王力华：夯实数智能力培养，走出医院AI务实落地之路

来源：HIT专家网 作者：李崇铭

“依托国家人工智能应用中试基地（医疗）·北京（以下简称‘国家基地’）提供的基础设施和机制优势，北京友谊医院医学数智创新中心作为积极参与者，持续探索AI Coding，并于近期开设了大数据与人工智能研修班，从临床数智需求出发，勇于试错、快速迭代、边用边改，加快数智化转型步伐。”

近日，在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“医疗AI探索与创新会场”上，北京友谊医院医学数智创新中心办公室主任王力华介绍了医院参与国家基地相关建设情况，并分享了医院在数智人才培养、院内AI自研方面的经验。

国家基地夯实医疗AI外部协同支撑能力

国家基地于2025年9月启动建设，聚焦精准诊疗、生物医药制造两大赛道，依托北京医疗资源高地，构建算网底座、高质量数据建设、应用创新等行业共性支撑能力，加快医疗AI技术创新和产业发展。

王力华介绍，在建设国产化健康云网底座方面，国家基地在北京经济技术开发区建设了全栈国产化推理算力基础设施，提供训练、推理与应用部署等一站式算力服务，支撑国产化适配。希望未来可以申请到由专线调用的算力资源，以满足医院阶段性的数智应用需求。

围绕医疗健康数据，国家基地打造了全链条支撑体系，让数据“供得出、流得动、用得好”。国家基地构建数据开发、可信流通和供需对接全链条服务，赋能医院、科研院校、卫生健康委等开展数据基础性和增值性开发，打造AI-Ready行业高质量数据集，搭建数据供需对接的桥梁。北京友谊医院积极参与了国家基地发起的“高质量数据集亿元支持计划”，提交了高质量数据集构建方案。

在健全数据流通保障机制方面，北京市卫生健康委和国家基地制定了全国首个卫健主管部门牵头的《健康医疗数据匿名化技术规范》，并推动医疗行业可信数据空间等数据基础设施建设。在此基础上，北京友谊医院进行了数据集匿名化实践，并共同探讨医院端可信空间需求。

在促进头部医院共建方面，国家基地联合北京头部医院顶级专家，打造专科专病模型与智能体，赋能医疗卫生强基工程；联合医工团队，打造医疗大模型与应用评测体系，如与北京友谊医院王振常院士团队打造的“放射科AI评测样板间”等。

此外，国家基地联合头部医疗机构与生态企业，打造优质智能应用，依托北京市健康云赋能医疗AI创新。“审核入选的AI应用会在国家基地网站发布，这不仅激励了医院的创新实践，还创造了对外宣传、联系合作伙伴的机会。”王力华说。

项目驱动，培育行业数智复合型人才

“数智人才培养是医院数智创新中心的工作职能之一，但目前中心仅有9人，日常工作已比较饱和，难以顾及人才培训工作。后来我从医院放射科组织的研修班模式得到启发，大数据与人工智能研修班既能解决现实的缺人问题，又能为行业培养更多数智化人才。”王力华介绍，“大数据与人工智能研修班”是医院医务处正式批准设立的正规进修项目，参照成熟的医疗进修班流程，采用“融入实践、平台赋能、项目驱动、视野拓展”的递进式培养路径，以真实临床项目为牵引，帮助学员结合自身岗位和能力基础，选择适合的学习重点与实践方向。

第一期研修班已于2026年9月开班，研修周期3个月，首期招收进修学员10人，其中8人来自各级医疗机构，剩余2人分别来自专业体检机构和高等院校。

“很多医院信息中心主任在本身人手紧张的情况下，仍然选派业务骨干参加研修班，这对我们组织者来说是一份沉甸甸的信任。”王力华介绍，研修班开班以来，从多方面持续优化培养机制，力求让每一位学员都能有所收获：

在课程体系与技术路线方面，研修班采取“项目主线+按需学习+阶段推进”的教学安排，提前面向全院征集了近40个智能体的真实业务需求，学员根据兴趣、专业背景与能力方向自行认领或分配任务。在项目推进过程中，围绕实际问题穿插方法讲解、案例拆解、工具训练和专题分享，做到“用中学、做中学”。研修班以院内现有数智化平台为基础，结合本地化部署的大模型开展应用实践，根据具体项目需要灵活引入数据处理、开发或其他专项技术。

在学员管理与过程保障方面，研修班建立了项目管理看板与每周例会、周报、问题答疑机制等，持续追踪学员学习与项目推进情况。

在考核评价与成果转化方面，研修班计划于11月末与CHIMA共同举行结业汇报仪式，让学员分享、演示智能体。后续，研修班还将推动优秀智能体形成多中心合作成果，在实际业务场景中持续应用，沉淀项目案例、技术文档与操作手册。

“研修班将定期举办，逐步形成医院数智人才培养品牌和跨医院交流合作网络。”王力华介绍，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。

以自研能力，探索医院AI低成本落地路径

“大模型赋能下的AI Coding正在深刻改变行业，依托这一能力探索院内AI应用自研，对医疗机构而言具备现实意义。”王力华介绍，从现实条件出发，医院数智创新中心预算有限，基于开源大模型与工具链的低成本自研路线更加实际；从人才培养角度考虑，优先选择非临床诊疗的辅助类场景开展AI自研，其风险可控，有助于沉淀医院数字资产，培养兼具医疗业务理解与AI技术能力的复合型人才。

目前，北京友谊医院探索自研的AI应用主要包括以下几个类别：

后台管理类，如算力调度管理、模型管理、知识库与数据源管理、调用日志分析等，为全院AI应用提供统一的算力、模型与数据底座。

院内科研辅助工具，如数据处理平台、标书审核、随访数据整理与统计分析等。这类工具不同于互联网已有科研领域的AI辅助产品，不以文献检索、选题、论文润色等为目的，而是替代院内重复性的人工整理和初审工作。例如基于AI的“国自然”标书审核应用，已辅助医院审核800份标书。

AI过程验证优化类，如大模型分析结果的优化与查看、提示词与流程编排、结果溯源等。这类应用的目的是对模型输出进行校验、优化与可视化，保证结果可复核、可追溯。

科研课题原型类，如肝脏病理结果分析系统、影像与文本辅助分析原型等。数智创新中心与临床合作，面向具体科研课题验证技术可行性，形成可演示原型。

智能体类，如手术三方核查、智能投诉管理等可自主调用工具、完成多步业务任务的业务助手，达到一定的使用效果后，均可以和信息系统对接。

API对接类，把AI能力嵌入既有信息系统与业务流程，如今已完成与院内各业务信息系统对接的API超过60个，支撑业务系统的智能化改造。

王力华分享了借助AI Coding自研的几点感受：

一是以需求为导向，做好AI项目的全生命周期管理。从临床与科研的真实痛点出发，先明确要解决什么业务问题，再选择适配的技术手段。项目开发的细粒度把控，仍需在实践中持续积累经验。

二是统筹技术路线，规范研发过程。统一底座、数据与接口规范，避免各应用重复建设、数据割裂，形成可复用的技术栈。“这一点非常重要，虽然AI技术降低了开发门槛，医护人员也能参与开发，但看起来可用的原型，未必能够直接作为稳定生产系统运行，这一点需要保持清醒认知。”王力华表示，所有参与开发的人，都应该遵循统一的技术架构标准。

三是快速开发，在真实使用环境中迭代完善。优先上线最小可用版本，在真实业务场景收集反馈、小步迭代，边用边改，缩短见效周期。

四是低成本试错，不断总结、沉淀、复用经验。“我们坚持自研与开源相结合，即便部分开发成果最终达不到上线要求，成本也相对可控。但失败的经验可以沉淀下来，有助于我们快速总结和提升。”王力华说。

【责任编辑：陈曦 版式：蒙辉】