以AI赋能完善服务体系
{"id":"510346","toptitle":"","toptitle_color":"","title":"以AI赋能 完善服务体系","title_color":"","subtitle":"","subtitle_color":"","crtime":"2026-04-20 08:13:39","condition":"来源： 健康报 ","thumb": ""}
在近日召开的2026全国深化医改经验推广会暨中国卫生发展会议上，来自卫生健康行政部门、科研院所、AI（人工智能）研发企业的代表围绕AI技术如何助力构建公平可及、系统连续、优质高效、富有韧性的医疗卫生服务体系展开了深入研讨。
国家卫生健康委规划发展与信息化司规划处处长一级调研员 沈剑峰：
政策护航“AI﹢医疗卫生”
近年来，国家高度重视AI技术与数字健康创新，围绕“人工智能﹢”出台了一系列政策文件。2023年，中共中央办公厅、国务院办公厅印发《关于进一步完善医疗卫生服务体系的意见》，要求发挥信息技术支撑作用。2025年8月，国务院印发《关于深入实施“人工智能﹢”行动的意见》，要求有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用。同年9月，国务院批复同意《医疗卫生强基工程实施方案》，要求探索医学人工智能辅助诊疗基层应用。同年10月，国家卫生健康委等5部门印发的《关于促进和规范“人工智能﹢医疗卫生”应用发展的实施意见》中明确提出“人工智能﹢医疗卫生”应用发展的指导思想。
在一系列政策的推动下，“AI﹢医疗卫生”应用发展取得显著成效。在赋能基层与临床诊疗方面，智能辅助诊疗系统提升了基层诊疗规范性，数字健康画像、病理智能诊断等应用大幅提升诊断效率与精准度。在改善患者服务方面，AI推动了便捷就医、优化了候诊流程。在推动科研与产业发展方面，AI加速了药物研发与模拟试验，同时各类医用机器人的规模化应用，也助力部分医疗资源得以释放。
当前，我们正努力解决AI技术面临的各类挑战：加快建设高质量医疗数据集与AI语料库，构建可信数据空间；推动医疗机构信息整体上云，建设省级AI通用服务平台，降低应用成本与安全风险；加强评测验证与穿透式监管，规范大模型备案；强化科技、人才、标准支撑。未来，我们将借助AI等技术持续赋能医疗卫生服务体系，朝着信息标准化、医疗智慧化、设备智能化、服务个性化方向迈进。
广东省卫生健康委党组成员、副主任 易学锋：
补上基层诊疗短板
以场景应用为牵引，以基层需求为导向，广东持续推动AI技术深度融入医疗健康服务全流程，一系列落地见效的创新实践为全国“AI﹢医疗卫生”应用高质量发展贡献出可复制、可推广的“广东智慧”与“湾区方案”。
筑牢省级统建共享根基，精准补上基层诊疗短板。2025年7月，广东上线“粤医智影”省级AI辅助阅片系统，覆盖七类高频影像检查，依托省级远程医疗平台，免费向全省2146家医疗卫生机构开放。系统可实现病灶秒级自动识别、结构化报告快速生成，阅片效率大幅提升，有效改善基层影像诊断力量不足的问题，降低漏诊率、误诊率，目前已辅助完成超10万份影像阅片工作。
聚焦偏远地区医疗帮扶，同年12月，广东再推“粤医慧诊”AI辅助诊断系统，重点覆盖粤东、粤北地区895家乡镇卫生院。该系统由省级统一部署运维，基层无需额外投入成本，同步搭载中医智能诊断模块，为群众提供个性化诊疗建议，让优质智能医疗服务直达基层一线。
深耕临床创新应用，打造湾区医疗AI标杆。省内多家头部医院率先突破，广东省人民医院运用AI测绘技术实现肺结节精准手术导航，大幅缩短患者术后康复周期；中山大学附属肿瘤防治中心搭建鼻咽癌AI自适应放疗平台，缩短诊疗时长，提升治疗精准度。广州、深圳、佛山、肇庆等地同步发力，建成医疗健康可信数据空间、布局人工智能医院、推广手术机器人应用、打造县域AI诊疗平台，全面激活区域医疗创新活力。
下一步，广东将持续构建全生命周期智能健康服务体系，推动AI技术深度融入预防、诊疗、康复各环节，夯实算力数据安全底座，不断拓展“AI﹢医疗卫生”应用场景，以实干实绩为全国医疗健康服务智能化发展注入更强动力。
中国科学院深圳先进技术研究院副院长、医工所所长 梁栋：
医疗器械体系正被重塑
我国医疗服务体系正面临资源分配不均、个性化精准诊疗需求迫切、人口老龄化与慢性病管理压力激增等挑战，AI技术与医疗器械的深度融合正成为应对挑战的关键路径。
医疗器械的发展历程，始终是科技创新与学科交叉的集中体现。如今，新一代信息技术、材料科学、精密制造与生物工程深度融合，推动了行业变革提速，特别是AI技术的出现和发展，为医疗器械突破发展瓶颈提供了全新路径。
AI的核心价值在于以软件能力赋能医疗器械突破物理、计算、应用三大极限。在物理层面，AI可弥补硬件固有局限，提升影像设备分辨率、扫描速度等核心指标；在计算层面，AI能高效处理多模态高维异构医疗数据，解决海量存储、带宽限制与算力融合难题；在应用层面，AI不仅能承担部分单一重复的临床工作，还能突破人类知识边界，挖掘未知诊疗靶点，为重大疑难疾病提供全新解决方案。
当前，依托技术创新，“AI﹢医疗器械”的发展正在不同领域推动医疗服务升级。在医学影像领域，AI技术推动影像诊断从病灶发现迈向功能成像，将重大疾病诊断窗口期大幅前移；在体外诊断与可穿戴设备领域，AI﹢非侵入式传感器，让可穿戴设备监测的灵敏度越来越高、监测项目越来越多，为居家健康管理提供硬件支撑；在医疗机器人领域，AI技术不断推动医疗机器人向自主化、微型化发展，还助力开发智能复合手术室；在脑机接口领域，我国侵入式脑机接口技术已跻身全球前列，未来在AI技术的支撑下必将构建脑机通讯新生态，建成替代传统终端的新型健康基础设施。
声音
北京市卫生健康委信息处处长邓锴：
AI技术在医疗健康领域的应用已远不止于辅助诊断范畴，其在构建优质高效的医疗卫生服务体系中拥有4大拓展空间：一是破解医疗资源供给短板，聚焦肿瘤、心血管等重大疾病诊疗全过程，着力减轻疾病负担，加速新药研发，补齐儿科、眼科等专科资源缺口，助力疾病早筛查早诊断；二是推动优质医疗资源下沉基层，促进医疗服务公平可及；三是保障医疗质量安全，加强手术、重症监护的智能监测预警；四是实现降本增效，优化医院管理流程，使用AI预问诊技术分担医生部分重复劳动压力，提升服务连续性与运行效率。
当前“AI﹢医疗卫生”应用仍面临一些瓶颈问题，如部分医疗机构信息化建设落后，无法适配AI快速迭代需求；临床数据流通机制不健全；软件类AI产品缺乏医保定价政策，难以形成商业闭环；临床AI应用评测体系空白，急需建立完善的评测体系等。
上海市卫生健康委医药卫生体制改革处处长冷熙亮：
AI如同“装在口袋里的医学专家”，能实现诊疗知识7×24小时下沉基层，成为分级诊疗体系的重要支撑。但技术安全、经济负担、生产关系适配三大核心难题仍然制约着AI在医疗领域的发展。
在技术安全层面，当前AI技术仍存在幻觉、算法漏洞等问题，在医疗场景的广泛应用会产生风险放大效应。在经济负担层面，谁来为AI技术买单是核心问题。患者为诊疗结果付费，却不愿为AI技术额外买单；医生与医疗机构也无力承担相应成本；医保付费仅支持获得认证的器械类AI产品，无法覆盖软件类产品。在生产关系适配层面，AI不仅带来工具革命，更冲击现有医疗人力结构，一些岗位甚至面临系统性替代风险。
因此，需明确AI技术辅助定位，坚守医疗人文本质，避免技术替代医生核心价值，通过统一规划、行业科普，让AI适配分级诊疗制度安排，真正服务于医改目标。
江苏省卫生健康委体改处处长刘益兵：
推动“AI﹢医疗卫生”应用跨部门、跨产业落地，必须实施“一把手工程”，强化省级统筹调度。目前，江苏已由省政府主要领导牵头，建立月度调度、双月路演机制，全省形成推进合力，破解部门协同难题。
数据治理是“AI﹢医疗卫生”应用发展的基础，例如，影像数据标准化程度高，因此相关AI产品能够快速落地；而电子病历除首页数据外，其他多数数据为非结构化数据、数据质量差，难以支撑模型训练，因此相应的AI产品研发受到制约。需推进医疗数据全面标化，从源头提升数据可用性。
当前医疗体系建设存在重躯体医疗、轻精神心理健康的情况。特别是，面对当下青少年心理健康问题突出的情况，在有限的医疗资源下，“AI﹢心理”应用是亟待布局的“蓝海赛道”。此外，散落在各医疗机构的生物样本库是医疗科研的核心资源，对疾病靶点研究价值重大，应尽快整合建设国家级样本库，为“AI﹢医疗科研”提供支撑。
浙江省卫生健康委规划信息化处处长、一级调研员刘小舟：
浙江以医学人工智能中试基地为载体，构建“1﹢5﹢6﹢N”发展架构，即搭建1个智能体集群，建设算力、模型、数据、验证、转化5个中心，面向患者、医生、医院、科研者、产业、政府6方视角，布局多元化（N）应用场景。基地的标志性成果“安诊儿医疗智能体”已接入浙江所有公立医院，拥有2000万注册用户。
“AI﹢医疗卫生”应用面临的堵点问题集中在几个方面。一是医疗数据合规流通与价值变现路径未打通。医疗公共数据的授权运营实操机制仍未建立。二是“AI﹢医疗卫生”应用的价值闭环尚未形成。运用AI技术和产品使患者、医生、医院、研发企业等多方主体共同受益的机制尚未建立。三是技术应用方和开发方还需加强合作。以医疗机构为主的技术使用方应进一步开放应用场景，并承担相应AI产品的临床验证职责；以企业和科研单位为主的技术开发方需加强社会担当，特别是医疗信息系统开发企业，要全面重建技术架构，以适配AI快速迭代发展需求。
河南省周口市卫生健康委党组成员、副主任张磊：
对人口数量庞大、但医疗基础薄弱的地市而言，AI技术是补齐基层医疗短板的关键抓手。在构建公平可及、系统连续、优质高效、富有韧性的医疗服务体系过程中，AI技术展现了四大核心价值。在公平可及层面，可借助AI技术分析“三医”数据，精准匹配医疗资源，有针对性地引进区域内稀缺资源，让医疗投入更高效。在系统连续层面，可将AI随访系统融入慢性病管理，大幅提升患者复诊率，推动从“治已病”到“管健康”转变。在优质高效层面，AI可辅助完成病历书写等工作，解放医生人力资源；5G院前急救可实现“上车即入院”，提升诊疗效率。在富有韧性层面，AI可预判患者就诊潮汐时段，智能调度医疗资源，增强基层医疗系统抗风险能力。
推动“AI﹢医疗卫生”应用落地，需构建医方与技术方共生关系。医方要主动梳理业务痛点、统一数据标准；技术方需深耕临床需求，打造轻量化、嵌入式、可复制的产品，建立长效升级服务机制。
国家卫生健康委卫生发展研究中心数字健康研究室副主任（主持工作）邱英鹏：
AI技术在医疗体系的核心价值之一是推动实现医疗服务同质化，助力分级诊疗落地。实现这一目标的核心路径是让数据流带动技术流，使技术流带动能力流，最终通过能力流引导人员流动，即通过数据在机构内、县域医共体内的共享流通，依托区域内统一AI平台实现技术能力下沉，引导患者与医护人员合理流动，优化医疗资源配置。
推动“AI﹢医疗卫生”应用落地需把握三大原则。一是AI能力与医疗机构功能层级匹配，避免大模型跟风高配、资源浪费；二是推行集成化场景应用，通过功能整合提升服务连贯性，避免借助单一AI工具进行碎片化诊疗；三是坚持区域统筹布局，推进系统化应用覆盖，避免资源浪费和形成新的“数据孤岛”。此外，建议将“AI﹢医疗卫生”应用的算力资源纳入医疗资源统筹规划，从医疗服务能力角度统一配置、管理与研究，夯实“AI﹢医疗卫生”应用发展基础。
国家卫生健康委医院管理研究所医疗信息化研究部副主任张蕾：
当前AI技术发展仍面临一些挑战：一方面，医疗机构信息化水平参差不齐，数据标准不统一，高质量临床数据的积累与质控仍需加强，一定程度上影响了AI模型的训练效果与场景适配性。另一方面，既懂医学又通AI技术的复合型人才相对不足，且医疗机构在算力建设、数据治理、模型迭代等方面缺乏稳定资金支持。此外，供需协同不够顺畅，技术方难以精准把握医疗机构临床与管理流程痛点，产品差异化不足，与不同层级医疗机构的个性化需求适配还有提升空间。
破解上述问题需供需两侧协同发力。医疗机构等技术需求方，应积极梳理临床与管理核心痛点，明确AI应用场景需求；持续夯实信息化基础，提升数据质量；完善AI安全与伦理审查机制；坚持投资于人，加强医务人员“AI﹢医疗卫生”应用培训。AI研发企业等技术方，应聚焦医疗机构的差异化需求，开发轻量化、适配性强的解决方案；主动对接行业标准规范，优化算法透明度与可解释性，建立产品全生命周期服务体系；联动医疗机构、高校开展协同研发，推动成果精准对接临床需求。
东软集团医疗健康事业部副总经理梁俊泽：
当前，AI技术正推动医疗行业从工具变革走向系统性决策变革，甚至重塑医疗卫生服务体系。有数据显示，近两年间，AI技术的能力指数提升了2倍以上，但其推理成本却大幅下降。当前，“AI﹢医疗卫生”应用驱动生命科学研究不断提速，促进医疗平权加速落地，“AI增强型医生”这一类的应用正在逐渐缩小基层医院与三甲医院的能力差距，医患关系也因患者自主使用AI问诊工具等行为而面临重塑，患者数据安全与医疗伦理问题成为行业面临的核心挑战。
基于此，东软对“添翼”智能化全系解决方案进行了升级，在数据层面，整合静态知识与动态多模态临床数据，构建高质量数据底座；在大模型层面，聚焦产品医疗规划与推理能力，提升医疗决策可解释性与安全性，以AI原生架构叠加知识增强技术，推动智能体深度融入临床工作。
实践中，针对医疗机构数智化转型方案，东软进行了一系列探索，推动诊疗服务同质化与医院管理精细化；利用“数字人”技术，关注患者在院外的延续性诊疗需求，将原先“患者端被动接受管理”的模式转变为“医疗端主动服务患者”。
华为医疗卫生军团总裁张伟力：
针对当前“AI﹢医疗卫生”应用面临的数据难以转化为有效AI语料、算力成本高昂、缺乏AI复合型人才等问题，华为依托自主创新芯片算力底座，聚焦打造医疗通用人工智能平台（HAIP），以集约化、平台化模式破解AI技术在医疗领域落地难题，实现算力、数据、模型、智能体的统一管理与共享，推动AI建设从分散走向集约，助力全民健康数智化转型。HAIP平台核心采用“大、小飞轮”迭代模式：“大飞轮”驱动全域数据训练，提升模型泛化能力；“小飞轮”由每位医生以自然语言自主完成语料标注与专科智能体迭代，让AI更贴合临床需求。
HAIP平台具备多项关键能力，如支持医生通过自然语言快速生成智能体，降低使用门槛；搭建记忆库、知识库、缓存库，让智能体具备持续学习能力；通过资源调度优化算力效率，大幅降低医疗机构使用成本；构建全流程安全防护体系，保障数据隐私与智能体合规运行，规避无序应用风险。
未来，华为将以HAIP平台为载体，联动医疗机构与其他生态伙伴，开展场景创新与实践反馈，让每一位医疗从业者都能便捷使用AI工具。
蚂蚁集团副总裁、蚂蚁健康总裁张俊杰：
蚂蚁健康从公平可及、系统连续、优质高效、富有韧性四个方面推进“AI﹢医疗卫生”应用实践。在公平可及方面，借助AI技术实现名医诊疗效率提升、基层医生能力提升、家庭医生高效管理，重点覆盖医疗资源匮乏地区患者，以及老年人、慢性病患者等特殊人群。在系统连续方面，以用户为中心整合院内医疗数据、穿戴设备数据、居家环境数据等，构建动态全生命周期健康档案。在优质高效方面，依托政府公共服务平台建立信任入口，融合医疗与健康管理服务功能，创新AI驱动的健康保险服务。在富有韧性方面，持续提升AI技术临床能力，明确人机协同边界，严守安全伦理底线，建立高风险用户干预机制。
联影智能人工智能解决方案总监陈黎静：
联影从影像设备出发，实现设备端到临床端“AI﹢医疗卫生”应用全覆盖。依托标准化影像数据及智能应用，大幅提升医学影像检查的扫描效率与精准度，助力基层早筛与急诊急救。当前，联影以影像系统为基座，正加速拓展文本、语音、视觉多模态能力，以覆盖临床诊疗全环节，并联合多家大型医疗机构，探索将临床路径与诊疗规范转化为通用专家模型，推动医疗技术进一步下沉到基层。
当前医疗行业仍面临创新产品审评机制不完善等问题，大模型类AI产品缺乏明确准入规则，建议加快完善创新AI医疗产品审评审批体系，明确规则与路径，为国产AI医疗创新产品加速上市、造福患者奠定基础。
通用技术集团数字智能科技有限公司总经理、党委书记丁子哲：
AI技术正迎来新一轮爆发期，呈现出多维度融合创新的发展趋势，其发展必将开启科研新范式、重塑生产生活方式，甚至影响国际竞争格局。
目前，通用技术集团已形成覆盖医药、医疗、健康管理、养老、医疗器械的全产业链布局，正在加速推动数智化一体化发展和“AI﹢医疗健康”专项行动。
接下来，通用技术集团将坚持开放合作，期待与医疗机构、产业方、技术支持方开展深度合作，共建创新生态。
中国联通数智医疗公司首席科学家朱艳春：
“AI﹢医疗卫生”应用场景定制化程度较高，数据、算力、研发成本高昂，单纯依靠AI技术盈利的企业难以实现可持续发展，有效市场无法独立发挥作用。
破解上述问题，需坚持“有为政府”与“有效市场”协同发力：一是政府引导，在医共体、全民健康平台、公共卫生筛查等项目建设中引入AI技术，驱动信息化服务与AI深度融合；二是集约建设，推行城市级集约化AI服务体系，以省级或市级平台统一建设、统一运营，服务全域医疗机构；三是模式转型，将项目制建设转为长效运营模式，保障系统持续迭代升级。
阿里巴巴集团公共事务总监魏铭言：
当前，通用大模型已成为大众寻求健康管理意见的重要渠道，如阿里千问大模型每月收到的健康相关问题超3000万条，占用户月提问总量的15%。但大模型技术的蓬勃发展也为行业带来了一定风险，如部分通用大模型对用户健康问题的应答缺乏科学支撑，存在明显幻觉，甚至商品推荐，会加剧就医无序化。
建议监管部门对大模型实施分类管理：对涉及健康科普、食品营养类问答的通用大模型实行备案制管理；对涉及医学诊疗的专业大模型执行注册管理，并建立风险测评与持续追踪机制。呼吁卫生健康部门建立并开放权威的营养健康、食品安全语料库，支持通用大模型开展合规标注，降低居民自主健康管理的安全风险。
中兴通讯股份有限公司医疗行业总监宁向东：
围绕构建优质高效医疗卫生服务体系，“AI﹢医疗卫生”应用目前仍存在一些不足。在公平可用方面，基层医疗卫生机构人员、设备、资金基础薄弱，需适配小模型、低算力、低成本的AI方案，推动实现强基与服务公平。在系统连续方面，当前AI产品多聚焦患者院内疾病数据，未覆盖院前健康宣教、院后康复管理等全周期环节。在优质高效方面，高质量数据集往往集中于大型三甲医院，但缺乏政策指引，数据要素难以合规流通。在体系韧性方面，卫生技术评估缺乏真实世界数据支撑，AI对药品、器械、诊疗方案的经济性、安全性、伦理合规性等的评估应用不足，无法根据不同场景灵活调整。
讯飞医疗华南研究院副院长任勇：
讯飞医疗的实践证明，AI技术在医疗领域的核心价值体现在四大方面：推动优质资源下沉，提升服务公平可及；延伸院外健康管理，增强服务系统连续性；减轻医生事务性负担，提高服务效率与质量；强化机构协同，提升医疗体系韧性。
但当前行业仍存在两大核心问题：医疗数据互联互通不足，信息系统分散、接口复杂，数据壁垒制约AI应用进一步发展；AI产品评估偏重技术指标，缺乏基于真实场景与数据的临床价值、社会效益评价机制。建议医疗方开放真实场景，技术方坚守专业安全，共建数据、模型、智能体三大平台，完善数据互通与临床价值评估机制。
主题：以AI赋能完善服务体系