袁永福--南京都昌信息科技有限公司創始人

在AI時代，算力、數據、算法是三大核心基礎要素，同時還必須滿足合規性。在中國的HIT領域中，要解放AI的生產力，就需要在這些核心要素上做足功夫，否則基礎不牢，地動山搖。本文就對上述基礎要素進行討論。

改進基礎要素，解放醫療AI生產力

南京都昌信息科技有限公司 袁永福 2025-9-9

■■ 前言

  在AI時代，算力、數據、算法是三大核心基礎要素，同時還必須滿足合規性。在中國的HIT領域中，要解放AI的生產力，就需要在這些核心要素上做足功夫，否則基礎不牢，地動山搖。本文就對上述基礎要素進行討論。

■■ 要素一，算力

  對于算力資源，中國在底層硬件上遭遇了卡脖子的問題，目前只能緩慢解決。因此在未來較長的時間內，中國的算力資源總體是短缺的。

  為此，2023年12月26號，中國正式啟動“全國算力一張網”的建設，由國家發展改革委、國家數據局等部門聯合推動，旨在構建全國范圍的算力資源協同調度體系。算力一張網能宏觀調控，減少重復建設，并在地理上更適配中國電網分布，幫助實現碳中和的目標。

  筆者可以想象，未來可能會出現“中國國家算力網公司”，調度全國算力；各個IT大廠的數據處理中心則類似一個個發電廠，聯網提供計算服務；各個用戶接入算力網來消費算力資源并向算力網公司支付費用，而算力網公司則和各個數據中心結算費用。算力網和電力網有很多相似之處。比如電力網有“西電東送”，而算力網有“東數西算”，目前電網中的潮汐處理、削峰填谷之類的操作也可能會出現在算力網中。

  當算力資源成為社會公共服務資源時，大多數醫院由于經費有限，無力自購算力服務器，此時可以考慮使用公共的算力資源。但是醫療數據是需要強監管的，在條件允許的情況下可以建設小型算力網。比如衛健委可以牽頭建立區域算力中心，通過網絡專線連接轄區內的醫院，讓多家醫院共享這個區域算力網，順帶完成互聯互通，實現“數據不出域，算力可流動”。

■■ 要素二，數據

  中國醫院中存在大量的病歷數據，這些數據蘊藏著巨大的價值，但長期躺在“數據冷宮”中而不能帶來價值。要讓這些數據得到充分應用，需要解決三個問題：

  第一，數據可以被機器識別。筆者觀察到，一些廠家出于商業利益而對其原始病歷文件進行加密，僅僅提供PDF文件對外共享數據。雖然目前的技術手段能從PDF這種二進制文件中提取數據，但效率低下，這種方式不能普及。而此時行業內新應用的國產OFD技術能解決這個問題，OFD的文件格式被設計成能非常方便的被機器閱讀識別，并且受到國家衛健委的大力支持。

目前筆者觀察到，有些醫院實現了“病歷文檔→PDF→OFD”,這不是最優實現路徑，因為“病歷文檔→PDF”的過程中已經讓大量的信息永久丟失，此時“PDF→OFD”過程中被迫需要補錄大量的信息，這增加了系統復雜度。如果病歷編輯器能直接生成OFD文件，沒有“中間商層層轉包”，就不會有這些麻煩了。

  第二，敏感數據。醫療數據中包含了大量的敏感數據，這導致病歷數據無法離開醫院內網，為此醫院不得不花錢自建算力服務器。而特別設計的OFD文件是支持自動脫敏的。脫敏可以降低網絡安全事故造成的損失，當這個損失小于醫院使用公共算力網帶來的效益時，則可以考慮讓病歷數據運行在公共算力網中。畢竟醫院也是一個社會組織機構，不應有太多的特殊性。

  另外，筆者建議新增一個病歷書寫質控規則，那就是在病歷正文中不得出現敏感信息，否則扣分，這能幫助自動脫敏。

  為此，我們南京都昌公司的病歷編輯器軟件新增了“流版一體化”技術，無需依賴任何第三方軟件即可生成OFD文件；并通過特定標記，使得OFD文件可以自動脫敏。都昌編輯器已經在全國數萬家醫院運行使用，估計每天產生數百萬頁的病歷文檔。當全面升級后，則能為AI應用源源不斷的提供大量優質的原始數據。

  第三，結構化數據。經過和南京圖靈研究院AI底層算法專家的深入溝通，筆者認為，盡管AI能識別自然文本，但結構化數據仍然具有明顯優勢：1.它能顯著降低AI的總體擁有成本，并減少幻覺；2.對于醫院管理來說，結構化電子病歷有利于醫療行為同質化，提高醫療體系綜合運行效率；3.在AI能力范圍之外，傳統軟件處理結構化數據更方便。

  為此我們特別新推出了《都昌醫療文書工具集》，內置了國家衛健委的數據元標準，幫助醫院產生符合行業標準的結構化病歷文檔，既滿足管理和臨床要求，又能為AI提供高品質的數據礦石。

■■ 要素三，算法

  筆者對AI底層算法了解不多，目前只能等待IT科技大廠和各種獨角獸傳出好消息。

■■ 合規性

  合規性在AI應用有一票否決權，是一根不可觸碰的高壓線。另外國家衛健委要求居民健康檔案要向個人開放共享。為此筆者構思了一種應用架構，在居民健康檔案共享平臺的基礎上二次共享給AI，用于降低合規性的難度。以下是實現步驟：

  第一步，衛健委把居民健康檔案分享平臺做扎實。醫院的各種醫療服務記錄盡可能多的匯總到平臺中。另外要統一平臺中的文件格式，將PDF轉換為OFD格式，并且加上自動脫敏的功能。

  第二步，在平臺上添加面向AI的數據接口，讓AI可以讀取平臺中的各種數據，數據出平臺必須自動脫敏。

  第三步，AI數據接口上添加授權控制。讓自然人或者監護人可以自行對AI進行讀取授權控制。AI讀取數據時發送告知消息給個人。

  第四步，AI廠家可以進行金融補貼（現金或醫藥費補貼）刺激自然人共享其個人數據。當大量的自然人共享其個人數據時，AI廠家就能獲得足量多的數據來支持其業務發展。

  在這種模式下，各方訴求都得到兼顧：

1. 對于平臺，將很大一部分責任和風險轉嫁給個人，合規難度降低。
2. 對于個人，可以零售自己的私人數據獲利，這是自己的個人民事行為，也比較容易合規。
3. 對于AI廠家，終于有一種合規花錢購買真實數據的方式，可以滿足“數據饑渴”。而且可以根據所需病種、地區等精確過濾條件，只獲取最小數據集，也有利于數據安全。數據價格是由AI廠家和大量的個體之間的博弈動態設置，能自我調節，更符合市場經濟規律。
4. 對于醫院或醫生，也可以參與利益分成，這也能刺激其改善上傳數據的質量。
5. 對于衛健委，以前只有衛健委一方在勞心勞力的建設這個平臺。經過筆者設計，個人、醫院、AI廠家等都有動力來參與建設這個平臺，形成各方合力。商業模式上也能閉環，形成滾動發展。
6. 對于數據資產，醫院想要把病歷數據打包成數據資產對外銷售時，理論上可能需要挨個獲得患者個人的簽名授權，而且醫院獲利后應當精準回饋患者個人，這使得操作很復雜，難于普及。而這種由患者個人主導零售數據，各方分成的模式，操作簡單，便于普及，創造了一種新的數據資產的商業模式。

  總之，筆者構思的這種應用架構，實現了權益共享，風險平攤，過程透明，定價合理。為大范圍合規數據共享利用提供了一個新的選項。

■■ 小結

  算力、數據、算法這三個基本要素加上合規性，這構成了整個醫療AI生態體系的根基。只有把這些根基做扎實，才能更好的解放醫療AI的生產力，使其更好的幫助中國醫療行業的價值最大化。