高質量、低成本、廣覆蓋難以兼得？中國醫療的AI新路

生活中，大家一定遇到過這樣的場景：基層醫院就能完成治療的，都去三甲了；普通醫生能處理的，全擠到名醫那去了。

分級診療推行了這么多年，仍未真正實現“大病不出縣”，一個主要原因就是，縣醫院、社區衛生服務中心等基層醫療機構接不住病人。對抗病痛的有力武器，新藥、高精尖設備、資深專家，全都集中在頭部醫院。基層醫院縱有仁心，也難免感到心有余而力不足。

就拿AI來說，都知道它能減輕醫護工作壓力、幫助更多患者，可基層社區醫院要么用不上，就算有也不會用。有什么辦法能將頭部醫院的診療經驗，輸送給基層醫生？

4月10日，AI驅動智慧醫院建設新范式高峰論壇上，就出現了一個具有里程碑意義的探索時刻。南方醫院聯合華為及行業伙伴，首次面向全球發布醫院通用人工智能平臺HAIP與《醫院通用人工智能平臺建設白皮書》。

作為華為與南方醫院深度“醫工融合”的結晶，HAIP平臺嘗試改變以往醫院AI建設的分散模式，將各類AI能力逐步整合為統一數智化底座，讓AI技術貫穿醫院診療、管理的每一個流程。

通過這個案例，我們想跟大家聊一聊，基層醫院究竟如何承擔起分級診療守門人的角色？靠一紙公文的規定？靠患者退而求其次的妥協？

或者，靠基層醫院逐步提升能力，擁有高質量醫療服務的底氣與可能？最終的答案，關乎我們每一個人的健康福祉。

基層醫院大病看不了，小病不敢看，導致數量不到1%的三甲醫院，硬生生扛下了全國近30%的就診人次。無論影視劇還是現實生活中，基層醫院大多只承擔應急功能，在復雜診療中能力不足。

通過AI分擔基層醫生的繁重工作、提升診斷精準度、縮小與三甲醫院診療差距，讓群眾在家門口看好病，理論上是最好的出路。但是，讓基層自建一套智能化系統，幾乎不可能。

首先就是技術方案的供給很零散。市場上的智慧診療AI應用多為定制化項目，各個專科各干一套，影像科買一套看肺結節的系統，病理科買一套看切片的系統，信息科買一套管病歷的系統，接口復雜，融合起來又麻煩，基層醫院難以借鑒和部署。

采購也費錢。每個AI應用都需要算力、存儲、通信等基礎設施支撐，基層醫院通常都沒有相關配置，一整套系統都得從頭開始砸錢，根本無法承擔。

就算建起來了， AI人才不足也管不好。醫生的專業是醫學，并不是AI人才，醫院里大大小小的應用系統、HIS等系統，要跟AI模型和智能體對接，進行應用改造，適配運維的難度也很大。

說到底，基層醫院并不適合用零敲碎打的方式搞智能化，需要功能完整、覆蓋診療全流程的AI系統，拿到手就能用，適配絕大多數日常診療場景，才能真正幫到基層診療。

可問題來了，這種適配基層的AI系統，該去哪里找呢？如果真的有這樣一套成熟好用的系統，又是否愿意分享給資源薄弱的基層呢？

放眼整個行業，打造功能完整、能力成熟的AI診療系統，只能依靠頭部醫院。

近年來，不少頭部醫院也陸續開啟了智能化轉型，但這些頭部醫院的經驗，能被基層醫院借鑒的卻少之又少。因為這些頭部醫院自身也存在分散式做AI的問題，始終沒能形成統一平臺。說白了，頭部醫院自己也缺少一根覆蓋完整診療流程的AI主心骨，自然沒法把成熟的AI體系賦能給基層。

此次論壇中，南方醫科大學南方醫院院長孫劍分享了南方醫院的智能化轉型探索。他們發現，智慧醫院的建設過程中，面臨場景多、項目多、數據多等挑戰，與此同時，算力分散、各環節協同困難、運營風險較高，所以AI醫院建設必須走平臺化、體系化這條路。

帶著這些問題與思考，南方醫院積極尋找理念契合、有共同價值觀的合作伙伴，與華為攜手推進智慧醫療建設。

華為團隊深入該院24個科室，開展了全面的AI需求調研，累計訪問284人次，收集到超過100條AI相關需求。調研結束后，雙方達成了一個共識：不能再繼續分散建設的模式，必須搭建一個統一的基座平臺，把全院的算力、數據、模型、應用都統一管理起來，讓不同學科、不同專家的智能體都能在這個平臺上運行。

華為副總裁、公共事業軍團CEO李俊風用了一個形象的比喻：醫院就像一個有機的整體，跟人一樣，不能頭痛醫頭、腳痛醫腳。從信息化、數字化到智能化，最關鍵的就是讓數據流通起來，如果各個單點應用之間的數據互不聯通，不僅發揮不出AI的最大價值，還可能影響診療流程的順暢性。

最后，南方醫院負責提供臨床場景輸入、數據支撐、專家資源和示范推廣，華為則提供規劃支持、模型構建、算法及工程化技術，聯合生態伙伴一起，構建了新一代智慧醫院架構2.0。這套解決方案的核心，就是醫院通用人工智能平臺HAIP（Hospital AI Platform）。

HAIP平臺定位為醫院的AI整合基座，相當于AI操作系統，把以前分散在各個科室、各自為戰的AI應用和診療流程，全都串聯在一起。依托這一基座，醫院智慧化運營的一體化程度得到提升。值得注意的是，HAIP平臺的一大核心特點是AI全棧方案：依托DCS AI容器底座實現算力切分和任務智能調度，AI算力利用率提升30%以上。通過AI數據湖提供全院統一的數據視圖，徹底打破數據孤島，構建AI訓練的“數據糧倉”；AI數據平臺加速模型推理；通過ModelEngine人工智能工具平臺實現多模態模型管理，數據飛輪支撐模型快速迭代、越用越準，自然語言生成智能體能力，讓醫生無需懂代碼即可輕松開發出專屬的數字分身。

在HAIP平臺的支撐下，南方醫院麻醉科劉克玄院長，就直觀地感受到了AI給麻醉學科帶來的變化。

麻醉醫生以前工作壓力極大。進入手術后，麻醉管理要貫穿術前、術中、術后整個過程，醫生需要整合患者的人口學資料、檢驗檢查結果、影像學報告，還有術中各種實時監測的生命體征數據，這些多元信息雜亂且龐大。而且，麻醉醫生在術中沒有時間會診討論，一旦患者生命體征出現異常，必須在短時間內快速判斷、拿出解決方案，這對醫生的經驗和反應速度要求極高。假如醫生判斷失誤，就可能導致患者出現嚴重并發癥，甚至危及生命。

2024年7月，南方醫院研發的“南方智麻”大模型在國內首次發布，嘗試用AI解決上述問題。在HAIP平臺的賦能下，“南方智麻”投入臨床應用后，術前可自動解析患者信息、預判麻醉風險；術中動態監測生命體征、提前預警；術后持續跟蹤患者的恢復情況，實現圍手術期全流程的智能管理。

劉克玄院長坦言，以前在模型優化過程中遇到的數據提取、存儲、互用等瓶頸，現在都通過HAIP這個平臺解決了。

更重要的是，HAIP平臺下接算力，上接大模型和專家數字分身等AI應用，像操作系統一樣屏蔽了復雜的底層編碼，醫生不用懂編程，只要會用手機和電腦，就能把AI用起來。

麻醉科的實踐表明，一套貫穿全流程、把底層能力和軟硬件徹底打通的AI系統，可以讓頭部醫院得到智慧診療的有效輔助。這樣的AI能力與平臺，能否普及到所有基層機構，惠及更多患者呢？

我們都知道，脊柱是身體的核心支撐，也是力量傳導的樞紐。有了HAIP平臺之后，將頭部醫院的成熟AI診療成果整合至平臺之上，再通過基座進行能力的傳導，不就能夠將頭部醫院的能力與經驗，輸送給基層一線了嗎？

假如真能實現這一點，將對破解基層醫療困境、提升基層診療水平，有著重要意義。

南方醫院通過全院共創形式，已孵化并整合了多個學科的AI創新成果，均已落地于HAIP平臺。從中，我們看到AI向基層下沉的巨大潛力。

比如，基層醫院最缺的就是腎病專科醫生，很多基層全科醫生不完全熟悉腎病診療知識，部分腎病患者得不到及時的診斷，常常到中晚期才被發現，錯過了最佳治療時機。

而HAIP平臺上的“智腎”智能體，基于南方醫院侯凡凡院士團隊牽頭研發的“智腎”大模型，整合了所有腎臟病及相關并發癥的診療指南、專家共識，還收錄了超過40家三甲醫院約2000萬患者的全息醫療數據，相當于把全國頂尖的腎病診療經驗，都沉淀到了這個模型里。如果能通過HAIP平臺的智能問答系統，下沉到基層，就能有效彌補基層腎病診療能力的短板。

病理科的AI輔助診斷篩查，也是基層醫院迫切需要的智能化服務。

基層病理醫生少、工作強度大，一張復雜的病理切片，人工分析要花好幾分鐘。還容易因為疲勞出現漏判、誤判。HAIP平臺上已落地的病理AI模型，在宮頸細胞學篩查中可高效完成初篩、標注可疑視野，原本需要兩個工作日的報告，現在一天就能簽發。

人人談之色變的“眾病之王”癌癥，早篩早治至關重要。但我國慢性乙肝感染者多、基層肝癌篩查能力弱，很多肝癌患者確診時已處于中晚期。

南方醫院感染內科基于全球合作網絡構建了aMAP肝癌篩查評分，該方案累計完成超過52萬人次篩查，把肝癌早期診斷率從23.2%提升到67%，識別出高風險人群，為早診早治贏得了關鍵時間。目前也已整合至HAIP平臺，未來有望全面覆蓋基層，像在試點區域那樣，提升肝癌的早期診斷率。

很多人會問，基層醫院沒錢、沒人、沒技術，這些高端的AI模型真下沉了，他們能用好嗎？其實HAIP平臺早就考慮到了基層的實際困境，不用從零投入建設，直接拎包入住。

通過云邊協同+輕量化HIC，南方醫院作為中心端，負責訓練和優化各種AI模型，基層醫院作為邊緣端，只需要接收中心端一鍵下發的成熟模型，就能直接使用，實現和三甲醫院同步的AI能力升級。平臺的醫療專區，各個醫院的AI智能體可以共享，基層醫院直接復用其他醫院的成熟成果，節省時間和成本。

讓基層醫院接得住AI，看得好病，HAIP平臺有幾個特質：

一是全，具備頭部醫院的平臺化、體系化AI能力，基層可一站式引入全流程、全場景的智慧診療應用；

二是簡，平臺類似AI操作系統，屏蔽掉了底層復雜的AI軟硬件，直接開箱即用；

三是省，輕量化方案，開放標準接入，降低基層智能化的綜合成本。

HAIP平臺的探索與應用，為基層醫院的能力提高奠定了有力支撐。此次全球首發，正是體系化AI醫療邁向基層、走向普惠的關鍵一步。

William Kissick在1994年提出了醫療不可能三角，在醫療系統中，高質量、低成本和廣覆蓋無法同時實現，必須在這三者之間進行權衡。這個問題，在全球范圍內仍在持續探索。

進入AI時代，通過技術方式實現優質醫療資源的擴容和下沉，讓偏遠地區的患者能不出村、不出縣，就享受到和大城市三甲一樣的服務，為破解這一難題帶來新可能。誰能率先給出答案，誰就擁有未來AI醫院的定義權。

全球首發的HAIP平臺，是南方醫院、華為與全體醫療行業伙伴聯手寫出的答案：全流程覆蓋的AI醫院新范式。更重要的是，這套方案具備落地可行性，對全球尤其是發展中國家的智慧醫療建設，具有很強的參考與復制價值。

從HAIP的探索實踐來看，做好AI醫院，有幾個必要條件：

高質量的AI醫療，必須深度融合。AI和醫學是兩張皮，AI技術要產生臨床價值、落地價值，二者必須深度融合，這需要醫院+科技企業深度互信、全流程共創。南方醫院將所有科室場景全面開放給華為的AI專家，讓做技術的人，能深入了解醫生每一個日常工作細節和工作流程，了解醫生使用人工智能的困惑和挑戰，才能打造出HAIP這樣實用可落地的醫院AI操作系統。

低成本的AI醫療，必須分層推進。中國有海量基層醫院+頭部三甲，城鄉醫療資源不均，智慧醫療不能局限于頭部大醫院，必須“向上攀峰、向下賦能”，倒逼標準化、輕量化、可復制的方案。硬件層面，國外高度依賴單一算力與生態，遷移成本高，價格昂貴，HAIP依托AIDC算力底座、晝推夜訓的潮汐調度機制，以及輕量化的邊緣方案，云邊協同，降低智慧醫院的建設成本。軟件層面，HAIP集成了開箱即用的智能體，讓訓練好的智能體在基層醫院快速使用。

總的來看，先統一平臺、再分層推進，是一條短期看確有實效、長期看成本可控的普惠醫療之路。

廣覆蓋的AI醫療，則必須開放生態。智能化在醫療行業的落地，絕非一家企業能獨立完成的，需要多方協同。華為與南方醫院共同成立AI全場景智慧醫院聯合創新實驗室，共建開放生態，推動科研成果向臨床快速轉化。

其中，華為作為ICT技術黑土地，聚焦底層技術突破和生態，頭部大型醫療機構還有緊密合作伙伴，一起基于全新的架構和平臺，不斷產出符合臨床需求、符合基層需要的智能體，再將其下沉到基層。各方在開放生態中各司其職，共同讓優質醫療資源惠及更多民眾。

現代醫學之父William Osler認為，在生存的掙扎中，所有的生命都瑟縮于病痛的陰影之下。他呼吁醫學從業者，奮起創造奇跡，紓解人類每天睜眼就會面對的悲劇。南方醫院與華為攜手打造HAIP平臺，正是本土醫學界一次探索的結晶。

現代醫學發展至今，就借助技術的力量不斷突破邊界，創造了一個又一個醫學奇跡，曾經的絕癥變得可防可治，人類的平均壽命不斷延長。步入精準醫學、智慧醫學時代，AI在醫療領域扮演的角色越來越重要，成為推動醫學進步的關鍵技術力量。

積極擁抱AI、掌握AI先進技術的中國醫學界，迎來了在智慧醫療領域定義新規則、開創新模式的歷史機遇。

這份中國答案，為全球醫療智能化注入了新動能，也讓我們堅信：AI時代，人類一定能繼續創造奇跡，用醫學庇護每一寸土地，守護每一個生命。