北京大三甲的診室里，醫(yī)生打開工作站，跨院一鍵調出患者就診記錄、檢查報告、用藥歷史等信息；實驗室里，科研人員不用大海撈針尋找臨床試驗受試者，海量脫敏數據智能篩選，受試者也不用擔心找不到合適的醫(yī)院與入組的項目，臨床試驗招募匹配率近90%；城市決策中心，管理者通過智能“駕駛艙”實時掌握北京市醫(yī)療、醫(yī)保、醫(yī)藥動態(tài)數據，精準把握衛(wèi)生健康領域運行脈搏，城市治理效率大幅提升；公共衛(wèi)生領域，多源數據構建的預警系統(tǒng)，正為城市健康安全筑起“防火墻”。

北京市正悄然搭建一個“三醫(yī)協(xié)同”、城市數據治理的樣本。

而上述這些場景，正是醫(yī)渡科技構建的城市數據底座在實踐場景中日常的一幕。

它不是替代HIS系統(tǒng)的新系統(tǒng)，而是在復雜舊系統(tǒng)，多接口系統(tǒng)下搭建的“底座”——在各家醫(yī)院歷史采購的異構系統(tǒng)之間，搭了一座橋，修了條“高速公路”，讓數據流動起來，讓AI滲透進去。

5月，北京市委書記尹力現場調研醫(yī)渡科技，聽的就是這套東西。

這一方向亦獲得國家級層面的關注。近日，國家數據局局長劉烈宏帶隊在北京市開展數據市場建設專題調研，實地走訪醫(yī)渡科技，重點了解醫(yī)療健康數據資源開發(fā)利用、行業(yè)高質量數據集建設及人工智能應用落地等情況。

連續(xù)調研釋放出同一信號：北京在醫(yī)療數據治理與AI應用上的探索，正被視為行業(yè)高質量數據集建設和數據要素價值釋放的重要樣本。

調研之后發(fā)生了什么，外界知之甚少。直到我們專訪了醫(yī)渡科技聯合創(chuàng)始人、首席執(zhí)行官徐濟銘，才拼湊出一個更完整的圖景：這不是一家AI醫(yī)療公司的產品故事，而是一座超級城市試圖用數據和智能重新組織醫(yī)療資源、賦能超大型城市國際科技創(chuàng)新中心建設、打造現代化醫(yī)藥健康產業(yè)高地貢獻智慧和力量的系統(tǒng)工程。

通過拆解智能數據底座賦能下的北京樣本，我們試圖解答一個更根本的問題：當一座城市決定用數據和智能重新組織醫(yī)療資源，它可以得到什么？

北京不是一個“好做”的市場，但恰恰是最值得做的樣本

最難落地的地方，往往最能驗證系統(tǒng)性解法的價值。北京與醫(yī)渡科技，是彼此“互選”的結果。

在外界看來，北京不是一個“好做”的市場，一家企業(yè)優(yōu)先選擇北京，也不是一個常規(guī)選擇。

最終破局，源于對北京醫(yī)療及環(huán)境的深度了解，理解北京的“難”與北京的“好”。

北京這座城市的“難”源于城市治理的“復雜性”，表現于其多層級、多主體的管理格局：部屬、市屬、大學屬、軍隊屬四套醫(yī)院體系交織，系統(tǒng)對接與數據共享都需要跨越“行政歸屬和不同技術標準”的雙重鴻溝；同時，醫(yī)療信息的特殊性，要求監(jiān)管工作必須統(tǒng)籌保障生命安全與維護數據安全，實現兩者有機統(tǒng)一。

更深層的壓力來自人口結構——全市2180萬常住人口中，60歲及以上老人已超過528萬，老齡化正以遠超供給速度的節(jié)奏推開醫(yī)保支付的非線性張力，而培養(yǎng)一名成熟醫(yī)生的長周期，根本追不上爆發(fā)式的診療需求。

此外，北京作為國家首都與政策創(chuàng)新高地，要求合作方不僅具備技術能力，更需深刻理解醫(yī)療體制改革邏輯，以及考量合作方在“三醫(yī)”協(xié)同發(fā)展目標上的一致性。

但也恰恰因為身處這樣的境地，北京的“好”才顯得格外清晰。

北京聚集著全國最密集的頂尖醫(yī)院、部委機構和政策研究力量，既有制定規(guī)則的站位優(yōu)勢，又有打磨技術的最好臨床場景。更關鍵的是，政府層面展現出打破壁壘的強烈決心，市領導將數據底座作為“非常重要的事情”推動，協(xié)調部屬、大學、軍隊醫(yī)院，打破數據壁壘，每一步都在為醫(yī)療創(chuàng)新探路。

出于敬畏，面對北京這座城市，醫(yī)渡科技并未打無準備之仗。

“如果只是為了探索而探索、為了創(chuàng)新而創(chuàng)新，這個項目做不成。”徐濟銘介紹，在系統(tǒng)打造北京數據底座前，醫(yī)渡科技已在全國數十家頭部醫(yī)院、多個國家級臨床研究中心以及醫(yī)科大學體系內積累了大量成熟合作案例。醫(yī)渡科技助力醫(yī)療機構打造的專病庫覆蓋90多個重大疾病領域，還聯合頭部專家、主委及院士共同出版了20余本疾病數據集，并在相關醫(yī)院與研究中心完成了標準化建設。

“先驗證、后推廣”的路徑，為北京這一高要求城市提供了可直接嫁接的能力基礎。

但市面供應商眾多，醫(yī)渡科技“贏”的基本素質在哪里？

“長期主義”，徐濟銘說，既然選擇醫(yī)療領域，不是“政策風口來了建個軍團，風口過了撤掉”，城市需要的不是“項目承包商”，是“長期共生伙伴”：數據底座不是一兩年的事，需要團隊“長期聚焦、同頻共振”。

長達12年深度聚焦醫(yī)療健康領域，醫(yī)渡科技在醫(yī)療、醫(yī)藥研發(fā)、健康管理及商業(yè)保險等高價值場景均有深厚業(yè)務積累，能夠提供“數據底座+智能底座”的融合支撐，這為雙方的相互選擇打下地基。

醫(yī)渡科技的北京實踐——一條“臟活累活”鋪就的城市級鏈路

對于醫(yī)渡科技來說，從數據治理到智能應用，從醫(yī)院到城市，從診療到治理，這不是業(yè)務板塊的堆砌，而是一個有機系統(tǒng)生長過程。

2014年醫(yī)渡科技醫(yī)療數據治理起家，“臟活累活”如今看來卻是一個正確起點。

聊起初心，徐濟銘說，一家公司要經歷“反共識”和“共識”階段，當同行做掛號平臺、影像AI等“快生意”時，醫(yī)渡科技選擇從數據清洗、標注、標準化入手。

早期，醫(yī)渡科技團隊內部對構建真正醫(yī)療AI能力做出系統(tǒng)判斷：掛號等鏈接服務雖有價值，但本質是互聯網基礎設施而非醫(yī)療屬性；影像識別等局部AI應用雖能快速落地，但極易引發(fā)同質化競爭、技術護城河淺、監(jiān)管周期長、商業(yè)化體系復雜，更重要的是，局部數據僅覆蓋檢查檢驗這一小環(huán)節(jié)，無法解決醫(yī)療高質量發(fā)展的根本性問題。

回歸復雜系統(tǒng)本身，徐濟銘認為，醫(yī)療AI的真正挑戰(zhàn)在于兩個復雜系統(tǒng)的疊加，一是人體本身——從基因、蛋白、細胞到組織器官，再到生活習慣、菌群、免疫系統(tǒng)的動態(tài)演進，疾病機理尚未被完全解析，現有診療多為經驗驅動的對癥治療；二是醫(yī)療體系——診斷、治療、用藥、控費、指南、科研等環(huán)節(jié)構成的社會管理系統(tǒng)。唯有盡可能全面地采集多維度數據，才能逐步建立對疾病和醫(yī)療體系的數字孿生與建模能力，進而實現感知、預測、仿真與干預的閉環(huán)。這超越了當前大語言模型的概率預測范式，更接近“世界模型”的愿景——醫(yī)療AI的本質不是“醫(yī)療+AI”，而是需要全新的AI基礎技術來建模生命體本身的動態(tài)過程。

這一底層判斷，決定了醫(yī)渡科技過去十二年的發(fā)展路徑，也使其能夠在北京醫(yī)療健康數字化建設中，以長期合作伙伴的角色參與其中，持續(xù)提供數據治理、智能算法與場景應用支撐。

當然，這一切離不開各部門的重視及大力支持。在北京市衛(wèi)生健康委的統(tǒng)籌推動下，北京圍繞“三醫(yī)”協(xié)同、醫(yī)療資源優(yōu)化配置和城市健康治理，持續(xù)推進醫(yī)療數據治理與智能化應用建設。醫(yī)渡科技作為技術服務商，依托長期積累的數據治理、標準化處理、智能建模和醫(yī)療AI能力，為相關工作提供底層技術支撐，并在實踐中形成一個觀察超大城市醫(yī)療AI基礎設施建設的技術樣本。

在AI+臨床診療方面，醫(yī)渡科技創(chuàng)新性開發(fā)了醫(yī)生臨床助手Copilot，已落地北京協(xié)和醫(yī)院、北京大學腫瘤醫(yī)院、清華長庚醫(yī)院等多家重點三甲醫(yī)院，深度融入診前、診中、診后全流程。圍繞北京市推動跨機構數據共享、檢查檢驗結果互認和臨床服務效率提升等工作，醫(yī)渡科技的相關技術能力也支持在醫(yī)生工作站終端以輕量化方式接入數據共享與智能輔助能力，在不大規(guī)模改造醫(yī)院原有信息系統(tǒng)的前提下，幫助提升醫(yī)療數據調閱、病歷生成、診療信息整合等環(huán)節(jié)的效率，將頭部醫(yī)院打磨的智能應用通過共享助手向全市推廣，形成“頭部創(chuàng)新+廣域覆蓋”的模式。

6月，醫(yī)渡科技助力北京協(xié)和醫(yī)院打造的專科專病AI智能體矩陣，在國家人工智能應用中試基地階段性成果發(fā)布會上正式亮相。基于Dr.Copilot臨床助手平臺這一統(tǒng)一底座，雙方已落地可溯源病歷生成、循證治療方案推薦等核心智能體，將循證決策能力嵌入診療流程。值得一提的是，該平臺同時支持整合醫(yī)院自建及第三方專科智能體，形成“統(tǒng)一底座調度、多智能體協(xié)同”的開放臨床AI生態(tài)，進一步驗證了醫(yī)療AI從單點工具向系統(tǒng)化平臺躍遷的路徑。

在AI+臨床研究方面，醫(yī)渡科技圍繞臨床試驗可行性分析、患者智能篩選與招募、研究過程質量控制等場景，向藥企、醫(yī)院和研究機構提供技術與服務支撐。相關能力可幫助研究團隊更高效地識別潛在受試者、優(yōu)化篩選路徑、提升質控效率，從而服務于中國藥物臨床試驗效率和質量提升。此前，醫(yī)渡科技已在拜耳、百濟、諾華等生物醫(yī)藥企業(yè)相關合作中積累了多項實踐經驗。

在AI+健康管理方面，在北京市相關部門推動下，居民健康服務正從單一就醫(yī)服務逐步延伸至連續(xù)健康管理。醫(yī)渡科技的技術能力可支持在政府官方服務入口和健康管理場景中，對居民授權范圍內的歷史診療記錄進行結構化整合，并進一步支撐健康分析、慢病管理、風險提示和個性化干預等應用探索，推動醫(yī)療服務從“被動診療”向“主動健康”延伸。同時，相關能力也可與普惠保險、商業(yè)健康險等場景結合，探索醫(yī)療數據在健康保障體系中的合規(guī)應用價值，醫(yī)渡科技已連續(xù)五年擔任“北京普惠健康保”主運營平臺。

在AI+城市治理方面，圍繞北京市衛(wèi)生健康治理和“三醫(yī)”協(xié)同需求，醫(yī)渡科技提供的數據治理、指標體系建設、智能分析和決策支持能力，可服務于醫(yī)療資源監(jiān)測、疾病風險預警、運行態(tài)勢分析和政策評估等場景。通過對數據質量、數據標準和數據可用性的持續(xù)提升，相關技術能力有助于支撐“數據治理—質量提升—場景應用—治理反饋”的閉環(huán)建設，為超大城市醫(yī)療健康治理提供更加精細化、智能化的技術底座。

在北京，針對“三醫(yī)”協(xié)同越來越多專家正形成一種共識：數據是推進“三醫(yī)”協(xié)同發(fā)展和治理的關鍵要素，以數據驅動“三醫(yī)”協(xié)同已成為趨勢。

醫(yī)渡科技自主研發(fā)的醫(yī)療智能底座YiduCore，通過構建“數據-算法-場景”的技術飛輪，已形成覆蓋數據治理、模型開發(fā)、場景落地的全棧式能力。這樣的技術能力，決定了醫(yī)渡科技在北京的定位，不是成果的單一創(chuàng)造者，而是以醫(yī)療數據治理和醫(yī)療AI能力為基礎，服務北京市衛(wèi)生健康數字化建設的長期技術服務商。

北京經驗的復制與因地制宜

徐濟銘認為，外省學習北京經驗時，共性模式大于差異化，但“想做”和“有條件做”是兩碼事兒。

醫(yī)療本質是一致的，促進醫(yī)療質量均質化與高質量發(fā)展是所有地方的共同需求，疾病譜雖有地域差異，但核心診療邏輯是通用的，在頭部醫(yī)院訓練驗證的模型可直接部署到基層；與此同時城市治理邏輯相通，即實時監(jiān)測、預測預警、科學決策，但經驗落地必須因地制宜。

能否順利復制，關鍵還要看政府意愿與協(xié)調能力。

此外，各地產業(yè)側重不同，有的注重康養(yǎng)、新藥研發(fā)、醫(yī)療器械，有的無明顯產業(yè)，需根據地方產業(yè)情況匹配數據要素價值轉化路徑。

在健康管理方面，各地醫(yī)聯體分級診療機構設置、人群分布及智能化設備覆蓋程度不同，需針對性裁剪方案；加之中國地緣廣闊，各地存在特色性疾病譜，也需做針對性調整。

針對基層醫(yī)院信息化與數據治理基礎薄弱的問題，徐濟銘認為可從兩方面突破：一方面依托國家醫(yī)療高質量發(fā)展政策及信息化建設資金逐步補齊數據底座，另一方面平臺已在北京協(xié)和、中腫、北腫、湘雅等50余家頭部醫(yī)院完成高質量訓練與驗證，可直接向基層輸出AI能力——基層只需保證患者數據能與平臺交互，即可獲得經頭部醫(yī)院共同驗證的AI診療結論，無需以本地數據重新訓練，同時可借助國家布局的區(qū)域計算中心解決算力問題，無需每家醫(yī)院單獨建設，從而實現AI能力向信息化薄弱區(qū)域的高效覆蓋。

從北京樣本可以看到，一個新技術、政策的落地需五個關鍵要素協(xié)同。

一是政府牽引，這不是單單“給項目”而是“定規(guī)則、搭平臺、促協(xié)同”，核心在于打破管轄權壁壘的決心——要成立跨部門協(xié)調小組，厘清衛(wèi)健委、醫(yī)保、大數據管理機構、醫(yī)院主管部門等各方權責，制定數據共享規(guī)則、場景開放清單和利益分配機制，讓數據能在不同隸屬關系的醫(yī)院之間流動起來。

二是醫(yī)院開放場景，頭部醫(yī)院要從“被服務方”轉變?yōu)椤肮步ǚ健保鲃邮跈喔哔|量數據的應用并提供臨床驗證場景和專家知識，換取科研產出和學科影響力，基層醫(yī)院則要“能盡快有”——通過“數據貢獻-能力反哺”的閉環(huán)機制，讓基層在提供真實世界應用場景的同時，獲得AI能力賦能和診療水平提升，避免“只抽血不造血”。

三是企業(yè)做基礎設施，要專業(yè)深耕而非平臺整合，長期聚焦而非風口追逐——不是做“什么都做、什么都做不好”的平臺整合商，而是聚焦垂直領域。

四是監(jiān)管守住邊界，數據不出域、可用不可見，安全合規(guī)是前提——技術層面要運用隱私計算、數據脫敏、區(qū)塊鏈存證等手段，制度層面要明確數據分級分類、使用審批流程和安全責任主體，監(jiān)管必須前置，在項目啟動前完成合規(guī)評估，而非事后補票。

五是服務形成閉環(huán)，從“建系統(tǒng)”到“用系統(tǒng)”再到“依賴系統(tǒng)”——建設期完成系統(tǒng)上線、數據接入和模型部署，運營期持續(xù)優(yōu)化模型、培訓醫(yī)護人員、收集使用反饋，最終讓系統(tǒng)成為臨床工作流不可分割的一部分，設置“使用滲透率”“臨床采納率”等運營指標，而非僅考核“建設完成率”。

在中國最復雜的行政生態(tài)中，醫(yī)療數據可以跨隸屬關系流動，AI能力可以跨層級傳遞，利益可以跨主體協(xié)調，外地學習的關鍵不是復制技術方案，而是復制“打破壁壘的方法論”。

未來圖景——城市醫(yī)療健康系統(tǒng)能力的競爭

醫(yī)療AI的下半場，不是單點技術比拼，是城市級系統(tǒng)能力的競爭，是新質生產力在民生領域的集中體現。

AI正重塑醫(yī)療生產關系。徐濟銘表示，醫(yī)療AI讓社區(qū)醫(yī)生擁有協(xié)和主任的診療支持，讓患者在基層獲得三甲醫(yī)院同源的AI輔助。就像“高德地圖讓新手開出老司機水平，走神時提醒折返。”未來，AI驅動診療工作流，醫(yī)生做“確認與溝通”，核心價值向患者溝通與人文關懷遷移；同時，智能醫(yī)生與可穿戴設備、居家傳感器的結合，將讓用戶在亞健康階段就能獲得風險提示與早期干預，通過持續(xù)積累個性化健康數據，構建出比任何醫(yī)生都更懂自己的AI健康管家，實現從被動治療到主動預防的轉變。

這種系統(tǒng)能力的競爭，本質上是數據底座的競爭。城市醫(yī)療健康系統(tǒng)的提質增效，離不開數據這一核心生產力要素對醫(yī)學創(chuàng)新生態(tài)的系統(tǒng)性重構。

日前，國家衛(wèi)健委科技發(fā)展研究中心主任顧金輝談及衛(wèi)生健康領域新質生產力，其指出，促進新質生產力發(fā)展的三大政策路徑：以臨床研究的規(guī)范化管理為著力點，推動新技術從研究到應用轉化的效率提升，加速“技術—臨床”、“成果—產業(yè)/臨床”、“產品—產業(yè)”的價值化路徑。

具體而言，數據要素正打通醫(yī)學創(chuàng)新的全鏈條。在臨床研究環(huán)節(jié)，通過智能化患者招募、可行性模擬與風險導向質控合規(guī)，對接ICH-GCP國際標準，提升中國藥物臨床試驗的國際競爭力；在科技成果轉化環(huán)節(jié)，驅動醫(yī)院從“治療型”向“研究型”轉型，以數據驅動科研范式變革，促進醫(yī)工交叉融合與產學研一體化，加速從“治療”到“發(fā)現”的創(chuàng)新成果轉化；在醫(yī)藥審批環(huán)節(jié)，將真實世界數據轉化為高質量證據，加快藥品上市后安全性與有效性評估，支撐診療規(guī)范更新和醫(yī)保準入決策，實現藥品全生命周期的動態(tài)監(jiān)管。

當數據底座日益堅實，醫(yī)療AI的迭代速度正在發(fā)生質變：臨床研究從5年一輪回，壓縮至5個月一驗證。但比時間壓縮更值得追問的是——當AI可以5天給出一個診療方案，誰來決定這個方案可以被信任？

信任不能僅靠速度建立，而要靠“可驗證”的制度。醫(yī)渡科技的實踐是：每一條建議追溯到指南原文，每一個決策留有審計痕跡，每一次迭代經受真實世界結局的檢驗。這不是對速度的妥協(xié)，而是對生命的敬畏。

可以預見的是，當技術速度遇上制度托底，城市級健康系統(tǒng)的競爭才真正進入下半場。北京樣本的意義，正在于此——在國家衛(wèi)健委的政策引領下，北京率先構建起“技術賦能、制度托底、治理協(xié)同”的衛(wèi)健治理新范式：從“被動醫(yī)療”到“主動健康”，從“數字孿生”到“AI健康管家”，從單點突破到系統(tǒng)重塑。這一愿景并不遙遠，它取決于今天有多少城市，愿意像北京一樣，在衛(wèi)健部門的統(tǒng)籌推動下，把數據底座當作“非常重要的事情”來落實。

醫(yī)療資源的重新組織，從來不只是技術問題，而是一種多方協(xié)同下的選擇。