“AI+医疗”的场景实践与高质量数据集构建

4月24日至26日，2026中国医院信息网络大会在珠海拉开帷幕。作为医疗信息化领域的年度风向标，这场盛会自然吸引了众多行业专家与学者。大家聚在一起，聊什么？焦点很明确：医疗信息化与人工智能的最新趋势、前沿技术怎么用，以及最关键的——实战经验如何落地。在“问鼎国际顶刊：中国医疗人工智能的突破与临床转化”这一专题论坛上，神州数码副总裁兼总工程师汤凯带来了一场主旨演讲，题目正是《“AI+医疗”的场景实践与高质量数据集构建》。演讲内容没有停留在概念层面，而是直指医疗AI临床落地的核心逻辑、流程重构的具体路径与实践方向。

演讲中，汤凯重点分享了神州数码与北京协和医院基于“AI for Process”理念的共创成果。目前，双方已经瞄准胰腺癌围术期这个复杂流程，联合开发并部署了多个AI智能体，实现了诊疗环节的智能化升级。效果如何？数据来说话：术后并发症诊疗智能体自正式投用以来，诊断准确率达到了94.38%，更直观的是，它将住院医师的诊断时间从原来的20多分钟，大幅压缩到了5分钟左右，诊疗效率的提升立竿见影。再看术前可切除性评估智能体，综合准确率也有93.67%，为外科医生制定手术方案提供了强有力的数据辅助。而TNM分期智能体，则专门攻坚了淋巴结转移判断这个难点，进一步提升了分期诊断的准确性。

这还没完。双方共同打造的首个“麻醉AI智能体”也已经上线应用。这个智能体切入的是术前麻醉管理这一高难度、高风险的临床场景，能够辅助进行术前麻醉评估与方案生成，目前的方案匹配度达到了89.87%。值得注意的是，这个智能体并非简单替代，它创新性地构建了一种“麻醉医生、数字人（智能体）与手术机器人”三者协同的工作模式。这为整个麻醉诊疗的智能化，提供了一个全新的实践范本。

显然，医疗的智能化升级，绝不是把某个模型往医院一放那么简单。它本质上是一场全业务流程的系统性重塑。基于这个认识，神州数码将“AI for Process”的理念进一步延伸到了全院多学科协作体系之中。一方面，持续推进科室级智能体的研发；另一方面，落地了“AI+MDT”多学科会诊的新模式。通过AI技术打通科室间的协作流程壁垒，会诊的流转效率和最终的决策质量都得到了大幅提升。此外，团队还在探索大模型与机理模型的深度融合，目标是优化疾病筛查的全流程链路。特别是在胰腺癌早筛这个关键环节开展科研攻坚，正是为了助力临床实现“早发现、早诊断、早治疗”的核心目标。

结合与北京协和医院的深度合作实践，医疗行业AI落地的逻辑已经越来越清晰。而破局的关键，或许就在于“AI for Process”这套方法论。人工智能技术只有深度嵌入临床诊疗的全流程，围绕具体的业务环节、工作链路和协作机制进行针对性优化，才能真正构建起“医生主导、数据支撑、人机协同”的标准化诊疗新模式。唯有如此，人工智能才能从技术概念，转变为真正服务临床、赋能业务的实用工具。

那么，在人机协同的模式下，AI智能体到底能带来哪些实实在在的价值？可以归纳为三大核心价值：首先是效能价值。在并发症诊疗、症状判断等重复性高、耗时长的环节，智能体能显著提升医生工作效率，将宝贵的医疗人力从繁琐事务中释放出来。其次是精准医疗价值。智能体能够学习并沉淀高水平专家的诊疗经验，为医师提供交叉验证的参考依据，这有助于降低误诊率，从而提升整体的诊疗水平。最后是标准化与可及性价值。依托医联体等体系，可以将基于优质数据集训练的诊疗能力横向辐射到基层医疗机构，让更广泛地区的患者也能享受到高质量的医疗服务。

谈到推动医疗AI深入落地的关键点，一个共识是绕不开的：高质量数据集是核心支撑。必须警惕的是，要打破“唯模型论”的迷思。模型的强大离不开优质数据的“喂养”，需要通过业务数据治理来提升AI的可靠性，走通“业务+数据+模型”三位一体的工程化路径。事实也证明，经过严谨的业务数据治理与规则加持的方案，其数据完整性和准确性可以达到100%，且全字段都有循证支撑，最终的效果与可靠性远超单纯依赖模型的方案。

为此，神州数码将高质量数据集的建设方法，归纳为一条“双螺旋结构”的迭代路径：一条链聚焦“数据与语义的统一”，另一条链则聚焦“专业认知与规则的统一”。两者通过“规模化→标准化→特征化→关联化”的循环迭代，逐步构建起高质量的医疗数据集。其中，“特征化”是关键一步，它负责将医生的诊疗经验转化为可被结构化的形式；而“关联化”则致力于建设专病数据库，为AI模型提供精准的养分。需要明确的是，高质量数据集绝非数据的简单堆砌，它必须能体现业务逻辑、具备真正的临床价值，是一个专业化的数据集合。它的建设是一项需要长期投入、持续优化的系统工程，而这，也将为广大医疗机构在AI时代推进智能化转型，提供至关重要的借鉴与坚实基础。

展望未来，路径已经清晰。以临床需求为根本，深化医工协同创新，持续推动AI深度嵌入医疗全业务流程，将是持续努力的方向。依托在智能体技术、数据治理能力与场景落地方面的优势，不断完善人机协同的诊疗新模式，最终的目标，是以流程的智能化驱动医疗生产力的升级，为整个医疗行业的数字化高质量发展注入持续动力。