高质量医疗数据集建设引领AI医疗新趋势

5月29日，江苏省“人工智能+医疗健康”系列主题沙龙在苏州召开，围绕医疗健康领域高质量数据集的构建展开深度交流。本次活动汇聚了来自数坤科技、蚂蚁集团、讯飞医疗等40多家省内外AI医疗及医药企业，以及“人工智能+医疗健康”领域的专家、学者和部分工作专班成员单位，共计160余位嘉宾参与，共同探讨行业发展的关键议题。

人工智能在医疗健康中的应用需求日益增长

当前，人工智能正成为推动未来发展的核心动力，而医疗健康是其应用最广泛、需求最迫切、潜力最巨大的领域之一。随着智慧医疗建设的加速推进，传统诊疗、临床科研、医院管理及公共卫生服务等场景正经历全面的数字化与智能化变革。

“借助AI技术，可以有效解决医疗资源分布不均、诊疗效率不高、科研周期长、慢病管理粗放等难题。”佰思麦科医药科技（苏州）有限公司总经理晁博表示，AI在医疗健康中的应用可实现精准诊断、个性化治疗、智能预后分析及新药研发提速，全面推动医疗健康事业的提质增效。

“江苏及苏州在‘人工智能+医疗健康’方面具备良好的发展基础，区域内医疗数据资源丰富，信息化建设起步早、水平高，为后续发展打下坚实基础。”中国科学技术大学生物医学工程学院执行院长周少华指出，为充分释放医疗数据的价值、推动技术与临床深度融合，江苏和苏州正不断加强在该领域的产业布局，完善政策支持体系，整合多方资源，助力医疗健康领域智能化转型。

今年，省卫生健康委联合省发改委等七部门印发了《关于推进江苏省“人工智能+医疗健康”发展实施方案》，并成立工作专班，设立创新实验室、创新联盟和专家组，同时通过“人工智能+医疗健康”系列沙龙活动，搭建政企学研交流平台。

此类主题沙龙将持续开展，旨在加强互动、深化合作、共享成果，推动江苏省“人工智能+医疗健康”发展迈向更高水平。

高质量数据集建设是核心

在沙龙现场，与会专家围绕医疗健康高质量数据集的建设进行了深入探讨，分享了前沿技术与实践经验，共同探索数据质量提升和价值挖掘的可行路径。

什么是高质量医疗数据集？它并非简单地收集医疗数据，而是经过清洗、整理、标注和治理后，能够真正支撑AI模型训练与应用的数据资源。一个高质量数据集应包含影像、文本、结构化数据及随访信息，以有效支持辅助诊断和预后预测。

“高质量数据集对‘人工智能+医疗健康’意义重大，它能提升AI在辅助诊断、疾病风险预测、治疗方案推荐等方面的能力，同时推动医学科研和医院管理的智能化发展。”长江学者、北京大学计算机学院博士生导师黄雨表示，真实准确、安全合规、专业标注是高质量数据集的核心价值所在。数据质量决定了AI模型的性能和稳定性。

然而，高质量数据集建设仍面临挑战。“当前主要难题可归纳为三个‘难’：标准难统一、数据闭环难构建、持续性难保障。”杭州医策科技有限公司CEO王晓梅指出，AI医疗的核心是“数据驱动”，但目前数据“多而不精”的问题突出，不同来源的数据存在异构性，导致模型训练效果受限。例如，影像或病理数据的标注不一致，缺乏统一标准，影响AI产品的安全性与泛化能力。

“关键在于建立‘医—工—政’协同机制。”江苏盖睿健康科技有限公司副总经理魏群认为，单靠企业或医院难以高效完成数据采集，需通过政企合作推动数据标注规范、隐私计算框架和质量评估体系的形成，以实现高质量数据集的共建共享。

1343亿条数据提供强大支撑

在苏州大学附属第一医院骨科，医生通过上传CT影像资料，AI系统可立即启动智能分析，约10分钟内生成骨质量分析报告，涵盖骨密度、骨小梁结构等关键数据，并提供辅助诊断、治疗建议及随访管理等内容。通过“相控阵CT+AI大模型”，骨质疏松的诊疗变得更加高效。

“随着全省高水平医院建设的推进，为高质量数据集建设提供了算力和数据基础。”苏州大学附属第一医院信息处处长程思民表示，医院正以骨科、血液科为重点，推进多个高质量数据集的建设，为临床科研和AI医疗应用提供数据支持。

实际上，苏州在“AI+医疗健康”领域已有深入探索。作为国家新一代人工智能创新发展试验区和国家生物医药技术创新中心，苏州在数字医疗与生物医药融合方面走在前列。依托全市17家三甲医院和300多家AI医疗企业，当地已积累大量优质、多维的医疗健康数据，为人工智能在医疗领域的应用提供了坚实基础。

去年3月，苏州健康医疗数智创新实验室启动，目前已整合临床、医保、医药等“三医”数据，构建了城市级健康医疗数据资源池，归集数据超1343亿条，实现医院、药企等多源数据的高效融合。

苏州市卫生健康信息中心副主任王宝燕介绍，苏州正推行医疗健康数据“红蓝绿”分级分类管理机制：红区存放原始数据，实施严格访问控制；蓝区存放脱敏数据，仅限专网访问；绿区则用于存放样本与仿真数据，支持互联网访问，推动高质量数据的安全合规使用。