树兰医疗：AI医疗前沿探索的先行者

当人工智能在医疗健康领域引发一场深刻的模式变革，坐落于杭州良渚新城的树兰国际医学中心项目，正计划以AI医院的全新定位，积极投身这场关乎时代与行业的重大转变。

"良渚医学中心力争在2027年底与公众见面。"树兰医疗集团创始人兼总裁郑杰向第一财经透露，这里将区别于传统医疗机构，未来会成为树兰医疗推动计算医学、AI技术与临床实践深度融合的"创新实验室"。

根据规划，前沿科学、个体健康指标、临床场景及长期健康追踪将在此汇聚成完整的医疗健康价值链，促使医疗服务从"事后疾病治疗"向健康状态的持续监测、提前干预和主动管理转变。不过郑杰也坦承，AI医院作为新生事物，诸多课题仍需在后续运营中持续探索与解答。

对标梅奥

驱动医疗健康领域这场模式变革的核心力量，正快速迭代并渗透至复杂系统的预测、建模与发现环节。

一个鲜明的例证是，Google DeepMind于2023年11月推出的AI中期全球气象预报模型GraphCast，在对流层变量预测方面，99.7%的指标超越传统高分辨率系统。

与此同时，AI解析复杂系统的能力正从物理领域向生命科学领域拓展。在生物医学方面，单细胞技术、空间组学、衰老时钟和数字人体提供了全新观测途径；细胞定位、器官老化、分子网络异常、个体状态变化等，也催生了海量计算工具。

由此，一个关键问题顺势而生：既然部分复杂系统已可被提前预判，那么人类疾病的演进轨迹是否同样能被预见？临床医学能否针对特定个体，提前数年识别糖尿病、心力衰竭、肿瘤或认知障碍的风险，进而改善其健康结局？

"医学亟需构建自身的计算、仿真与预测体系，而AI对复杂系统的认知能力也需要医学场景的检验。"郑杰指出。二者的交汇融合，将在AI医院这一平台上得到更深入、更充分的实现。

换言之，在AI医院中，可计算的生命科学、个体状态模型与临床干预将被贯通，转化为可交付、可验证、可迭代的服务能力。从而将医疗与健康服务从现有的"事后疾病治疗"，转向对健康状态的持续监测、提前干预和主动管理。

郑杰将美国梅奥诊所视为树兰医疗的国际对标标杆。

6月3日，微软Build开发者大会上，微软AI首席执行官穆斯塔法·苏莱曼与梅奥诊所总裁兼CEO詹里科·法鲁吉亚宣布达成战略合作，共同研发布局医疗领域的前沿AI模型，该模型由梅奥诊所持有，微软通过Azure Foundry API提供技术支持。

这款大模型将融合梅奥诊所的全球医疗专业积累、去标识化临床健康数据，以及微软的先进AI、云计算和超级智能能力，为临床推理和医疗应用场景打造前沿AI解决方案。

与通用AI模型迥异，医疗AI需要深厚的临床积淀、纵向理解能力、严格的治理规范和真实世界的验证。该模型将率先在梅奥诊所可信赖的临床环境中部署，并通过实际应用持续测试、优化和提升。

早在2019年，梅奥诊所已前瞻性地提出梅奥医疗平台概念，将医疗服务从"管道模式"升级为"平台模式"，借助人工智能、大数据分析等技术变革医疗健康，加速创新、突破与治愈。

数据显示，当前梅奥医疗平台已积累约26PB临床数据、30亿条实验室结果、16亿条临床笔记、超60亿份影像资料，整合为可供研究、质量提升和创新者调用的数据产品。与Mercy系统对接后，可分析的去标识化患者约达1,520万人。

今年2月，默克公司宣布与梅奥诊所展开战略合作，初期聚焦三大疾病领域，利用梅奥丰富的多模态数据，包括实验室结果和临床洞察，验证AI模型并优化药物研发策略。

"在这条道路上，梅奥诊所是走得最坚定、体系最完善的典范之一。"郑杰评价道，这条路径也非梅奥独有，麻总百瀚已将临床试验筛选工具独立为AI公司，表明顶尖医疗系统正将内部AI能力产品化输出。

在郑杰看来，未来医疗的机遇将愈发集中于兼具院内深度诊疗场景与院外长期健康管理能力、愿意将真实数据与临床结局纳入前沿技术验证的医疗平台。

对树兰医疗而言，这一平台的核心载体，正是建设中的良渚医学中心。

良渚样本

面向真实场景的AI医疗有何独特之处？

对于发轫于互联网医疗时代的树兰医疗，2025年宣布"All in科技"战略升级，一项关键举措就是将良渚医学中心打造为AI医院。

一切尚处探索阶段。毕竟，3月26日2026世界数字健康论坛上发布的《国际AI医院智联体共识》，尚属全球首个AI医院国际共识。

依据该共识，AI医院被界定为：人工智能深度嵌入医疗服务各环节，将实体医院的专业水准与线上平台的广泛覆盖融为一体，使患者获得远超传统模式的连续性照护。

因此，构建AI医院的核心在于"系统性重构"——从物理空间到软件架构，从诊疗流程到组织文化，均需围绕AI能力进行根本性再设计。

树兰医疗已从系统迭代入手，思考下一代AI原生医疗数字化或医院操作系统的本质。"我们在内部构建两个操作系统：一个是医疗组织的操作系统，一个是面向患者和终身用户的健康管家操作系统。"郑杰表示，树兰医疗的远景是从治病转向治未病，成为更多民众的终身全生命周期健康管家，其根基在于全面拥抱AI。

自创立之初，树兰医疗便自主研发信息系统（HIS），将病历存档、药品调配、餐饮服务等全流程纳入数字化管理。这一自建系统为医疗大数据接入、全人全程全周期电子病历构建、影像调取与分析等各细分场景与AI技术的嵌套组合奠定了基石。

2024年正式上线的阿拉丁用户服务系统，是树兰医疗面向患者的数字化服务核心平台，可提供全流程线上就医服务，整合预约挂号、在线问诊、复诊开药、报告查询、费用支付等功能，实现"最多跑一次"就医体验；为每位患者建立专属健康画像，基于AI算法推送个性化健康科普、疾病预防知识；系统内置8000+常见疾病科普视频、7500+用药科普视频，支持7×24小时AI智能问答。

2025年3月发布的Dr.Shu（树医生）AI健康智能体，则进一步覆盖患者就医全生命周期，主要包含三大阶段的服务能力：诊前完成智能分诊与预约，诊中完成辅助诊疗与病历生成，诊后完成健康档案管理与随访。

但AI医院并非简单上线若干AI工具，亦非脱离实体医疗的纯虚拟系统，良渚医学中心必须以AI为核心驱动力，重新构建线上、线下一体化的医疗健康服务体系。

"我们要将原有软件升级为AI原生软件，与大模型深度合作。同时，数据治理、数据场景和AI环境的闭环，需全面提升。"郑杰说。

待思考的课题众多，例如，物流机器人、导诊机器人之外，未来医院还将出现护理机器人，如何在合规前提下部署摄像头、传感器等数据采集设施，为不同机器人的迭代、数据采集和学习提供支撑。

再如，AI医院亦是医疗数据采集空间，患者何时需到院，哪些需求可居家完成，哪些需借助穿戴设备采集？AI医院还需考量，需超前多长时间进行设计优化——过早则成本过高，过晚则可能错失时机。

对AI医院的认知，在持续思考中逐渐明晰。"良渚医学中心在物理场景中的空间布局、动线设计、服务模式均有较大调整。"郑杰说。

从空间维度而言，由于预约、分诊、挂号等诸多工作在患者到院前即已完成，因此医院对容纳大量排队人流的门诊大厅依赖降低，加之结算模式、取药模式的变化，门诊区域将较常规医院有显著不同。同时，AI未来医院中健康区域的占比将进一步提升。检验、影像等医技平台的空间，也将实现弹性化配置。

在郑杰看来，AI医院实体医疗空间面临的一大挑战在于空间的弹性化设计，因医疗设备持续迭代，这对重场景医院的弹性布局和设计构成重大考验。

在AI医院建设中，郑杰表示，最深层也最棘手的问题是"组织"——AI医疗内部全新的协同工作模式是什么？医院内部的组织架构如何设置？

"整个行业均处于摸索阶段，目前尚无人能清晰定义AI医疗组织究竟是怎样的协同工作模式。"郑杰说。例如多学科会诊（MDT），以往是一个专科医生先施治，遇异常情况再请其他科室讨论，但未来跨学科的分析和讨论可能自初始即存在。此外，AI医院的学科设置也将变化，跨学科融合愈发重要，而非学科越分越细、医生越专越好。

全新"组织"的构建，一方面考验医疗团队是否具备AI思维和文化。

当前，AI对医疗组织工作模式带来深层冲击，患者端正被AI深度赋能——医院里涌现越来越多"智慧型患者"，他们通过AI获取全球最新临床信息，进而与医生探讨。这也倒逼医生必须成为更智慧的医者，善用AI工具对齐信息、提升认知。

"树兰医疗内部设有类似AI医生小组的团队，定期进行评估。对于医院优势学科，我们会就标准完整病例在AI上的反馈进行评估，为临床医生和护士提供相应认知和感知能力。"郑杰介绍。

另一方面考验的是，医院需在私域部署与直接使用公域能力间寻求平衡，亦需考量投入产出的平衡。

"DeepSeek问世时，众多医院纷纷部署一体机，但很快发现存在局限。"郑杰说，对医院而言，立即建设GPU机房、追求大算力可能是过度投资，但不拥抱则面临淘汰。因此，合理策略是：不做激进的技术堆砌，但必须让组织保持对AI的深度感知和持续迭代能力。

故而，在良渚医学中心，门诊区的调整"较为彻底"，手术室等重资产空间则需权衡成本。

数据难题

在郑杰看来，未来AI医疗的重点在于"深度"。

深度源于严肃医疗场景下的高质量临床数据与AI大模型的底层平台形成闭环，亦源于真实世界的临床场景中，对疾病的认知、单病种或全周期管理、患者的追踪管理。

由此，在AI医疗的探索中，一个底层逻辑愈发清晰地浮现——计算医学。

这是一门以生命系统多尺度机理建模为核心，融合统计学习、知识工程与人工智能技术的交叉学科。其核心目标，是构建以患者为中心、可解释且可交互的数字孪生（Patient-Specific Digital Twin），让疾病预测、用药模拟、手术推演在虚拟层面完成，实现"生命仿真"，最终达成医疗决策的精准化与个性化。

实现这一目标，前提是贯通数据的全链条。从EMR（电子病历）到EHR（跨机构健康记录），再到PHR（个人健康档案，纳入穿戴设备、体检等数据），最终迈向PLC（个人生命云）和PDT（个人数字孪生）。

其中，PLC的核心是形成以个体为中心的云端医疗健康数据库。PDT则是计算医学发展的远期目标，即通过"全人动态信息建模"无限逼近"硅基生命"。

郑杰在国内较早倡导并推动计算医学落地。2024年，树兰医疗与浙江树人学院、浙江数字医疗卫生技术研究院三方联合申请的"浙江省人工器官与计算医学重点实验室"获批，成为树兰医疗在计算医学领域的重要里程碑。

郑杰指出，计算医学的核心在于建模——构建各种疾病模型、细胞模型、器官模型乃至全人模型。往昔一个人的数据是一摞文档——体检报告、病历记录、出院小结——仅能窥见历史报告和检测数据。但在计算医学视角下，需真正将个体作为整体建立模型，基于模型开展更多计算和预判，实现"5P医学"——个性化、精准化、预防性、预测性、参与性。

"不同于数据匮乏的纸质病历时代，如今每人每年产生的医疗健康数据呈爆炸式增长，数据愈发碎片化，而要提供精准医疗健康服务，前提是数据的完整性。"郑杰说。

毕竟，若要成为用户的终身健康管家，就需要个体的终身数据，甚至多组学数据——如基因组学、蛋白组学、时空组学等，并结合功能医学、长寿医学等方向的深度分析。如此一来，数据的丰富度和采集频率便至关重要。多久进行一次肠胃镜检查，多久进行一次全身扫描，哪些指标需24小时实时采集——这些均需纳入计算医学范畴。

此外，仍有诸多问题待考量。一是数据确权——数据在何处产生，访问权和使用权如何界定，需行业主管部门和国家逐步完善。二是数据的标准化、可交换性和融合性；三是数据的结构化——是图像形式，还是已按结构化字段标注、机器可读；四是数据的隐私保护和加密——数据不可篡改，需经隐私保护和脱敏处理。

为贯通数据全链条，2015年，郑杰发起成立非营利组织OMAHA（开放医疗与健康联盟），致力于推动医疗健康数据的标准化与互操作。为实现医学知识的数字化和可计算，OMAHA构建了"七巧板"医学术语集，汇集了总量达百万级的医学概念、术语、关系及不同版本的行业资源库。

但迄今，跨机构、跨区域的数据共享仍是难题。

"医疗健康数据是整个行业的核心，但目前相关的数据交换、数字化、电子化、标准化、隐私保护仍在发展中。"郑杰说。

不过，郑杰坚信，持之以恒，必将渐积价值。例如，英国最大的生物样本数据库UK Biobank，招募约50万名参与者，计划进行至少30年的长期健康数据追踪，如今已成为全球知名的科研数据平台。

在树兰医疗内部，近年来以计算医学为核心战略，已构建"基础层-技术层-应用层-场景层"四层AI产品架构，实现技术研发与临床需求的深度融合。那么，树兰医疗是否具备开展数字孪生实验的能力？是否已启动数字孪生实验？

郑杰回应第一财经，近期正在开展局部测试，因唯有将用户历史数据管理起来，进而从深度数据管理上升至数字人形式的管理，方能为用户提供更精准的健康管理服务。

郑杰坦言，在AI医疗这场大变革中，树兰也在摸索前行，但真实世界的高质量临床数据与AI的结构化闭环，用于指导精准、个性医疗，并推动生命科学科研提速——这一飞轮将比以往转得更快。

"一人一药、一人一精准疗法的时代终将到来，这是可预见的前景。"郑杰说。