破解醫療AI落地難題：東軟“添翼2.0”給出系統化解法

隨著醫療 IT 行業競爭進入下半場，未來的角力點將超越單純的技術比拼，邁向更高維度的價值重構和“生態協同”。

作者/令諸侯

出品/新摘商業評論

你有沒有過這樣的經歷？清晨醒來感覺不適，不用翻箱倒柜尋找醫保卡，而是拿起手機，熟練地點開預約掛號App，選擇科室、醫生和時間。

抵達醫院，你無需在窗口前蜿蜒的長龍中焦慮、等待，只需在自助機或手機上輕輕一刷電子社保碼，絲滑完成簽到、醫保身份認證。候診時，電子屏清晰地顯示排隊進度，你可以安心坐在椅子上刷刷手機，打把王者。

又或者，為家人辦理異地就醫備案，過去可能需要奔波于多個部門、填寫無數表格，如今在手機上動動手指，幾分鐘就能搞定。慢性病復診，甚至不需要親自跑到醫院，通過互聯網醫院就能與醫生“面對面”交流，藥品還能直接配送到家。

這些場景已從“新鮮事”變成了“日常基本操作”。如今，醫院越來越智能了：刷臉就能完成身份認證，智能系統引導分診，AI輔助醫生研判病情……一場正在醫療系統深處發生，由技術、數據與生態共同驅動的智能化變革正在發生。

而這背后，離不開東軟這樣的IT領軍企業，攜其最新的AI技術成果，默默進行“火力支援”，推動行業駛向以AI為核心的智能化“深水區”。其剛剛升級的“添翼2.0”醫療健康智能化解決方案，就系統性破解了多個“AI+醫療”難題，成為“醫療插上AI翅膀”的生動實踐。

一、AI+醫療駛入“深水區”，

面臨哪些挑戰與難題？

中國醫療IT行業經過數十年的信息化建設，已經完成了醫院信息系統、電子病歷等基礎搭建，實現了業務流程的“線上化”。當前行業正步入一個更為復雜和關鍵的新階段——智能化“深水區”：人工智能與數據智能不再是提升效率的輔助工具，而是被寄予厚望，成為重塑醫療服務模式、優化資源配置、最終提升全民健康水平的核心引擎。然而，理想很豐滿，現實卻充滿挑戰。當AI技術試圖深度融入“性命攸關”的醫療場景時，一系列深層次的痛點逐漸顯現。

首要的挑戰，源于數據困境。

我們都知道，高質量數據是訓練出可靠AI模型的“優質燃料”。但這恰恰是當前醫療AI面臨的最大瓶頸之一。盡管許多大型醫院積累了海量數據，但這些數據的標準化程度往往較低，存在大量非結構化、格式各異的信息，難以直接用于模型訓練。

更重要的是，在特定的醫療領域，如專病影像研究，可能積累了上萬張CT圖像，但其中標記出病灶的、有價值的圖像可能僅占極小的比例，數據極為稀疏。而對于罕見病、疑難重癥等領域，符合要求的樣本數據本身就非常稀少。這意味著，沒有足夠“營養”的數據“喂養”，AI模型難以成長為臨床可信賴的“專家”。

第二個繞不開的難題，是AI的“黑盒”與“可解釋性”困境。

在大模型深入千行百業的當下，日常生活、工作中，相信你也沒少被“AI假知識”困擾，在醫療場景中，AI假知識可是真要命！

畢竟，醫療決策關乎生命健康，責任重大，一個診斷建議或治療方案的生成，如果無法追溯其推理依據和因果鏈條，將是難以信任和采納的，醫生需要知道AI“為什么”會得出這個結論，是基于哪些癥狀、體征、檢查指標。如果AI只是一個給出答案卻講不清道理的“黑箱”，那么在嚴肅的醫療實踐中，其應用將寸步難行。

目前，許多AI產品宣稱具備各種能力，但真正能在臨床實踐中清晰展示決策邏輯、實現可解釋、可溯源的，仍然少之又少。

第三個痛點，在于AI能力與臨床工作流的“深度融合”不足。許多AI工具提供了諸如智能問答、文獻檢索、報告摘要等“離散”的能力點，但它們往往以獨立應用的形式存在，未能無縫嵌入到醫生、護士日常工作的信息系統中。這意味著，醫護人員可能需要頻繁切換于不同系統之間，反而增加了操作負擔。

這種“為智能化而智能化”的做法，容易導致“聽起來很智能，用起來卻不智慧”的尷尬局面，用戶體驗欠佳，最終難以落地生根。

第四大挑戰，關乎AI如何真正賦能醫學創新與科研轉化。

目前，不少醫療AI應用仍集中于對回顧性數據的分析，旨在提升已有流程的效率。然而，醫學進步的終極目標是改善患者的臨床結局，例如提高生存率、縮短診斷時間、優化治療方案等。

這要求AI技術能夠面向前瞻性的臨床研究，助力科研成果向臨床有效手段的轉化。一言以蔽之，如何系統性地利用AI驅動真正的醫學創新，仍是整個行業需要深入探索的課題。

針對行業痛點，東軟“添翼”醫療健康智能化解決方案完成了從1.0到2.0的升級迭代。

東軟集團副總裁兼醫療健康事業部總經理李東指出，此次升級的核心，正是從數據管理、醫療模型可信構建到價值轉化的全鏈條進行系統性重構，讓AI真正發揮作用，賦能醫療健康行業。

二、“添翼”2.0的破局之道：

全鏈路數智能力，重塑醫療AI價值

那么，“添翼2.0”具體是如何破局的？

首先，是夯實“數據基座”，解決“燃料”問題。東軟依托數據架構實施框架，整合數據標準管理、洞察分析、探索發現等平臺工具，對醫療數據進行深度治理和價值挖掘。這意味著，東軟將散亂、非標的數據，轉化為高質量、可利用的數據資產。目前，東軟已構建了181個數據模型的結構化體系，建立2000余項數據質量標準和50余項安全規則，并積累了近70個高質量專病數據集，為AI應用打下了堅實可靠的“數據基石”。

其次，是構建“可信AI”，破解“黑盒”難題。

基于“融智”智能化實施框架，“添翼2.0”整合了一系列科研工具，特別強調了醫學AI的可解釋性與安全性技術。這意味著，東軟不僅關注AI的“能力”，更關注其“可靠性”和“可信度”。其采用“1個醫學領域大模型+ N個專項小模型”的模型群架構，形成“專模做專事”的能力矩陣。

這樣做的好處在于，既可以利用醫學大模型的泛化能力，又能通過專項小模型在特定任務上追求極致的準確性和可解釋性。

目前，東軟已構建了涵蓋213種專病影像模型和371種通用影像模型的矩陣，支持超過1萬種疾病，報告顯示其關鍵模型準確度超過90%，內涵質控規則準確率超過95%，并且生成內容可溯源，增強了臨床醫生的信任感。

再者，聚焦“場景融合”，推動AI能力落地。

“添翼2.0”將其AI能力封裝成“智能體”或“賦能體”，深度融合到智慧服務、智慧醫療、智慧管理、智慧基層、智慧衛健及城市級健康數據空間等六大核心場景中。這意味著，AI不再是外掛的工具，而是內生于業務流程的“醫療伙伴”。

例如，東軟 “添翼2.0”在武漢大學中南醫院實現了在全院所有臨床科室的深度應用。系統日均可生成近500份出院小結，并完成對全院3500-4000份病歷的內涵質控。相比之前人工日均只能審核40-50份病歷的效率，提升了十數倍。

尤其值得注意的是，出院小結的AI生成采納率高達70%-80%，這背后正是由于其提供了清晰的可解釋性溯源，醫生能清楚看到每項結論的生成依據。

最后，助力科研轉化：打通 “臨床-科研” 價值鏈路。

針對醫學科研門檻高、效率低的問題，“添翼2.0”提供可視化的無代碼AI算法開發平臺，內嵌多種科學統計方法和機器學習算法，消除臨床專家與數據科學之間的技術鴻溝。平臺背后是東軟結合醫學知識挖掘與專家審核，構建高質量醫學知識庫，涵蓋近3000萬醫學論文、121個罕見病專病知識庫和20萬+醫療質控規則，為AI+醫療從“回顧性分析”走向“前瞻性研究”提供了支撐，助力科研成果快速轉化。

在行業看來，這一次升級，并非簡單的功能進階，而是針對智能化落地“最后一公里”的系統性重構。東軟添翼2.0的創新，正從方方面面重構“AI+醫療”價值，推動“健康普惠”從理念走向現實。

三、AI+醫療下半場，未來可期

隨著醫療IT行業競爭進入下半場，未來的角力點將超越單純的技術比拼，邁向更高維度的價值重構和“生態協同”。

在行業看來，單一的技術優勢難以形成長期壁壘，唯有能夠構建開放生態的企業，才能引領未來。東軟在智慧醫療領域顯然已為此布下棋局，實現領先優勢。

東軟深諳“獨行快，眾行遠”的道理。對內，它整合東軟在大健康領域的所有優勢，形成覆蓋醫療設備、康養服務等維度的全場景服務生態。

對外，2025年3月東軟與華為合作全面升級，雙方在技術融合、產業協同上深度綁定，共同打造更具競爭力的醫院解決方案和人工智能應用。

此外，東軟與中國醫科大學附屬盛京醫院、武漢大學中南醫院等頂尖醫療機構的戰略合作，則確保了其技術研發緊貼臨床最真實的需求。這種協同戰略，為其在未來的生態競爭中構筑了堅實的護城河。

可以預見，以東軟為代表的企業，以其深厚積累、前瞻布局和生態合力，不僅在這場智能化轉型中實現了“搶跑”，更有可能在未來以數據和生態為核心競爭力的新賽道上，引領中國醫療健康產業走向一個更高效、更普惠、更智慧的明天。這場關乎每個人健康福祉的效率革命，才剛剛開始，讓我們拭目以待吧！