“中國醫院人多、資源少,用人工智能解決(醫療資源)供給不足,一直是我們在思考和解決的事。”近日,在醫學人工智能工程化落地技術培訓暨2026聯想領跑100-智算生態之旅走進四川大學華西醫院活動上,四川省醫學會醫學信息學專業委員會主任委員、華西醫院信息與數據管理部部長石銳說道。
他判斷,醫學人工智能正從概念探索走向規模化實踐,國家政策也在持續加碼。但一個現實問題擺在面前:從實驗室到診間的“最后一公里”,數據參差不齊、系統互通難、安全體系不完善,諸多障礙依然存在。華西的做法是,從頂層搭架子,建一套自己的“數智體系”。
數據和專家,是華西的兩道“護城河”
石銳介紹,這套“數智體系”包含三大塊:數據體系、支撐體系和應用智能體。華西不只看診療數據,體檢、隨訪、醫聯體單位的數據都要打通。“兩年前血脂高了,一年前尿酸也增加了——人的健康畫像,得靠這些全程數據才能畫準。”
華西對數據的重視被寫進了醫院文化。石銳透露了文化建設的第四條:“醫生應該建有自己或團隊的臨床數據庫。第一條是穿白大褂時要打領帶,第四條是建數據庫,這兩條在華西同等重要。”
![]()
圖:華西醫院信息與數據管理部部長石銳,來源:受訪者供圖
在數據平臺建設上,華西今年推翻了原有設計,從底層重來。“老平臺面向報表和統計,現在我們要面向AI和智能體。”目前,華西數據平臺已實現秒級查詢,專病模型可快速構建。
但在AI應用怎么建這件事上,華西選了一條不太一樣的路——不搞分散建設。“如果讓各個科室自己去搞,落地確實快,但修一堆‘AI煙囪’出來,未來算力、數據治理都是大麻煩。”石銳說,華西選擇全院統建,統一支撐。
由于模型的升級速度非常快,在模型架構上,華西采用了“通用底座+垂域模型”的解耦(將原本相互依賴、相互影響的事物分離開以降低關聯度)方式。通用底座隨時可換,“新模型發布,當天晚上就升級,內測完馬上上線”。在這樣的模式下,真正構成護城河的,是兩樣東西:一是華西幾十年積累的病例和數據,二是專家在模型調優和流程再造中融入的經驗。可以說,“這套模式構成了‘華西黌醫’醫學大模型體系的基礎”。
三個場景優先落地,算的是經濟賬
為什么優先選患者服務、醫療質量和管理這三個方向進行提質增效?石銳算了一筆賬:“做研究很難實現產出覆蓋成本,但患者服務可以做增量,醫療安全減少差錯能省錢,精細化管理能降成本——這三個方向,能補貼AI投入。”
華西擁有全國體量最大的互聯網醫院,2025年服務了260萬人次,每天近萬名患者在線上,2000名醫生在線服務。石銳的想法是,用智能體協助醫生,把服務量再做大。
AI預問診智能體已經在發揮作用。患者在家就能完成病情信息采集,還能拍照上傳外院報告,系統自動提取整合。
讓石銳下決心做這件事的,是一次個人經歷。“我陪我媽媽在華西看病,我本人就是華西的主任醫師,結果體驗大跌眼鏡——你是醫生的時候你是甲方,當你是患者家屬的時候,體驗完全不同。”基于這個感受,華西重新設計了陪診智能體。
在專病領域,華西也有落地成果。李為民團隊的肺癌AI診斷產品已拿到三類醫療器械注冊證,能對肺結節精準分級分類;胡兵團隊基于食管的早期微小病灶AI診斷獲二類注冊證;急危重癥預警模型打通全院監護儀數據,能提前預判患者病情變化風險。
石銳最后談到他對智能體的理解:“今后智能體是連接數字世界和現實世界的橋梁。這座橋效率高不高,一取決于橋本身,二取決于我們給智能體配置多少現實資源。”
從數據底座到算力支撐,從集中建設到場景落地,華西正在摸索一條從“局部智能”走向“整體智慧”的路徑。石銳打了個比方:“我們是用鋤頭的,關鍵是選什么地、怎么把鋤頭用好。”而眼下,這把鋤頭正在從機房真正挖進診間。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.