医疗AI如何真正落地？江苏这场沙龙把答案落到“数据”上

　　医疗AI离普通人有多远？也许比想象中更近。一次更精准的预问诊、一份更清楚的健康画像、一套帮助基层医生判断病情的智能工具，背后都离不开同一个基础：高质量医疗健康数据。

　　5月29日，江苏省“人工智能+医疗健康”系列主题沙龙——医疗健康高质量数据集建设沙龙在苏州举行。活动由江苏省卫生健康委搭建平台，来自数坤科技、蚂蚁集团、讯飞医疗等40余家省内外AI医疗、医药企业，北京大学、南京大学、中国科学技术大学、国家信息中心等多家国内知名科研院所、机构的10余名专家学者，省“人工智能+医疗健康”工作专班部分成员单位，省内承担高质量数据集建设的医院项目负责人及团队骨干等共160余名嘉宾齐聚一堂，围绕医疗健康高质量数据集建设、可信数据空间、医学人工智能模型训练和临床应用等话题展开交流。

　　数据、算力、算法如何协同？江苏正在搭平台

　　今年以来，江苏正在系统推进“人工智能+医疗健康”。江苏省卫生健康委主任、党组书记谭颖在致辞中表示，省卫生健康委联合省发改委等7部门印发《关于推进江苏省“人工智能+医疗健康”发展实施方案》，成立工作专班，组建创新实验室、创新联盟和专家组，推进省医疗健康数据开放平台建设，组织开展行业可信数据空间建设。目前，苏州行业可信数据空间已试运行，并启动开展“三医”协同和跨部门数据共享试点。

　　这场沙龙的意义，也正在于“搭平台”。医疗AI的发展，涉及医院、企业、科研机构、政府部门等多个环节。医院有真实场景，企业有技术能力，科研机构有方法论，政府部门则需要把规则、标准和协同机制搭起来。让这些力量面对面交流，很多卡点才有可能从“各说各话”变成“共同解题”。

　　谭颖提到，人工智能时代，“数据是燃料，算力是引擎，算法是方向盘”。目前，江苏已在危急重症、造血干细胞等21个专病高质量数据集基础上，成功研发13个专病专科垂类大模型。当前，全省正组织牵头医院推进急性心梗、脑卒中等15个专病高质量数据集建设，力争到2027年建成50个以上专病高质量数据集。

　　高质量数据集，到底“高”在哪里？

　　对普通读者来说，“高质量数据集”听起来有些专业。北京大学软件工程国家工程研究中心研究员、国家重点研发计划项目首席科学家黄雨给出了一个通俗解释：高质量数据集不是简单把医疗数据收集在一起，而是经过清洗、整理、标注、治理之后，真正能够支持人工智能模型训练和应用的数据资源。

　　换句话说，医疗AI不能只靠“喂数据”。如果数据记录不准、格式不统一、缺少专业标注，模型学到的规律就可能偏离真实临床。黄雨认为，对于人工智能和医疗健康来说，数据质量往往决定模型能走多远、用得多稳。高质量数据集可以帮助AI更准确地辅助诊断、预测疾病风险、推荐治疗方案，也能推动医学科研和医院管理智能化。

　　杭州医策科技有限公司创始人王晓梅把当前行业痛点概括为“三个难”：难在标准、难在闭环、难在持续。她认为，医疗数据来自不同医院、不同设备、不同录入标准，数据异构问题突出，尤其是病理、影像等数据，标注不一致、缺乏“金标准”，会直接影响AI产品的安全性和泛化能力。她期待通过沙龙推动一个或多个病种的高质量数据集共建试点，形成可落地的数据治理流程和质控标准，探索在不泄露隐私前提下的跨机构数据协作机制。

　　苏州样本：给数据上“安全锁”，也给应用开“合规门”

　　活动现场，苏州市“三医”协同创新可信数据空间进行推介发布。所谓“三医”，指的是医疗、医保、医药。过去，这些数据分散在不同系统、不同机构中。对AI医疗企业和科研团队来说，数据“看得见、用不了”，或者“想用、不敢用”，都是现实难题。

　　苏州市卫生健康信息中心副主任王宝燕介绍，在省级方案指引下，苏州健康医疗数智创新实验室前期经过一年多的数据汇聚治理，数据量已从最初的700亿条增长到1300多亿条。数据有了基础，应用才能更有序地落地。

　　她举例说，在“助医”方面，AI全科医生可以赋能基层医生；在“辅政”方面，苏州通过数据梳理出203个指标，辅助医院精细化管理；在“促研”方面，相关数据可以支撑临床研究和模型训练；在“便民”方面，未来市民实名认证后，可通过个人端健康助手查看健康画像，进行健康咨询、导诊和康复提醒。

　　可信数据空间的关键，是让数据在安全合规前提下发挥价值。苏州探索“红区、蓝区、绿区”分区管理机制：原始数据严格管控，脱敏脱密数据在专网环境中使用，样本和仿真数据可用于更开放的场景。这样做的目的很清楚：保护隐私是底线，释放价值是方向。

　　从“建数据”到“用数据”，关键看场景落地

　　医疗健康数据最终要回到临床、科研和患者服务中。苏州大学附属第一医院信息处处长程思民介绍，苏大附一院依托血液系统疾病国家临床医学研究中心大数据平台，建设血液相关6大专病库，并在此基础上推进高质量数据集建设。这些数据集已经用于患者预问诊、缩短问诊时间、辅助临床诊疗、疾病质控和科研转化。

　　对患者来说，变化可能体现在细节里。比如，预约挂号后，系统可以根据专科高质量数据集进行更专业的预问诊，提前采集医生真正需要的信息，减少门诊沟通成本，也让医生更快抓住病情关键。

　　企业端同样感受明显。佰思麦科医药科技(苏州)有限公司总经理晁博表示，医疗健康高质量数据集建设将推动医疗健康数据价值兑现，促进生物医药研发和AI模型训练。苏州产学研用联动创新体系较为完善，依托苏州健康医疗数智创新实验室等平台，企业可以更便捷地与临床专家、产业机构开展数据驱动的临床研究。

　　江苏盖睿健康科技有限公司副总经理魏群说，盖睿成立在苏州13年，政策、数据和场景给了企业持续发展的底气。他认为，高质量数据集是企业产品迭代和应用创新的重要“地基”。苏州医疗健康数据体量大，经过标准化、规范化治理后，对企业和科研生态具有重要价值。更重要的是，在合规安全框架下，通过可信数据空间开展授权应用，企业使用数据时会更有边界，也更有信心。

　　中国科学技术大学生物医学工程学院创始执行院长周少华认为，江苏在医疗健康数据汇聚和信息化方面基础较好，下一步可以围绕医学影像、病理等医疗健康领域专用数据，推动基础模型训练，把“人工智能+医疗健康”落到更具体的场景中。

　　从一场沙龙看，医疗AI的热度已经从概念讨论进入落地阶段。它要真正服务医生、服务患者、服务产业，靠的是一整套数据治理、标准建设、安全流通和场景验证的体系。江苏把政府、医院、高校、科研机构和企业聚到一起，讨论的正是这件基础但关键的事：让医疗数据在守住安全底线的前提下，真正变成改善健康服务的能力。

　　扬子晚报/紫牛新闻记者张添翼实习生秦榕

　　校对陶善工