醫療AI如何破局落地難題，昇騰與潤達醫療給出“可信進化”答案

【環球網科技報道 記者 張陽】為貫徹落實國務院《關于深入實施“人工智能+”行動的意見》。2025年10月20日多部門發布促進和規范“人工智能+醫療衛生”應用發展的實施意見。要求到2027年，建立一批衛生健康行業高質量數據集和可信數據空間，形成一批臨床專病專科垂直大模型和智能體應用……

在相關政策指引下，醫療AI正從試點探索邁入規模化落地的關鍵期。然而，一方面是政策紅利與老齡化催生的巨大需求；另一方面，當醫療AI在真正落地時，卻撞上了難以逾越的“三重信任天花板”——數據安全紅線、幻覺挑戰、知識老化困境。

這不僅是技術難題，更關乎一個根本性問題：醫療行業究竟需要什么樣的AI？

在近日舉辦的華為中國合作伙伴大會上，潤達醫療高級副總裁、智慧醫療事業部CTO張楠給出的答案是：一個在醫院安全圍墻內，能夠自我進化的可信醫療大腦。而支撐這一構想的，是潤達醫療與昇騰聯手打造的“三位一體”技術架構以及靜默進化機制。這背后，或許隱藏著醫療AI從“輔助工具”走向“原生基建”的關鍵密碼。

醫療AI為何難以跨越“信任天花板”？

過去兩年，通用大模型在各行各業攻城略地，唯獨在核心醫療場景進展緩慢，醫療AI的落地困境，并非技術能力不足，而是三條剛性約束共同織就的信任困局。

第一重天花板是數據安全紅線。醫療數據是國家高敏感核心資產，“數據不出域、可用不可見”是不可逾越的底線。這意味著，公有云大模型在核心診療場景面臨天然局限，這構成了私有化部署或私有云的邏輯起點。

第二重天花板是幻覺挑戰。通用大模型的本質是基于概率預測生成內容，其輸出天然帶有不確定性。在工業場景，1%的幻覺率或許可以容忍；但在臨床決策中，這意味著潛在的災難性醫療事故。這種“黑盒”式的不可解釋性，與醫療對確定性、可追溯性的根本要求背道而馳，直接觸及了AI從“輔助”走向“核心”的倫理紅線。

第三重天花板是知識老化困境。傳統私有化部署雖然解決了數據安全問題，卻易導致模型“與世隔絕”。如果模型無法進行持續的迭代，就會在日新月異的醫療發展中“固步自封”，逐漸脫離臨床實際需求。這形成了一個“安全但低效”的悖論。

三重天花板共同指向一個核心設問：在數據不出域的前提下，如何同時滿足合規要求、消除幻覺風險、實現持續進化？這成為全行業必須跨越的共性難題。

技術破局：以原生智算打通醫療AI落地堵點

在這樣的背景下，潤達醫療與昇騰的合作，提供了一個值得關注的解題思路。其核心并非單一的模型優化，而是以原生智算為基礎，構建了一個從算力底座到應用閉環的系統性工程，系統性地拆解了上述困局。

首先，底層是昇騰Atlas系列產品構成的算力底座。選擇這一私有化載體，不僅是自主可控的戰略考量，更是因為其提供的硬件方案，如Atlas 300I A2推理卡，配備64G大顯存，能夠完美契合院內部署的合規要求。基于Atlas 300I A2推理卡打造訓推一體服務器將AI算力與通用算力融合，為“數據不出域”筑起了物理圍墻。

其次，中層是“灰盒可信模型”，這是整個架構的核心創新。傳統神經網絡是“黑盒”，難以解釋。潤達醫療的做法是在神經網絡之上引入符號計算層，將《臨床診療指南》、專家共識轉化為邏輯規則網絡。神經網絡負責處理非結構化文本和影像特征，但其輸出必須通過符號模塊進行嚴格的邏輯約束與事實核查。這相當于為AI配備了一位嚴謹的“AI上級醫師”，確保其每一項輸出都符合醫學原理與臨床規范，從而生成可追溯、可解釋的決策過程，這正是解決“幻覺”難題的關鍵。

最后，上層是“靜默進化機制”。如何讓私有化模型不再“與世隔絕”？潤達醫療在臨床使用中收集醫生反饋，進行隱式數據標注，無需額外人工成本，然后利用昇騰算力在院內完成安全的增量學習，確保數據零外泄。同時，設置Bad Case攔截機制進行質量控制，結合A/B測試的灰度發布，最終實現醫生無感知的靜默升級。這讓模型在院內安全地“越用越聰明”。

這套“三位一體”架構的獨特性在于：它不是簡單地將模型塞進醫院，而是圍繞醫療場景的合規性、精確性和持續迭代需求，進行了有針對性的系統性設計。

從“AI輔助”到“AI原生”的臨床驗證

技術的價值最終要回歸臨床場景驗證。潤達醫療的實踐表明，當AI解決了信任問題后，它正在從“效率工具”升級為“醫療系統的新基建”。

在一些重點醫院，生成式病歷系統已實現規模化部署。結合語音識別預問診，系統讓醫生從繁重的“寫病歷”轉變為高效的“審閱病歷”。最快1秒即可生成病歷，醫生采納率超過88%-90%，讓醫生有更多時間回歸到診斷與治療上，在急救場景中，更實現了“上車即建檔”，為搶救贏得黃金時間。

在山東某醫院的急性胸痛大模型應用中，系統需要融合處理病歷、心電時間序列數據、影像等多模態信息。基于5000例高質量數據集訓練，風險決策融合智能體的推理準確性達到90.4%，顯著優于多個開源通用大模型。這一成果已開始向多家醫院復制推廣，讓硅基大腦跨越地理鴻溝，賦能基層診所。

更值得關注的是，潤達醫療的AI一體機產品矩陣已打通診前、診中、診后全流程。從智能急救到門診病歷生成，從住院病歷質控到智能編碼，從檢驗報告解讀到患者健康管理，形成了一套可復制、可推廣的醫療智算解決方案。

從AI輔助到AI原生，醫療智算成為必答題

這些實戰驗證，正在推動一個更深層的范式轉變。過去，醫療AI被定位為醫生的“輔助工具”，解決的是效率問題。而當AI能夠同時滿足數據安全、臨床精確、持續進化三重需求時，它開始有能力介入更核心的診療決策環節。

正如張楠在發言中所言：“醫療AI的終局絕不僅僅是造一個‘好用的工具’，而是要實現從‘AI輔助’到‘AI原生’的徹底范式轉換。”未來的醫療系統，將天然由AI內核驅動運行，人類醫生則在更高的決策層面與AI協同。

在這個進程中，智算不是選擇題，而是必答題。技術創新必須緊貼臨床剛需，安全可信是醫療AI規模化的前提。依托昇騰的安全算力，潤達醫療提供了一條算力底座+垂直創新+臨床閉環的可行路徑。只有當AI真正回應醫療的信任訴求，它才能從“技術可能”走向“臨床必然”。