“以前，办出入院几乎要排1小时队，现在手机上点一下1分钟搞定。”在中山大学附属第三医院（下称“中山三院”）天河院区，刚办完出院手续的患者李女士对记者感叹。这场就医体验的变革，背后是医院用10年时间搭建的“两朵云、一条路、一个湖、一间店”智慧架构——当5200万门诊病例、122万住院数据汇入中心数据湖，AI技术正悄然重塑医疗就诊流程。

当下，AI医疗已成为行业热词。就在今年6月，阿里云发布的《2025医疗健康行业AI应用白皮书》显示，截至2024年底，能够对外提供医疗领域AI应用的产品和服务且已备案的模型和算法数量已达101个，呈逐步上升态势。然而，从研发到临床一线，AI落地并非坦途。多位业内专家指出，数据治理滞后与AI工程化能力欠缺，正成为阻碍AI医疗落地生根的两大“拦路虎”。

数据是医院“新基建”时代的核心资产

“医院的未来，一定是实体与互联网医院‘双轮驱动’。”中山三院副院长杨钦泰的判断源于一场始于2016年的智慧医院建设实践。彼时，医院有天河、萝岗、梅州、肇庆等多院区，专家会诊跨院区奔波，患者就医流程繁琐，挂号缴费排队等候成常态。

破局的关键，被锁定在“数据”二字。经过长达近10年的持续探索与完善，如今中山三院的智慧医院可形象地概括为“两朵云、一条路、一个湖、一间店”。其中，“两朵云”分别指中心云和边缘云，它们如同智慧医院的“智慧大脑”，负责数据的存储、计算与分析；“一条路”即5G高速网络，为数据的快速传输搭建了畅通无阻的“高速公路”；“一个湖”是中心数据湖，犹如一座巨大的“数据宝库”，汇聚了海量的医疗数据；“一间店”则是互联网医院，为患者提供了便捷的线上医疗服务通道 。

“数据就是医院‘新基建’的核心资产。”杨钦泰说。基于这些数据，医院开发的AI应用覆盖门诊、住院、手术全流程：入院办理时间从60分钟缩至2分钟，出院从50分钟降至1分钟，一站式办理出入院覆盖率高达93%，患者满意度飙升至99.37%；“一张纸走全院”撬动就医流程数字化转型，每天节省3万张A5纸，一年下来节省百万元打印耗材成本。

这样的“效率革命”并非孤例。南方医科大学南方医院、中山大学眼科中心等医院开发的AI模型，也在临床中显现价值。但多位专家强调，这些成功的前提是“高质量数据”。

AI 落地医疗的关键 “命门”是数据治理

人工智能时代，算力、算法与数据谁更重要？“好数据好AI，坏数据坏AI。”9月19日，在第七届精准医学高峰论坛暨AI与精准医学创新大会上，中国联通医疗军团 CDO / 联通数智医疗公司产品研发部总经理杨风雷的这一语道破了AI医疗的核心逻辑。

中国科学院院士侯凡凡团队的研究实践也正说明这一点。儿童急性肾损伤（AKI）诊断是长期以来的临床难题，传统成人血肌酐参照值并不适用于儿童。侯凡凡院士团队构建的中国肾脏病医疗大数据库，纳入36家三甲医院超2000万例全息医疗数据——包括个人信息、处方信息、检验数据、影像学检查等数据经过去隐私、标准化治理，确保“安全且可应用”。团队从中筛选10万无肾脏病儿童队列确定儿童血肌酐变化参照值，从而建立了诊断新标准。这来源于102,817例住院儿童队列确定新标准诊断准确性以及94,715例儿童队列验证，证实新标准优于传统标准。

“研究成果无疑根源于数据，而AI数据训练需要高质量、经治理的数据。”侯凡凡院士也坦言，“这个过程很艰难。”

然而，当前不少医院的AI项目沦为“面子工程”，症结就在于数据质量不过关。华为医疗卫生军团首席解决方案构架师孙颖智认为，“数据量大且分散，海量的高质量数据获取门槛高。从传统数据集到AI语料的加工周期长，效率低。”简单讲就是，传统数据（比如原始病历、表格数据、零散文本等）要变成能训练AI模型（尤其是大模型）的“合格食材”（即AI语料），需要经过复杂、繁琐的处理流程，整个过程耗时久、投入大，却很难快速出成果。

打破数据孤岛，最终实现数据的流动与交换

尽管中山三院等机构已探索出AI落地医疗的路径，但多数医院仍陷“数据孤岛”困局。比如很多医院开发出了诸多各具特色的AI应用，如肺结节AI影像识别、宫颈癌AI分子诊断、眼科白内障智能体系等。孙颖智认为，从各个学科专业的角度来看，这些无疑都是极具创新性的成果，为医疗技术的进步注入了强大动力。然而，从医院整体运营的宏观视角审视，这些AI应用却犹如一个个孤立的“烟囱” 。

记者调研发现，目前医院各个科室在引入AI应用时，往往各自为政，分别与不同的公司合作开发模型，而不同公司的系统接口各不相同，规格繁杂，导致整个医院的AI应用系统缺乏兼容性和协同性，这就好比一个房间里堆满了各种电器，但由于插头和插座不匹配，这些电器无法相互连通，算力资源也无法实现共享，从而造成了严重的重复建设和资源浪费。

“我们还发现，将一个新的AI应用（如辅助诊断工具）融入医院现有的复杂信息系统（HIS、LIS、PACS，它涵盖了从病人挂号、预约到就诊、检查、治疗以及费用结算等各个环节）是一个极其复杂且漫长的过程。在这一过程中，会遭遇各种技术难题和障碍，很难实现新应用与现有系统的无缝对接。”孙颖智认为，要解决这些棘手问题，关键在于将AI技术进行有效“打包”，打造出真正实用、稳定且能够大规模推广的工程化能力。这一工程化能力涵盖数据治理、模型训练、应用开发、系统集成等多个关键环节。也就是说，只有具备强大的AI工程化能力，才能将先进的AI技术切实转化为临床实践中的有力工具，为患者带来实实在在的福祉 。

无疑，这需要医院在规划AI应用时，需要进行全面、系统的顶层设计，将数据视为最为重要的“资产”加以精心管理。杨风雷表示，“最终的目的就是可以生产、管理数据要素资产，更好地为数字化转型、高质量发展提供各类数据智能化应用，同时为将来入驻政府主导的数据运营交易平台奠定基础。”

“在‘新基建’时代，医院的核心资产，已从传统的固定资产、财务资金、人力资源，扩展至生物样本库和大数据资源。”杨钦泰副院长还透露了一个好消息，中山三院计划明年推出互联网医院国际版，让AI医疗服务全球患者。

文| 记者 张华

图| 视觉中国