「2025 医学创新瑯琊汇」典型案例征集进入倒计时。本次征集面向医疗机构、高校等各类医学创新组织，从创新体系建设、创新人物与团队、创新典型实践三个层面展开。无论是医院创新体系建设成果，还是医疗器械转化项目、数智化医学创新应用，都能参与。
在本次案例征集中，特别设置了「数智化医学创新典型实践」，聚焦数字技术在医学领域的创新实践，包括医学与人工智能、物联网、3D打印、大数据等领域结合的技术应用等。
在科技浪潮的席卷下，数智化医学创新已成为推动医疗行业发展的关键力量，「2025 医学创新瑯琊汇」设置这一类别，正是顺应时代趋势，为前沿成果提供展示舞台。而AI作为数智化医学的核心驱动力，为医疗领域带来革新。
日前，多位医院管理者和行业从业者在健康界分享医院在AI应用上的探索路径，以及风险把控经验。他们的经验，为医疗行业的AI应用提供了宝贵借鉴。
超声医学是评估胎儿发育、监测母婴健康的核心手段，但检查准确性受医生操作和设备差异影响。深圳市罗湖区人民医院借助AI技术，研发智能超声解决方案，使「大排畸」检查时间缩短2/3，显著提升孕检效率与孕产妇就医体验。
该院执行院长熊奕在健康界直播中，分享了智能超声在妇产检查的五大创新应用。在智能测量方面，AI系统能自动识别目标结构，完成大小、面积和体积测量，无论是静态还是动态图像，都能精准处理。比如卵巢及卵泡测量，系统可自动标注并排序，还能对胎儿相关部位参数一键生成数据并给出诊断提示，极大简化测量流程。
智能扫查包括二维和三维自动扫查，可降低操作者技术差异影响，节约人力成本。远程超声机器人已应用于多地，完成超2.4万例检查，帮助缓解民营机构医生短缺问题，但目前与AI融合不足，仍需探索。
智能质控借助AI实现事后与事前质控。系统自动识别超声结构与切面并评分，只有达到设定标准（如90分）的图像才能被截取，检查才能继续，这不仅提升了质控效率，还能帮助年轻医生快速掌握检查标准，同时让孕妇参与检查过程，提升就医满意度。
智能成像降低操作难度，丰富诊断信息。像智能颅脑、胎儿面部成像等功能，实现一键化操作，提高诊断准确率。医院还利用AI预测胎儿出生长相，为孕妇带来情感价值，但目前缺乏通用模型，需定制化训练。
2025年1月DeepSeek问世后，北京大学首钢医院（下称北大首钢医院）信息中心主任余浩便投入研究。作为医院信息化升级的探索者，他带领团队打造北京首个「信用就医」试点，并研发「AI医生助手」，推动医疗服务智能化转型。
在技术架构上，考虑到医疗数据敏感性，北大首钢医院采用本地化部署方案，配备双4090显卡的GPU服务器，同时测试Llama、Qwen等十多款大模型，探索LLM技术在医疗场景的应用边界。
「AI医生助手」已在六大院内场景落地见效：科研数据结构化方面，利用DeepSeek14B 模型提取病历关键数据，如肿瘤病理分期，大幅提升科研效率；医疗文书纠错中，凭借大模型推理能力，精准识别放射科报告的部位错误；门诊病历生成功能可将患者混乱的病情描述，按规范结构整理为主诉、现病史等内容；疾病诊断编码虽尚待完善，但已能为编码员提供参考；住院病历小结生成仅需十几秒，相比人工十分钟的效率显著提升；驱动LLM主动询问功能则适用于预问诊、流行病调查等场景。
谈及基层AI医疗发展，余浩指出算力是关键制约因素。他建议通过紧密型医联体构建公用算力平台，避免基层医疗机构重复采购，降低成本，助力优质医疗资源下沉。
在数据安全层面，余浩强调本地化部署的重要性，认为私有云部署等方式是平衡技术应用与隐私保护的可行探索。同时，他表示AI在医疗领域应从低风险场景逐步推进，目前仍需以辅助参考为主。
数据孤岛、质量参差、利用低效是医院数智化转型面临的普遍难题，中山大学附属第六医院（下称中山六院）副院长、信宜市人民医院院长姚麟在健康界直播中分享了医院借助AI等技术实现精细化运营的实战经验。
中山六院自2016年起，逐步构建运营管理体系。初期以优化诊疗流程为重点，提升手术室开接台及胃肠镜、CT等检查预约效率，胃肠镜年检量从3万余例次增至 2024年的13 万余例次。随后，医院将资源配置纳入运营管理，建立全面预算管理体系，优化设备采购与人员配置。
国家公立医院绩效考核实施后，医院构建「专职运营助理+兼职运营助理+运营决策数据系统」的「三位一体」模式，推动精细化管理进入专科专病时代。进入「一院三区」发展阶段，通过垂直管理模式，实现各院区制度与文化趋同，保障医疗服务与运营效率。
在搭建运营决策数据系统时，中山六院梳理诊疗流程「关键节点」，以手术开接台管理为例，关注患者从送抵手术室到返回病房的各时间节点；医保管理聚焦病种医保分值、时间与费用消耗指数，依此分析并优化诊疗流程。通过建立目标、分析流程、推动标准化，并将其融入信息化系统，实现智慧管理。
针对数据孤岛这一行业痛点，姚麟指出，其根源在于管理部门壁垒。医院应用数字孪生技术模拟运营流程，实现跨系统数据互通；借鉴追踪方法学，串联患者就医过程中涉及的多个独立系统，如从预约挂号到领取药物的各环节系统。解决数据孤岛后，医院加强数据治理，根据临床科室、设备管理部门、医务和运营部门PG电子等不同需求，精准分配数据，让数据真正服务于决策。
在提升医疗效率与质量安全方面，中山六院运用追踪方法学和 PDCA 持续改进机制。追踪方法学用于发现问题，PDCA 机制则深入分析并解决问题，二者形成闭环，保障医疗质量与安全，提升患者满意度。
在享受 AI 技术带来的便利时，也需清醒认识到其背后潜藏的风险。北京中医药大学卫生健康法治研究与创新转化中心主任、博导邓勇教授表示，AI医疗的主要风险包括：医疗事故风险，如影像AI误诊漏诊、临床决策支持系统给出错误建议、医疗机器人操作失误；处方权合规风险，互联网诊疗中存在违规使用AI开处方等乱象；数据隐私风险，医疗数据在各环节均有泄露可能；侵权责任认定复杂，手术机器人和医疗诊断系统侵权责任界定存在难点。
对此，医院可采取多项关键举措规避风险：明确AI辅助定位，建立人机协同诊疗范式，在技术定位上AI为辅助工具，建立分层应用体系，包括基础层的初步筛选、决策层的医师二次验证、管理层的质控监测；建立「双重确认」机制，标准化流程、明确责任界定、设置风险预警；完善知情同意制度，革新知情同意书；强化数据安全管理，分类防护；优化责任保险方案，如提取专项基金、开发责任险；组织人员培训，通过案例教学、模拟演练等提升法律风险应对能力。
