共探AI+硬件驅動醫(yī)療數(shù)據(jù)要素化 賦能基層醫(yī)療高質量發(fā)展
新華網(wǎng)沈陽9月8日電（吳詩萌）9月7日，由新華網(wǎng)主辦的“工業(yè)互聯(lián)網(wǎng)+智慧醫(yī)療：生態(tài)鏈協(xié)同與高質量發(fā)展論壇”在遼寧沈陽舉行。作為2025全球工業(yè)互聯(lián)網(wǎng)大會的重要組成部分，本次論壇聚焦工業(yè)互聯(lián)網(wǎng)與AI在醫(yī)療領域的應用落地實踐，搭建了涵蓋政府、科研院所、醫(yī)療機構、行業(yè)協(xié)會、工業(yè)互聯(lián)網(wǎng)企業(yè)等多方的交流平臺，旨在通過跨領域思想碰撞，解構技術融合難點，探索產(chǎn)業(yè)協(xié)同模式，為智慧醫(yī)療發(fā)展注入“工業(yè)級”新動能。
論壇特設“AI+硬件驅動醫(yī)療數(shù)據(jù)要素化”圓桌對話環(huán)節(jié)，上海尖晶投資有限公司董事長王明輝擔任主持人，邀請是石科技副總裁兼CTO侯建業(yè)、康眾醫(yī)能總裁徐群、中科溫州先進院院長周樹明、國創(chuàng)決策智能研究所執(zhí)行所長郭宏博、深圳市網(wǎng)絡數(shù)據(jù)合規(guī)與流通促進會秘書長丁振戇五位嘉賓，圍繞基層醫(yī)療場景下數(shù)據(jù)采集、AI應用、算力架構、數(shù)據(jù)流通及融資創(chuàng)新等核心議題，結合各自領域實踐分享洞見，為基層醫(yī)療數(shù)字化轉型破解難題、指明方向。
高質量數(shù)據(jù)分類型適配AI設備，構建基層數(shù)據(jù)“源頭活水”
針對“基層醫(yī)療硬件與AI結合如何準確獲取高質量健康數(shù)據(jù)”的問題，深耕基層醫(yī)療設備領域十余年的周樹明從設備分類切入，提出針對性解決方案。他表示，基層醫(yī)療服務與綜合醫(yī)療服務存在顯著差異，AI與硬件的結合需根據(jù)設備類型分類施策，才能精準獲取高質量健康數(shù)據(jù)。
他進一步分析，基層醫(yī)療設備可分為三類，需適配不同AI技術：監(jiān)測類設備（如健康手表、非接觸式老人身體參數(shù)監(jiān)測設備）側重“及時性”，需依托邊緣端垂類小模型、嵌入式模型，實現(xiàn)跌倒預警、健康趨勢預測等功能，形成商業(yè)閉環(huán)；檢測類設備（如生化、影像、超聲設備）側重“規(guī)范性”，可借助垂類大語言模型替代傳統(tǒng)專家診斷系統(tǒng)，規(guī)范基層醫(yī)生診斷行為，提升數(shù)據(jù)完整性；治療類設備（如康復理療、中醫(yī)治療設備）目前最欠缺“療效評估”，未來可通過AI構建治療閉環(huán)，成為基層醫(yī)療AI應用的重點突破方向。
以個性化Agent為核心，構建長期醫(yī)療服務鏈路
在數(shù)據(jù)采集話題之后，王明輝將討論焦點轉向“采集到的數(shù)據(jù)如何與大模型結合”，邀請郭宏博從技術角度分享醫(yī)療模型的基層應用路徑。郭宏博首先回應了當前行業(yè)對“Agent”概念的認知困惑，隨后以自動駕駛技術發(fā)展作類比，從AI技術發(fā)展階段與基層醫(yī)療需求結合的角度展開分析。他以指出2023年前的AI小模型已為醫(yī)療影像輔助診斷帶來影響，而當前大模型需聚焦“Agent變革”。
數(shù)據(jù)是AI在基層醫(yī)療落地的核心基礎，需保障數(shù)據(jù)密度、采集方式與維度的豐富性，類似自動駕駛模型訓練的“數(shù)據(jù)支撐”邏輯。
未來基層醫(yī)療AI應走向“個性化Agent服務”，為慢病患者、重病患者配備具備長期記憶功能的Agent，實現(xiàn)全周期健康管理與服務鏈接，而非停留在通用化AI應用層面。他舉例提到，團隊近期在海外發(fā)布的“Momento”技術，可通過“歷史疊加滾動升級”實現(xiàn)Agent個性化，這一思路可遷移至基層醫(yī)療場景。
云端側重前瞻，端側聚焦實效，平衡成本與需求
大模型與Agent的落地離不開算力支撐。針對“基層醫(yī)療場景下，算力分布與架構如何設計更合理、更適配業(yè)務特性”的提問，侯建業(yè)結合行業(yè)趨勢與實踐案例展開分析。他表示，從算力分布來看，隨著算力近年來被列為重要發(fā)展命題，其布局呈現(xiàn)兩大方向：一是云端或中心端，該層面更側重政策性與前瞻性。他此前任職的單位便是以政策性、前瞻性為導向的算力中心，例如沈陽智算中心，便與百度開展了相關合作；二是端側，該層面更注重經(jīng)濟性與時效性。顯然，未來主要算力將逐步向端側傾斜，當前行業(yè)正處于從中心端主導的概念普及階段，向端側驅動、兼顧時效與成本的發(fā)展階段過渡。
“我個人同時參與醫(yī)療大模型研發(fā)，我們團隊開發(fā)的醫(yī)療大模型，其發(fā)展路徑也印證了這一趨勢。”侯建業(yè)介紹，模型初期訓練依托千張中心端算力完成，后續(xù)在深圳某醫(yī)院部署時，恰逢相關支持資金到位，才正式進入醫(yī)院實際應用階段。通過與醫(yī)院持續(xù)溝通推進推廣，已能看到具體落地成效，可量化統(tǒng)計每日接待患者數(shù)量、系統(tǒng)瀏覽量、訪問量及人工替代規(guī)模等數(shù)據(jù)。
明確權屬與匿名化，激活基層醫(yī)療數(shù)據(jù)資產(chǎn)
聚焦醫(yī)療數(shù)據(jù)這一敏感個人信息，丁振戇強調需重點關注兩個核心維度。“一是數(shù)據(jù)權屬界定模糊，當前不少醫(yī)療數(shù)據(jù)平臺歸集了大量基層醫(yī)療數(shù)據(jù)，但這些數(shù)據(jù)的所有權究竟歸屬誰，至今沒有明確答案，這是數(shù)據(jù)流通前必須優(yōu)先解決的問題。”二是基層醫(yī)療機構的數(shù)據(jù)權利界定，他舉例說明：“即便地方衛(wèi)健委搭建醫(yī)療數(shù)據(jù)平臺，其核心作用也只是協(xié)助基層醫(yī)療機構管理數(shù)據(jù)，而非擁有數(shù)據(jù)所有權。多數(shù)醫(yī)院、衛(wèi)生院具備獨立法人資格，若將數(shù)據(jù)視作資產(chǎn)，理應納入其資產(chǎn)序列；尤其公立醫(yī)院的數(shù)據(jù)資產(chǎn)，還需接受財政部門監(jiān)管，因此數(shù)據(jù)權屬本質上應回歸基層醫(yī)療機構的資產(chǎn)屬性。”
在醫(yī)療數(shù)據(jù)使用規(guī)范上，丁振戇特別指出匿名化機制的重要性：“若要將數(shù)據(jù)用于人工智能體的開發(fā)與應用，必須先建立完善的匿名化規(guī)則。數(shù)據(jù)經(jīng)匿名化處理后，若無法再關聯(lián)至個人，就能脫離《個人信息保護法》的約束，進而在AI應用研發(fā)、價值轉化過程中，充分釋放其使用價值與收益潛力。”
以RWA模式破解資金痛點，打通規(guī)模化落地鏈路
圍繞康眾醫(yī)能在基層醫(yī)療領域的業(yè)務創(chuàng)新方向、核心模式理念，以及作為上市公司子公司的具體推進路徑與后續(xù)發(fā)展計劃，徐群結合行業(yè)趨勢與企業(yè)實踐進行了詳細介紹。他表示，自去年DeepSeek引發(fā)行業(yè)關注后，AI賦能千行百業(yè)的落地潛力得到廣泛認可，醫(yī)療領域更成為AI落地的核心賽道之一，眾多企業(yè)紛紛入局基層醫(yī)療市場探索實踐。
“在實踐中我們發(fā)現(xiàn)，基層醫(yī)療AI落地面臨三大核心痛點。”徐群坦言，一是基層醫(yī)療機構財政及院方預算普遍緊張；二是AI技術落地前期投入成本較高；三是傳統(tǒng)金融機構對“AI服務+數(shù)據(jù)要素”模式的信用水平與現(xiàn)金流穩(wěn)定性難以評估。“這導致不少試點工作因資金問題推進受阻，大規(guī)模推廣更無從談起。”
為破解這一困境，康眾醫(yī)能開展了針對性探索。徐群介紹，團隊認為將AI服務的可確認、可驗證回款與數(shù)據(jù)要素使用收益權相結合，打造合規(guī)可落地的真實世界資產(chǎn)（RWA），是突破資金瓶頸的可行路徑，并為此設計了四步實施策略：第一步是明確可證券化資產(chǎn)范圍，經(jīng)探索確定為智能硬件租賃與維�；乜�、AI服務回款、去標識化數(shù)據(jù)使用收益回款三類，均能產(chǎn)生穩(wěn)定現(xiàn)金流；第二步是構建現(xiàn)金流計量標準，團隊已建立一套可計算、可追溯的計量體系；第三步是搭建風控與融資架構，以上市公司信用為依托構建風控體系，將底層資產(chǎn)現(xiàn)金流打包設立特殊目的載體（SPV），聯(lián)合地方國資、銀行理財、險資等機構優(yōu)先認購；第四步是保障合規(guī)與數(shù)據(jù)安全，全程采用法幣結算、托管監(jiān)管及鏈上確權機制，確保證券化標的為服務回款與數(shù)據(jù)使用許可收益權，而非敏感個人數(shù)據(jù)。
“通過這四步舉措，我們成功將AI硬件、區(qū)域數(shù)據(jù)流通與創(chuàng)新金融模式相結合。”徐群強調，此舉可實現(xiàn)“以用促融、以融促建”的良性循環(huán)，最終推動AI技術在基層醫(yī)療領域的規(guī)�；涞�。
本次“AI+硬件驅動醫(yī)療數(shù)據(jù)要素化”圓桌對話，匯聚算力、設備、科研、AI、合規(guī)等多領域智慧，從技術落地、模式創(chuàng)新、政策適配等維度為基層醫(yī)療數(shù)字化提供了可操作的實踐路徑，不僅為“工業(yè)互聯(lián)網(wǎng)+智慧醫(yī)療”生態(tài)鏈協(xié)同發(fā)展注入基層視角，也為健康中國建設夯實了基層醫(yī)療數(shù)字化基礎。
