四川
“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.
