近年来，人工智能(AI)技术蓬勃发展，先进的AI技术在改善患者就医体验、提升医院运营效率、医疗质量控制、处置突发公共卫生事件等方面发挥了重要作用，帮助医院开拓了新的发展思路，为医疗领域发展带来了强劲助力。紧跟科技发展的脚步，对智慧医疗如何发展、智慧医院如何建设等问题进行前瞻性思考，已成为实现公立医院高质量发展的必答题。

  浙江的未来医院图景

  浙江省是我国最富饶的省份之一，不仅拥有较好的医疗资源，也有着雄厚的科技创新底蕴。这为智慧医院与AI技术的融合提供了优渥的环境。

  浙江省卫生健康委规划发展与信息化处处长刘小舟介绍，基于各项发展优势，浙江省在2022年率先提出未来医院建设的创新理念，启动浙江省未来医院建设探索工作。2023年，浙江省围绕未来医院的内涵特征、创新领域、路径方法等开展深入研究，提出未来医院建设总体架构，发布《浙江未来医院建设白皮书1.0》。2024年，浙江省进一步聚焦建筑、设备、数字化深度融合，遴选14类未来医院单元化、模块化实景，提炼可复制可推广的实践做法，推出《浙江未来医院建设白皮书2.0》。刘小舟介绍，浙江省正在构建“1—3—5—7”未来医院发展框架。其中，“1”是指以人民健康为一个中心;“3”是指以居民、医护人员、管理者为三类对象;“5”是指以万物互联、全景智能、数字孪生、医术精湛、绿色人文为五个基本特征;“7”是指以新基建、新医疗、新服务、新管理、新科研、新环境和新生态为七个创新领域。

  在浙江省人民医院，建设未来医院是近年来的重点工作。杭州医学院副院长、浙江省人民医院院长葛明华介绍，浙江省人民医院建设未来医院的方法为“四专一部”。“四专”指成立数字化工作专班、设立数字医疗首席专家、配备数字专员、打造未来医疗示范专区(滨江院区)，“一部”指设立信息化与人工智能部。2018年，浙江省人民医院对信息化系统进行升级，新系统以互联网JAVA语言(编程语言)作为开发工具，实现了HIS(医院信息系统)和EMR(电子病历系统)一体化;同步建设多院区数据中心，确保数据准确、一致、实时、全面。此外，新系统还支持移动应用，具备医疗数据查询等功能，医务人员可在移动端完成医疗文书工作，明显提高工作效率。

  “未来，浙江省人民医院计划从四个方面让AI技术为医院发展注入新动力。”葛明华介绍，在数字底座方面，主要从数据处理、AI技术、信息安全、云计算四个方向发力;在数据库与队列建设方面，聚焦专病数据库的建设和队列研究;在复合人才培养引育方面，通过制订招聘计划、拓展招聘渠道、建立评估机制、吸引海外人才等措施加深“人才池”;在政策标准方面，推动政府参与制定医学AI行业的标准与规范。

  AI助力运营管理提质增效

  运营管理作为医院发展的重要一环，必须与时俱进地创新与改进，而AI技术具有强大的计算与分析能力，与医院运营管理工作的需求高度契合。借助AI技术开展医院运营管理，可在数据治理、数据挖掘、辅助决策、精细化运营分析等领域对医疗机构管理者给予帮助，从而提升运营管理效率。

  中国联通智慧医疗军团、联通数智医疗科技有限公司首席架构师郑宇浩介绍，目前已有医院与中国联通围绕医疗AI创新应用开展合作，聚焦手术环节，构建起覆盖全生命周期的数据管理体系;借助相关技术搭建智能模型聚合平台，基于医疗场景打造“手术非常准”“手术智能体小依”等工具，全面赋能术前谈话、术后康复、病历书写、手术全流程跟踪等医疗服务核心环节。

  合作实践表明，AI技术通过智能分析手术运行效率、精准检索关键信息，并结合PDCA循环(管理工具)质控模型，可实现手术报告自动化生成与流程精细化管理。这一模式不仅能为临床医生提供实时决策支持，还能通过智能提醒服务改善患者就医体验，推动医疗服务质量和运营效率同步提升，惠及患者。

  数据治理成为发展新方向

  数据作为训练AI大模型的基础，其治理工作面临不少挑战和机遇。

  西安交通大学第二附属医院(西北医院)副院长、医学人工智能研究院常务副院长徐颂华告诉记者，当前，数据治理主要面临四方面挑战。一是隐私和安全挑战。保护患者隐私、确保数据安全性涵盖技术、法规和伦理等多个层面，是必须要守住的底线。二是数据标准化和互操作性挑战。医疗数据的多样性和来源不一致性，导致数据标准化和系统互通过程中的困难，亟须统一的标准和协议，确保数据在不同系统中顺利流通。三是数据质量和一致性挑战。数据质量直接影响医疗决策和患者治疗的有效性。四是合规性挑战。AI技术的日新月异，要求相关部门和机构不断适应和遵循新的法规，确保数据和技术合法合规使用。

  徐颂华认为，当前在数据治理方面也同样存在着重大机遇。一是智慧医疗数据为数据驱动的医疗服务提供了强有力的支持。二是AI在医疗领域的广泛应用为医疗数据治理带来了新的可能性。三是医学AI和数据的结合，让全生命周期的健康服务成为未来的发展方向。

  在广东省人民医院，围绕数据治理的多项探索正在如火如荼地开展。广东省人民医院信息管理处处长、广东省医学科学院医学大数据中心主任梁会营介绍，该院积极打造保障数据“供得出、流得动、用得好”的人员队伍，同时搭建数据自由流通平台，在布局一体化数据开发利用基础设施的基础上，打造了健康医疗数据可信认证链“粤康链”。此外，医院持续增强健康医疗数据管理能力，促进数据要素智能化发展，并构建了健康医疗数据资产化标准体系。通过上述探索，医院成功打通了健康医疗数据要素流通的“最后一公里”，成为数据的提供方、加工方、运营方及需求方。“健康医疗数据要素化将成为医疗领域发展的新方向。”梁会营说。

  谨慎应对大模型幻觉问题

  AI大模型幻觉是指其生成内容与客观知识、内部逻辑相悖的现象。学术界将这种幻觉分为内在和外在两种，事实性错误、文不对题、“一本正经地胡说八道”等可能都是大模型幻觉的表现。

  在医学领域，AI大模型幻觉问题尤为突出。对此，浙江大学生物医学工程与仪器科学学院副院长林辉认为，由于医学知识更新速度快，加之网络数据质量参差不齐，使得AI大模型在学习时容易“新旧不分”。同时，医学知识专业性强、病症复杂，AI大模型基于统计学概率的响应方式难以精准判别疾病类型，易引发诊断和治疗方案错误。“医学是一个低容错性的领域，任何差错都可能危及患者生命。大模型幻觉对医学领域危害极大，需要格外关注。”林辉说。

  据介绍，数据和模型技术是导致AI大模型幻觉的两大主要因素。在数据方面，现有关于罕见病的学习语料和医疗数据非常少，受制于知识的局限性，用专业知识对AI大模型进行微调也存在局限性。在模型技术方面，现有AI大模型的响应模式大部分基于统计学概率，无法满足医学的严格要求。

  如何应对AI大模型幻觉?林辉认为需要从四个方面入手。一是用于训练AI大模型的医疗知识要权威并确保真实;二是在技术上要尽可能训练AI大模型理解疾病的因果关系;三是完善检测评估办法，加强对AI大模型幻觉的快速识别能力;四是搭建服务于AI大模型的知识平台，整合资源，降低幻觉出现概率，提升推理精度。

  “AI大模型在医学领域潜力巨大，但各方应保持审慎态度，充分利用医学知识，推动AI大模型在医疗场景安全、有效地应用，让循证医学为大模型把关。”林辉说。

  直面问题让AI成为得力助手

  近年来，AI技术发展迅猛，但要在医学领域实现广泛应用，还需解决诸多难题。

  “当前，医疗AI仍存在模型推理能力不强、模型知识利用度不够、依赖单一模型风险高等问题。”复旦大学智能医学研究院常务副院长刘雷认为，造成这些问题的原因是目前医疗AI在知识利用上还停留在浅度输出和简单逻辑整合这一层面，尚未能用生物医学逻辑对知识进行整合与推理。

  刘雷表示，我国在算力和基础大模型等方面的条件已相对成熟，通过基于医院数据进行预训练和微调或可提升医学AI的辅助能力。此外，利用整理完备的知识图谱增强AI大模型的推理能力，可降低其在医疗领域实际应用中发生错误的概率。

  除了AI自身面临发展困难外，AI技术与医疗领域的融合发展也面临数据工程耗时长、AI大模型训练和应用落地难、AI集群可用度低等问题。对此，华为公共事业军团数智化转型咨询规划总监王煜有以下三点思考。

  一是随着AI大模型由单模态向多模态演进，海量数据引入，需要加速提高相关归集、处理、管理的数据工程能力。

  二是行业AI大模型和应用的开发落地，需要环境易安装、模型易开发、应用易搭建的AI业务平台。

  三是AI集群承载任务数量快速增长，需要不断提升全系统调度效率，实现系统效能最大化。以华为与上海交通大学医学院附属瑞金医院联合发布的病理大模型为例，由于要处理的数据量极大，华为创新数据处理技术，利用分布式存储、智能调度等技术提升算力利用效率，通过极简应用开发、低代码开发、零代码维护等方式赋能病理大模型的应用与落地，让AI技术更好地为医疗服务。

  此外，医渡科技首席AI科学家闫峻表示，建设智慧医院是大势所趋，而评价智慧医院的建设程度不能只以医院拥有的研发资金、先进设备和人才数量等为标准，还要关注医院是否对AI在医疗领域的相关应用有深刻理解，以及是否具备使用和驾驭AI技术的能力。