夜雨聆风
关注我，一起感受思考的乐趣
用测序服务进院，再用AI赋能医院
在AI医疗这条赛道上，“数据很重要”这句话，行业里没人不认同。但问题来了——什么样的数据，才是真的有价值、能解决实际问题的？
有人觉得，医院里的HIS（医院信息系统）结构化数据最香，毕竟规整又好用，拿来就能用；也有人追捧基因测序数据，说这才是精准医疗的终极密码。
但有一家公司，用近十年的实战经验，给出了一个颠覆行业认知的答案：影像，才是多模态数据的核心，就连大家追捧的HIS数据，都得往后排。
这家不走寻常路的公司，就是Tempus AI。
1
被高估的HIS数据：看似好用，实则“治标不治本”
为啥大家都默认HIS数据是多模态的核心？说白了就一个原因——好用、好拿。HIS是每家医院的标配，里面记着患者的基本信息、就诊记录、开了什么药，全是规整的结构化数据，不用费劲儿整理，使用门槛极低。
所以很多AI医疗公司都挤破头去拿HIS数据，仿佛只要拿到手，就能轻松做出成熟的AI模型，搞定临床辅助诊疗。
但大家都忽略了一个关键：临床诊断的全流程，远不止HIS里那点信息。很多科室的医生，日常工作的核心根本不是看HIS记录，而是阅片、诊断、定治疗方案——放射科医生一天要阅上百张片子，从里面找病灶；病理医生趴在显微镜前，分辨细胞有没有异常，这些才是决定患者治疗效果的关键环节。
而HIS数据，说白了就是医生阅片后的“二手信息”，比如只写着“CT检查阳性”“MRI提示异常”，但没有原始影像、没有病理切片，根本没法体现病灶的大小、形态、密度这些核心诊断依据。
AI要是只靠这些二手数据建模，永远没法真正懂医生的诊断逻辑，更别说帮医生干活、辅助诊疗了。
反观影像数据，那才是医生诊断的“第一手资料”：CT能清晰看到肺部结节，MRI能精准反映血管窄不窄，病理切片能直接展现细胞有没有异常，这些信息，HIS数据根本替代不了。更关键的是，影像数据天生就嵌在医生的工作里——医生每天打开PACS（影像归档和通信系统）阅片，早就成了习惯。
2
Tempus的破局：从基因测序找突破口
有意思的是，Tempus AI的起点，并不是影像，而是基因测序。
2015年，创始人埃里克·莱夫科夫斯基因为家人得了癌症，发现医生看病大多靠经验，缺乏实实在在的数据支撑，于是就下定决心，要用大数据和AI重构精准医疗。但他没跟风去做当时热门的AI影像，而是选了一个更接地气的切入点——基因测序服务。
那时候，美国的测序市场被巨头垄断，价格高得离谱，很多社区医院根本负担不起。Tempus正好抓住了这个缺口，给自己定了位：做规模化、性价比高的测序服务商，让更多医院用得起。
合作模式很简单：医院把患者的样本送到Tempus做检测，这是正常的业务往来。但作为交换，医院要允许Tempus通过技术接口，从电子病历系统（EHR）、实验室信息系统（LIS）、影像归档和通信系统（PACS）里，提取指定患者的完整临床数据。
就靠这招，Tempus成功接入了美国5500多家医院，覆盖了一半的肿瘤医生，顺理成章拿到了海量数据——只不过这些数据，大多是杂乱无章的“脏数据”。
比如PDF报告、医生的手写笔记、影像报告的纯文本，这些信息分散在各个系统里，要是直接扔给AI算法，跟一堆垃圾没区别。Tempus要做的，就是把这些“一次性信息”，变成能反复用的结构化资产。
他们自己研发了一套AI赋能的混合抽象方法，几天就能完成传统模式下几个月的工作量，能高效处理6万份患者记录。具体分三步，特别好理解：
第一步，先让人类专家把标准流程做出来，制定好规则，产出标准数据集。这思路跟现在热门的AI Skill理念差不多——先让人类把“正确答案”示范一遍。
第二步，AI跟着人类专家一起处理一批新病历，只有当AI提取数据的准确率、召回率，达到人类标注的水平，才能正式“上岗”。就像师傅带徒弟，徒弟得先证明自己能干，才能独立干活。
第三步，人机分工协作：AI先做预处理，快速扫描海量病历，把90%规则明确、容易识别的常规信息提取出来；人类专家则聚焦剩下10%最关键、最复杂的信息，负责审核、修正和整合。
最后，基因数据、文字病历、分子数据、临床结构化数据、影像数据、病理切片，都能在同一个患者的时间轴上对应起来，形成多模态的病理样本，为后续的AI建模做好准备。
这么一套操作下来，Tempus的资产规模有多惊人？说出来你可能不信：超过4000万份患者记录，200万份影像记录，400万个测序样本，33万个DNA+RNA项目，总数据量达到250PB到350PB。
这些数据，原本都沉默地分散在医院、药企、保险公司手里。同一种病，不同医院的治疗方法没法统一；同一个患者，在不同机构的病历没法拼成完整的病程。而Tempus，把这些零散的碎片，重新拼在了一起。
3
影像的核心价值：直接融入医生的日常工作
影像之所以能成为多模态数据的核心，最关键的逻辑就一个：它能直接嵌进医生的工作流程，解决医生的实际痛点——这一点，HIS数据和其他数据都比不了。
咱们换位思考一下：不管看什么病，检查检验结果都是医生诊断的核心依据，就算是感冒发烧，也得看验血结果才能下结论。而影像，更是很多科室看病的必经之路。
Tempus做影像分析服务，核心就是两个方向：帮医生提高效率，帮患者实现个性化治疗。
先说说怎么帮医生省时间、提效率。
医生阅片时，面对的是X光、CT、MRI这些直观的图像，不是抽象的数据。Tempus的AI影像工具，没有改变医生的工作习惯，而是在背后默默帮忙，具体做了这4件事：
1） 多模态影像都能分析：一张CT片子上，肿瘤的大小、位置、形态，都是诊断的关键。Tempus的AI能分析X光、CT、MRI等多种影像，不管是肿瘤筛查、心血管疾病诊断，还是病理切片分析，都能给出精准的辅助建议，快速扫描片子，标出细微异常，给出能直接用的结论。
2） 阅片、写报告全自动化：对放射科医生来说，手动勾画病灶、写报告，是最耗时、最繁琐的活。Tempus的AI工具，一键就能分割CT和MR图像上的病变，几秒钟就能完成原本要几十分钟的手动勾画，还能自动生成结构化报告——更贴心的是，这些功能都集成在医生每天用的PACS系统里，不用切换系统，直接就能用。
3） 能发现人眼看不到的细微病灶：医生也是人，疲劳、压力大或者注意力不集中时，很容易漏掉影像里的细微病灶，尤其是早期肿瘤的微小病变。而Tempus的AI，能精准检测到人眼难察觉的细微特征，比如早期肺癌的微小结节、血管的细微狭窄，大大降低误诊、漏诊的风险。
4） 实时响应不耽误事：支持实时订阅和通知，新的影像数据一进系统，AI就自动分析，然后通知相关医生；而且它还有边缘计算能力，能在边缘设备上实时分析，减少数据传输的延迟。对于急诊这种需要快速响应的场景，这点太重要了——医生查看患者电子病历时，就能同步看到AI的影像分析建议，流程完全不脱节。
再说说个性化诊疗。
影像数据，是最能体现患者个体特征的东西。Tempus把影像特征和基因组学数据结合起来，打造了“影像基因组学”方法，能预测基因突变状态或者治疗反应，减少有创检查。
比如，通过分析患者的肺部CT影像，AI就能预测患者是否有特定的基因突变，给靶向治疗提供依据——这种方式，比传统的基因检测更快捷、更无创，也更符合临床的实际需求。
另外，通过分析患者的影像数据、临床记录，还有相似病例的治疗结果，AI能给医生提供个性化的治疗建议，帮医生判断患者对某种治疗方案的反应，优化治疗计划。更重要的是，AI还能自动分析患者数据，帮癌症患者匹配合适的临床试验——对于那些有罕见突变、或者难治性肿瘤的患者来说，这可能就是获得前沿治疗的唯一机会。
对比之下，HIS数据虽然规整，但根本提供不了这样的临床价值。它只能告诉医生“患者做了CT”“患者吃了某种药”，却没法说清“CT里的病灶到底是什么样”“患者吃了药有没有效果”。对医生来说，HIS数据只是“辅助参考”，而影像数据，才是“决策依据”——这就是两者的核心区别，也是影像能成为多模态核心的关键。
4
多方共赢：医生、患者、药企，都能从里获益
Tempus能在AI医疗赛道站稳脚跟，关键在于它围绕影像数据，搭建了一个多方共赢的商业闭环——医生、药企、患者，都能从中拿到好处。
先看医生：Tempus的AI影像工具，不仅提高了诊断效率和准确性，还减轻了工作负担，甚至能提升专业能力。
AI帮医生搞定阅片、写报告这些繁琐的重复活，把医生从机械劳动中解放出来，让他们能把更多精力放在复杂诊断和跟患者沟通上。比如，放射科医生一天的阅片量，能从80张提升到150张以上；AI生成的结构化报告，不仅省时间，还能提高报告的一致性，让数据更有利用价值。
而且，Tempus平台还能帮医生更新知识、提升能力——整合最新的医学文献和临床指南，提供循证支持；还能检索相似病例，帮医生发现潜在的疾病模式。对于非专科医生来说，AI还能辅助解读基因检测结果，拓宽专业边界。
更重要的是，AI能当医生的“第二意见来源”，减少认知偏差，提高诊断的一致性。医生可以对照AI的分析结果自我检查，这种人机协作的模式，不仅提升了诊断质量，也让医生的职业竞争力更强。
再看药企：Tempus的影像和多模态数据，正好戳中了药企研发的痛点——数据难获取、质量低，直接帮药企提高效率、降低成本。
肿瘤药物研发，周期长、投入高、风险大，而临床试验的入组效率和靶点发现的准确性，直接决定了研发成败。Tempus的多模态数据，提供了大量真实世界的证据，包括影像、基因、临床记录，能帮药企更精准地找靶点、优化试验设计、提高入组效率。
比如，通过它的Lens平台，药企能直接分析去标识化的数据，挖掘影像和基因的关联，发现新的靶点；AI还能自动解析试验标准，快速筛选出符合条件的受试者，大大节省时间。
最后看患者——他们是这套闭环最终的受益者。
精准的影像分析，能带来更准确的诊断和个性化的治疗方案，减少误诊和不必要的治疗，降低医疗成本；临床试验匹配功能，也给那些有罕见突变、难治性肿瘤的患者，提供了接触前沿治疗的机会，改善预后。
举个例子：早期肺癌患者，能靠AI工具快速发现微小结节，实现早诊断、早治疗；晚期肿瘤患者，可能通过AI匹配，获得原本没机会用到的试验药物，延长生存期、提高生活质量。这些真实的案例，就是影像数据核心价值的最好证明。
值得一提的是，Tempus搭建了一条工业化的数据变现流水线：从数据获取（靠测序服务打通医院壁垒），到数据清洗结构化（人机协作），再到分析建模（多模态训练），最后到产品化变现（诊断+数据服务），每一步都环环相扣，既保证了合规性和数据质量，又实现了规模化，把商业价值做到了最大化。
正是这个多方共赢的闭环，让Tempus在AI医疗赛道站稳了脚跟，也用实际成果证明：以影像数据为核心的多模态生态，真的能推动医疗进步，让每一方都能从中受益。
5
结语：AI医疗的未来，不在于“数据好看”，而在于“能用”
AI医疗领域，“数据很重要”已经是行业共识，但Tempus近十年的实践告诉我们：AI医疗的未来，核心是深度嵌入医生的工作流，而不是单纯追求容易获取、看起来规整的数据。
HIS数据虽然规整好用，却是脱离诊疗核心的二手信息；基因测序数据再厉害，也得依托临床场景才能发挥价值。而影像数据，作为医生诊疗的第一手依据，天生就嵌在临床工作流里，是AI实现从“辅助”到“参与决策”升级的关键。
Tempus的破局，关键就在于立足临床工作流：用测序服务打通医院的数据壁垒，靠人机协作把杂乱的数据变成有用的资产，再把AI工具无缝集成到医生常用的系统里，真正帮医生解决问题、赋能临床诊疗。
相较于Tempus，最近一直在体验一个更贴合医生科研与诊疗场景的产品，叫Noah AI，Noah Al可高效完成临床数据分析、文献整合，跨学科辅助诊疗，临床指南查询等工作。
相比于普通的AI，Noah AI在医学数据的专业性和准确性都很高，系统化降低幻觉问题，并且过程可视化，让医生清晰看到AI检索分析全过程，所有内容都来自PubMed、临床试验数据等权威信息源，点击就能溯源。
欢迎点击文未「阅读原文」用我的专属分享链接注册，可以送免费积分。
↓↓点击关注我，分享更多医疗洞察↓↓
↓↓↓点击下方「阅读原文」，体验Noah AI，提升文献调研效率。
