华西医院联手华为，让医疗AI跨过“单点应用”难关

超过300万份病历，已经由医疗文书智能体辅助生成，这是四川大学华西医院披露的一项应用数据。

10月30日，在成都举行的人工智能驱动医疗创新与实践高峰论坛上，华西医院与华为集中发布四项成果：华西医院·华为联合创新实验室揭牌、《HAIP建设指南与技术演进白皮书》发布、创新场景和智能体发布，以及华西·华为智慧医疗全球样板点发布。

从联合研发到建设指南，再到应用与样板验证，四项成果试图回答同一个问题：

医疗AI如何跨过各科室单独试点，成为全院可以持续使用的能力？

01 AI越建越多，医院不能再添孤岛

一个科室有资金、有积极的学科带头人，就能尝试开发一个模型，但当这样的探索遍布医院，新问题也随之出现：算力各自采购、数据难以流动，应用升级又依赖少数人推动。

过去信息化建设快速推进之后，留下过数据孤岛和系统烟囱，如果人工智能继续沿用这条建设路径，就可能形成新的孤岛，限制后续应用。

这也是华西医院联合华为通用人工智能平台HAIP要解决的问题，医院首先统筹算力、数据和模型，再让应用在共同底座上生长。

今年4月，南方医院联合华为等发布了HAIP理念与技术架构，此次在人工智能驱动医疗创新与实践高峰论坛上，《HAIP建设指南与技术演进白皮书》进一步回答了平台如何建设、应用如何管理、能力怎样演进。

白皮书由华西医院、南方医院、华为联合主编，40家单位共同参编，提出了“可复用、可解释、可评估、可演进、可监管”五大核心理念。不过，平台化的价值，还要落到医院的具体选择中。

例如，模型更新很快，医院却不能让严肃业务跟着频繁重来，华西医院给出的办法是，将写病历、看影像等垂域模型与基座大模型解耦，既利用基座升级带来的能力，也尽量保持具体医疗应用的稳定及可追溯性。

另一个不可忽视的问题是算力成本问题，传统软件增加用户之后，新增使用成本通常较低，AI每次推理却仍要消耗算力。应用越广，持续运行的账越不能忽略。

因此，华西医院优先选择医务人员负担重、患者体验差、重复劳动多的场景。能用小模型解决，就尽量不用大体量模型；白天优先支撑医院业务，夜间安排质控等任务，利用业务的潮汐规律提高算力利用率。

华为医疗卫生军团总裁张伟力在采访中解释称，算力设备放在那里，并不等于已经形成业务能力。还要结合不同模型、算子及影像、病理、文本等数据进行调优，匹配医院场景，此次华西部署的昇腾950，也是这一底座建设的一部分。

实际上，《HAIP建设指南与技术演进白皮书》白皮书试图输出的，是从资源统筹到持续运营的方法，其他医院仍需根据自身数据、人才和业务准备情况，决定先做什么。

02 300万份病历之后，可信成了硬门槛

医疗领域的创新场景和智能体是这次大会上另一项重要发布，具体覆盖手术、医保、科研、会诊转诊和资源调度五个方向，从辅助生成手术文书，到识别医保合规风险，再到科研支持、跨院协作，以及床位和手术排程优化，AI正在进入更细的工作流程。

在会后，我们也实地参观了华西·华为智慧医疗全球样板点，在这个样板点中，华西医院将这些平台与应用放到真实业务中进行了检验，目前，华西医疗文书智能体已辅助生成病历超过300万份，医保智能体依托8500余条审核规则，识别诊断依据、用药、收费等七类医保风险。

不难发现，智能体在医疗领域已有一定使用规模，不过，对医生而言，更关键的问题是，内容依据是什么，出错后由谁负责？

张伟力就将AIDP院级知识库的作用概括为，把知识变成高精度资产。

医院拥有大量文献、指南和病历，只有经过治理，形成可准确检索、可循证的知识，才能更好地支撑智能体。

这其中涉及两种不同的技术思路，向量检索主要寻找语义相近的内容，医学知识图谱则进一步组织疾病、症状、检查等实体之间的关系，为推演和解释提供结构化依据，这些能力旨在减少智能体仅凭模型概率生成回答带来的不确定性。

但知识库并不意味着幻觉已经消失，资料是否准确、检索是否匹配、生成是否忠于依据，仍需持续验证。

以病历生成智能体为例，医生开通功能需要知情同意，知晓内容由AI生成，并在审核确认后承担相应责任，对AI生成内容，医院向医生和患者作出标识提示。

在数据侧，患者信息先脱敏，再通过唯一ID进行分析，并对身份信息作技术隔离，相关体系上线前，还要经过伦理审核，考虑安全、就医公平性和医院公益性。

四川大学华西医院副院长曹钰强调，AI可以帮助专业人士获得更多、更优的选择，最终作出专业判断的仍然是医生。患者体验的改善，也要体现在预问诊、陪诊和诊后管理的衔接中，而不只是回答问题更快。

03 样板间如何走出华西？

在这次四项成果中，华西医院·华为联合创新实验室承担的是另一类任务：探索尚未成熟、也未必立即产生商业回报的问题。

华西医院·华为联合创新实验室将围绕医疗高质量数据集、医学知识图谱等方向攻关，尝试连接临床需求、知识构建、智能体研发和成果转化。

曹钰在采访中解释称，联合实验室不只是为了完成几个项目，而是借具体任务寻找医工合作的内在规律，将方法提供给行业做参考。

科研智能体是其中路径之一，张伟力指出，从知识与数据获取、推理，到实验设计执行、结果反馈和资产沉淀，过去存在多个断点，研究者需要反复处理数据、切换工具。智能体希望以自动或半自动方式衔接这些步骤，并保留可供后续研究复用的成果。

虽然这距离“AI自主完成医学科研”仍有很长的路，但减少检索、数据处理等重复劳动，已经是如今医疗智能体具备的能力。

不过，要让探索持续下去，医院与企业的关系也需要改变。

张伟力认为，医工融合不能停留在买卖关系上，医生应成为应用的设计者，技术人员帮助他们把需求转化为智能体，并持续反馈、迭代。

南方医院就在尝试这种新关系，南方医科大学南方医院副院长郑磊就指出，南方医院采用“1＋1＋N”模式，由医院、华为和生态伙伴共同建设，形成院级、科室及个人三级智能体空间。

不过，医生能够创建智能体，只是开始，如何验证效果、划定使用权限、维护知识和模型，仍需要医院的组织能力。

实际上，在华为联合伙伴构建的医疗AI生态体系中，医院提供场景、数据和知识，华为提供基础设施与工程能力，伙伴提供模型、算法和应用，任何一环不足，都会影响落地。

医疗AI智能体在医疗行业形成规模化应用时，面临诸多问题，成熟的病历生成等应用，有机会在其他医院适配复用，涉及专科诊疗和跨院协作的场景，则还要面对不同数据标准、工作流程和责任安排，向基层延伸时，技术能否接入之外，运维成本和服务闭环也必须算清。

而此次大会上发布的四项成果，正是搭起了一条从探索到推广的路径。