超過300萬份病歷，已經由醫療文書智能體輔助生成，這是四川大學華西醫院披露的一項應用數據。
10月30日，在成都舉行的人工智慧驅動醫療創新與實踐高峰論壇上，華西醫院與華為集中發布四項成果：華西醫院·華為聯合創新實驗室揭牌、《HAIP建設指南與技術演進白皮書》發布、創新場景和智能體發布，以及華西·華為智慧醫療全球樣板點發布。
從聯合研發到建設指南，再到應用與樣板驗證，四項成果試圖回答同一個問題：
醫療AI如何跨過各科室單獨試點，成為全院可以持續使用的能力？
01 AI越建越多，醫院不能再添孤島
一個科室有資金、有積極的學科帶頭人，就能嘗試開發一個模型，但當這樣的探索遍布醫院，新問題也隨之出現：算力各自採購、數據難以流動，應用升級又依賴少數人推動。
過去資訊化建設快速推進之後，留下過數據孤島和系統煙囪，如果人工智慧繼續沿用這條建設路徑，就可能形成新的孤島，限制後續應用。
這也是華西醫院聯合華為通用人工智慧平台HAIP要解決的問題，醫院首先統籌算力、數據和模型，再讓應用在共同底座上生長。
今年4月，南方醫院聯合華為等發布了HAIP理念與技術架構，此次在人工智慧驅動醫療創新與實踐高峰論壇上，《HAIP建設指南與技術演進白皮書》進一步回答了平台如何建設、應用如何管理、能力怎樣演進。
白皮書由華西醫院、南方醫院、華為聯合主編，40家單位共同參編，提出了「可復用、可解釋、可評估、可演進、可監管」五大核心理念。不過，平台化的價值，還要落到醫院的具體選擇中。
例如，模型更新很快，醫院卻不能讓嚴肅業務跟著頻繁重來，華西醫院給出的辦法是，將寫病歷、看影像等垂域模型與基座大模型解耦，既利用基座升級帶來的能力，也儘量保持具體醫療應用的穩定及可追溯性。
另一個不可忽視的問題是算力成本問題，傳統軟體增加用戶之後，新增使用成本通常較低，AI每次推理卻仍要消耗算力。應用越廣，持續運行的賬越不能忽略。
因此，華西醫院優先選擇醫務人員負擔重、患者體驗差、重複勞動多的場景。能用小模型解決，就儘量不用大體量模型；白天優先支撐醫院業務，夜間安排質控等任務，利用業務的潮汐規律提高算力利用率。
華為醫療衛生軍團總裁張偉力在採訪中解釋稱，算力設備放在那裡，並不等於已經形成業務能力。還要結合不同模型、算子及影像、病理、文本等數據進行調優，匹配醫院場景，此次華西部署的昇騰950，也是這一底座建設的一部分。
實際上，《HAIP建設指南與技術演進白皮書》白皮書試圖輸出的，是從資源統籌到持續運營的方法，其他醫院仍需根據自身數據、人才和業務準備情況，決定先做什麼。
02 300萬份病歷之後，可信成了硬門檻
醫療領域的創新場景和智能體是這次大會上另一項重要發布，具體覆蓋手術、醫保、科研、會診轉診和資源調度五個方向，從輔助生成手術文書，到識別醫保合規風險，再到科研支持、跨院協作，以及床位和手術排程優化，AI正在進入更細的工作流程。
在會後，我們也實地參觀了華西·華為智慧醫療全球樣板點，在這個樣板點中，華西醫院將這些平台與應用放到真實業務中進行了檢驗，目前，華西醫療文書智能體已輔助生成病歷超過300萬份，醫保智能體依託8500餘條審核規則，識別診斷依據、用藥、收費等七類醫保風險。
不難發現，智能體在醫療領域已有一定使用規模，不過，對醫生而言，更關鍵的問題是，內容依據是什麼，出錯後由誰負責？
張偉力就將AIDP院級知識庫的作用概括為，把知識變成高精度資產。
醫院擁有大量文獻、指南和病歷，只有經過治理，形成可準確檢索、可循證的知識，才能更好地支撐智能體。
這其中涉及兩種不同的技術思路，向量檢索主要尋找語義相近的內容，醫學知識圖譜則進一步組織疾病、症狀、檢查等實體之間的關係，為推演和解釋提供結構化依據，這些能力旨在減少智能體僅憑模型概率生成回答帶來的不確定性。
但知識庫並不意味著幻覺已經消失，資料是否準確、檢索是否匹配、生成是否忠於依據，仍需持續驗證。
以病歷生成智能體為例，醫生開通功能需要知情同意，知曉內容由AI生成，並在審核確認後承擔相應責任，對AI生成內容，醫院向醫生和患者作出標識提示。
在數據側，患者資訊先脫敏，再通過唯一ID進行分析，並對身份資訊作技術隔離，相關體系上線前，還要經過倫理審核，考慮安全、就醫公平性和醫院公益性。
四川大學華西醫院副院長曹鈺強調，AI可以幫助專業人士獲得更多、更優的選擇，最終作出專業判斷的仍然是醫生。患者體驗的改善，也要體現在預問診、陪診和診後管理的銜接中，而不只是回答問題更快。
03 樣板間如何走出華西？
在這次四項成果中，華西醫院·華為聯合創新實驗室承擔的是另一類任務：探索尚未成熟、也未必立即產生商業回報的問題。
華西醫院·華為聯合創新實驗室將圍繞醫療高質量數據集、醫學知識圖譜等方向攻關，嘗試連接臨床需求、知識構建、智能體研發和成果轉化。
曹鈺在採訪中解釋稱，聯合實驗室不只是為了完成幾個項目，而是借具體任務尋找醫工合作的內在規律，將方法提供給行業做參考。
科研智能體是其中路徑之一，張偉力指出，從知識與數據獲取、推理，到實驗設計執行、結果反饋和資產沉澱，過去存在多個斷點，研究者需要反覆處理數據、切換工具。智能體希望以自動或半自動方式銜接這些步驟，並保留可供後續研究復用的成果。
雖然這距離「AI自主完成醫學科研」仍有很長的路，但減少檢索、數據處理等重複勞動，已經是如今醫療智能體具備的能力。
不過，要讓探索持續下去，醫院與企業的關係也需要改變。
張偉力認為，醫工融合不能停留在買賣關係上，醫生應成為應用的設計者，技術人員幫助他們把需求轉化為智能體，並持續反饋、疊代。
南方醫院就在嘗試這種新關係，南方醫科大學南方醫院副院長鄭磊就指出，南方醫院採用「1＋1＋N」模式，由醫院、華為和生態夥伴共同建設，形成院級、科室及個人三級智能體空間。
不過，醫生能夠創建智能體，只是開始，如何驗證效果、劃定使用權限、維護知識和模型，仍需要醫院的組織能力。
實際上，在華為聯合夥伴構建的醫療AI生態體系中，醫院提供場景、數據和知識，華為提供基礎設施與工程能力，夥伴提供模型、算法和應用，任何一環不足，都會影響落地。
醫療AI智能體在醫療行業形成規模化應用時，面臨諸多問題，成熟的病歷生成等應用，有機會在其他醫院適配復用，涉及專科診療和跨院協作的場景，則還要面對不同數據標準、工作流程和責任安排，向基層延伸時，技術能否接入之外，運維成本和服務閉環也必須算清。
而此次大會上發布的四項成果，正是搭起了一條從探索到推廣的路徑。
