在醫(yī)療行業(yè)，優(yōu)質診療資源匱乏且分布不均、疑難病癥診療難度大、科研成果轉化慢等多重挑戰(zhàn)一直存在，AI為這些問題的破局帶來曙光，但醫(yī)療機構普遍面臨落地環(huán)節(jié)的算力不足、數(shù)據(jù)處理復雜、模型部署困難等問題。在近期召開的第十九屆中國衛(wèi)生信息技術/健康醫(yī)療大數(shù)據(jù)應用交流大會（2025CHITEC）上，如何借助AI力量更好地便民、助醫(yī)、輔政、促研，是行業(yè)關注的重點話題。

華為深刻認識到：工程化能力是打通醫(yī)療AI應用從技術創(chuàng)新到臨床實效的核心關鍵。通過系統(tǒng)化、全鏈條的工程化支撐，華為正推動醫(yī)療AI突破落地瓶頸，走向規(guī)模應用。在2025CHITEC上，華為向行業(yè)集中展示了其推動醫(yī)療AI規(guī)?；瘧玫墓こ袒芰?、系統(tǒng)性方案和諸多實踐成果。

用AI填平醫(yī)療服務的需求鴻溝

人口老齡化、疾病譜變化等因素的發(fā)展，使得醫(yī)療領域需求與供給之間的鴻溝愈發(fā)明顯。特別是疑難雜癥的精準診療、突發(fā)疾病的提前預警，現(xiàn)有的技術手段還難以滿足臨床所需。

要填補醫(yī)療服務的需求鴻溝，必須進行醫(yī)療信息化的業(yè)態(tài)重塑。華為認為，“數(shù)據(jù)要素+”“人工智能+”和“數(shù)字孿生+”的融合應用，是增強醫(yī)療機構的數(shù)據(jù)能力和AI能力是重塑的關鍵，尤其是讓大模型深度融入診療全流程，成為破解資源供需矛盾、提升服務質效的核心引擎。但要讓AI大模型真正扎根醫(yī)療領域，需先破解落地系列難題。

一是算力投入與效率失衡：當前的醫(yī)療AI應用多為“煙囪式”建設，算力無法跨科室、跨場景共享；大小模型并存，導致AI芯片利用率偏低，存在算力浪費問題。

二是數(shù)據(jù)處理門檻高且周期長：醫(yī)療數(shù)據(jù)分散在不同科室、不同院區(qū)，海量高質量數(shù)據(jù)的獲取難度大；從傳統(tǒng)數(shù)據(jù)集到AI訓練語料的加工需經(jīng)過多輪清洗、標準化等過程，周期長，效率低。

三是模型部署與調優(yōu)門檻高：AI組件依賴人工集成，模型訓練前的預處理流程復雜；醫(yī)院普遍缺乏AI專業(yè)人才，模型調優(yōu)需依賴外部團隊，響應速度滯后于臨床需求。

四是應用開發(fā)與集成難度大：應用適配模型需定制化開發(fā)，周期長；行業(yè)內應用廠商眾多，接口復雜且標準不一，跨系統(tǒng)集成成本高。

華為認為，解決上述問題，需要工程化支撐能力，也即打通算力、數(shù)據(jù)、模型、應用的全鏈條，將這些環(huán)節(jié)整合為一個有機整體，才能讓底層技術創(chuàng)新真正轉化為臨床實效。

一套行之有效的醫(yī)療AI落地框架

工程化能力并非單一技術，而是一套可復用的方法論與工具鏈。針對醫(yī)療AI落地難的問題，華為聚焦自身核心優(yōu)勢和根技術，在數(shù)字底座、場景賦能、頂層設計等領域持續(xù)投入，為醫(yī)療AI的規(guī)模應用提供系統(tǒng)化、全鏈條的工程化能力，并總結出了一套行之有效的AI落地框架。

該框架包括高價值場景識別、架構流程重塑、數(shù)據(jù)和知識工程、模型設計及驗證、應用集成融入業(yè)務、持續(xù)運營與治理等關鍵步驟，已在包括RuiPath病理大模型、ChatZOC眼科大模型、叮唄健康大模型在內的多個?？颇Ｐ脱邪l(fā)與落地中得到了充分驗證，充分體現(xiàn)了其工程化能力的實踐價值，展現(xiàn)出強大的實用性和有效性。

以RuiPath病理大模型為例。病理數(shù)智化是一個具備極高價值的應用場景。與其他?？拼竽Ｐ拖啾?，病理大模型在數(shù)據(jù)、算法、算力、存力等方面的技術挑戰(zhàn)更為突出。在瑞金醫(yī)院打造的RuiPath病理大模型中，華為DCS AI解決方案為模型落地提供了有力支撐，在數(shù)據(jù)和知識工程、模型設計及驗證、應用集成融入業(yè)務等環(huán)節(jié)，都展現(xiàn)出華為依托工程化能力實現(xiàn)的眾多關鍵創(chuàng)新點。

如：基于PanVL-T1技術體系構建病理大模型，依托視覺基礎模型開展無監(jiān)督學習，僅需少量標注數(shù)據(jù)即可實現(xiàn)強泛化能力；首次僅用16張910B算力卡就訓練了百萬張數(shù)字切片；借助AI使能平臺ModelEngine，節(jié)約80%的數(shù)據(jù)處理周期，縮短70%的業(yè)務上線時間；采用無損壓縮算法，節(jié)約45%的存儲空間；采用存算協(xié)同技術，節(jié)約30%的訓練周期，提升算力利用率；統(tǒng)一CSP病理格式，確保數(shù)據(jù)的一致性和規(guī)范性等。

2024年，中山大學中山眼科中心與華為打造ChatZOC眼科大模型，用AI探索眼科診療新模式，使能“篩-查-治”三級診療模式，實現(xiàn)優(yōu)質醫(yī)療資源下沉。在平臺服務層，ModelArts支持開放模型生態(tài)，支持各類開閉源模型、視覺/語言/多模態(tài)多種能力模型，并可面向未來持續(xù)演進；HCS支持“訓推資源共池”，也即實現(xiàn)訓練與推理資源的統(tǒng)一管理和分時復用，充分利用資源，避免浪費。在模型使能層，可將AI原生應用引擎平臺下沉至HCS，支持知識中心、模型中心、數(shù)據(jù)工程和應用編排，幫助醫(yī)療機構持續(xù)積累AI資產(chǎn)。

這些圍繞數(shù)據(jù)、算法、算力、存力等方面的工程化創(chuàng)新，使得ChatZOC眼科大模型在速度、廣度和深度上都表現(xiàn)出色。在新疆喀什，ChatZOC眼科大模型已為超過3000名患者提供眼病篩查服務，有效緩解了偏遠地區(qū)眼科醫(yī)療資源匱乏的難題，讓先進的AI診療技術惠及更多基層群眾。

在診后環(huán)節(jié)，廣東省第二人民醫(yī)院與華為聯(lián)合研發(fā)叮唄健康大模型，整合百萬份體檢報告數(shù)據(jù)，結合權威醫(yī)學知識，通過元問答檢索增強技術和監(jiān)督微調方法，形成以健康體檢為核心的AI解決方案，成為國內首個覆蓋全健康管理場景的主動健康大模型。由于健康管理的特殊性，需要長時間留存用戶的體檢數(shù)據(jù)，叮唄健康大模型依托華為算力開展本地化部署并自研大模型算法，不僅實現(xiàn)算法可靠，更確保了數(shù)據(jù)安全與隱私，為健康管理從“被動治療”轉向“主動干預”提供了可靠支撐。

工程化能力驅動醫(yī)療AI規(guī)?；瘧?/span>

RuiPath、ChatZOC、叮唄健康等?？颇Ｐ偷某晒β涞?，只是華為賦能醫(yī)療AI的一個縮影。事實上，工程化能力的最終價值，就是其具備從“單點創(chuàng)新”邁向“批量應用”的規(guī)?；瘡椭颇芰?。華為與眾多醫(yī)療機構、生態(tài)合作伙伴攜手，以實際應用場景為中心，通過技術、數(shù)據(jù)、系統(tǒng)的深度融合，在多個醫(yī)療場景中實現(xiàn)了AI技術的落地與規(guī)?；瘧?。

2025CHITEC上，華為全面展現(xiàn)其在醫(yī)療領域的實踐成果與技術實力，以及AI技術在醫(yī)療場景的多元化應用前景。

比如，在AI+患者服務方面，華為通過智能分導診、AI預問診、AI陪診、智能健康咨詢等應用，幫助醫(yī)療機構提升患者就醫(yī)體驗。AI+患者服務的應用具備輕量化部署、投入產(chǎn)出比高、風險可控等優(yōu)點，成為醫(yī)療機構“試水”AI應用的理想切入點。例如，智能分導診能夠根據(jù)患者的癥狀快速匹配相應的科室和醫(yī)生，減少患者排隊等待的時間；預問診則可以提前收集患者的基本信息和病情，提高醫(yī)生問診效率。

在AI+診療業(yè)務方面，華為已將AI技術在病歷輔助生成與內涵質控、臨床輔助分析等多個場景落地應用。病歷輔助生成利用大模型技術，匯集、分析相關數(shù)據(jù)，經(jīng)過深度思考后綜合判斷病情并給出決策建議，自動生成多場景下的規(guī)范病歷文書，包括門診病歷、入院記錄、首次病程、出院小結、手術記錄等，有效減輕醫(yī)生的書寫負擔，同時提高病歷的質量和規(guī)范性。在檢驗檢查方面，華為聯(lián)合醫(yī)療機構與合作伙伴推出多類人工智能輔助診斷系統(tǒng)，這些系統(tǒng)能夠幫助醫(yī)生更快速、更準確地解讀檢驗檢查結果，為疾病診斷提供有力支持。

為幫助更多醫(yī)療機構增強數(shù)據(jù)能力和AI能力，華為提出四點建議：第一，在數(shù)字化基礎上，醫(yī)療機構要做好醫(yī)療數(shù)據(jù)集的標準化和管理運營。第二，重視構建多科室、多院區(qū)可共享的智能診療數(shù)據(jù)基礎設施平臺建設。第三，全行業(yè)要促進數(shù)據(jù)工程、模型工程、評測技術的工具化、標準化，加快開放。第四，加快構建合理的AI診療商業(yè)模式并推動落地，形成良性循環(huán)。

醫(yī)學與人工智能的融合，需要通過“為技術找場景、為場景找技術”來實現(xiàn)。華為將攜手更多醫(yī)療機構、合作伙伴，實現(xiàn)場景感知與技術敏感的有機結合，同時借助系統(tǒng)性、可復用的工程化能力與落地框架，推動AI應用在醫(yī)療行業(yè)應用場景“百花齊放”，為“便民、助醫(yī)、輔政、促研”貢獻更大力量。

編輯：李麗