嘉讯HIS系统

面向“人工智能+”的智慧医疗发展:新一代医院HIS系统、EMR智枢系统与区域健康大脑建设路径探析!

一、政策背景与智慧医疗新机遇


2025年8月,国务院发布《关于深入实施“人工智能+”行动的意见》(国发〔2025〕11号),明确提出将人工智能与各行各业深度融合作为国家战略。该文件详细阐述了六大重点行动,特别是在 “人工智能+”民生福祉 部分强调要"有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用,大幅提高基层医疗健康服务能力和效率"。这一政策导向为医疗健康行业的数字化转型提供了明确指引和强大动力。


“人工智能+”行动 在医疗领域的实施将推动三个层面的深度融合:技术层面实现大数据、人工智能与医疗核心业务的融合;流程层面重塑诊疗、管理和服务模式;生态层面构建跨机构、跨领域的医疗健康智能网络。政策提出到2027年,率先实现人工智能与6大重点领域广泛深度融合,新一代智能终端、智能体等应用普及率超70%;到2030年,应用普及率超90%;到2035年,我国全面步入智能经济和智能社会发展新阶段。这一进程将加速医疗健康行业向智能化、个性化、普惠化方向发展。


表:国务院“人工智能+”行动政策与智慧医疗对接点

政策方向智慧医疗对接领域预期成效时间节点
“人工智能+”科学技术
医学研究范式创新、科学大模型建设
加速医学科学发现和临床技术突破
2027年初见成效
“人工智能+”产业发展
智能原生医疗模式、健康服务新业态
培育智能原生医疗健康企业和服务模式
2030年规模应用
“人工智能+”民生福祉
辅助诊疗、健康管理、医保服务
提高基层医疗服务能力和效率
2027年普及率超70%
“人工智能+”治理能力
医疗数据治理、智能监管
提升医疗质量和安全监管水平
2030年全面深化


在医疗健康领域,政策特别关注人工智能在辅助诊疗、健康管理和医保服务等场景的应用,旨在解决我国医疗体系长期存在的资源分布不均、服务效率不高、基层能力不足等问题。通过推动人工智能与医疗健康的深度融合,政策期望实现医疗服务模式的根本性变革,从以治疗为中心向以健康为中心转变,从规模标准化服务向个性化精准服务转变,从机构内服务向全程连续服务转变。

二、智慧医院维度:新一代HIS系统/EMR系统平台与AI多模态融合


1.智能化HIS系统的核心技术特征
新一代医院信息系统(HIS系统)和电子病历系统(EMR)平台正朝着智能化、集成化、云原生方向快速发展。与传统系统相比,新一代HIS系统/EMR系统平台具有以下核心技术特征:深度融入人工智能技术,实现辅助诊断、治疗方案推荐、不良事件预测预警等功能;与其他系统深度集成,实现与电子病历系统(EMR系统)、影像归档和通信系统(PACS系统)、实验室信息系统(LIS系统)等全面一体化集成。

这些系统采用混合云架构以满足数据安全和业务扩展的需求——私有云确保核心诊疗数据的安全,公有云承载互联网医院的高并发业务,实现弹性扩展,降低运维成本。同时,移动医疗应用成为标准组成部分,患者可以通过手机应用程序预约挂号、查询检查结果、在线咨询医生等,医生也可以利用移动设备随时随地查看患者病历、下达医嘱,提高工作效率。

数据安全与隐私保护:新一代HIS系统更加注重数据安全与隐私保护。医院采取加密、访问控制、身份认证等技术手段,确保患者信息的安全,同时遵守相关法律法规,保护患者隐私。国产化与标准化也是重要趋势,HIS系统不断推进国产化适配,支持统信、麒麟操作系统等国产软件,同时采用开源数据库等技术,降低对国外技术的依赖。


2.基于大模型的智枢中心建设
基于DeepSeek、Qwen等开源大模型的智枢中心成为未来医院的核心大脑。以北京协和医院研发的“协和智枢”综合智能体为例,该系统装载了"满血版DeepSeek-R1+量子安全"的双技术体系,搭配专业书籍、核心论文、前沿指南共识等知识库,以及医院百年积淀的高质量病例和医学逻辑组织,构建出医疗、服务、管理"三位一体"的多元场景人工智能应用。
DeepSeek-R1作为千亿参数级别的大模型,具备强大推理能力,使“协和智枢”能够高效利用海量医疗数据和诊疗经验,为医生提供全面系统的复合建议。与此同时,量子安全技术为系统提供安全保障,通过"端到端"的密钥防护,有效防范暴力破解与监听窃取,确保患者病历、诊疗记录等核心数据在传输过程的"零泄露"。


表:基于大模型的医院智枢中心关键模块与功能

模块名称核心技术主要功能应用效果
医疗智能体
DeepSeek/Qwen大模型
辅助诊断、电子病历生成、预后评估
提高诊断准确性,减少医疗差错
服务智能体
自然语言处理
智能分诊、体检报告解读、用药指导
改善患者体验,提高服务效率
管理智能体
知识图谱+预测算法
医院资源优化、耗材管理、绩效评估
降低运营成本,提高管理效能
科研智能体
数据挖掘+分析算法
临床研究支持、真实世界证据生成
加速科研进程,促进成果转化


3.影像与病理ai的多模态融合


多模态数据整合与风险分层,针对当前临床预后模型对患者结局异质性解释不足的问题,探索了基于机器学习的跨模态信息融合方法。


研究收集444例患者的治疗前CT影像、H&E病理切片、基因组测序及临床数据,分别构建放射组学(大网膜纹理特征如GLCM自相关)、组织病理学(肿瘤核平均面积、基质长轴长度)和临床基因组(HRD状态)单模态模型,并通过晚期融合策略整合为多模态模型。


国内案例:

影像AI和病理AI与大模型的多模态融合成为智慧医院建设的重要方向。在病理诊断领域,商汤医疗开发的"医疗多模态大模型驱动的Sensecare?智慧病理综合解决方案"涵盖了"病理大模型AI应用生产平台"、"数字病理切片管理平台"和"智慧病理AI辅助诊断平台"三大技术平台,构建覆盖"临床—科研—教学"全链路的智慧病理生态。


该系统核心是国内首个病理垂域大模型PathOrchestra,基于30万张全视野数字切片训练,凭借自监督学习机制,实现了对细胞形态、组织结构、染色特征的跨病种泛化理解。在上海瑞金医院病理科的应用实践中,SenseCare智慧病理AI辅助诊疗平台将消化道活检诊断耗时从1分钟缩短至10秒内,年节省人力工时超万小时。


免费通话11

24h咨询:13513308321


如您有问题,可以咨询我们的24H咨询电话!

免费通话

微信扫一扫

微信联系
返回顶部