1.建设背景
《“健康中国2030”规划纲要》提出需要强化慢性病筛查和早期发现，针对高发地区重点癌症开展早诊早治工作，推动癌症、脑卒中、冠心病等慢性病的机会性筛查。逐步将符合条件的癌症、脑卒中等重大慢性病早诊早治适宜技术纳入诊疗常规。到2030年，实现全人群、全生命周期的慢性病健康管理，总体癌症5年生存率提高15%。2030年重大慢性病过早死亡率比2015年降低30%。2023年5月，国家卫健委颁布《关于开展改善就医感受提升患者体验活动的通知》，鼓励开展“患者不动医师动”的MDT创新服务。《医院智慧服务分级评估标准体系（试行）》明确了对涵盖患者诊前、诊中、诊后各环节的基本服务内容，使之成为改善患者就医体验、开展全生命周期健康管理的有效工具。
目前的医院患者各疾病全生命周期健康管理服务中存在很多痛点：
（1）患者管理困难：由于缺乏统一的管理入口，医院信息化水平参差不齐，导致患者管理负担重，难以实现有效的病程闭环跟踪；
（2）数据和资源分散：患者健康管理、专病管理以及研究工具分散在不同的系统和平台上，数据不互通，算力资源管理分散，这限制了信息价值的最大化利用；
（3）患者依从性问题：专病患者依从性低、患者失访，这不仅影响患者的治疗效果，也增加了医院的运营成本和降低了工作效率；
（4）全链路临床循证缺失：科研和临床所需的患者健康管理信息收集难，阻碍“临床+科研”相辅的深度循证的实现。
人工智能大模型在医疗健康领域的发展，涵盖了医疗文本处理、医疗影像分析和医疗混合数据分析三个垂直领域。这些模型相互促进，相互交叉，通过提升诊断准确性、优化治疗方案和改善医疗服务质量，为医疗健康行业带来巨大的变革和发展机遇。
人工智能在患者全生命周期健康管理领域具有广阔的应用前景，涵盖疾病早筛和预测、辅助诊断、个性化治疗、用药管理、患者教育、诊后管理等多个环节。
在院内，医疗大模型综合分析临床文本，提取关键信息，在疾病早筛和预测方面，人工智能可基于患者基础信息评估疾病风险，智能导诊、早期发现和预防；在辅助诊断环节，能结合患者多模态数据提供智能的诊断建议，加快诊疗过程、提供影像分析及治疗决策支持，并能持续学习最新医学知识；在治疗方面，提供个性化治疗方案，并针对用药过程进行优化管理。此外，还可为公众提供便捷的医疗咨询和患者教育服务。
在医院管理流程中，医疗大模型可以分析患者反馈、满意度调查数据，发掘患者意见和需求，为医疗机构提供建议，改进医疗服务，提升患者体验。
在患者诊后管理方面，大模型可远程监测慢性病患者健康状况，分析风险因素及早期征兆实现个性化管理，并提供远程医疗建议和护理指导,改善远程服务体验。基于大模型，还可开发专注于康复指导、诊后管理的产品，将优质服务延伸至患者日常生活。
2.建设目标
通过医疗影像、文本、和混合大模型技术的开发和应用，结合已有的AI医疗辅助诊疗技术，构建基于大模型的医疗健康新基建，实现医疗服务流程和工具的颠覆性创新。平台基于整体AI基地建设中的5大中台，带来患者健康服务全流程中的三大整合：数据整合、AI模型整合、和服务应用整合。该平台以“患者”诊疗为核心，通过整合患者病历、影像、检验等多元异构数据，利用中心化的大模型技术，通过新一代的交互式的、综合型的决策支持应用，对疾病诊疗和患者健康进行全方位管理，对健康数据进行多模态实时深度分析，可以为病人提供个性化的健康评估、疾病诊断和治疗方案。平台与医院信息系统相联，为“院内、院外、院间”提供整合互通的全智能化健康管理体系。
在患者全病程健康管理场景下，平台可实现三个赋能：赋能医生，提供影像诊断和临床决策支持；赋能医院管理，提高运营效率和管理决策质量；赋能病人，通过全面收集和分析个人健康与诊疗数据，实现院内、院外预防性健康管理和疾病诊治和预测。
3.场景建设方案
医学人工智能场景包括环境、时间、地点、空间、信息基础设施、业务流程、人员等构成的一组条件和要素，场景建设重点在于对进行业务软件的智能化改造，建立场景数据要素积累和数据流通能力, 覆盖医疗服务、医院管理、医学教研和健康管理，以及嵌入人工智能应用，场景的其它条件保障依托医疗机构自身基础和能力保障。
全智能化健康管理服务体系架构图
4.全智能化健康管理服务体系建设
在整体AI基地5大中台建设的基础上，实现患者健康管理全流程中多源异构数据的智能整合，以及信息索引互通；利用医疗垂类大模型，包含医疗文本、影像、以及混合人工智能大模型，为大数据的整合、医学诊疗、患者健康提供算力和模型基础；整合面向诊疗、患者、疾病全流程、医联体等的大模型应用，建设全智能化健康管理平台。
平台实现以下患者全病程健康管理系统的建设:
（1）完成全栈全谱患者人工智能筛查和辅诊系统建设；
（2）完成智能患者辅助治疗系统建设；
（3）完成智能患者健康管理系统建设，实现院内、院外、院间（医、患）智能化健康管理。
整个体系的核心是一个基于人工智能的平台，能够集成患者的各种健康数据，包括来自可穿戴设备的实时监测数据，医疗机构基础临床数据、AI辅助诊断和评估数据等。利用AI强大的数据处理和分析能力，可以全面整合患者的各种健康数据，协助医生对患者的健康状况进行全面评估，结合患者的个体信息、生活习惯等多方面数据，为患者制定个性化的健康管理方案。
系统可以将区域内各三级医院作为医疗服务支撑，与其它医联体医院、社区医院和互联网医院形成联动，共享患者健康数据，构建协同的医疗服务网络，确保了患者在不同机构间医疗服务的无缝衔接。
5.全智能化健康管理平台建设内容
借助基地几大中台（AI中台、数据中台、知识中台、物联中台），在患者全病程健康管理中实现充分的数据应用、模型应用和终端应用系统建设：
（1）数据应用：以多元健康数据管理为目的，建立病历、影像、报告、检测等信息索引互通机制，并构建自学习和自更新的人工智能患者多元健康管理数据知识库、构建面向健康管理的中英文通用文本知识库及索引体系，以及面向诊疗的多模态医疗信息知识库及索引体系。
（2）模型应用：AI模型覆盖全链条、个体化健康管理系统涵盖健康监测、疾病预防、诊断治疗和康复管理的全过程，通过大模型对个体健康数据的深度分析，提供重大慢病与突发疾病的风险预测，提供个性化的诊疗随访管理方案，满足患者从诊疗到健康的更高需求。自更新医学知识库，为医生提供精准的诊断建议和治疗方案，为患者提供个性化的健康咨询与康复管理方案。
（3）终端应用系统建设：
a.全栈全谱医学影像人工智能辅诊平台
面向影像科各类疾病辅助诊断场景，平台搭载全栈全谱的AI影像辅助诊断应用，具备基于各类疾病影像检查进行智能分割重建、智能检出、智能评估和分析等功能，为疾病诊断提供强有力的AI工具，提高诊断效率和准确性。具备图文大模型分析功能，实现报告辅助撰写、质控及疾病辅助分析。
b.智能术前规划平台
基于深度学习算法进行多模态、多部位3D重建，支持全方位展示靶部位的组织结构，辅助术前评估、术前规划，助力精准手术，最大程度保护原有组织功能，实现微创、精准、安全手术。
c.智能患者健康管理平台
通过小程序、公众号等数智化渠道，发挥大语言模型强大的理解能力，使“AI陪诊员”承接慢病、专病的批量高风险筛查、随访、疾病认知教育、生活方式干预等工作；同时，由智能体实现随访提醒、用药管理等服务流程的自动化推进。
6.全智能化健康管理服务体系临床应用场景
（1）跨区域的专科全病程管理体系及应用
充分发挥各医院的特色价值，构建跨区域的专科全病程管理体系。针对肿瘤、呼吸、心脑血管、糖尿病、高血压等重大慢病、专病，通过数智化手段实现机构间数据互认、流程互联，有效发挥患者全生命周期（“防-筛-诊-治-管-研”）管理的分工协同作用；赋能区级医院最大程度触及目标病患人群，实现重大慢病的基层防治教育工作。同时，通过“医疗专家孪生”，提升基层医院完成对重大慢病的筛查及部分诊治能力。
对于具有复杂病因或高并发症的“重大共病”，构建灵活、便捷的转诊通道。由大型综合类三甲医院承担在心脑血管、肿瘤、呼吸等专病的精准诊疗。同时，发挥区域内专科医院的学科特长，服务好特定人群的诊疗需求。
（2）面向患者的全生命周期的智能化健康管理服务：
在单体医院内，依托大模型技术、智能数据中心以及人工智能诊疗系统和健康管理平台，以患者为中心，综合院外监测、院内诊疗、诊后管理的服务能力，为患者提供主动的、覆盖全生命周期的智能化健康管理服务。
在区域/院内进行智能化的高风险人群识别和导诊，完成影像检查后的辅助诊断、风险分层，提供治疗建议。借助大模型技术，结合患者治疗周期、用药疗程、以及病程发展，开展个体化、规范化、标准化的随访工作。以肺癌患者管理为例，通过AI肺结节筛查和良恶性评估系统辅助诊断、风险分层，对于需要进一步治疗的患者提供智能的术前规划、虚拟支气管镜、术中导航等精准诊疗方案，并出具个性化的诊疗报告。辅助医生制定科学的用药和后续的随访管理方案，患者出院后，提供智能的健康监测、用药指导、康复建议、报告解读等服务。
实现面向患者的大模型影像报告解读、医患沟通、疾病宣教、基于临床基线数据的疾病干预推送，实现医学知识的有效传播，增加患者对自身疾病的了解程度；降低内外科对诊断结果、潜在治疗方式的沟通成本、有效提升术前谈话质量，帮助医生与患者建立有效、融洽的沟通关系，提升院外管理质量。
面向医生，通过全智能化健康管理解决方案，在诊断方面可以提高诊疗效率、实现精准诊断以及高效的多学科协作；在管理方面，可以对患者进行规范化的闭环管理，提高管理效率和质量，提升患者满意度；同时，构建专病管理的智能数据底座，为医生提供丰富的临床数据支持，便于进行科研和决策。
面向医院管理，通过全智能化健康管理服务体系建设，实现患者一体化服务流程的优化、运营效率的提升、医疗质量的改进以及医院品牌和市场竞争力的增强。
（3）面向AI基地和区域医疗机构的医疗领域大模型研究与应用
通过充分进行大模型在医疗领域的研究，显著提升医疗服务的质量和效率，实现患者批量管理和诊后管理的优化，提供个性化的医疗服务，使患者切实体会到“以患者为中心”的关怀。同时，基于多维数据分析，支持重大慢病的科学研究。
为大数据临床研究提供有力支撑，利用大模型进行患者批量管理和诊后管理，整合医院内外的临床、科研、随访等多维数据，构建全面的患者数据集，为医疗机构提供数据支持，优化诊疗方案。特别是赋能医疗机构进行临床研究，基于这些数据集，开展针对重大慢病的自然人群与病患人群的队列研究，揭示疾病规律，制定有效的防控措施。
7.场景建设价值
建设医院的全智能化健康管理服务体系，不仅可以推动医疗领域的全面智能化转型，使医院能够紧随人工智能大模型技术进步的步伐，还为新技术的实践与验证创造了一个优良的环境。
本场景的创新特色在于：实现医疗垂类大模型的全智能化健康管理，完成医疗大数据智能后结构化整合、实现各类人工智能应用模型的整合、完成面向疾病诊疗的全链条个体化智能健康管理、建设大模型驱动的现代数智化医院健康管理模式。
构建城市群、智能化诊疗与健康保障体系，实现居民健康数据的全流程管理和实时监测，实现患者医疗数据的整合与隐私安全，提升医疗服务的智能化和个性化水平，建设城市群医疗健康大模型的示范应用。随着在AI基地在城市群的示范性应用，最终不仅优化区域内医疗资源的配置，提高医疗和健康获得感。
作者简介：王咸宁（Xianning Wang），现就读于密歇根州立大学（MSU）。开源IT技术探索者，致力于AI在健康和医学中的应用研究。返回搜狐，查看更多
