南方医院智慧医疗实践：探索人工智能规模化应用新路径

以往，县级基层医疗机构常常难以对肾病等专科疾病进行准确诊断，致使患者错失最佳治疗窗口。

现如今，基层医师仅需启动"智肾"大模型，录入检测指标，片刻即可获得基于权威指南及丰富真实病例生成的辅助诊疗建议。

作为国内首款慢性肾脏病综合管理大模型，"智肾"整合了南方医院庞大的临床数据资源，并融合侯凡凡院士团队的诊疗经验，将其转化为可推广的能力，正是如此，每位基层医师都拥有了"肾病专科顾问"般的专业支持，使原本受限的医疗资源跨越了地理界限。

"智肾"的成功也引发了新的思考：如何让更多类似"智肾"的应用在各类科室、不同层级医院中扎根生长？答案或许不在于单个应用本身，而在于培育这些应用成长的生态环境。

01

走进南方医院

那些被AI重塑的医疗场景

首先来到南方医院，探寻AI落地医疗的真实写照。

在肾内科病房，"智肾"的故事之所以令人动容，源于我国慢性肾脏病患者群体庞大，但知晓率极低，基层医师常因缺乏专科知识而力不从心，大量患者首次就诊已至晚期，如今这一关键的早期干预窗口正被AI悄然弥补，这正是"智肾"的核心价值所在。

借助"智肾"提供的轻量化智能问答系统，如今化州、吴川等地的社区医师拥有了一线城市相当的诊疗能力。它不仅能辅助医师进行复杂的病情评估，还可通过个性化饮食指导模块，如同营养师般管理患者的日常饮食。

而在病理科，AI带来的变革则更为直观昔日，医师需要在显微镜前耗费3至5分钟，在一张玻片的万个细胞中搜寻隐藏的病变细胞。而今，宫颈细胞学人工智能辅助诊断系统已将这一流程压缩至秒级。AI先行扫描全片，自动标注可疑视野，医师得以快速定位病灶区域，显著缩短了病理诊断时间，这相当于为患者争取了宝贵的确诊时间。

相似的场景也出现在感染内科。由于慢性肝病患者群体庞大，若缺乏规范管理，易演变为严重并发症，而当前肝癌筛查体系存在公众早筛意识不足、基层筛查能力薄弱等问题。为此，南方医院感染内科构建了科学的肝癌筛查评分体系，并嵌入小程序，深入社区"彩虹小屋"，将早期诊断率从23.2%提升至67%，这充分证明了AI在公共卫生领域的巨大价值。

在南方医院，我们已见证AI与临床的深度融合无处不在，而每项创新场景都依赖于南方医院深厚的临床积淀和强大的AI研发能力。若要让它们走出三甲医院，推广至全国各级医疗机构，成为医疗体系的规模化创新，这条路究竟该如何走？

02

医疗AI规模化落地

需要突破哪些障碍？

南方医院的实践探索，实为中国医疗AI发展的缩影。在经历了从概念验证到单点AI应用的快速演进后，越来越多的医院已在医疗场景中引入AI辅助工具。但这些零散的创新，要迈向规模化落地，仍需跨越数道难关。

首先，是数据孤岛形成的桎梏。医院不同科室引入的AI系统往往来自不同厂商，数据格式不统一、接口互不兼容，形成彼此隔离的"信息茧房"，无法实现数据互通共享。与此同时，各类医疗数据分散存储，大量高价值数据无法汇聚成完整的AI训练语料，致使AI模型训练缺乏充分支撑，难以实现精准优化，而不同科室的AI应用之间也无法协同工作，全面赋能诊疗的效果便大打折扣。

其次，是算力建设的闲置。与数据孤岛并存的，便是算力的"烟囱式"建设。众多医院科室在引入AI系统时，往往会配套购置专属服务器，导致算力重复部署，不同科室的算力无法共享，大量算力资源处于闲置状态，造成算力资源的浪费。此外，多模型、多智能体之间无法协同调度，无法根据临床需求动态分配算力，这也进一步降低了算力利用率。

第三，是专业人才的匮乏。医疗AI的落地，离不开"医疗+AI"复合型人才的支撑，但目前国内多数医院都面临人才缺口。懂临床的缺乏AI技术储备，懂技术的不了解临床需求，成为了一种普遍现象。

最后，是应用落地之难。大部分医院现有的业务系统繁杂，不同厂商的AI应用接口不统一，想要将AI应用融入临床，需要进行大量的开发工作，不仅周期长、成本高，还容易出现系统兼容问题。

归根结底，医疗AI要实现规模化落地，就必须摒弃单点式的部署模式，转而拥抱标准化、集约化的平台架构。我们认为，一个能够统筹管理算力、统一治理数据、灵活调度模型、低门槛开发应用的"超级底座"，才能真正实现医疗资源和诊疗技术的"平权"，让医疗AI为更多的患者创造福祉。

03

HAIP：为医院装上"AI操作系统"

没错，问题的症结既然在平台架构层，解题的思路也就清晰可见。

近日，在广州举行的"AI驱动智慧医院建设新范式高峰论坛"上，南方医院与华为联合发布了医院通用人工智能平台——HAIP。这正是上述问题的解决方案。

简言之，HAIP全称为Hospital AI Platform，定位为医院的"AI操作系统"。它将医院的算力、数据、模型、应用统一纳管，使分散的AI能力整合为一个可以共享、可以进化、可以向基层输出的全院统一底座。

可以肯定的是，HAIP的诞生标志着中国医疗AI建设开始从"单点部署、零散应用"的烟囱式模式，迈向"统一规划、全域协同"的新阶段。

因为，HAIP解决的核心问题，恰是困扰医疗AI落地的几重困境。比如，在破解数据孤岛方面，HAIP通过ModelEngine人工智能工具平台实现全模态数据融合平台和智能标注流水线，AI数据湖提供全院统一的数据视图，将各类医疗数据统一管理，构建AI训练的"数据粮仓"，提升数据利用效率，让沉睡的数据转化为可复用的知识资产；在解决算力浪费方面，HAIP构建了100%国产化的AIDC算力底座，通过"昼推夜训"的潮汐调度机制，DCS AI容器底座实现算力切分和任务智能调度，动态分配算力资源，大幅提升算力利用率；在降低运营门槛方面，HAIP具备自然语言生成智能体能力，医生无需编写代码，只需用日常语言描述需求，就能快速生成专属AI助手，缩短应用上线周期；在保障系统兼容方面，HAIP采用开放架构，可与医院现有业务系统平滑融合，不改变医生的作业习惯，保障医疗服务的连续性。

而这一切的最终目标，则是实现医疗资源的普惠化。在HAIP的架构设计中，大型三甲医院作为中心端负责训练模型，基层医院部署轻量级的边缘设备。中心端训练好的模型可以一键下发给所有基层设备，让县级医院、社区卫生服务中心不需要自己购买昂贵的算力设备，也不需要自己训练模型，就能自动获得和三甲医院同步的AI能力升级。这正是"智肾"从南方医院走向基层医院背后的技术逻辑。

同期发布的《医院通用人工智能平台技术白皮书》，由华为、南方医院牵头，联合全国多家顶级医院和行业伙伴共同编写，是国内第一份系统提出医院"AI操作系统"的技术文档。它不仅给出了技术架构和参考标准，还提供了一个从规划到运营的实施路线，可以缩短其他医院迈向医疗AI转型的路径。

无疑，当医院拥有了统一的AI操作系统，基层能够以极低的门槛接入顶级医院沉淀的AI能力，技术创新才开始真正回答医疗领域最根本的命题，让优质医疗资源突破时空的限制，流向每一个需要它的人。