随着生成式人工智能、多模态医学影像算法与深度推理模型的快速成熟,中国医药卫生行业正从单点信息化试点全面迈向“人工智能+医疗卫生”规模化、规范化部署阶段。围绕国家卫生健康委等部门明确的发展路线图,医疗机构、科研院所与医工交叉团队需在数据底座、知识库治理与临床安全边界三个层面同步发力。

一、2027 与 2030 两阶段核心建设目标

国家层面已为卫生健康行业人工智能发展绘制了清晰的时间表与验收坐标,对各级医疗机构和科研数据中心具有直接指导意义:

阶段节点基础设施与数据底座临床与基层重点应用规范与中试体系
到 2027 年建成一批卫生健康行业高质量数据集和可信医疗数据空间形成临床专病专科垂直大模型与智能体(Agent)应用,CDSS 与患者智慧服务广泛应用基本建成一批国家人工智能医疗应用中试基地
到 2030 年跨机构、跨区域医疗数据安全流通与要素化机制成熟基层诊疗智能辅助基本实现全覆盖,二级以上医院普遍开展影像AI与临床决策支持安全可控的行业标准、伦理问责与算法监管体系全面完善

二、高质量专病数据集与可信数据空间的工程构建

决定临床垂直大模型表现上限的并非单纯的参数规模,而是经过严格清洗、脱敏与术语对齐的真实世界高质量专病数据。工程实践中建议遵循以下四个核心步骤:

  • 多源异构数据标准化:将电子病历(EMR)、实验室信息系统(LIS)、影像归档系统(PACS)及病理报告映射至统一临床数据模型(如 OMOP CDM 或国家电子病历共享文档标准),疾病诊断统一锚定 ICD-11/ICD-10,检验项目对齐 LOINC 编码。
  • 全流程隐私保护与脱敏:对姓名、身份证号、联系方式及影像 DICOM 头信息实施不可逆匿名化或差分隐私处理,在跨院多中心协作中优先采用联邦学习与可信执行环境(TEE),实现“数据可用不可见”。
  • 临床专家标注与双盲质控:针对肿瘤病理、脑卒中影像、罕见病表型等高价值任务,建立由高年资专科医师主导的标注规范与一致性(Kappa 值)抽检机制。
  • 数据血缘与版本可追溯:记录每一份训练集与验证集的来源周期、入排标准及脱敏审计日志,满足药监审评与伦理委员会核查要求。

三、从“辅助工具”到临床专病智能体(Agent)的安全边界

医疗人工智能属于高风险行业应用,必须坚守“辅助定位、人机协同、可解释可溯源”的底线原则。医疗机构在部署专病大模型与智能体时,应将大语言模型与结构化医学知识图谱、权威检索增强生成(RAG)架构相结合,所有临床建议均须附带具体指南出处、证据等级与药品说明书条款链接,并严格保留执业医师的最终审核签字权与责任归属。

四、面向工程科技人员的落地建议

对于正在规划院内 AI 平台的医院信息科与科研团队,建议避开盲目追求通用大模型的误区,优先从“内涵病历质控、门急诊智能预问诊、合理用药前置审核、单器官多病种影像筛查及出院慢病随访”五大高 ROI 且风险可控的场景切入,同步完善算力本地化部署与内网隔离策略,为后续接入区域卫生可信数据空间奠定稳健架构。