人工智能如何真正走进医院、融入临床、服务患者？
答案不只是研发一个模型、上线一套系统，更重要的是重构医院的数据基础、能力平台、应用机制和安全治理体系，让人工智能从“外挂式工具”转变为医院高质量发展的内生动力。
在2026长三角医院联盟三省一市高质量发展交流会上，复旦大学附属中山医院党委书记顾建英教授发布长三角医院高质量发展“可复制可推广”典型案例，系统介绍了中山医院以国家人工智能应用中试基地建设为契机，探索建设AI原生医院、推动医疗人工智能从技术研发走向真实世界应用的实践。
这一案例的价值，不仅在于展示头部医院的前沿探索，更在于形成了一条可以分层实施、逐步推进、区域协同的智慧医院建设路径，为长三角不同类型、不同层级医疗机构提供了可借鉴的样本。
当前，不少医院已在影像辅助诊断、病历生成、智能导诊、合理用药等场景中开展人工智能探索，但也普遍面临数据分散、系统割裂、模型重复建设、应用难以持续迭代等问题。
中山医院的探索首先改变了建设逻辑：不再从一个个孤立的应用出发，而是以“AI原生医院”为目标，建设贯穿临床、科研和创新转化全流程的智能平台基础设施。
围绕这一目标，中山医院重点构建数据伴随式生产、多智能体协作、人机协同、自主迭代和自主探索等能力，并在统一底座上布局医学技能沉淀、智能体孵化、模型优化、动态评测和科研赋能。
简单来说，就是把医院已有的数据、知识、专家经验和诊疗流程，转化为能够被人工智能理解、调用和持续优化的标准化能力。
这种建设方式避免了不同科室“各建一套”、不同系统“各自为战”，为人工智能在医院内部规模化应用打下基础。
夯实算力底座，推动医疗人工智能自主可控
医疗大模型训练、微调和推理，对算力资源提出了较高要求。针对算力资源分散、异构芯片管理困难、使用效率不高等问题，中山医院建立统一算力调度平台，对不同类型算力资源进行统一纳管、统一编排和统一调度。
通过自建算力资源与上海市可协调算力协同，医院形成弹性扩展的算力供给体系，可根据临床、科研和模型训练任务的不同需求进行资源分配。
与此同时，医院联合相关单位开展国产芯片适配和国产算子研发，推动医疗大模型在国产算力环境中的训练和运行，探索实现“国模用国芯”。
这一实践对长三角医院具有重要启示：医院建设人工智能能力，不一定都要追求大规模自建算力，而应建立“统一管理、弹性调用、区域协同”的算力使用机制。
大型医院可以建设自主算力和模型训练能力；区域医院可以依托城市级、区域级算力平台；基层医院则可以通过联盟平台调用成熟模型和应用服务。通过分层建设，可以减少重复投入，提高资源利用效率。
建立S0—S3语料分级体系，让医疗数据真正产生价值
高质量医疗数据是人工智能应用的核心基础，但医院原始数据通常来源复杂、结构不一，包含病历、检查检验、医学影像、病理资料、指南文献等多种类型，难以直接用于模型训练和临床推理。
针对这一问题，中山医院探索建立S0—S3医疗语料分级体系。
S0层是未经加工的原始数据；S1层将分散信息整理为完整、可阅读的病例叙事；S2层进一步显性化临床逻辑、规范医学术语，形成可用于循证分析和专病研究的结构化材料；S3层则将医学知识转化为可计算、可推理的知识图谱，为临床决策支持和智能体应用提供基础。
这一体系实际上建立了一条从“原始数据”到“医学知识”，再到“智能能力”的生产链。
围绕语料加工、质量验证、应用管理等关键环节，中山医院还推动医疗语料库相关团体标准建设，努力将医院内部实践转化为可共享、可评价的行业规范。
（4项医疗语料库团标立项）
中山医院的实践提示，医院推进人工智能建设，需要同步夯实数据治理和高质量语料基础。各医院可以优先选择优势专科，按照统一规则建设专病语料库，在联盟内部逐步形成可共享的标准、工具和评价体系。
从共性平台出发，快速孵化专科智能体
中山医院没有将人工智能局限于一个“大而全”的通用模型，而是建设医学技能库和智能体工厂，将知识检索、文献分析、病历结构化、专科量表、影像分析等能力拆分为可重复调用的“医学原子能力”。
临床科室可以根据实际需求，通过低代码方式组合不同能力，快速形成面向具体场景的专科智能体。
这种“共性底座＋专科场景”的模式，一方面降低了不同科室开发人工智能应用的技术门槛，另一方面也有利于将专家经验、诊疗流程和专科知识沉淀在医院内部，形成可以持续积累的数字资产。
在心血管领域，中山医院依托300TB多模态语料库和50位专家精细标注的3000余条复杂临床决策思维链，建设“观心”超级医生智能体，将心血管专科数据和临床专家经验融入模型，支持多维影像提取、复杂病例校验和诊疗方案循证推演。相关应用在保证医疗严谨性的同时，推动核心临床流程效率提升。
在肝胆肿瘤领域，医院依托长期积累的高质量病例和专家团队经验，建设肝胆肿瘤超级医生智能体，将影像判读、病理分析、治疗方案优化、用药风险管理、预后评估和患者服务等能力进行整合，覆盖诊前、诊中和诊后多个环节。
在医院运营管理领域，病案编码智能体能够自动提取复杂病历中的关键临床特征，辅助推荐主要诊断和手术操作编码，并生成可追溯的推理依据，为病案首页质量管理、医保支付和精细化运营提供支撑。
在科研创新领域，中山医院还探索建设一站式人工智能抗体开发平台，将大语言模型、自研算法和多智能体架构融入抗体设计流程，推动人工智能从辅助诊疗进一步延伸到新药研发和成果转化。
这些实践说明，医院人工智能应用的价值不能只看模型参数，而要看是否解决了临床、管理和科研中的真实问题。
守住安全底线，让人工智能“可用、可信、可管”
医疗人工智能直接关系患者生命健康，既要追求技术创新，也必须强化安全治理。
中山医院将动态评测和安全审计纳入AI原生医院总体框架，探索建立真实世界临床场景验证体系，并围绕隐私数据自动脱敏、临床伦理审查风控和全链路操作审计留痕等环节，为医疗人工智能应用提供系统级安全保障。
这提示各家医院，人工智能应用不能“先上线、后治理”，而应在项目启动之初同步建立准入、评测、伦理、安全和责任管理制度。
只有将安全治理嵌入技术研发和临床应用全过程，人工智能才能真正成为可信赖的医疗助手。
联盟案例观察：从中山实践中提炼的六点借鉴
中山医院的案例表明，医疗人工智能建设不是单纯的信息化项目，而是一项涉及医院战略、临床业务、数据治理、科研创新和质量安全的系统工程。从中可以提炼出六点值得长三角医院复制借鉴的经验。
第一，坚持医院战略牵引。
将人工智能纳入医院高质量发展总体布局，避免由单一部门零散推进，形成临床、科研、信息、管理和伦理多部门协同机制。
第二，坚持底座先行。
先建设算力、数据、模型和工具等共性能力，再孵化具体应用，减少重复开发和系统割裂。
第三，坚持专科突破。
优先选择数据基础好、临床需求强、专家团队成熟的优势学科，从一个病种、一个流程或一个管理痛点切入，形成可验证的示范场景。
第四，坚持标准建设。
同步建立数据加工、语料分级、模型评测和应用管理标准，将医院经验转化为可以被其他机构理解、采用和评价的规范。
第五，坚持效果评价。
不仅评价模型准确率，还要评价医疗质量、患者安全、工作效率、服务体验和运营效益，真正体现人工智能的临床价值。
第六，坚持区域协同。
依托长三角医院联盟，推动算力资源、数据标准、医学技能、专科模型和应用场景共建共享，让头部医院形成的能力能够向区域医院和基层医疗机构延伸。
从医院的探索”走向“长三角的共同能力”
顾建英书记表示，希望以国家人工智能应用中试基地建设为契机，与长三角各家医院共同探索智能医院建设，为医院高质量发展和健康中国建设贡献力量。
对长三角而言，单家医院的数据是有限的，区域医疗协同所汇聚的临床资源、专科优势和应用场景则具有更大价值。
下一步，长三角医院联盟可围绕统一标准、共性平台和重点病种，推动建设跨区域医疗人工智能协作网络：由高水平医院开放经过验证的医学技能和专科模型，区域医院提供多样化真实世界应用场景，基层医疗机构反馈实际服务需求，共同开展模型验证、迭代优化和规范制定。
通过“头部医院研发、联盟平台协同、成员医院应用、真实场景验证”的机制，推动优质医疗能力从物理空间向数字空间延伸，让人工智能成为促进长三角医疗服务同质化、优质资源扩容和医院管理提质增效的重要力量。
从单点工具到系统平台，从数据积累到知识生产，从专科应用到区域协同，中山医院正在探索一条AI赋能公立医院高质量发展的新路径。这条路径的核心，不是简单复制某个模型，而是复制一套以临床价值为导向、以数据和平台为基础、以标准和安全为保障、以区域协同为方向的建设方法。
这也正是该案例对长三角医院最具借鉴意义的地方。
邮箱：smia@smia.com.cn
地址：上海市长宁区延安西路1160号 首信银都国际广场1201室
微信公众号