2026年9月20日上午，由中国医院协会医学人工智能专业委员会主办、浙江大学医学院附属第二医院承办的2026医学人工智能学术大会在杭州黄龙饭店举行。大会期间，“医院应用医学人工智能痛点和需求调研座谈会”同步召开，来自浙江省内部分医院及企业的17位医疗信息化领域专家围绕协会已经发布的《医院应用医学人工智能专家共识》（以下简称《共识》）内容，针对医院实际应用中的痛点、问题与需求展开深入交流。
座谈会由中国医院协会信息专业委员会常务委员、中国医院协会医学人工智能专业委员会副秘书长、中国医学装备协会智慧医院分会常务委员、浙江省医学会数字医学分会候任主任委员、浙江大学医学院附属第二医院人工智能与信息化部副主任许杰教授主持。
浙江大学医学院附属第二医院人工智能与信息化部副主任许杰教授
在介绍座谈会背景时，许杰表示，此次会议希望听到来自医院一线“最接地气、最真实的声音”，相关意见、建议和需求也将作为后续全国调研和咨询工作的重要基础材料。
孟振：医院AI治理需要一个可执行的“最小落地包”
浙江省肿瘤医院信息工程部孟振主任表示，随着医院AI应用不断增加，仅有原则性的治理要求还不够，医院需要进一步形成能够直接执行的工作机制。浙江省肿瘤医院目前已经自主开发AI网关，对算力、模型以及应用请求进行统一管理，并在AI应用引入过程中探索知识产权承诺机制，明确医院数据、算力和应用场景所形成知识产权的权责边界。
浙江省肿瘤医院信息工程部主任孟振
基于实践，孟振建议，可以在《共识》的分级分类管控框架之下进一步形成一个“最小落地包”，将管控清单、知识产权承诺书、最短审批流程等纳入其中，让不同医院能够在此基础上结合自身情况快速建立AI治理流程。同时，通过统一接入和统一台账，掌握医院究竟接入了多少AI应用、调用情况如何，使AI网关成为医院信息部门开展AI治理的实际抓手。
毛颖民：不能让医生在AI辅助下逐渐失去独立临床能力
浙江省立同德医院信息中心毛颖民主任从临床医生的视角提出一个长期的问题——当AI越来越多地参与病历生成、辅助诊断和临床方案推荐，年轻医生如何保持独立的临床推理能力？
浙江省立同德医院信息中心主任毛颖民
他认为，《共识》通过风险等级与技术成熟度进行综合管理，并进一步明确开发者、医院和使用者的权责，有助于在应用AI的同时守住医疗安全和医生最终临床决策责任。但AI长期介入也可能减少年轻医生独立进行鉴别诊断和临床推理的训练机会。毛颖民建议，未来可探索将医生培训、考核机制嵌入AI辅助过程，例如根据医生能力层级设置不同程度的AI辅助，并通过反向质控等方式检验医生是否真正完成对AI结果的审核。AI不仅要帮助医生提高效率，也需要考虑如何避免人的专业能力在长期使用中被弱化。
陆婷娟：中小医院如何跨过AI的人才与算力门槛？
中国人民解放军联勤保障部队第九〇三医院数智中心陆婷娟主任将医院AI应用分成两类——市场相对成熟的AI产品以及医院内部借助AI工具自行开发的应用。前者要不断明确人与AI的协作边界。后者则产生了新的问题——AI辅助开发出来的软件，代码由谁审核，如何证明可信，又应以什么标准允许其进入医疗业务系统？对于医疗这类高可信要求场景，这将成为医院信息部门需要面对的新课题。
中国人民解放军联勤保障部队第九〇三医院数智中心主任陆婷娟
她还提到不同规模医院之间正在出现的AI资源差距。大医院拥有数据、人才和算力基础，可以探索垂直模型和自主开发，但中小医院很难承担高昂的算力和人才投入。陆婷娟提出，未来能否借鉴医联体、医共体模式，探索AI能力的区域协同与共享机制，由大型医院与中小医院形成AI联盟，让后者也能获得模型、算力等能力，而不是只能停留在简单的“拿来主义”。
李玮：中小医院要算力支持，也要更清晰的区域顶层设计
杭州市肿瘤医院信息科李玮主任结合肺癌专病库建设谈到，中小型医院应用AI首先面临的是投入与产出的现实权衡。医院希望利用AI提高临床试验患者招募效率，解决人工筛选效率低、入组标准复杂、既有数据利用不足等问题，但算力投入、架构建设和后续运营成本都构成较高门槛。相比各家医院重复建设，他更期待通过省市级平台和大型医院的顶层设计，让中小医院共享更多AI能力。
杭州市肿瘤医院信息科主任李玮
与此同时，医院正在与社区合作开展肿瘤早筛，如何在市属医院、社区等不同机构之间实现数据共享，并处理医疗数据能否“出域”等问题，也成为AI进一步落地必须解决的现实障碍。
李晶辉：地市级医院缺一套“敢用、会用”的机制
丽水市人民医院信息处处长李晶辉认为，地市级医院推进AI面临的难题不仅是技术和算力，还有应用价值、管理责任和持续运营。临床科室对病历生成等AI应用积极性较高，但医院管理者也会担忧年轻医生过度依赖AI、独立能力下降，以及系统建成后的实际使用率。
丽水市人民医院信息处处长李晶辉
更现实的问题是，AI应用究竟由谁审核上线、是否需要伦理和临床评审、模型升级后是否重新评价、发生错误如何追溯，目前仍需要更明确的制度支撑。作为山区地市级医院，他也期待借助省级医院和区域平台，将AI能力进一步延伸至县级和基层医疗机构。
龚旭蛟：AI系统从构建到使用，医院要解决四道关
杭州市第一人民医院信息中心副主任龚旭蛟谈到具体的运营层面。首先是算力整合——医院同时存在不同算力资源，缺少统一调度，不同厂商又提出不同的算力需求，医院很难判断一个模型究竟需要多少卡、资源配置是否合理。
杭州市第一人民医院信息中心副主任龚旭蛟
其次是应用推广，AI系统上线并不意味着真正被临床接受，仅靠信息部门难以完成持续推广。第三是持续评价，模型上线前经过验证之后，运行过程中谁来定期复核输出质量、发现并纠正错误，仍缺少成熟机制。第四是多中心协作，模型优化需要更多样的数据，但医疗数据尤其是未脱敏数据难以跨机构流动，制约多中心验证。
车始虹：AI进了医院，知情同意、持续监管和责任如何认定
杭州市红十字会医院信息部主任助理/高级工程师车始虹将关注点放在AI应用进入临床后的具体管理难题。以影像AI辅助诊断为例，如果被纳入高风险场景，如何在门诊完成患者知情告知？患者不同意使用AI时，系统又如何确保医生阅片过程中不调用相关功能？
杭州市红十字会医院信息部主任助理/高级工程师车始虹
此外，很多医院现有人员和管理能力难以承担AI应用持续监测、定期审核等工作，她建议探索区域性的AI应用监测平台，统一开展准入评估、过程监控和人工修正率等指标采集。对于算力资源，也可探索区域统建统管、医院按需调用和结算。针对AI发生错误后的责任认定难题，她还建议建立AI相关不良事件上报机制，并探索医疗AI综合责任险等风险分担方式。
曹坤：有了算力和AI应用，怎么管、怎么用、怎么验证
台州恩泽医疗中心(集团)信息中心副主任兼数据与人工智能中心主任曹坤介绍，在应用方向上，医院没有将重点放在自研辅助诊断模型，而是结合自身定位，更多探索智慧管理和智慧服务，并搭建AI及智能体开发平台。
台州恩泽医疗中心(集团)信息中心副主任兼数据与人工智能中心主任曹坤
随着应用深入，新的问题也随之出现：信息人员如何向AI时代所需的新型工程人才转型，医生自主开发智能体应该如何管理，中高风险AI应用的知情同意如何真正落地，以及厂商提到的AI效果和医院自研模型究竟应该如何验证。另外，相比有没有AI，医院现在更需要解决的是AI应用效果如何评价以及持续治理的问题。
宋瑶姿：不同医院不必走同一条AI路，也应把选择权留给医生
浙江大学医学院附属第二医院人工智能与信息化部副主任宋瑶姿认为，无论引入外部成熟AI产品还是医院自主研发，都应该给实际使用者保留更多选择空间。如果系统在医生诊疗过程中不断主动推送检查、诊断等建议，可能影响医生自主思考。
浙江大学医学院附属第二医院人工智能与信息化部副主任宋瑶姿
相比“强推”，可以像应用商店一样提供不同AI能力，由医生根据需要自主选择。对于医院自身的AI建设，她也提出，不同层级、不同专科优势的医院没有必要集中在同一条赛道上竞争模型和算力，可以根据自身条件选择智慧管理、智慧服务、数据建设等不同方向。《共识》未来也可以增加更多不同类型医院的实践案例，为医院寻找适合自身的AI路径提供参考。
宋丽莹：高质量数据是更基础的门槛
浙江大学医学院附属妇产科医院人工智能与信息化部工程师宋丽莹结合妇产专科特点提出，医院既有产前诊断、超声辅助诊断、高危孕产妇管理等高风险AI场景，也有预问诊、病历质控等中低风险应用。
浙江大学医学院附属妇产科医院人工智能与信息化部工程师宋丽莹
面对越来越多的AI需求，医院首先需要回答投入产出问题——一些过去依靠规则和知识库实现的临床辅助功能，引入大模型、投入更多算力和数据治理成本后，效果提升是否与投入相匹配，什么样的场景真正值得使用AI？她同时提醒，算力不足并不是唯一瓶颈，即使获得算力，医院现有数据与临床真正需要的高质量数据集之间仍有距离。单家医院的数据规模和丰富程度也存在局限，因此未来需要通过医疗共同体、多中心合作等方式汇聚数据和能力，共同推进AI应用。
邵飞鹤：AI应用还要有人为它的全生命周期负责
杭州市临安区第一人民医院信息部主任邵飞鹤认为，AI给医院信息部门带来的一个现实问题，职责和工作量不断扩展，但相应的岗位职责、考核与激励机制尚未同步变化，长期推进AI需要建立可持续的内在动力。与此同时，医院租用外部算力后如何确认安全边界、AI生成代码可能带来哪些新的软件安全风险，也需要进一步明确。
杭州市临安区第一人民医院信息部主任邵飞鹤
更值得警惕的是临床科室借助AI自主开发应用后的运维问题——临床可能快速做出一个程序，却不了解代码架构和后续维护，一旦出现Bug，最终又交给信息部门接手。邵飞鹤强调，软件交付不是信息化工作的结束，而往往只是开始。医院推动医生自主开发AI应用时，不能只追求做出了多少智能体、多少软件，还需要建立覆盖开发、上线、维护到退出的全生命周期机制。
王磊：大医院的模型下沉，地市级医院能不能接得住？
浙江省舟山医院信息处处长王磊更关注地市级医院引入AI后的适配和安全问题。由于数据量、人才和算力有限，地市级医院更多需要借助大型医院的模型或成熟产品，但模型下沉后可能出现“水土不服”、场景错位，以及上线后缺乏专业人员持续监测、调优和版本管理等问题，一些针对特定患者群体或病种的系统性偏差也可能难以及时发现。
浙江省舟山医院信息处处长王磊
与此同时，AI接入电子病历后，数据访问频率、流向以及敏感信息缓存等情况更加复杂，传统网络安全、等保合规和数据防泄露机制能否覆盖新的风险，成为医院新的压力。王磊认为，地市级医院也不能一直等待，可以优先寻找真正制约业务的具体流程，引入相对成熟的AI能力进行试点，在应用过程中逐步积累场景、数据和经验。
吴锋杰：AI不能给医生增加新负担，中医AI还面临如何学习经验的特殊难题
嘉兴市中医医院信息化副院长吴锋杰从临床医生和医院信息化管理者的双重视角提出，医院AI建设首先需要解决数据基础和临床融合问题。目前不同部门对同一指标可能存在不同口径，数据分散、定义不一等问题会直接影响AI应用。同时，信息化本意是帮助医务人员提高效率，但不断增加的弹窗、填报和系统操作也可能形成新的负担，AI更需要避免重走这条路。
嘉兴市中医医院信息化副院长吴锋杰
对于中医院而言，AI还面临更特殊的问题——中医强调辨证论治，同一种疾病不同医生可能形成不同的诊疗思路，如何将专家经验和学术思想转化为AI可以学习的数据与知识，同时保留多种合理答案，是标准化之外的新挑战。此外，人机意见不一致后的留档、复核机制如何设计，也需要考虑是否会增加医生决策压力和额外工作量。
俞北伟：地市级医院关键是找到资源有限条件下的AI路径
金华市人民医院信息中心主任俞北伟直言，地市级医院推进AI最现实的痛点之一就是“缺钱”，但医院对AI的需求并不少。目前医院已有高、中、低不同风险等级的AI应用，算力资源则更多依靠外部支持。在有限投入下，他认为地市级医院可以探索两条路径：一是与企业开展价值共创，采购已经成熟的AI产品，同时为创新企业提供场景；二是通过科研课题合作，引入成熟能力后结合医院自身需求引进再创新。
金华市人民医院信息中心主任俞北伟
他同时强调，医院AI建设需要获得管理层支持，也需要重新认识信息部门的角色。随着全院数据逐渐汇聚，信息部门不应长期停留在系统维护和接口对接层面，而应更多参与医院AI建设和数据价值开发。
俞利张：一个AI建一套数据中心，基层医院承受不起重复建设
绍兴第二医院信息中心主任俞利张从基层医院引入AI产品的实践出发，提出了数据架构问题。医院陆续建设病历质控、肿瘤质控等AI应用，但不同系统往往要求建立各自独立的数据中心。当AI系统增加到五六个甚至更多时，各数据中心中大量数据重复，不仅占用服务器和存储资源，也形成新的数据孤岛。
绍兴第二医院信息中心主任俞利张
建设统一数据中台看似能够解决问题，但动辄数百万元甚至更高的投入，对基层医院又构成较大压力。即使医院已经建设统一数据平台，一些厂商为了快速实施和交付，仍可能选择另建自己的数据体系。因此，基层医院真正需要解决的，还包括如何让不同AI厂商真正使用统一的数据基础，减少重复建设和资源浪费。
占松良：医院需要对AI产品采购有可操作的评估标准
杭州市萧山区第一人民医院信息部副主任占松良提出，相比传统信息系统，医院目前很难在采购前判断AI产品的真实能力，也难以准确评估一个应用究竟需要多少算力。到了验收阶段，传统软件可以逐项核对功能，AI效果却具有一定主观性，同一应用不同科室、不同医生的评价可能并不一致。
杭州市萧山区第一人民医院信息部副主任占松良
与此同时，医院还面临较高的软硬件投入和厂商持续经营风险，一些原本依靠规则和知识库就能稳定实现的功能，也未必需要全部AI化。他建议，《共识》未来可以进一步提供更具操作性的产品前期评估、算力评估和验收方法，让医院了解哪些场景值得用AI、效果达到什么程度才值得采购和持续投入。
王子谋：让医院用合适的模型做合适的事
海光信息技术股份有限公司医卫行业技术总监王子谋从企业和技术侧提出，医院建设智能体时，模型选择本身就是影响投入产出和算力需求的重要环节。不同医疗场景对模型的精准性、推理、泛化和多轮交互能力要求不同，不是所有应用都需要追求更大参数规模，而应根据实际需求选择适合的模型，再结合RAG、知识图谱和规则等手段约束输出。
海光信息技术股份有限公司医卫行业技术总监王子谋
对于医疗这样的严肃场景，模型不仅需要回答知道什么，还要能够识别自身能力边界，降低不可靠输出带来的风险。此外模型发展正在出现轻量化、专用化趋势。对于算力和资金有限的医疗机构而言，通过更小、更适配场景的模型承载具体应用，降低算力部署门槛，可能成为推动AI向更多医院落地的一条路径。
座谈会的尾声，许杰教授表示这次座谈会将会是专委会下一轮工作的新起点。今天所有专家的发言与建议，都将成为后续共识迭代、行业成果输出的重要组成部分。下一步专委会将聚焦单点、逐个落地，细分输出 AI 网关建设、模型验证、算力部署等专项实操指南，形成可落地、可执行的行业细则，真正解决医院 AI 落地的实际问题。
总结
从这场座谈会可以看到，医院对人工智能的关注点正在从有没有AI转向AI如何真正进入医院运行体系。随着AI进入临床、管理和服务场景，产品评估、算力投入、数据治理、效果验证、伦理审查和责任界定等问题逐渐显现。《共识》的发布，为医院建立更规范的AI治理体系提供了参考。
同时，不同层级医院面临的问题并不相同，大型医院更多探索模型研发和平台建设，中小医院则更关注成本、人才和算力。因此，医院AI建设或许不必追求同一种模式，而应结合自身资源和实际需求，探索区域共享、多院协作以及适合自身的应用路径。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表