摘 要:推进全民健康数智化建设，是“健康中国”与“数字中国”两大战略主题的结合点，也是卫生健康体系与数智生态体系融合的具体抓手。数智技术在医疗健康领域的应用已取得显著成效，同时要看到，从“有成效”到“广覆盖、深融合”仍存在明显差距。针对当前数据应用在落地过程中面临的瓶颈，需从技术与制度适配、技术与需求耦合、数据与平台协同、功能与成效统一、人才与生态共生五个方面，构建相互支撑、协同发力的突破路径，打通数智技术落地的“最后一公里”，让数智成果惠及全民健康。
关键词:数智技术 医疗健康 应用路径
【中图分类号】R-39 【文献标识码】A
以人工智能、大数据、物联网为代表的数智技术群，在医疗健康领域的深度融合，正在深刻变革医疗服务、科研教学、治理决策等传统范式，推动医疗服务模式从“以疾病为中心”向“以健康为中心”转变。“十五五”规划纲要提出，“有序推动数智技术在辅助诊疗、精准医疗、健康管理、医保服务、养老助残等场景的应用”[1]。习近平总书记指出“人民健康是民族昌盛和国家强盛的重要标志”[2]，强调“推动科技创新成果转化运用，推进全民健康数智化建设”[3]。推进全民健康数智化建设是“健康中国”与“数字中国”两大战略主题的结合点，也是卫生健康体系与数智生态体系融合的具体抓手。
同时要看到，由于技术前景与落地现实之间存在落差，当前学界及业界多聚焦“数智技术能做什么”，对数智技术“为何落地难”这一深层问题缺乏系统探讨。因此，如何加快推进数智技术在医疗健康领域的应用，打通数智技术落地的“最后一公里”，让数智成果惠及全民健康，是当前和今后一个时期需要回答的课题。
数智技术在医疗健康领域展现的特质
“数智”理念及技术正成为科技前沿的高频关键词。所谓数智技术是指数字化与智能化的深度融合与协同进化，即以数据作为核心生产要素，以大数据、人工智能、云计算、物联网等为技术支撑，构建起数据全面感知、高效传输、智能计算、精准决策的技术集群[4]。数智技术与医疗健康深度融合，展现出以下几个特性。
数据驱动决策范式从“经验判断”向“循证决策”转变。数智技术的底层逻辑可概括为“数据即生产力”，即将海量异构数据转化为可计算、可推理、可预测的智能资产。在医疗健康领域，这意味着诊疗决策从依赖个体医生的经验积累，转向以大规模真实世界数据为基础的循证支持。
系统能力的持续迭代进化。随着数据的不断积累和算法的不断改进，机器学习模型的准确性与适用性得到持续提升。以医疗人工智能产品为例，通过多中心临床合作的方式，可对医疗健康数据进行收集、清洗与标注，并在临床专家的指导下构建和完善专业知识库，使模型能在真实临床应用中持续学习、及时优化，形成良性的循环进化机制。
打破“数据烟囱”，做好跨域系统集成。利用数智技术贯通组织边界，实现多源、多模、多态数据的融合与联动。借助互操作标准规范，将患者基本信息、实验室数据、影像数据、基因组数据等连接起来，形成完整的健康画像。这种跨域协同能力，也正是推进“三医协同”的关键技术基础。
实现实时感知与及时响应，促进连续性医护。结合物联网及5G技术，数智技术实现对环境和体征的实时感知，借助RFID技术（Radio Frequency Identification，射频识别）、可穿戴设备、健康App等手段实现健康监测的连续化、远程化，从而为疾病预防及早期干预创造条件。
人机协同，数智增强。数智技术的定位在于“增强人类智能”，而非“取代人类判断”。通过“人机协同”新范式，优化医疗人力资源配置、提升服务能力，构建覆盖全链条的连续智能医疗服务体系。例如，在辅助诊疗中，人工智能可承担影像中微小结节的快速筛查工作，医生则负责综合判断与人文关怀，从而构建出信任协同的人机合作模式。
数智技术赋能与隐私安全风险并存。数智技术在提升效率、优化资源配置的同时，也可能在隐私保护、算法公平、责任归属等方面带来系统性风险。风险的外溢性正是人工智能时代的典型特征之一。因此，责任的边界已不再局限于个人，而是延伸至算法开发者、数据提供者、平台运营方等多方主体。
数智技术给医疗健康领域带来的影响
数智技术对医疗健康领域的影响，绝非简单的工具性改进，而是对服务模式、资源配置、价值逻辑与治理结构的系统性变革。在这一过程中，逐步形成覆盖“全场景—全周期”的整合式数智化服务供给模式，实现“防治康管”全链条贯通、“机构—社区—家庭—个人”多层级联动、线上线下服务流程无缝衔接与协同。
服务模式重构，促进从“被动治疗”向“主动健康管理”转变。智能可穿戴设备、远程监测系统与人工智能分析引擎的深度融合，正推动健康管理突破时空约束，使连续、主动的健康服务成为现实。基于个体生物特征、病史等多源数据，数智技术可辅助生成个性化诊疗方案与精准用药建议，实现“一人一策”的精准干预。此外，通过整合电子健康档案、电子病历及健康社会决定因素等数据，数智技术还能系统评估个体的健康风险、疾病进展与干预空间，推动医疗模式逐步从被动治疗转向系统性的预防与健康管理。
资源配置重构，推进从“中心化垄断”向“均质化普惠”转变。医疗资源分布不均是全球性普遍难题，“医疗不可能三角”（成本、质量、可及性难以兼得）长期被视为难以破解的困境。数智技术的应用，正逐步突破时间与空间的限制，推动优质医疗资源下沉。例如，在人工智能辅助下，基层医生能够提供更高水平的诊疗服务；自动化、智能化技术也在逐步释放医疗系统的人力资源压力。与此同时，依托数智技术发展的远程医疗，有助于缓解基层医疗机构服务能力不足、专业人才短缺等问题。智慧医院建设推动医疗资源配置重构，带动新型基础设施投入增加，促使传统医疗机构向数据驱动的智能生态系统转型。
价值逻辑重构，推进从“数量导向”向“价值导向”转变。传统医院绩效评价以门诊量、手术量等“产出”指标为重心，而数智技术的应用使“健康结果”“患者体验”“成本效益”等“价值”指标在一定程度上可量化、可追踪，促进医院绩效评价指标体系优化，确立以医疗服务价值为中心的评估导向，助推医院精细化运营管理。数智技术的引入，为构建以健康结果及健康收益为中心的评价与付费机制提供可能，是实现支付模式价值化转型的关键驱动力。这不仅可将医护人员从繁琐文书与重复劳动中解放出来，使其更多时间投入患者直接服务与人文关怀，更实现医疗过程中“效率”与“温度”的再平衡。
治理体系重构，推进从“条块分割”向“三医协同”转变。数智化正推动医疗健康治理体系发生深刻变革。以数据标准和互联互通平台为基础，医疗、医保、医药数据的互联互通为跨部门协同治理提供技术支撑。基于该支撑体系的智能监管系统，能够实现对医疗服务行为的实时监测与风险预警，从而整体提升监管效能。与此同时，适应数智化发展的医疗健康伦理规范体系正在逐步建立，其内容覆盖数据采集、流通与应用全生命周期的伦理框架，以及研发、部署、应用全链条中的多方责任认定与风险分担机制。
数智技术在医疗健康领域应用落地面临的挑战
当前，数智技术在医疗健康领域的应用已取得显著成效，同时也要看到，从“有成效”到“广覆盖、深融合”仍存在明显差距。其落地困境主要体现为数据、技术、制度、人才、场景等维度相互关联、互为因果的系统性问题。
高质量数据供给存在不足，且其流通机制尚不够顺畅。数据作为数智技术赋能医疗健康的重要生产资料，目前在数量、质量和流通等层面仍存在一定短板。一方面，数据孤岛现象依然突出，高质量数据集相对缺乏。居民健康数据分散存储于医疗机构、药店、体检机构、疾控中心等多个主体，难以形成动态、完整的个人健康全景。同时，数据标注的专业化水平也直接影响模型训练与创新应用的落地效果。目前，部分医疗机构通过私有化部署大模型，形成“数据不通、模型不共享”的局面，难以利用全行业的数据积累实现模型的持续协同优化。此外，部分机构信息化基础较为薄弱，难以完全适应人工智能技术快速迭代的发展需求。另一方面，数据流通在安全合规方面仍面临挑战。医疗数据天然具有高敏感性和分散性，而当前共享机制尚不健全，这在一定程度上制约相关企业的技术创新。如何在满足数据合规要求的同时，支撑人工智能对大规模数据的需求，仍是当前需要面对的结构性矛盾。
算法性能与临床实际需求之间存在落差。在技术层面，算法漏洞与“幻觉”等问题仍待解决。在医疗场景中，这些问题的影响可能被放大，而算法的“黑箱”特性也使得决策过程不易追溯与验证。同时，临床医生对技术的实际体验和获得感存在差异。目前，数智技术在医学影像、病理分析等领域已取得较好效果，但部分智能产品在实际应用中仍出现“水土不服”，原因之一在于训练数据与实际使用场景存在偏差，未能充分贴合临床实际需求。此外，不少基层医疗机构在数智化方面投入相对有限，数字化基础较为薄弱，尚不具备有效支持人工智能应用的基本条件。
政策规范相对滞后，且相应的激励机制尚不健全。其一，准入与监管体系尚不完善。目前，人工智能产品在技术准入、质量评价、责任认定等方面缺乏统一、成熟的多学科评估标准，导致医疗机构在应用数智技术时普遍较为审慎，技术成果落地进程缓慢。同时，人工智能持续学习、动态迭代的特点，也与传统医疗器械相对静态的监管模式存在一定张力。其二，人机协同的权责边界有待厘清。临床实践中，若因人工智能产品设计缺陷导致医疗损害，责任如何划分、追偿机制如何建立，目前仍缺乏明确规定。其三，患者隐私保护、算法可解释性不足等问题，易引发伦理与法律争议。现有监管机制多针对可见或可预见的风险制定，多为原则性要求，难以系统覆盖人工智能设计、生产、应用的全流程，存在一定的监管滞后、可操作性不强或监管空白现象。其四，支付与激励机制仍待健全。2021年，国家药监局发布《人工智能医用软件产品分类界定指导原则》，明确人工智能医用软件作为医疗器械的监管路径；2025年12月，国家医保局将“人工智能辅助诊断”纳入病理诊断价格项目。然而，软件类人工智能产品至今缺乏相应的医保单独定价政策，难以形成可持续的商业闭环，医生与医疗机构也较难承担相关的高额投入。
复合型人才存在结构性短缺。医疗卫生机构普遍面临既懂医学、又通技术的复合型人才供给不足的问题。同时，医学教育体系尚未完全适应数智化转型的要求，人才培养相较于技术发展的实际需求存在一定滞后。值得关注的是，《医疗机构人工智能应用与治理专家共识（2026版）》要求，在所有人工智能辅助诊疗场景中，必须保障医患直接沟通的物理空间与时间，禁止以“智能导诊”“语音录入”等形式压缩医患面对面交流。这一规定既是对技术应用的合理规范，也体现出对当前“重技术、轻人文”倾向的审慎反思。
数智医疗应用局限与院外覆盖不足。一方面，当前人工智能应用主要集中在病历生成、影像识别等院内场景，对预防、康复、护理、随访等院外健康管理环节的渗透相对有限。院内医疗与院外健康管理之间衔接不够顺畅，既影响患者康复进程，也不利于从疾病预防端切实控制健康风险，对人工智能在用药指导、定期随访等重要场景中的有效应用构成限制。另一方面，基层医疗机构数字化基础仍较薄弱，一些医务人员面临“不会用、不敢用”的实际障碍，使得数智化医疗成果难以有效下沉。
数智技术在医疗健康领域加快应用的路径
破解数智医疗“有成效但难普及、有技术但难融合”的落地难题，需要从多方面协同发力，构建相互支撑、系统推进的突破路径，助力全民健康数智化建设。
技术与制度适配，推动从“技术嵌入”到“制度融合”的范式转变。当前，技术迭代速度与制度适应能力之间的“时间差”，是制约数智医疗落地的重要障碍。突破这一瓶颈，需构建敏捷治理体系，以规划为引领、以隐私安全为底线、以动态评估为关口、以嵌入式监管为抓手，实现制度供给与技术发展的同频共振。
强化规划的双重牵引。在国家层面，“十五五”规划纲要提出：“推进全民健康数智化建设”[5]。《卫生健康行业人工智能应用场景参考指引》明确84项具体场景。地方层面宜建立省级统筹机制，形成“国家—地方—机构”三级规划体系，将“技术可能”切实转化为“制度可行”的路线图与时间表。建设全生命周期隐私安全体系。系统推进医疗健康数据分类分级管理，实现敏感数据自动识别，推动数据安全管理走向规范化、精细化。构建适应数智技术特点的动态评估框架。围绕临床安全性、有效性、可用性、互操作性等维度，配套建立“监管沙盒”机制，为创新技术提供安全的真实环境测试空间，在保障患者安全的前提下适度允许可控试错，实现创新与风险防控的动态平衡。建立敏捷治理体系。通过“分类管理、分级准入+多学科联合审查”双重机制，依据人工智能产品对临床决策的影响程度，划分为低、中、高风险等级，分别采取简化备案、临床适用性评估、全方位技术有效性验证等差异化管理方式，并设计动态复评机制，使治理规则能够随技术发展灵活调整。以嵌入式监管实现“规则内嵌、关口前移”，推动监管模式从“事后追溯”向“事前预警、事中干预”转变，让规则先行于业务运行。
技术与需求耦合，推动从“技术驱动”到“需求牵引”的逻辑转换。当前“技术侧热、应用侧冷”的现象，其症结在于技术与临床实际需求之间存在脱节。为此，应促使技术“自然融入”临床工作流，以中台架构为支撑，坚持以需求为牵引，让临床真实痛点成为技术发展的“导航仪”。
以“技术嵌入”破解“不好用”难题。技术嵌入的实质是“流程嵌入”而非“技术叠加”，只有技术真正融入现有工作流，方能被一线医护人员主动、充分地接纳使用。以“中台架构”支撑“敏捷响应”。医院传统信息化建设有突出的“烟囱式”痼疾，中台架构把通用基础设施能力（技术中台）、数据治理能力（数据中台）、可复用业务服务（业务中台）以及人工智能算法与模型能力（人工智能中台）都予以系统沉淀与共享，从而缩短新应用的开发周期。以“新技术运用”驱动“价值创造”。新技术运用的方向理应由临床需求来决定而非技术热点驱动。针对基层能力薄弱、慢病管理困难、病历书写负担等高频临床痛点，推进大模型、云计算、物联网等新技术的场景化、轻量化应用，让技术真正回归“惠民”初心。建立“临床—企业—科研”协同机制，让医生参与产品设计、验证、迭代各环节，将技术应用的成效切实、充分地转化为可感知的患者获益及医生减负。
数据与平台协同，推进从“孤岛林立”到“可信流通”的生态重构。数据是数智医疗的“燃料”，平台是数据流通的“枢纽”。然而，当前数据质量参差不齐、标准不统一等现实困境，导致人工智能模型常常处于“数据饥饿”状态，需要采取多种措施进行系统性解决。
以标准化建设“夯基”，以高质量数据集“赋能”。标准化的关键在于建立“统一话语体系”，形成涵盖数据元、业务编码到平台接口的完整、互信的标准闭环，可优先从慢病管理、用药指导、检查检验等高需求场景着手。高质量数据集的构建应坚持“人机协同、专家审核”，发挥数据要素的乘数效应，推动“数据—算法—场景”良性循环。例如，上海申康医院发展中心依托医联工程，建成覆盖24个病种的46.5万例训练集与4.4万例金标准测试集，助力企业获得20余项NMPA注册证，节省研发成本近2亿元。其经验在于：智能标注与人工审核紧密结合，严格执行“一标一审”“两标一审”机制，并由专家团队全程参与标准制定与动态更新。以互联互通平台“畅流”。互联互通平台是数据流通的“高速公路”，旨在实现“横向到边、纵向到底”的数据贯通。例如，浙江省“健康数据高铁”已联通339家二级以上公立医院及1400余家基层机构。以可信数据空间“破壁”。可信数据空间是破解“不敢共享”难题的“制度+技术”双重方案，为数据安全流通提供保障。例如，金域医学可信数据空间已汇聚超23拍字节多模态医检数据，覆盖感染、肿瘤、遗传等重点领域，上线21款数据产品，并与15家药企、保险公司建立稳定合作。以集约化部署“增效”。通过数据集约、模型集约、算力集约的协同部署，可有效解决重复建设与资源分散问题，实现增效目标。例如，浙江“健康大脑”打造全省统一数字底座，集成150项智能算法与模型组件，实现能力共享、按需调用，其本质是“统建共享”，以提升资源利用效率、降低建设成本。
功能与成效统一，实现从“点上开花”向“系统集成”的整体跃升。技术应用的价值最终要体现于患者获益及系统效率。目前人工智能应用多集中于院内诊疗环节，对预防、康复、随访等院外环节渗透不足。需要以场景先行找准突破口，以效果评估体系精准度量，以价值导向引领方向，以患者体验为最终标尺，切实提升管理人员、医务人员、患者三类主体的获得感。
坚持“场景先行”，覆盖“防—诊—治—康—养”全链条。国家卫健委发布的《卫生健康行业人工智能应用场景参考指引》列明具体场景，为“场景先行”提供政策指引。场景选择应严格遵循“高频、痛点、价值”三原则，选取基层能力薄弱、医生负担沉重、患者体验不佳等痛点场景，确保技术功能真正带来效率提升或质量改善。构建“应用效果评估体系”，让成效可量化、可比较。功能效果评估是技术应用从“试水”走向“推广”的前提。建立涵盖临床、患者、社会等维度联动的评估框架，把技术功能切实、充分地转化为可量化的质量改善、成本控制及患者满意度提升。推广“数字家庭医生”“健康积分”等已有市场验证基础的模式，让技术红利真正惠及基层及重点人群。确立“价值导向”，推进从“数量导向”转向“健康结果导向”。具体而言，价值导向的关键，在于以健康结果和患者实际获益为评价尺度，而非单纯追求技术功能先进进或服务数量的增长。在支付端，探索“按价值付费”模式，把支付与健康结果改善直接挂钩，而不是与服务数量挂钩；在绩效端，把健康结果、患者满意度、成本效益都正式纳入公立医院绩效监测体系；在技术端，以“是否减少了医生负担、是否改善了患者结果”作为技术应用的根本衡量标准。以“患者体验”作为最终标尺，让技术回归“有温度”的医疗。患者体验理所当然应是技术应用成效的最终标尺。数智化绝不是让医疗变得“冰冷”，而是让医护人员有更多时间回归与患者直接交流与人文关怀。
人才与生态共生，推进从“单科独进”到“医工交叉”的结构转型。复合型人才短缺是制约数智技术落地的主要瓶颈，而人才的持续成长离不开健康、可持续的创新生态支撑。为此，需推动医学与工程学科的深度交叉融合，在制度建设、评价激励与协同机制上系统发力。
建立合理的容错机制，在坚守“安全底线”与保留“创新空间”之间寻求平衡，有助于营造鼓励探索的制度环境。数智医疗仍处于快速演进阶段，其技术路径、应用模式与商业形态尚在探索中，缺乏一定的容错空间容易抑制创新活力。容错机制的关键，在于明确区分“探索性失误”与“违规行为”，为合理的试错设立适当的免责或减责安排。深化人机协同，明确人工智能的辅助工具定位。人机协作是数智医疗发展的核心原则。人工智能可承担数据筛查、影像识别、风险预警等标准化、重复性工作，而医生则应专注于综合判断、人文关怀与最终决策，实现技术与人文的有机结合。创新运营模式，构建政府主导、多方参与的可持续生态。在政府主导下制定标准规范、搭建基础平台并提供初始投入，由医疗机构提出需求，科技企业提供技术支撑，研究机构开展独立评估，共同构建“价值共创、风险共担”的合作机制，有利于充分发挥多方参与的优势。在此基础上，应着力构建共生生态，形成可持续的正向循环。推进医工交叉学科建设，将人工智能应用与成果转化纳入人才评价体系，营造包容审慎的创新环境，最终实现“人才汇聚驱动创新、创新成果吸引人才、人才成长反哺生态”的良性发展格局。
【本文系国家社会科学基金一般项目“医疗健康高质量数据集构建及其应用研究”（项目编号：25BTQ043）的阶段性研究成果】
注释
[1][5]《中华人民共和国国民经济和社会发展第十五个五年规划纲要》，《人民日报》，2026年3月14日，第1版。
[2]习近平：《高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗》，《人民日报》，2022年10月26日，第1版。
[3]《坚定不移走中国特色卫生与健康发展道路 推动“十五五”时期健康中国建设取得决定性进展》，《人民日报》，2026年3月7日，第1版。
[4]张辉：《解码未来：“数智”时代》，《光明日报》，2023年7月27日，第16版。
责编：冯一帆／美编：石 玉