作者丨方诗意

编辑丨六子

患者走进医院前用手机挂号，医生看病时顺手打开电子病卡，各项常规检查通过信息化系统快速出结果，医保结算一键即成，后续医院针对病历等文件的质控也在系统辅助下展开……

这也许就是当下不少人对智慧医疗的想象。不过事实真是如此吗？或许对于大批三甲医院、医生、护士和医疗科研人员来说，AI医疗的浪潮声势浩大，但许多被寄予厚望的AI工具，还是无法真正融入工作流，难以获取医疗人员信任，最终被悄然“束之高阁”。

这项技术到底该怎么用？从医院运营、诊疗中诞生的无数细节问题，到底该怎么解决？

9月中旬，毕马威发布了一篇报告，名为《智能医疗健康：人工智能驱动转型与价值重塑》。它在调研全球超过500个医疗健康AI技术的实施案例后发现，医疗行业普遍看好AI的价值，并多方位引入了相关技术，谋求解决复杂任务，推动整体效率革命。

*图源毕马威

它给出的潜台词是，变革的关键，已不再是单点技术的炫技，而是构建体系的能力。

近期，东软基于多年深耕医疗信息化智能化的经验，发布添翼医疗健康智能化解决方案2.0，其背后“重构价值链路”的思路，真正关注到了AI在落地医疗系统过程中进入“深水区”的一系列问题。医疗AI如何从可用走向好用，现在有了一个新的思考角度。

PART 01「“飘在天上的AI医疗”」

AI概念有多热，实施落地就有多困难。

按照毕马威的报告，已投资开展试验性项目且不追求短期回报的医疗机构，在所有调研对象中的占比高达85%。但同时，确认“在实施人工智能时面临诸多运营挑战，包括数据问题、技能不足问题和法律问题等”的机构占比，也达到了84%。

这就意味着，几乎所有看好AI医疗未来的机构，都在实施过程中遇到了问题。光靠支票，还远不能带来效率的飞跃。那场想象中波澜壮阔的效率革命，似乎穿不过智能化的深水区。

为什么会这样？因为从行业实践来看，今天的许多AI，仍像一个“悬浮”在庞大、精密且保守的医疗系统之上的“数字幽灵”。它试图大展拳脚，却在现实中碰壁。

首先，医院本应是AI最肥沃的“土壤”。一家三甲医院每天产生的病历、影像、检验数据，是任何实验室都无法比拟的宝藏。但AI的“阿喀琉斯之踵”恰恰也在这里。这些数据如同一盘散沙，在过去绵延多年的医疗信息化过程中，可能被沉淀进不同年代、由不同厂商建设的异构系统。

标准不一、互不连通。它们就像储量巨大的“原油”，能看不能用。而对AI来说，缺乏数据，再强大的构想也无法真正落地，无法走进医疗场景。

*图源毕马威

在数据之外，还有一座更陡峭的大山横亘在眼前——信任。

医疗的核心是人，是医生基于数十年循证医学训练与精密检查数据做出的严谨决策。常规AI应用重心放在给用户答案，但对医生来说，AI给出的“是什么”远不如“为什么”重要。一个无法解释自己推理过程的“黑箱”，一个偶尔还会产生“幻觉”的模型，与临床医学所要求的高严谨性天然冲突。

如果AI无法自证其逻辑，它就永远只能是医生工作中的点缀，以及辅助解决一些无关紧要的边缘问题。这样的AI，也很难称得上医疗AI。

对一位日均接诊数十位患者的医生来说，工作流程的顺畅与效率就是生命线。而现在，太多AI应用因适配性不足，至今仍是需要额外登录、额外点击的“外挂式”工具。它游离于核心系统之外，像用完即走的临时工具一样不成体系，形成了“智能化不智慧、自动化不提效”的尴尬。

为了使用AI，医生不得不学习大量工具，同时依然承担着很多需要人力支持的工作，这不仅没减负，反而增加了操作负担。最终，这些“不顺手”的AI被敬而远之，自然在情理之中。

PART 02「“体系化”破局」

面对如此系统性的困局，任何“头痛医头、脚痛医脚”的补丁式方案，都无异于杯水车薪。真正的破局，需要一场思想上的升维，需要有人愿意去做那些更难、更基础，也更正确的事。

在医疗信息化领域深耕近三十年的东软，给出的答案颇具魄力：医院需要的并非一两个零散的AI工具，而是要让数据、技术、流程这些要素都能活起来、用起来，共同打造一个能自我进化、循环增值的价值体系。

这正是“添翼2.0”的设计哲学——它试图从根源上，为AI医疗搭建一个坚实、可靠的运行平台。

*图源东软

这场破局战的第一枪，就对准了最棘手的数据问题。“添翼2.0”破局的关键之一，就是高质量、全景全域数据生态的构建。

与其在应用层费力地“找米下锅”，不如深入底层，为医院“自建粮仓”。这背后是从实践里抽离出的思考：数据治理是所有智能化的前提，它的投入无比重要。

东软打造的业务数据联动底座，正扮演了这个“建粮仓”的角色。它将医院内分散在各个系统中的原始、杂乱的数据孤岛进行强制汇聚，再运用内置的181个覆盖各临床业务域的数据模型和超过2000项质量规则，开展深度的清洗、标准化和治理。最终将驳杂的数据变成了高质量的标准化资产，从根本上解决了AI训练难、提升难的问题。

而在把数据知识变成模型这一步，和外界认知中的一个大模型走天下不同，东软采用了“1个医学领域大模型+N个专项小模型”的集群策略。

这是一个医疗行业专家对业界现实的尊重与理解。现代医学的“全科+专科”诊疗模式，本身就是从实践中逐步形成的划分规则。于是，医学领域模型提供广博的医学知识背景，具体科室、具体病种的专项小模型则负责在特定领域进行深度优化。这既保证了知识广度，又大幅提升了专业场景的精准度与可靠性。

此外，在病历生成、报告解读等应用中，AI生成的每一段结论性文字，都能清晰地反向追溯到其所依据的原始数据——可能是某项检查的指标，或是病程记录里的某段描述。这种设计，让AI的决策过程也实现了“打开天窗说亮话”，临床信任有了更坚实的支撑。

解决了最难的开发问题，再往下的部署，就水到渠成了。东软智慧医疗产品早已形成一个横跨综合医院、专科医院、基层医疗等场景的体系，在医疗流程中的，是一个个可实现无感融合的应用。不管是医事服务赋能体、病历服务赋能体，还是洞察平台、飞标平台，都高度适应了医院的工作流。

PART 03「在一线创造价值」

AI大潮继续向前，医疗场景的巨变才刚刚开始。

在中国医科大学附属盛京医院，面对长达10年、积累106亿条的海量异构数据，东软的数据底座帮助医院完成了核心业务域的标准化治理，不仅为AI应用提供了高质量“燃料”，更直接驱动了医院科研与运营流程的优化。今年9月，东软与盛京医院联合建设申报的“国家儿童区域医疗中心高质量数据集建设”项目，成功入选国家数据局首批“高质量数据集建设先行先试项目”。

在武汉大学中南医院，基于高度可解释性设计的病历内涵质控AI，在日均完成3500-4000份病历内涵质控的背景下，获得了临床医生超70%的高采纳率，这在对AI持审慎态度的医生群体中是一个亮眼的数字，证明了“信任”可以被技术和设计赢取。

而在南京市雨花台区上线六大核心功能赋能基层诊疗试点以来，已累计触发智能服务超过4万次，其中智能诊断推荐超2万次、转诊推荐400余次，依托千余项质控规则月均完成超300份病案质控，有效提升基层诊疗规范性与效率。

为什么是东软？未来还会是东软吗？答案深藏在其近30年的积累与独特的公司DNA之中。

东软最深的“护城河”，是无法速成的行业Know-how。因为医疗IT并非一个纯粹的技术赛道，东软智慧医疗近三十年的摸爬滚打，让团队对医院复杂的业务流程、独特的科室协作机制、医保支付的规则乃至临床医生的真实痛点，都有着“老中医”般的深刻洞察。后发者难以望其项背。

而在这个过程中，东软的医疗健康业务服务着全国数千家医院、医保机构和卫健委，从顶级三甲到乡镇卫生院，形成了最全面的覆盖。任何新的技术和理念，都可以在最多样化、最复杂的真实场景中进行验证、迭代和优化。实践是最好的老师，正是这些海量的实践，才淬炼出“添翼2.0”的体系化能力。

最后，也是其独特的战略优势，在于东软全产业链的生态布局。

在东软的大健康版图内，除了智慧医疗业务，还有医疗保障、医疗大数据与人工智能、医疗设备制造、云医院、健康与医疗教育等。它们打通了从IT软件到硬件设备、从院内治疗到院外健康管理的全链条。

因此，当东软在构想智能化体系时，其视野天然就是全局性的，能够考虑到数据如何从设备端产生，在院内流转，并最终延伸至院外的健康服务，这种生态协同能力是单一领域的厂商难以比拟的战略纵深，也更加符合国家“人工智能+”行动对AI跨场景应用、数据要素价值挖掘的倡导。

*图源《国务院关于深入实施

“人工智能+”行动的意见》

PART 04「结语」

打通智慧医疗发展堵点的前沿实践，已经越来越多见于城市医疗服务体系的升级更新之中。

比如近日，上海市有关部门就在一场活动中透露：“上海各医疗机构较早实现信息化，但自建的数据平台，也在一定程度上影响了统一大平台的形成。”所以当下，它们正在建立覆盖全市的医疗数据云平台，提升医疗服务效能——这也更加证明，行至水深处，医疗AI的竞争已然告别了单点技术的比拼，进入了构建综合价值体系的新阶段。

东软“添翼2.0”的探索，不仅是对行业核心需求的一次系统性回应，更重要的是，它揭示了一条从院内提效走向区域协同、从造体系迈向建生态的清晰未来趋势。技术真正服务于医疗、服务于人，一个更智能、更普惠、更具人文关怀的智慧医疗服务新时代，正在加速向我们走来。

- END -文 |方诗意

东软添翼2.0：让AI医疗不再“悬浮”

最近文章