9月20日下午，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中国医院协会医学人工智能专业委员会2026医学人工智能学术大会“医学AI探索与创新”分论坛上，复旦大学附属中山医院信息与智能发展部大数据人工智能中心主任 张纪阳发表《医院人工智能应用探索和思考》主题演讲，结合复旦大学附属中山医院的探索，分享医院人工智能应用背后的一系列思考。
复旦大学附属中山医院信息与智能发展部大数据人工智能中心主任张纪阳
国家任务与现实需求共同推动医院AI转型
“十四五”期间，中山医院承担了相关国家级中心建设任务，去年又承担了国家人工智能应用相关基地的建设任务。两项任务使医院需要持续关注国家层面对数字化、人工智能发展的要求。
“十五五”将数字化转型定为行业发展牵引力。国家数字化转型部署设定量化目标，2027 年政务领域相关应用比例70%、2030 年90%。国家层面直接设定量化指标，体现出推进数字化转型的强大决心，这也意味着医院现有的人工智能应用与未来要求之间仍有较大探索空间。
与此同时，推动医院转型的另一股力量是医疗行业自身。
张纪阳将医院当前面临的任务概括为一个“三角”——既要提升医疗服务质量、又希望患者付出成本更低，还要提高医疗服务的可及性。
压力传导到临床一线。张纪阳在演讲中展示的数据显示，全国医院医师日均诊疗量为6.7人次，而大型三甲医院达到30—40人次，部分医生甚至超过100人次，对AI参与医生的日常工作需求更为迫切。
美国医师协会（AMA）2026年调查数据显示，80%的医生已经在专业领域使用AI。其中，医学研究与护理标准归纳总结占39%，出院小结、护理计划和病程记录占30%，病案编码与就诊记录整理占28%，辅助诊断占17%。
此外，互联网医院、远程医疗以及各类信息化平台发展多年，优质医疗资源如何进一步扩容和下沉，依然是医疗行业需要面对的问题。
这些国家任务、医院经营压力以及临床需求，共同构成了中山医院进一步探索人工智能的背景。
从数据闭环到“超级医生”，医院AI如何持续进化？
医院人工智能转型不只是增加几个AI应用，还涉及医院信息化建设思路的变化。过去医院信息化形成了大量业务系统，但随着AI技术发展，一个问题更加突出——医院真正需要长期沉淀的核心资产是什么？
张纪阳认为，相比软件本身，医院长期积累的数据、医疗知识和专家经验更加重要。未来医院需要思考如何将这些资产沉淀下来，并通过新的技术体系加以利用。基于这一思路，中山医院也开始探索AI原生，比如在原有EMR（电子病历）等业务系统中加入大模型能力是否算AI原生，还有智能体的自主规划、强上下文等能力如何与现有业务系统结合。此外，进入严肃医疗场景后如何保障系统稳定性、安全性和明确责任边界。
首先，要让医疗知识和经验真正进入AI体系，要解决数据问题。随着医院长期积累的数据规模不断扩大，数据如何复制、备份、运维、检索和使用成为新的挑战。
张纪阳提出，需要重新思考医疗数据的表示和组织方式：一方面，将分子、器官、患者到人群队列等不同层级的数据建立关联；另一方面，将过去分散在不同时间点的“切片式”病例转化为更加完整的叙事型病例，并结合结构化数据和知识图谱，为AI应用提供基础。
数据质量也开始影响模型进一步提升。张纪阳以中山医院持续两年多的智能编码项目为例介绍，在约3000个样本的盲测中，模型准确率达到92%左右后难以继续提升。进一步分析发现，模型结果与原有编码结果不一致时，问题不一定都来自模型，原有数据本身也可能存在问题。因此，中山医院开始探索“现场实时数据生态”，让专家反馈重新进入数据生产过程，通过业务现场的数据和反馈形成闭环，为模型持续优化提供支撑。
数据和知识进一步沉淀之后，如何将医生的专业能力转化为AI能力，也成为探索方向。在重症医学领域，中山医院由科室主任带队，将临床经验转化为智能体可以调用的Skills，并让更多医护人员参与人工智能知识生产；在肝病、心血管等优势专科，也在开展专家智能体探索。
在此基础上，张纪阳还介绍了“超级医生”计划，希望将多位医生的能力汇聚到一个智能体中，并随着科研和临床工作的推进持续更新知识和经验，进一步形成覆盖医、教、研、管等能力的智能体。
这也重新回应了演讲开头提出的优质医疗资源问题：传统信息化更多解决了信息连接的问题，而人工智能带来的进一步可能，是探索如何将高水平医生的知识和经验数字化、沉淀并持续更新。
从鼓励创新走向全员共治
随着AI工具越来越容易获得，医院还面临另一个现实问题——不同科室都可以自行尝试大模型和智能体，如何进行统一管理呢？张纪阳认为要建立“全员共治”的机制。临床科室可以创新，但医疗质量、安全、网络安全以及AI应用管理不能缺位。科研探索与真正进入临床应用的系统，也需要有不同的管理边界。
与此同时，医院还需要真正评价人工智能的投入产出。包括中山医院在内，医院虽然已经进行了大量大数据和智能体探索，但人工智能究竟给患者、医生和医院带来了多少可量化的价值，目前仍缺少足够的实证研究。如果持续投入大量资源，却说不清实际收益，AI建设就很难形成可持续的发展模式。
最后
有意思的是，“医学AI探索与创新”论坛在嘉宾演讲结束后设置了主持人提问环节，邀请来自医疗信息化一线的主持人与演讲嘉宾就实际问题展开进一步交流。本场主持人为首都医科大学附属北京世纪坛医院大数据与人工智能管理处处长田宗梅教授。
田宗梅：医院现在已经有很多AI应用场景，不同科室也都有自己的需求。作为大数据人工智能中心，如何筛选这些场景？是业务部门提出需求后进行支撑，还是由信息部门主动引导？
张纪阳：传统信息化很多时候是被动接受需求，但人工智能项目不能简单“来了就接”。医院需要和业务部门一起判断需求能不能实现、做出来有没有价值，并进行技术、安全等多方面评估。
中山医院已经建立常态化的需求收集机制。科室提出需求后，相关部门会进行较全面的论证，必要时也会邀请科室进一步说明实际业务需求。如果项目涉及内外网、互联网云服务，或者需要大量算力资源，还需要进一步评估安全风险、资源投入以及技术路线。
田宗梅：在AI项目实践中，技术部门和临床业务部门应该如何分工协作？怎样让业务部门既认识人工智能的价值，也理解技术本身的边界和困难？
张纪阳：首先还是要鼓励临床创新。如果科室能够基于医院提供的平台自行进行一些探索，在风险可控的范围内让临床人员真正参与，他们对技术的理解会更加深入，也可能成为后续推广AI应用的重要力量。
第二种方式是让临床专家与技术人员共同工作，组成小型跨专业团队解决具体问题。这样可以减少单纯由技术人员理解临床需求，或者临床人员独立使用技术带来的偏差。
此外，信息技术人员也应该主动进入临床一线。中山医院正在推动类似AI工程师深入临床的模式，不只是等待医生提出需求，而是直接观察临床工作流程，从中寻找投入可控、又能够产生实际效益的应用点。
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