文 | 產(chǎn)業(yè)家，作者 | 斗斗 ，編輯 | 皮爺
"1 秒、2 秒、3 秒…… 10 秒，病灶標(biāo)記完成！"
上海華山醫(yī)院放射科，診斷工作臺(tái)前，一組 CT 影像完成上傳后，僅用了 10 秒便完成了病灶標(biāo)記，在這短短的 10 秒鐘內(nèi)，一起完成的還有關(guān)聯(lián)患者既往病史和檢驗(yàn)數(shù)據(jù)，生成 5 種可能性診斷的結(jié)構(gòu)化報(bào)告。然而，在以前這個(gè)工作流程需要副主任醫(yī)師耗時(shí)半小時(shí)才能完成。
這是全國(guó)醫(yī)療 " 進(jìn)化 " 的縮影，AI，成為最大的助力。這樣的轉(zhuǎn)變發(fā)生在 2025 年初。隨著 DeepSeek 的出現(xiàn)，其 " 物美價(jià)廉 " 的模型特質(zhì)讓各個(gè)行業(yè)開(kāi)始嘗試 AI 與業(yè)務(wù)的融合。也就是在這時(shí)，全國(guó)醫(yī)療機(jī)構(gòu)以近乎瘋狂的姿態(tài)，紛紛部署 AI 大模型。
據(jù)不完全統(tǒng)計(jì)，僅截止 3 月底，就已經(jīng)有超 700 家醫(yī)院部署了 DeepSeek。其中，華山醫(yī)院是首批接入 DeepSeek 的醫(yī)療機(jī)構(gòu)。
接入 DeepSeek 之后，AI 帶來(lái)的技術(shù)賦能，迅速被放大。一組數(shù)據(jù)顯示，目前華山醫(yī)院 AI 系統(tǒng)在影像識(shí)別方面的準(zhǔn)確率已達(dá)到 90% 以上；腫瘤患者的治療有效率提高了 15% 以上，副作用發(fā)生率降低了 20% ……很難想象，在半年之前，醫(yī)療 AI 大部分還僅僅停留在 AI 輔助診療的階段。
當(dāng)下， AI 技術(shù)浪潮以前所未有的勢(shì)能沖擊醫(yī)療行業(yè)，從單體醫(yī)院到產(chǎn)業(yè)集群，從技術(shù)研發(fā)到臨床應(yīng)用，整個(gè)生態(tài)都在加速重構(gòu)。作為這場(chǎng)變革的重要個(gè)體，華山醫(yī)院的 AI 落地實(shí)踐或許暗藏著破解醫(yī)療數(shù)智化轉(zhuǎn)型難題的密鑰。解析其從數(shù)據(jù)基建到場(chǎng)景落地的完整路徑，或許能為深陷轉(zhuǎn)型迷霧的醫(yī)療機(jī)構(gòu)，照亮一條穿越 " 新賬舊賬 " 交織困境的可行之路。
一、AI 落地難？醫(yī)療機(jī)構(gòu)的 " 新賬 " 與 " 舊賬 "
上海市靜安區(qū)的核心地帶，復(fù)旦大學(xué)附屬華山醫(yī)院的門(mén)診大廳人潮涌動(dòng)。作為全國(guó)首批三甲醫(yī)院，華山醫(yī)院日均接診量超過(guò) 1.5 萬(wàn)人次，年手術(shù)量突破 5 萬(wàn)例。
這一數(shù)字背后，隨之而來(lái)的是關(guān)于 " 如何保障醫(yī)療質(zhì)量和效率 " 的難題。
AI 的自主決策能力，不僅增強(qiáng)了醫(yī)藥產(chǎn)業(yè)的創(chuàng)新力，提高了醫(yī)療服務(wù)的質(zhì)量和效率，還促進(jìn)了醫(yī)療產(chǎn)業(yè)從預(yù)防、診斷、治療到康復(fù)的全鏈條數(shù)智化轉(zhuǎn)型，讓華山醫(yī)院看到了醫(yī)療產(chǎn)業(yè)的下一站。
不過(guò)，與所有行業(yè)一樣，醫(yī)院這類(lèi)醫(yī)療機(jī)構(gòu)想要實(shí)現(xiàn)業(yè)務(wù)和 AI 技術(shù)的融合，也面臨諸多落地難題。
這些難題里，最值得一提的便是數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一。眾所周知，數(shù)據(jù)是 AI 大模型落地的 " 養(yǎng)分 "，標(biāo)準(zhǔn)化、高質(zhì)量的數(shù)據(jù)，直接決定了模型的決策能力。
據(jù)《2023-2024 年度中國(guó)醫(yī)院信息化狀況調(diào)查報(bào)告》顯示，盡管電子病歷（EMR）系統(tǒng)覆蓋率達(dá)到 92.3%，但支持全流程閉環(huán)管理的僅占 19.7%。
這種全流程閉環(huán)的低滲透率，也反射出了國(guó)內(nèi)醫(yī)療機(jī)構(gòu)的信息化現(xiàn)狀。
一個(gè)事實(shí)是，由于早年的歷史遺留問(wèn)題，國(guó)內(nèi)大多醫(yī)院都面臨著系統(tǒng)交互復(fù)雜、數(shù)據(jù)分散的難題，例如從醫(yī)技輔助，綜合運(yùn)營(yíng)、臨床科研到患者服務(wù)，每一個(gè)場(chǎng)景都包含幾十種管理系統(tǒng)，這些系統(tǒng)或因服務(wù)商、設(shè)備規(guī)格的不同以及業(yè)務(wù)之間的孤島，存在諸多斷點(diǎn)。
" 我們統(tǒng)計(jì)過(guò)，在內(nèi)網(wǎng)的核心系統(tǒng)有 186 個(gè)，廠商不同、版本不同，整體處于新老系統(tǒng)并行階段。" 華山醫(yī)院信息中心主任張琪曾說(shuō)過(guò)。
始建于 1907 年的華山醫(yī)院，歷經(jīng)百余年，發(fā)展至今已經(jīng)擁有 5 個(gè)院區(qū)。而這五個(gè)院區(qū)，每個(gè)院區(qū)的系統(tǒng)、業(yè)務(wù)和設(shè)備之間都存在數(shù)據(jù)、信息孤島。這不僅僅是跨系統(tǒng)、跨業(yè)務(wù)的難題，還是跨院區(qū)的難題。
如果說(shuō)這是信息化時(shí)代，欠下的一筆 " 舊賬 "，那么在 AI 時(shí)代，醫(yī)療場(chǎng)景對(duì) AI 準(zhǔn)確性和可靠性的極高要求，便是 " 新帳 "。
不同于其他行業(yè)，醫(yī)療行業(yè)的特殊性決定了其落地 AI，需要更加高門(mén)檻、復(fù)雜。
例如神經(jīng)外科研究中需整合結(jié)構(gòu)影像、功能連接組等多模態(tài)數(shù)據(jù)，但不同設(shè)備的掃描參數(shù)差異可能導(dǎo)致數(shù)據(jù)偏差。這就需要解決多源異構(gòu)數(shù)據(jù)的清洗、歸一化問(wèn)題。
再比如發(fā)熱待查輔助診斷工具需覆蓋復(fù)雜病因，但當(dāng)前模型的決策邏輯缺乏透明性，醫(yī)生難以信任其結(jié)論。需要增強(qiáng)模型的精準(zhǔn)度與可解釋性。
總之，拋開(kāi)政策、合規(guī)等一系列不可抗難題之外，醫(yī)院想要盡快吃到 AI 時(shí)代的紅利，一是要解決在信息化時(shí)代落下的系統(tǒng)、業(yè)務(wù)斷點(diǎn)問(wèn)題，還要面臨當(dāng)下醫(yī)療場(chǎng)景落地的問(wèn)題。
面對(duì)這些交織的新舊難題，醫(yī)療機(jī)構(gòu)需要破局。
二、AI 時(shí)代下的 " 華山范式 "
" 除統(tǒng)一系統(tǒng)外，多院區(qū)的信息化建設(shè)有沒(méi)有另一條路可走？" 這是華山醫(yī)院一直在思考的問(wèn)題。
要知道，華山醫(yī)院每個(gè)院區(qū)都有自己個(gè)性化需求，但另一方面還要實(shí)現(xiàn)多院區(qū)的同質(zhì)化管理，如何找到平衡點(diǎn)尤為關(guān)鍵。
華山醫(yī)院選擇了一條 " 不一樣的路 "。
具體來(lái)看，華山醫(yī)院首先建設(shè)了數(shù)據(jù)中心，統(tǒng)一管理人員、科室、檢查檢驗(yàn)等基礎(chǔ)元數(shù)據(jù)，確保各院區(qū)的數(shù)據(jù)底座一致、上報(bào)口徑一致；
其次在應(yīng)用架構(gòu)和系統(tǒng)供應(yīng)商的選擇上，則保持開(kāi)放態(tài)度，允許各院區(qū)系統(tǒng)保留個(gè)性化功能；
最后通過(guò)集成平臺(tái)建設(shè)，實(shí)現(xiàn)接口的統(tǒng)一管理，降低異構(gòu)系統(tǒng)的交互成本與難度。
這一舉措帶來(lái)的變化顯而易見(jiàn)，在華山醫(yī)院聯(lián)合上海聯(lián)通、華為、上海超算中心等機(jī)構(gòu)，自主研發(fā)國(guó)內(nèi)首個(gè)基于算力網(wǎng)絡(luò)的醫(yī)療大模型 Uni-talk 過(guò)程中。華山醫(yī)院為模型注入 3 萬(wàn)例標(biāo)準(zhǔn)化病歷和 2.4 萬(wàn)份影像報(bào)告，實(shí)現(xiàn) AI 秒級(jí)標(biāo)注肺結(jié)節(jié)，華山醫(yī)院實(shí)測(cè)數(shù)據(jù)顯示，其日均處理影像量從 100 份提升至 300 份，使肺結(jié)節(jié)識(shí)別準(zhǔn)確率提升至 95.2%。
有了堅(jiān)實(shí)的數(shù)據(jù)底座，華山醫(yī)院開(kāi)始在 AI 應(yīng)用方面大顯身手，圍繞診前、診中、診后三個(gè)環(huán)節(jié)展開(kāi)了全面布局。
診前，通過(guò) AI 分診系統(tǒng)結(jié)合患者歷史數(shù)據(jù)與主訴，將掛號(hào)時(shí)間縮短了 50%，還能精準(zhǔn)預(yù)警疑似傳染病患者，如發(fā)熱待查識(shí)別準(zhǔn)確率高達(dá) 92%。
診中，在神經(jīng)外科手術(shù)中，AI 實(shí)時(shí)生成三維導(dǎo)航模型，輔助醫(yī)生精準(zhǔn)定位病灶，使手術(shù)時(shí)間平均減少 30%。
其中，華山醫(yī)院還在腫瘤治療領(lǐng)域率先引入了 AI 輔助決策系統(tǒng)。該系統(tǒng)能夠根據(jù)患者的基因數(shù)據(jù)、病理報(bào)告、治療方案等信息，生成個(gè)性化的治療建議。據(jù)醫(yī)院統(tǒng)計(jì)，使用 AI 輔助決策系統(tǒng)后，腫瘤患者的治療有效率提高了 15% 以上，副作用發(fā)生率降低了 20%。
診后則基于大模型的個(gè)性化康復(fù)方案生成系統(tǒng)，例如針對(duì)帕金森病患者動(dòng)態(tài)調(diào)整用藥建議，讓患者依從性提升了 40%。
華山醫(yī)院通過(guò)對(duì)數(shù)據(jù)的基礎(chǔ)建設(shè)、改造，實(shí)現(xiàn)了業(yè)務(wù)、科室、院區(qū)的互通，更重要的是埋下了承接 AI 時(shí)代紅利的 " 伏筆 "。使得其在 DeepSeek 帶來(lái) AI 熱潮中，能迅速將技術(shù)迅速落地于業(yè)務(wù)。
數(shù)據(jù)顯示，在 AI 技術(shù)的賦能下，華山醫(yī)院患者滿(mǎn)意度由原來(lái)的 87% 提升至 96%；醫(yī)院的資源利用效率也得到了優(yōu)化，高峰期患者的排隊(duì)時(shí)長(zhǎng)減少了約 40 分鐘；管理成本降低，決策響應(yīng)速度提升，跨院區(qū)檢查檢驗(yàn)人次數(shù)提升 8%。
在華山醫(yī)院的 AI 實(shí)踐中，可以發(fā)現(xiàn)兩個(gè)關(guān)鍵點(diǎn)，即數(shù)據(jù)治理是 AI 落地的命脈。不過(guò)醫(yī)療數(shù)據(jù)治理絕非簡(jiǎn)單的系統(tǒng)集成，而是要打造立體化治理架構(gòu)使數(shù)據(jù)質(zhì)量指數(shù)躍升，為 AI 模型提供了優(yōu)質(zhì) " 養(yǎng)料 "；其次，醫(yī)療 AI 的價(jià)值實(shí)現(xiàn)，關(guān)鍵在于與臨床場(chǎng)景的深度融合，場(chǎng)景價(jià)值大于技術(shù)噱頭。
基于此，華山醫(yī)院在數(shù)據(jù)治理層面，通過(guò)構(gòu)建統(tǒng)一數(shù)據(jù)中臺(tái)與創(chuàng)新質(zhì)量管控機(jī)制，破解了醫(yī)療信息化時(shí)代的 " 舊賬 " 難題；在技術(shù)應(yīng)用層面，以臨床需求為導(dǎo)向的場(chǎng)景化創(chuàng)新，實(shí)現(xiàn)了 AI 從輔助工具到?jīng)Q策伙伴的跨越。
三、華山醫(yī)院的 AI 落地思維
華山醫(yī)院 +AI 的落地路徑的底層邏輯是什么？
作為全國(guó)首批接入 DeepSeek 的醫(yī)療機(jī)構(gòu)，華山醫(yī)院在模型選型上，并未盲目追求 " 最大參數(shù) "，而是采用 "70B 參數(shù)模型 + 滿(mǎn)血版模型 " 的雙軌并行策略。在門(mén)診量日均超 1.5 萬(wàn)人次的現(xiàn)實(shí)壓力下，醫(yī)院信息中心通過(guò)動(dòng)態(tài)算力調(diào)配，實(shí)現(xiàn)了診療效率與成本控制的精準(zhǔn)平衡。
例如，在急診分診場(chǎng)景中，輕量化模型將患者掛號(hào)時(shí)間縮短 50%，而在腫瘤治療決策等復(fù)雜場(chǎng)景中，滿(mǎn)血版模型則通過(guò)整合基因數(shù)據(jù)與影像組學(xué)，使治療有效率提升 15%。
數(shù)據(jù)安全是這場(chǎng)合作的 " 生命線(xiàn) "。華山醫(yī)院采用內(nèi)網(wǎng)隔離架構(gòu)，所有醫(yī)療數(shù)據(jù)均通過(guò)本地化部署的 DeepSeek 處理，徹底杜絕傳輸泄露風(fēng)險(xiǎn)。醫(yī)院還聯(lián)合上海超算中心構(gòu)建醫(yī)療算力網(wǎng)絡(luò)，在保障數(shù)據(jù)主權(quán)的同時(shí)，實(shí)現(xiàn)跨院區(qū)、跨科室的數(shù)據(jù)互通。
這一設(shè)計(jì)使得多院區(qū)患者數(shù)據(jù)實(shí)現(xiàn) " 一次錄入、全院共享 "。
而面對(duì) 186 個(gè)異構(gòu)系統(tǒng)構(gòu)成的 " 數(shù)字迷宮 "，華山醫(yī)院?jiǎn)?dòng)了三輪數(shù)據(jù)治理攻堅(jiān)戰(zhàn)。
基礎(chǔ)層整合通過(guò)統(tǒng)一數(shù)據(jù)中臺(tái)，將人員、科室、檢查檢驗(yàn)等基礎(chǔ)元數(shù)據(jù)標(biāo)準(zhǔn)化，打破跨院區(qū)數(shù)據(jù)壁壘；應(yīng)用層解耦在保留各院區(qū)個(gè)性化功能的前提下，通過(guò)集成平臺(tái)實(shí)現(xiàn)接口標(biāo)準(zhǔn)化，使系統(tǒng)交互成本降低；AI 層嵌入將 DeepSeek 深度融入 HIS、LIS、PACS 等核心系統(tǒng)，實(shí)現(xiàn)病歷智能生成、影像自動(dòng)標(biāo)注、檢驗(yàn)報(bào)告質(zhì)控等功能。
也就是在這一過(guò)程催生了多個(gè) " 臨床大腦 "。例如上文所提及的，在神經(jīng)外科手術(shù)中，AI 實(shí)時(shí)生成三維導(dǎo)航模型；在腫瘤治療領(lǐng)域，AI 輔助決策系統(tǒng)整合患者基因數(shù)據(jù)與治療方案。
其實(shí)，在這個(gè)過(guò)程中華山醫(yī)院與 DeepSeek 的合作遠(yuǎn)超傳統(tǒng) " 甲乙方 " 關(guān)系，而是構(gòu)建了 " 臨床需求 - 技術(shù)研發(fā) - 應(yīng)用驗(yàn)證 " 的閉環(huán)創(chuàng)新體系。
而這種生態(tài)共建模式正在產(chǎn)生 " 溢出效應(yīng) "。
目前，華山醫(yī)院基于治理后的高質(zhì)量數(shù)據(jù)訓(xùn)練的 " 特制版 DeepSeek"，已向 4 家附屬醫(yī)院、155 個(gè)科室開(kāi)放端口，推動(dòng)區(qū)域醫(yī)療資源均衡化。例如在福建醫(yī)院分院，社區(qū)醫(yī)生通過(guò)接入該系統(tǒng)，使糖尿病遠(yuǎn)程隨訪(fǎng)效率提升 70%。
當(dāng)這套方法論在華山醫(yī)院體系內(nèi)跑通后，其價(jià)值開(kāi)始向更廣闊的醫(yī)療圖景延伸。通過(guò)構(gòu)建 " 臨床需求 - 技術(shù)研發(fā) - 應(yīng)用驗(yàn)證 " 的閉環(huán)創(chuàng)新體系，醫(yī)院不僅解決了自身發(fā)展痛點(diǎn)，更意外叩開(kāi)了一個(gè)更具革命性的命題，即醫(yī)療質(zhì)量、效率與公平的協(xié)同提升也逐漸成為可能。
四、AI，打破 " 醫(yī)療服務(wù)的不可能三角 "
一直以來(lái)，國(guó)內(nèi)醫(yī)療體系一直存在看病難、看病貴的困境。更加具象化的體現(xiàn)是，三甲醫(yī)院人滿(mǎn)為患，而基層醫(yī)療機(jī)構(gòu)資源閑置；高端醫(yī)療設(shè)備集中，而基礎(chǔ)診療服務(wù)不足。
美國(guó)耶魯大學(xué)教授 William Kissick 把這種在既定的資源約束下，醫(yī)療質(zhì)量、服務(wù)可及性和成本控制三者始終處于此消彼長(zhǎng)的矛盾狀態(tài)稱(chēng)為 " 醫(yī)療不可能三角 "。
長(zhǎng)久以來(lái)，這一問(wèn)題就像一個(gè)不可能打破的 " 魔咒 "，成為中國(guó)醫(yī)療體系發(fā)展的病灶。
然而，隨著 AI 技術(shù)的升級(jí)，這個(gè) " 三角 " 似乎正在被打破。
華山醫(yī)院的實(shí)踐表明，當(dāng) AI 深度融入醫(yī)療流程時(shí)，原本相互制約的三個(gè)維度開(kāi)始呈現(xiàn)出協(xié)同進(jìn)化的可能。
這種變革的底層邏輯在于 AI 重構(gòu)了醫(yī)療服務(wù)的生產(chǎn)要素。傳統(tǒng)醫(yī)療體系受制于醫(yī)生培養(yǎng)周期長(zhǎng)、優(yōu)質(zhì)資源分布不均等剛性約束，而 AI 賦能的醫(yī)療系統(tǒng)展現(xiàn)出了革命性特征。即知識(shí)迭代的指數(shù)級(jí)加速、服務(wù)供給的彈性擴(kuò)展、成本結(jié)構(gòu)的根本性改變。
華山醫(yī)院與上海超算中心聯(lián)合研發(fā)的 Uni-talk 大模型，每月吸收超過(guò) 10 萬(wàn)份新病例數(shù)據(jù)，其診斷能力以每季度 15% 的速度持續(xù)進(jìn)化。這種學(xué)習(xí)速度意味著，一個(gè)部署滿(mǎn) 3 年的 AI 系統(tǒng)，其經(jīng)驗(yàn)積累相當(dāng)于人類(lèi)醫(yī)生 30 年的臨床實(shí)踐，實(shí)現(xiàn)了對(duì)醫(yī)療服務(wù)質(zhì)量的保障。
而通過(guò) 5G+AI 遠(yuǎn)程診療系統(tǒng)，便可將將頂級(jí)專(zhuān)家的診療能力輸送至 23 個(gè)偏遠(yuǎn)區(qū)縣的基層醫(yī)療機(jī)構(gòu)，編織一張覆蓋城鄉(xiāng)的智能醫(yī)療網(wǎng)絡(luò)，提升醫(yī)療服務(wù)的可及性。
此外在成本控制維度上，AI 帶來(lái)的不僅是表面上的效率提升，更是醫(yī)療經(jīng)濟(jì)學(xué)的范式變革。例如智能審方系統(tǒng)，通過(guò)分析 300 萬(wàn)份處方數(shù)據(jù)建立的合理用藥模型，每年攔截潛在用藥錯(cuò)誤 1200 余例；AI 驅(qū)動(dòng)的預(yù)測(cè)性維護(hù)使 CT 設(shè)備故障率下降 65%，檢查室利用率提升 40%；基于患者流量預(yù)測(cè)的彈性排班系統(tǒng)，讓護(hù)士人力資源浪費(fèi)減少 25%。
更值得注意的是，隨著華山醫(yī)院高質(zhì)量數(shù)據(jù)訓(xùn)練的 " 特制版 DeepSeek" 不斷輸送給基層醫(yī)療機(jī)構(gòu)，將加速中國(guó)醫(yī)療體系的協(xié)同發(fā)展。
這些看似細(xì)微的改進(jìn)，在醫(yī)療這個(gè)重資產(chǎn)行業(yè)產(chǎn)生著乘數(shù)效應(yīng)。
站在當(dāng)下來(lái)看，華山醫(yī)院的實(shí)踐似乎正在揭示了醫(yī)療 AI 革命的深層邏輯——那些勇于破解 " 新賬舊賬 " 交織困局的機(jī)構(gòu)，終將在 AI 浪潮中率先完成價(jià)值重構(gòu)，以 AI 之力打破 " 醫(yī)療服務(wù)的不可能三角 "。
未來(lái)，在 AI 重構(gòu)的醫(yī)療新圖景中，質(zhì)量提升或?qū)⒉辉僖誀奚杉靶詾榇鷥r(jià)，普惠醫(yī)療亦無(wú)需困于成本困局。
