题”，吴斌特别强调，在包括医疗质控在内的业务场景中，AI仅能作为辅助工具而非最终决策者，临床医生与管理人员需要承担最终的决策责任。

工具链赋能，探索医院AI自主化实现路径

产业端如何看待上述行业痛点，能提供哪些技术工具与新思路？技术研讨环节，在西湖大学附属杭州市第一人民医院大数据中心主任陈斌、浙江医院人工智能和信息化部主任费科锋的主持下，多家企业带来不同领域解决方案。

“在医疗行业，AI成为业务主入口已经具备条件，但路还漫长。”全诊通创始人、总经理薛翀博士提出两点建议：一是打造医院“主权AI”，实现不对外过度依赖，医院自主掌控面向医疗业务的专用模型；二是实现AI应用的持续自我进化。全诊医学搭建四大底层平台，涵盖AI应用自建平台、智能体编排平台、模型训练推理平台、数据标注平台，让临床医生自主创建适配业务的Agent，助力医院走入AI自主运转时代。

“三甲医院信息中心将大量自建过去只能采购的工具，收回软件主导权，院内60%—70%以上的软件能够自主开发。”福鑫数科CEO吴笛提出这样的行业预判。福鑫数科的定位就是帮助医院探索AI时代的不确定性，赋能医院信息部门开发和构建自己的系统，挖掘创新方向，承接复杂系统的开发和验证，输出经过实战打磨的最佳实践，辅助医疗机构完成落地。

专科检查设备的数据归集，是医院多模态数据治理的薄弱环节，普遍存在数据孤岛与流程断链。武汉聚垒科技有限公司市场总监孙眈眈介绍，武汉聚垒的全院专科检查多模态数据治理平台，可对接多品牌、多型号设备完成数据采集归档，已在武汉同济医院落地实践。配套的AI-SOP专科检查智能体，能够接收检查任务、匹配对应患者，辅助信息录入与业务流程操作，自动解析报告与原始数据，内容经医生审核确认后，直接回写院内系统。

联影智能数智化业务副总裁高川提出，当前多数医疗AI直接套用通用大模型，存在适配性、安全性和幻觉等问题。行业需要立足真实医疗数据与业务体系，训练“医疗原生AI”，进而推动“AI原生医疗系统”建设。未来Agent的核心建设力量会逐步向临床医生转移，信息化厂商的核心任务是打磨底层模型工程、工作流编排工具、多模态数据平台等基础底座。

定义AI时代医院信息部门新使命

“AI浪潮之下，尽管未来临床部门可直接搭建、使用智能体，厂商可输出技术能力，但医院内部仍需一个具备决策、设计、组织、责任承担及保障功能的统一部门，这个部门的能力边界、工作范式也将迎来全新重塑。我们需要系统解答关于数据、系统、人才及保障体系四大核心问题。”圆桌论坛环节，主持人、浙江大学医学院附属第二医院人工智能与信息化部副主任许杰开宗明义，引出与会嘉宾的深入研讨。

“顺势而为，重构人机协作边界。”西安交通大学第二附属医院（西北医院）副院长徐颂华提出，应当建立类似操作系统的“AI研发平台”作为中间件，统一调度底层资源，避免科室各自为战造成的资源浪费。谈及人才建设，他认为未来医疗行业对复合型人才的数量需求会有所下降，但对人才质量要求显著提升；人才培养、选拔的重心，会转向判断力、心理素质，以及人机混合环境下的决策能力。

浙江省人民医院信息化与人工智能部主任陈杰介绍了浙江省人民医院的新一代数据底座建设情况，为后续AI应用及数据要素流通奠定基础。他建议，可以借鉴现有成熟产品推进中台化建设，构建医院AI操作系统，重点实现三项能力：底层算力与数据统一、中层模型评测体系统一、上层应用能力可复用。

西湖大学附属杭州市第一人民医院大数据中心主任陈斌则从治理角度提出务实建议，医院的AI底座建设需以实际需求（如科研、高质量数据集）为导向，避免盲目投入高昂硬件成本。为避免新的数据孤岛，医院要统一规划，限制基础模型数量，如仅保留文本和影像两类大模型；同时要求所有厂商开放API接口，实现数据、模型与应用的打通。

“未来的操作系统可能基于自然语言交互，键盘鼠标或将退出历史舞台。”浙江医院人工智能和信息化部主任费科锋谈到，当前临床医生想要自行开发AI应用还存在明显的能力断层，信息部门的新任务就是搭建“公共中间能力层”，封装底层数据解析能力，在此基础上向临床释放自主开发权限。中间层一旦建设成熟，临床就可以自主产出大量专科专病应用，进一步丰富院内AI生态。

本次年会的热烈现场，印证行业对医疗AI的期待依旧高涨，但整场研讨回归务实落地，这既需要医疗机构立足自身条件循序渐进，也离不开产业端提供适配的工具链。面向未来，更多答案，仍有待行业在真实临床场景中持续实践、迭代求索。

【责任编辑：陈曦 版式：明超】