過去，縣域基層醫(yī)療機構，往往難以對腎病等專科疾病進行準確判斷，導致患者錯過最佳就診時機。

但現(xiàn)在，基層醫(yī)生只要打開“智腎”大模型，輸入檢查指標，幾分鐘即可生成一份基于權威指南和大量真實病例生成的輔助診療建議。

作為我國首個慢性腎臟病綜合管理大模型，“智腎”的背后整合了南方醫(yī)院海量的臨床數(shù)據(jù)，并結合侯凡凡院士團隊的診療智慧，將其轉化為可復用的能力，因此才讓每一位基層醫(yī)生都成為“腎病?？祁檰枴?，讓原本有限的醫(yī)療資源跨越了地域的鴻溝。

“智腎”的成功，也讓我們有了新的思考，要如何讓更多“智腎”在不同科室、不同層級醫(yī)院中落地生根？答案或許不在于某一個應用本身，而在于支撐這些應用生長的土壤。

01

走進南方醫(yī)院

那些被AI重構的醫(yī)療場景

我們先走進南方醫(yī)院，尋找AI落地醫(yī)療的真實注腳。

在腎內科病房，“智腎”的故事之所以動人，是因為我國慢性腎臟病患者數(shù)量龐大，但知曉率極低，基層醫(yī)生往往因缺乏?？浦R而力不從心，大量患者在初診時已是晚期，如今這個巨大的早期干預窗口，正在被AI悄然填補，這就是“智腎”真正的力量。

通過“智腎”提供的輕量化智能問答系統(tǒng)，如今化州、吳川等地的社區(qū)醫(yī)生擁有了與一線城市看齊的診療能力。它不僅能輔助醫(yī)生進行復雜的病情評估，還能通過個性化飲食指導模塊，像營養(yǎng)師一樣管理患者的餐桌。

而行至病理科，AI帶來的變化則更為清晰。過去，醫(yī)生需要在顯微鏡前耗費3到5分鐘，在一張玻片的上萬個細胞中尋找潛伏的病變細胞。而現(xiàn)在，宮頸細胞學人工智能輔助診斷系統(tǒng)已將這一過程壓縮至秒級。AI先行掃描全片，自動標記出可疑視野，醫(yī)生得以快速定位病灶區(qū)域，大幅縮短了病理診斷時間，這等于是為患者爭取了寶貴的確診時間。

同樣的故事，也發(fā)生在感染內科。由于慢性肝病患者群體龐大，若缺乏規(guī)范管理，易發(fā)展為嚴重并發(fā)癥，而當前肝癌篩查體系存在公眾早篩意識不足、基層篩查能力薄弱。為此，南方醫(yī)院感染內科構建了科學的肝癌篩查評分體系，并嵌入小程序，深入社區(qū)“彩虹小屋”，將早期診斷率從23.2%提升至67%，這證明了AI在公共衛(wèi)生層面的巨大價值。

在南方醫(yī)院，我們已經(jīng)看到，AI與臨床的深度融合無處不在，而每一個創(chuàng)新場景都要依賴南方醫(yī)院深厚的臨床經(jīng)驗和強大的AI研發(fā)能力，若想讓它們走出三甲醫(yī)院，復制到全國各級醫(yī)療機構，成為醫(yī)療體系的規(guī)?；瘎?chuàng)新，這條路到底要如何走？

02

醫(yī)療AI規(guī)?；涞?/b>

要如何的破壁？

南方醫(yī)院的探索，其實是中國醫(yī)療AI發(fā)展的縮影，在經(jīng)歷了從概念驗證到單點AI應用的快速演進，越來越多的醫(yī)院已經(jīng)在醫(yī)療場景中引入了AI輔助工具。但這些點狀的創(chuàng)新，要邁向規(guī)?；涞?，還需要闖過幾道難關。

首先，是數(shù)據(jù)孤島形成的壁壘。醫(yī)院的不同科室引入的AI系統(tǒng)，往往來自不同廠商，數(shù)據(jù)格式不統(tǒng)一、接口不兼容，形成一個個孤立的“信息繭房”，無法實現(xiàn)數(shù)據(jù)互通共享。同時，各類醫(yī)療數(shù)據(jù)分散存儲，大量有價值的數(shù)據(jù)無法形成完整的AI訓練語料，導致AI模型訓練缺乏充足支撐，難以精準優(yōu)化，而不同科室的AI應用之間也無法協(xié)同工作，賦能全面診療的效果就大打折扣。

其次，是算力建設的浪費。與數(shù)據(jù)孤島相伴而生的，就是算力的“煙囪式”建設。不少醫(yī)院的科室在引入AI系統(tǒng)時，都會配套購置專屬服務器，導致算力重復部署，不同科室的算力無法共享，大量算力資源處于閑置狀態(tài)，造成算力資源的浪費。再者，多模型、多智能體之間無法協(xié)同調度，就無法根據(jù)臨床需求動態(tài)分配算力，這也進一步降低了算力利用率。

第三，是專業(yè)人才的短缺。醫(yī)療AI的落地，離不開“醫(yī)療+AI”復合型人才的支撐，但目前國內多數(shù)醫(yī)院都面臨著人才缺口。懂臨床的缺乏AI技術儲備，懂技術的不了解臨床痛點，成為了一種常態(tài)。

最后，是應用落地之難。大部分醫(yī)院現(xiàn)有的業(yè)務系統(tǒng)繁雜，不同廠商的AI應用接口不統(tǒng)一，想要將AI應用融入臨床，需要進行大量的開發(fā)工作，不僅周期長、成本高，還容易出現(xiàn)系統(tǒng)兼容問題。

歸根結底，醫(yī)療AI要走向規(guī)?；涞?，就必須告別單點式的部署模式，轉而擁抱標準化、集約化的平臺架構。我們認為，一個能夠統(tǒng)籌管理算力、統(tǒng)一治理數(shù)據(jù)、靈活調度模型、低門檻開發(fā)應用的“超級底座”，才能真正實現(xiàn)醫(yī)療資源和診療技術的“平權”，讓醫(yī)療AI為更多的患者創(chuàng)造福音。

03

HAIP：為醫(yī)院裝上“AI操作系統(tǒng)”

沒錯，問題的癥結既然在平臺架構層，解題的思路也就清晰可見。

近日，在廣州舉行的“AI驅動智慧醫(yī)院建設新范式高峰論壇”上，南方醫(yī)院與華為聯(lián)合發(fā)布了醫(yī)院通用人工智能平臺——HAIP。正是這些問題的答案。

簡單講，HAIP的全稱是Hospital AI Platform，定位是醫(yī)院的“AI操作系統(tǒng)”。它將醫(yī)院的算力、數(shù)據(jù)、模型、應用統(tǒng)一納管，讓分散的AI能力整合成一個可以共享、可以進化、可以向基層輸出的全院統(tǒng)一底座。

可以肯定的是，HAIP的誕生標志著中國醫(yī)療AI建設開始從“單點部署、零散應用”的煙囪式模式，邁向“統(tǒng)一規(guī)劃、全域協(xié)同”的新階段。

因為，HAIP解決的核心問題，恰困擾醫(yī)療AI落地的幾重困境。比如，在破解數(shù)據(jù)孤島方面，HAIP通過ModelEngine人工智能工具平臺實現(xiàn)全模態(tài)數(shù)據(jù)融合平臺和智能標注流水線， AI數(shù)據(jù)湖提供全院統(tǒng)一的數(shù)據(jù)視圖，將各類醫(yī)療數(shù)據(jù)統(tǒng)一管理，構建AI訓練的“數(shù)據(jù)糧倉”，提升數(shù)據(jù)利用效率，讓沉睡的數(shù)據(jù)轉化為可復用的知識資產(chǎn)；在解決算力浪費方面，HAIP構建了100%國產(chǎn)化的AIDC算力底座，通過“晝推夜訓”的潮汐調度機制，DCS AI容器底座實現(xiàn)算力切分和任務智能調度，動態(tài)分配算力資源，大幅提升算力利用率；在降低運營門檻方面，HAIP具備自然語言生成智能體能力，醫(yī)生無需編寫代碼，只需用日常語言描述需求，就能快速生成專屬AI助手，縮短應用上線周期；在保障系統(tǒng)兼容方面，HAIP采用開放架構，可與醫(yī)院現(xiàn)有業(yè)務系統(tǒng)平滑融合，不改變醫(yī)生的作業(yè)習慣，保障醫(yī)療服務的連續(xù)性。

而這一切的最終目標，則是實現(xiàn)醫(yī)療資源的普惠化。在HAIP的架構設計中，大型三甲醫(yī)院作為中心端負責訓練模型，基層醫(yī)院部署輕量級的邊緣設備。中心端訓練好的模型可以一鍵下發(fā)給所有基層設備，讓縣級醫(yī)院、社區(qū)衛(wèi)生服務中心不需要自己購買昂貴的算力設備，也不需要自己訓練模型，就能自動獲得和三甲醫(yī)院同步的AI能力升級。這正是“智腎”從南方醫(yī)院走向基層醫(yī)院背后的技術邏輯。

同期發(fā)布的《醫(yī)院通用人工智能平臺技術白皮書》，由華為、南方醫(yī)院牽頭，聯(lián)合全國多家頂級醫(yī)院和行業(yè)伙伴共同編寫，是國內第一份系統(tǒng)提出醫(yī)院“AI操作系統(tǒng)”的技術文檔。它不僅給出了技術架構和參考標準，還提供了一個從規(guī)劃到運營的實施路線，可以縮短其他醫(yī)院邁向醫(yī)療AI轉型的路徑。

無疑，當醫(yī)院擁有了統(tǒng)一的AI操作系統(tǒng)，基層能夠以極低的門檻接入頂級醫(yī)院沉淀的AI能力，技術創(chuàng)新才開始真正回答醫(yī)療領域最根本的命題，讓優(yōu)質醫(yī)療資源突破時空的限制，流向每一個需要它的人。