8月26日，国务院印发《关于深入实施“人工智能+”行动的意见》（以下简称《意见》），引发了各领域的广泛关注。在当前智能体平台加速构建、大模型产品层出不穷的背景下，该文件针对人工智能发展现存的“认识不一致、供需对接不畅、应用落地存在‘最后一公里’障碍”等突出问题，提供了战略引导和统筹指导。

和鲸科技基于智能体技术与 AI 工程化能力双轮驱动，长期以实际行动推动人工智能与各个领域的融合。此次《意见》发布，是行业发展的重要契机，基于此，我们将推出 “人工智能+” 系列文章，一方面梳理过往在各领域的实践案例与先验经验，另一方面结合《意见》要求拆解行业机遇、明确后续行动重点，力求为各领域主体推进 “人工智能+” 落地提供可参考、可复用的实践思路。

本文将聚焦医疗领域，探讨人工智能赋能医疗科研创新与临床服务升级，助力医疗体系数智化转型。

人工智能已成为医疗体系高质量发展的核心引擎

2024 年 5 月底，卫健委对智慧医疗分级评级新标准进行了探讨，增加了“人工智能”要求，涵盖辅助诊断、自动报告生成、智能质控等场景；

2024 年 11 月，《关于印发卫生健康行业人工智能应用场景参考指引的通知》为 AI 与医疗结合的研究建设方向提供了指引；

2025 年卫健委制定的《医疗卫生机构开展研究者发起的临床研究管理办法》指出：“要探索建立统一的临床研究管理服务平台，加强与基础研究平台的协同”。

此次《意见》在“人工智能+”科学技术和“人工智能+”民生福祉这两项重点行动中提出，要“加速科学发现进程”、“驱动技术研发模式创新和效能提升”、“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”，可以说是对此前国家卫健委发布的系列文件的进一步行动指示，共同构成了推动中国医疗体系数智化转型的政策体系。

图源于：国务院客户端

结合《意见》核心要求与医疗行业发展需求，我们不难提炼出人工智能+医疗”的两大核心发力方向：

首先，要加快探索人工智能驱动的新型科研范式。生物医学研究已进入“数据密集型研究范式”新阶段，临床研究范式发生变革，越来越多的研究人员开始将人工智能技术，如机器学习、深度学习、自然语言处理等应用于医疗研究中。《意见》提出既要加速“从0到1”重大科学发现进程，也要加速“从1到N”技术落地和迭代突破，这一要求进一步明确了医疗科研领域的 AI 应用需从当前的单点、局部应用，向全流程、规模化应用升级。

另一方面，要加快人工智能技术在辅助诊疗、健康管理等场景的应用落地。探索推广全民可及的高水平居民健康助手、持续提升健康管理与诊疗辅助服务质量，这不仅是政策导向，更是推动 AI 技术从 “实验室” 走向 “民生端”、让技术红利切实惠及民众的关键路径。这要求医疗机构在突破医疗科研技术难题的同时，也要打通技术落地堵点，让 AI 成果服务于临床、造福于患者。

另外，在此过程中，对于医学与大数据、人工智能深度融合的交叉型人才的培育，持续强化临床医生的科研实力也是各项行动落地的重要支撑。

《2025 年中国 AI 医疗行业研究报告》明确指出，当前 AI+ 医疗已形成 “基础层（算力+数据）- 技术层（多模态融合）- 应用层（全周期管理）” 的三级架构。

这一架构正与前文所述方向高度契合。其中，围绕 “加快探索人工智能驱动的新型科研范式” 所开展的实践，主要覆盖基础层与技术层的能力建设；而后者则精准对应应用层的全周期医疗服务赋能。

在过往数年的实践中，和鲸科技与国内多所医学高校及核心医疗机构深度合作，围绕上述三级架构形成了各层面的核心能力储备，也在实际项目中积累了实践经验。下文将针对这三个层面的具体能力与实践成果展开详细说明。

科研加速度——如何提高科研效率？基础层+技术层

人工智能虽为医疗领域带来新型科研范式，但临床科研在实际推进中仍面临诸多共性瓶颈，这些痛点直接或间接地导致科研周期延长、资源配置效率偏低，包括但不限于：

• 数据治理与获取难：院内多源异构数据分散于不同数据中台、专病数据库、本地科研存储系统及外部开源医疗数据库，存在跨系统数据标准不统一、多源数据协同调用成本高、隐私保护合规流程复杂等系统性障碍，难以形成高质量科研数据资产；

• 科研基础设施薄弱：临床科研中存在大量重复性统计分析工作，且现有工具对无代码基础的临床医生学习门槛较高，“懂医学的不擅分析，擅分析的不懂临床”的供需错位问题突出，亟需借助大模型技术降低使用门槛、提升科研效率；

• 协作与转化机制割裂：临床医生、生物统计师、建模工程师等科研角色间缺乏高效协同载体，研究成果多停留在学术层面，难以形成可复用的科研模板或临床可用工具，导致成果转化链条断裂。

值得关注的是，上述痛点（数据、基础科研平台、大模型、专业知识）恰恰与《意见》中明确的重点方向高度契合。针对这些核心问题，和鲸科技构建的医疗数据科研与应用一体化平台，已形成针对性的解决方案。

多源异构医疗数据接入与管理

平台支持多来源、多模态医疗数据接入，通过数据中台进行原始数据采集，构建专病库、科研数据中心和临床数据中心，实现数据的集中管理与整合。同时，采用用户信息隔离、数据不落地、数据库凭证管理、内外网数据隔离、数据安全沙箱等措施保障数据安全，设置多层权限管理数据访问与使用，并对数据使用进行记录与追溯。

算力弹性管理调度

针对大规模数据处理、复杂任务执行及模型训练需求，平台支持智能统筹并弹性调度算力资源，根据实际需求灵活调配多核 CPU 与 GPU 资源，实现并行计算与分布式运算，从而有效拆解任务并显著加速分析过程；允许将计算任务提交至后台执行离线运算，无需人工实时监控，节省人员的时间与精力。

临床研究流程标准化

当前，针对各个不同的医学问题，通常采用各自独立的统计分析流程与方法，即一种代码方案对应解决一个问题。平台则可将常用分析流程转化为标准化模板，形成覆盖数据收集、整合、统计分析到可视化绘图的模板库，研究人员在面对类似研究场景时可自动化、批量化处理相关工作。这也便于生统师将成熟的分析流程转化为标准化模板并开放给临床医生，一定程度上缓解“生统师人员不足” 的行业共性问题。

“医-理-工”多角色协同

针对临床科研团队的角色特点，平台提供零代码、低代码、全代码分层级分析工具，通过可视化模型构建功能，形成临床医生、生统师、建模工程师可共同理解的 “科研语言”，打破不同专业背景人员的协作壁垒。

在技术支撑层面，平台集成大模型辅助能力，配套 Agent 与 Workflow 编排工具，可一键调用沉淀的所有科研知识资源与模型资产，同时支持与外部 LLM 与 MCP 服务的无缝对接，帮助研究人员以模块化组合的方式快速搭建适配科研需求的智能应用。

依托上述核心能力，华中科技大学同济医学院附属同济医院以 “降低科研技术门槛、减轻科研人员负担、加速科研成果转化” 为核心目标，在和鲸科技的技术支持下，构建了医院专属的科研管理服务一体化平台。该平台面向医院科研管理者、各学科研究团队及青年医师等核心群体，从科研项目全流程管理、临床研究高效开展、医学教学实训赋能到科研人才系统培养等维度提供全方位支撑，最终形成以临床需求为导向、覆盖 “科研-教学-转化” 全链条的综合服务体系，成为医院推进高水平研究型医院建设的关键举措。

平台与院内科研相关系统整体关系架构展示

应用加速度——如何加速成果转化？应用层

临床研究的价值不应止步于学术论文发表，更需聚焦临床实用化与产业转化潜力 —— 无论是直接服务于辅助诊疗决策优化，还是赋能医疗文书自动化生成，其核心目标均是将科研模型转化为临床场景可直接操作的工具，这也比较符合 “人工智能+” 民生福祉行动中 “为居民提供高水平健康助手、提升健康管理与诊疗辅助服务质量” 的政策期待。

在成果转化落地环节，和鲸平台通过模型自动化部署能力，为科研成果搭建了高效转化通道：研究人员开发的临床模型可便捷封装为 API 接口或网页应用，无需复杂技术开发即可投入使用。对于科室临床人员而言，仅需通过网页端上传患者相关数据，就能实时获取模型输出的预测结果（如疾病风险评估、影像辅助诊断建议等），真正实现科研成果从 “实验室研发” 到 “临床一线应用” 的无壁垒落地，缩短转化周期。

同样依托这一转化能力，同济医院同步搭建了科研成果展示与应用门户。在严格遵循数据安全法规与医疗隐私保护要求的前提下，医院选择性开放优质研究成果，一方面为有临床试验合作、技术转化需求的企业提供精准对接入口，另一方面为跨医院、跨学科的科研协作搭建共享桥梁，通过资源高效匹配拓展成果应用边界，构建 “科研-临床-产业” 协同发展的医疗 AI 创新生态。

“人工智能+”行动将惠及每一位民众