过去依赖人脑认知的智能活动在AI与算力的跃迁中已经获得极大扩展。
在决策层面，机器学习算法已用于早期癌症筛查、败血症预警及全切片图像分析；对海量蛋白质结构的预测，加速了靶点发现与药物设计；基于电子健康档案、基因组和可穿戴设备数据的预测模型，医院再入院率降低40%以上。
在感知层面，传统医疗设备正加速向智能医疗设备转移，智能手表、腕带实时监测心率、血糖、心电图等指标。2025年全球医疗数据预计达10800EB，云计算成为必要支撑。5G及6G通信支持高清远程手术操控和实时影像传输，支持偏远地区的连续医疗。区块链构建去中心化、不可篡改的患者数据库，ISO 27001信息安全管理体系在卫生部门的部署成为合规趋势。
在交互层面，AR手术辅助将关键影像导航信息叠加到术者视野，VR模拟让医生在无风险环境中反复练习复杂手术，手术机器人实现高精度微创操作并支持远程操控。
AI与计算能力的提升也带来了重新定义医疗核心的机会。数据显示，全球AI医疗市场年复合增长率接近40%，2030年市场规模预计达到1880亿美元。
四川大学华西医院信息与数据管理部部长、医学人工智能实验室主任石锐教授
“AI正推动医疗从经验驱动向数据驱动的范式转移，实现预测性、个性化的全链条服务。”2026年9月20日下午，在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“医学AI探索与创新”会场，四川大学华西医院信息与数据管理部部长、医学人工智能实验室主任石锐教授在题为《医院多智能体协同工程化落地的挑战与思考》的主题演讲中指出，这些预期要在现有医疗体系中逐步落地，仍有一个漫长的过程。
成功探索：体系化推进三大要素建设
在石锐教授看来，AI要真正落实到医院实际场景中，核心是体系化推进数据、算力和模型三大要素的建设。
经过十几年发展，四川大学华西医院已具备电子病历、互联互通、智慧服务等信息化基础，目前已建成全国规模最大的研究型医院大数据集成与应用平台，拥有340万体检人次、88万随访人次、15家医联体医疗机构和1.68亿就诊人次，文本结构数据57.5TB、基因组学数据22.9PB。医院数据体系和智慧化建设获得多项部省级支持，包括教育部唯一的医疗信息化技术工程研究中心、四川省重大科技专项及国家级医疗卫生领域行业高质量数据集建设链主单位。
算力方面，华西医院累计投入超过10亿元，已建成153Pflops算力、65P存储、双10G网络，形成院本部数据中心和超级计算中心三位一体的架构，实现统一调度、一点接入、即取即用。
模型方面，华西医院构建了“华西簧医”医学人工智能大模型统一架构，将通用型模型底座与垂域模型做良好解耦，让读片的模型或智能体单独支撑具体场景，由统一的大语言模型底座做串联。在业务不受影响的情况下，可随着大语言模型升级迭代快速实现整体升级。
在模型选型上，华西医院采用先进信创大模型，包括参数达397B的千问3.5-plus，同时也在不同场景使用DeepSeek、Kimi等底座。高质量医学公开语料涵盖1633份指南、153本教材、110万条医患对话等，私域数据包括华西医院过去积累的高质量复杂急危重症诊疗数据，其中影像数据3.5PB、病历250余万份，100余位临床专家持续对模型输出进行点评反馈，构成宝贵的闭环学习体系。这一模型体系适用于大型医院、专科医院和基层医院的不同应用场景。
多智能体工程化落地与应用成效
AI基础设施以及多智能体的应用成效，在华西医院得到了验证。
一是创新患者服务模式。华西医院将互联网医院与AI深度叠加，华医通平台年服务260万至300万患者，注册量达2000万，入驻医疗机构12家，注册医师2000人，月均日活量98241，最大限度保障医疗资源的公益性和可及性。智能预问诊智能体在挂号完成后主动引导患者陈述病情，提取主诉与既往史，生成结构化预问诊病历，实现医疗资源精准匹配。每周预问诊使用量达1.9万人次，上线以来总使用量超过26万人次，覆盖全院44个科室。陪诊智能体覆盖患者就诊全生命周期，累计使用人数超过15万，日平均使用1711次，问答响应0.5秒、推荐响应3秒，患者投诉量为零。基于人工智能加互联网医院，华西医院构建了数智化全病程管理平台，覆盖50个临床医疗单元，参与医护1676人，206个病种全病程管理路径，累计服务患者72万人次，覆盖全院94%的患者，数智化随访成功率89.46%。100%全量智能随访颠覆了传统抽样电话模式，累计外呼超120万人次，3个月内精准捕获2万余名异常患者，处方遵从率达97.46%。
二是创新诊疗模式。华西医院选择了从辅助诊疗而非医生助手的定位切入，核心目标是降低一线医生工作负荷，同时提升医疗文书质量。通过结合诊前预问诊、诊间医患对话、历史病历、院外记录和检查检验报告，自动生成规范的医疗文书。目前累计生成病历210万份，AI语音录入8000次，覆盖8类病历文书类型，节约病历书写时长54万小时，实现了从写病历到审病历的转变。系统支持专科级定制病历生成、全场景多方言语音识别、专家驱动的迭代自学习，与核心系统深度无缝集成，将医生过去70%时间面对电脑录入文字反转为70%时间与患者面对面交流。质控方面，AI驱动病历内涵质控实现了质的飞跃。他以亲身经历介绍在门诊书写腰痛患者的病历时，特意写了右侧直腿抬高试验阴性，提交后系统立即反馈主诉、诊断与查体之间存在逻辑差异，提示椎间盘突出症与查体阴性结果不匹配。这种基于语义理解的内涵质控，是传统规则式系统无法实现的。
三是创新精细管理。在医保合规方面，华西医院梳理了8000余条医保规则，利用智能体对医保内涵进行审核，深度赋能医保智能审核，实现秒级响应600余条规则，核心能力验证100%，质控准确率100%。办公助手方面，激活用户超过8000人，日活跃300余人，周均调用量36万次，月均服务9000余人次。通过统一入口打通微家快捷入口，支持40余项业务办理和20余项信息智能查询，建成公文助理、科研助理等智能体，内网部署保障信息安全。
陷阱、威胁与技术挑战
在演讲中，石锐认为当前医院AI建设面临多重陷阱与挑战。
首先，最大的陷阱是仍然用传统信息化的视角和路径来建设AI医院，各科室各自为阵的AI建设，产生的烟囱治理将比传统信息化时代更加困难，代价更高。同时，如何让原有信息化基础实现向AI的跃迁而非推倒重来，是一个极具考验的课题。
其次，算力消耗是不可回避的挑战。石锐团队在实验室环境检测了OpenClaw的内部表现，发现其人均Token消耗显著高于传统AI，从传统AI日均100万Token跃升至1亿以上，约100倍的增长。传统AI为单次交互，而OpenClaw需要10至50轮自动执行，单次任务Token消耗达数十万至亿级，执行时间从秒级延长至分钟甚至小时级，需要持续人工监控。目前华西医院的AI业务已占用全部算力资源，包括生成式病历、病历质控、AI预问诊、数字陪诊、智慧办公等。
三是成本控制与投资风险。以10人团队配置10台服务器为例，一年的成本约6000元，全院推广后投入巨大，但能否为医生节省时间并转化为其他维度的产出，尚不明确。安全方面，目前不足20%的开源工具开发者披露了安全策略，大量开源工具存在漏洞和bug，值得高度警惕。
对策、分析与展望
针对上述挑战，石锐提出了系统性的四大对策：顶层设计是前提。全院要有统一的整体架构，涵盖安全、数据标准、交互、管理和治理体系，算力、数据和模型应由医院统筹建设，发挥集中力量办大事的优势；数据治理是基础。突出数据标准化、安全与共享机制；场景创新是关键。AI建设是重度资源投入项目，要聚焦临床、科研、管理等实际应用场景的突破，实现运营质效的闭环，伦理、数据、责任、监管四个维度的问题需要持续关注；生态合作是引擎。要推进跨行业、跨机构协同共建。
2026医学人工智能学术大会“医学AI探索与创新”会场
看得出来，华西医院在医疗AI领域的顶层设计与工程化落地的成功经验中，最为珍贵的是一套从数据底座到多智能体协同的完整方法论，以及围绕这套方法论建立的组织架构，而非某个应用的单点突破。其实践也展示这样的结论，医疗AI的落地是一个系统工程，数据治理、算力统筹、模型解耦、场景选择、组织变革必须协同推进，任何单一环节的缺失都可能导致整体失衡。
站在产业视角来看，医院AI建设正进入深水区。单点工具类应用已趋于成熟，但多智能体协同、跨场景调度、内涵质控等深度应用对底层架构提出了全新要求。这也意味着，AI厂商需要从提供单一产品转向提供体系化能力，包括与医院现有信息化基础的无缝对接、对医院数据治理体系的理解与适配，以及与医院共同探索运营模式的能力。
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