夜雨聆风
当前算力、算法、医疗数据三大要素成熟，人工智能加速走进各级医疗机构，重塑临床诊疗、医院运营、患者管理全流程。但大模型幻觉、患者隐私泄露、权责界定模糊等风险同步凸显。
CHCC2026组织了一场关于“AI进医院——机遇与风险怎么平衡？”的高峰对谈。
本次对话由首都医科大学附属北京天坛医院信息管理与数据中心副主任白波主持，出席对话的嘉宾有：
冯天宜——中国信息通信研究院云计算与大数据研究所数字健康部主任
刘丽红——北京大学人民医院医学信息中心主任
路 健——云南省肿瘤医院科教信息党支部书记
赵 鹏——河北医科大学第一医院智慧医院建设部主任
钱 琨——复旦大学人工智能创新与产业研究院副教授
五位行业专家围绕 AI 在医院的落地机遇、安全治理痛点、机遇与风险的平衡路径展开深度对话，结合一线实操与行业研究输出完整实践思路。
AI 赋能医院场景
医生助手、医疗质控、健康管理
主持人白波率先抛出第一个议题，邀请各位嘉宾结合自身工作分享 AI 在医院的落地机遇与真实落地案例。与会嘉宾一致认为，现阶段医疗 AI 的核心定位是医生辅助工具，而非医疗从业者替代者，核心价值集中在降本增效、挖掘数据价值、优化资源配置三大维度，落地成熟场景覆盖临床、质控、运营管理、患者全周期服务四大板块。
白波 北京天坛医院信息管理与数据中心副主任
临床诊疗：解放医护重复性工作
针对 AI 在医院的整体定位与长期发展边界，冯天宜率先提出整体判断：受限于当下大模型架构、可解释性短板，AI 现阶段更适合充当医生助手、医生分身，承接随访、院内效能提升、科室辅助等工作；手术机器人、专科级深度智能诊疗仍需技术持续迭代完善。
冯天宜 中国信息通信研究院云计算与大数据研究所数字健康部主任
1
病历自动化生成
结合院内多科室临床落地反馈，赵鹏介绍：AI可整合检验检查与诊疗数据，自动生成病程记录、疗效评估等医疗文书。这类工具在外科接受度高，内容规范、稍加修改即可使用，能有效减轻文书负担；内科更侧重病情深度研判，更关注其辅助诊断、病情分析的能力。
2
检验检查智能解读
从医疗 AI 发展历程与工具属性角度，路健谈到：检验检查报告解读是医疗 AI 最早落地、技术门槛最低的场景；在他看来，AI 本质如同原始社会的锄头、弓箭，只是一件效率工具，行业无需恐慌 AI 替代医生，最终只会是 “会用 AI 的人替代不会用 AI 的人”。
3
多学科复杂疾病辅助分析
顺着多位嘉宾提到的数据挖掘思路，钱琨补充解读：现代医学亚专科培养框架非常细致，而越来越多共病、慢病需要多学科会诊的支持。AI 可整合多维度数据与知识库，为会诊提供交叉诊疗思路，未来医疗世界模型也有望突破复杂慢病全周期管理的瓶颈。
另一方面，海外已有医疗机构依托大规模的患者医疗档案，训练出精准预测各病症产生的住院天数小模型，用于优化机构运转效率，也是多维度模型体系发挥作用的好视角。
医疗质控：精准挖掘隐性风险
基于三年医院智能体落地实操经验，刘丽红直言：生成式 AI 泛化落地效果，对于时效性强精准度高的场景，叫好不叫座，但对质控、鉴别类应用院内反响极佳：“一是 AI 自动筛查病历缺陷，提醒医师修正；二是挖掘人工难以察觉的隐匿不良事件；三是伦理知情同意形式审核，三大场景实用性突出。”刘丽红说。
刘丽红 北京大学人民医院医学信息中心主任
针对质控场景的价值优势，钱琨十分认同刘丽红的观点，并进一步补充：质控、不良事件挖掘类 AI 能直接承接重复性劳动，最高可节省 80% 人工工作量，是现阶段投入产出比最高的落地方向。
医院运营管理：盘活稀缺医疗资源
聚焦医院内部运营提质增效，赵鹏详细介绍了医院两套在建 AI 管理系统：
一是医嘱智能管控系统，下医嘱时同步匹配医保、病种运营规则，拦截低效、高成本诊疗项目，实现事前干预，改变以往仅能事后统计路径违规率、病种亏损金额的模式；
二是床位智能调度模型，基于病种、康复周期预测患者精确到小时的出院时间，匹配新入院患者，优化病区男女、病种、护理资源分配，缓解床位紧张、杜绝违规加床。
赵 鹏 河北医科大学第一医院智慧医院建设部主任
延伸到医院信息化运维场景，路健还分享了院内探索方向：将医院监控、系统日志全部接入 AI，自动解析运维问题，大幅降低信息中心人工运维压力。
患者全周期健康管理
为梳理 AI 分层落地逻辑，钱琨提出 “顶天立地” 的 AI 发展思路：“立地” 是落地质控、文书等提效工具，“顶天” 便是患者全周期健康管理。针对多病共存人群，AI 整合就诊、随访、复查指标，定制个性化长期干预方案，拉长医疗服务链条。
钱 琨 复旦大学人工智能创新与产业研究院副教授
行业发展底层机遇
站在行业政策与产业扶持的宏观视角，冯天宜重点解读政策红利：国家去年出台人工智能+行动纲要，鼓励人工智能赋能行业发展，其中医疗是重点领域，每年会投入大量资金扶持 AI应用与发展，医院可关注后续人工智能、数据要素相关专项，依靠政策资金自建算力、搭建院内 AI 体系。
医疗 AI 安全治理
幻觉、敏感数据泄露与不可靠
白波引出第二大核心议题 ——AI 落地无法回避安全治理，邀请嘉宾剖析行业共性痛点、风险警示与亟待完善的治理工作。
当前安全治理核心痛点
路 健 云南省肿瘤医院科教信息党支部书记
1
生成式 AI 输出不确定性，模型幻觉风险高
谈及生成式 AI 最直观的安全隐患，路健首先点明核心风险：生成式 AI 输出具备不稳定性，同一问题多次回复内容存在差异，难以统一管控；同时病历、账号、患者隐私等敏感信息输入模型后易被留存，存在泄露隐患。
针对通用大模型直接使用的弊端，赵鹏补充提醒：通用大模型不经微调与参数约束直接用于医疗场景，幻觉风险高、输出可靠性不足；“通用模型可直接覆盖全医疗场景”是典型认知误区，医疗场景下AI输出必须由专业医务人员全程把关。
2
患者敏感医疗数据泄露风险突出
结合医院日常科研数据审批的实际难题，刘丽红抛出医疗机构普遍面临的问题：第三方机构以科研协作的方式申请院内医疗数据，科研伦理审核能力如不能与时俱进，压力则集中在信息技术部门。医疗机构亟待建立完善管理机制、业务流程、技术平台，用以解决可信数据安全需求。
结合国家现行监管文件要求，冯天宜明确表态：国家不鼓励通过科研课题直接向外输出原始医疗数据，后续采用 “数据可用不可见” 模式开展合作是方向和趋势。
3
权责利划分模糊，风险追责无依据
从产业多方协同的视角出发，钱琨指出深层治理痛点：AI 训练、数据清洗、算法研发分属不同主体，算法调优、多模态适配工程化成本高昂，但行业尚未建立清晰的收益分配与事故追责框架，一旦出现误诊、隐私泄露，各方权责难以界定。
4
通用模型直接部署不合规，垂直模型建设门槛高
对照卫健委监管要求，冯天宜提出国家卫健委从监管角度考虑通用大模型直接在医院部署使用存在幻觉偏高等问题，更加建议对通用模型进行迁移训练，基于高质量脱敏医疗数据集形成垂直模型，但中小医院缺少算力、专业数据治理能力，落地存在挑战。
5
合规标准与基层落地存在断层
立足不同层级医疗机构的落地差异，刘丽红提出现实矛盾：国家已出台完整医疗数据安全规范，但需要完善落地实操路径。
分层落地安全治理方案
1
技术层面：隔离敏感数据，优化模型可控性
针对院内隐私数据防护难题，路健分享自身正在推进的技术方案：搭建数据中转脱敏平台，病历输入 AI 前自动加密屏蔽患者姓名等身份信息，模型运算完成后再还原可读信息，从输入、输出两端隔离隐私数据，规避原始患者信息被模型记忆。
聚焦模型幻觉优化实操办法，赵鹏给出了一套院内可落地的大模型应用方案：基于医院现有算力，采用数千条高质量医疗数据集对通用大模型完成轻量化微调；实际使用时，通过收紧模型的生成自由度（调整温度、Top-K/Top-K等参数），再搭配医疗专属知识库（RAG检索增强生成技术），能大幅减少大模型“凭空编造”的幻觉问题，确保输出内容符合医疗规范。
从长期数据安全运营角度，冯天宜推荐长效解决方案：医院自建小型密算 / 数据空间，外部科研、企业仅能在院内本地完成模型训练，原始数据不流出医院，从根源杜绝数据外泄，长期具备稳定收益回报。
2
制度与合规层面：完善数据全流程管控
围绕医院合规体系建设，冯天宜提出合规建议：
1.三甲医院应常态化开展数据安全风险评估，对外数据合作需引入第三方评估；
2.达到规模标准的医院完成个保和数据安全审计；同步推进院内数据治理，对病历、影像标准化脱敏，搭建多模态高质量医疗语料库支撑垂直模型训练。
3.同时要求算法厂商向监管披露模型微调、迁移技术逻辑，破解算法黑箱监管难题。
3
行业协同层面：厘清权责，规范合作模式
为解决多方合作权责不清的问题，钱琨给出行业完善方向：行业需搭建全链路权责分配框架，清晰划分数据提供方、清洗方、算法研发方、临床使用方的收益与风险承担规则，优先在单一场景试点成熟后，再向全行业规模化推广。
平衡机遇与风险
“就像去买一双鞋，不必盲目跟风”
白波发起第三轮讨论，聚焦核心主题：医疗机构如何平衡 AI 发展机遇与各类安全、运营挑战。对话嘉宾结合自身医院规模、资源条件给出差异化落地思路。
至于如何平衡机遇和风险，冯天宜从宏观合规与政策角度给出策略：
一方面紧抓国家政策红利，主动申报AI相关项目，补足院内算力、数字化建设资金；
另一方面严守合规红线，落实数据安全风险评估等强制要求，数据合作坚持 “可用不可见”，谨慎开展原始医疗数据交易。
区分大中小医院资源差异，刘丽红立足不同层级医院现状提出两点建议：第一，多数医院算力、资金、科研资源有限，无需全场景铺开 AI，集中资源单点突破，避免泛化投入；第二，国家行业标准框架完善，但缺少落地细则，倡议行业共同研究填补实操空白。
从科室协同、成本优化的实操角度，钱琨提出共赢落地思路：优先联动拥有完整专科数据、配套经费的科室牵头 AI 项目，给予团队试错空间；医院落地 AI 优先选择病历质控、文书生成等能直接优化运营成本的场景，在实践中逐步挖掘多方共赢点，直面发展伴随的各类风险。
结合各类数字化评级带来的管理变革，赵鹏分析 AI 发展给医院治理带来的全新挑战：AI 快速迭代对医院治理提出极高要求，电子病历评级、DCMM 数据管理评级等行业标准，倒逼临床、行政、信息全科室完善制度、补齐安全合规短板；医疗 AI 建设绝非信息科单一部门工作，需要全院一盘棋统筹，对院领导统筹管理能力提出更高要求。
为更通俗阐释适配化发展理念，路健用 “选鞋子” 作生动比喻解读平衡之道：AI 如同鞋子，不必盲目跟风照搬其他医院应用，只选择适配本院业务需求的场景；若算力、资金成本过高，可暂缓布局，等待技术成熟、成本下降后再落地；无论何时落地，都必须同步考量数据安全、算力支撑等配套风险，找到适配自身的平衡点。
嘉宾经典总结观点
对话尾声，白波邀请各位嘉宾用一句话总结本次分享核心观点：
路 健
机遇与风险相伴共生，没有绝对的好坏，我们应当主动拥抱人工智能，让 AI 更好服务医疗行业；
赵 鹏
用好人工智能，关键在人；
钱 琨
医疗 AI 发展目标是可信、可控、可持续；
刘丽红
各美其美，美美与共，各家医院按需选择适配的 AI 场景，差异化深耕，避免同质化内卷；
冯天宜
全员学习、理解、拥抱 AI；呼吁医院设立专职信息总工岗位，打通医疗与信息化壁垒，统筹全院数字化建设。
最后主持人白波总结全场：安全不是智慧医院建设的绊脚石，而是稳定发展的压舱石，只有将安全治理前置、落到实处，医疗 AI 发展才能行稳致远。
来源：筑医台资讯
CHCC2027全新领航
相约南京，精彩再续
第28届全国医院建设大会暨国际医院建设、 装备及管理展览会（CHCC2027）将于2027年5月22-24日在南京国际博览中心举办。
紧跟新时期医院建设发展新需求，CHCC2027以“立足中国·链接世界——以科技远见，共建下一代美好医院”为主题，创新规划1套先进学术体系，汇聚全球医院建设领域前沿知识，5会同行，覆盖医院建设全领域。
大会设置7大主题展馆，覆盖高效运营、医用机器人全场景应用、水气系统创新、手术系统创新、专用系统创新、医康养融合创新、建筑空间提升等医院建设全场景。34 个细分领域专业展区，深度覆盖医院建设全产业链，汇聚 800+ 行业标杆解决方案、8500+ 前沿产品与技术，打造全球医院建设领域品类最全、专业度最高、覆盖最广的一站式展示交流平台。
/展位预订/
CHCC2027
/小程序/
扫码查展商展品
/官方公众号/
关注查看大会信息
CHCC
