问题——从“能用”到“好用”，仍存推广落地“最后一公里” 医疗服务需求持续增长、优质资源分布不均的背景下，人工智能等数字技术在提升诊疗效率、辅助医生决策、优化医院管理上显示出潜力。甘胜莲表示，当前对应的技术已进入较为成熟的落地阶段，但实际应用中仍呈现“局部化、单点化”特点：一些医院或科室率先部署，形成亮点项目，却难以跨机构、跨区域复制；部分系统在真实临床场景中的适配度、稳定性与可解释性仍需打磨，尚未形成可持续的规模化服务能力。 原因——数据不统一、资源难共享、协同不足制约规模应用 甘胜莲分析，制约普惠推广的关键在于数据与标准体系尚不健全。一上，医疗数据来源多、类型杂，采集范围、标注口径、存储规范不一致，导致模型训练难以更大范围复用，形成“各建各用、重复投入”。另一上，隐私保护和合规监管要求日益严格的情况下，跨机构数据流通与治理机制仍需完善，优质数据“可用不可得”现象较为突出。同时，医疗机构、科研单位、企业之间协同创新不足，统一评测、合规审核、成果转化等公共能力相对薄弱，影响了应用的安全性、可靠性和推广效率。 影响——关系基层诊疗质量、罕见病识别与药物研发效率 甘胜莲认为，推进人工智能赋能医疗的普惠化，既是提高医疗服务效率的技术议题，也是提升公共卫生与基层能力的民生议题。面向基层，若能在常见病规范诊疗、慢病随访管理、影像与检验结果辅助判读诸上形成可复制工具，有助于减轻一线医生负担、提升诊疗同质化水平。面向疑难与罕见病，若能提供更准确的初诊辅助判断，可一定程度上减少误诊漏诊，提高转诊效率。面向医药创新，若能在药物遴选、研发辅助与临床用药方案优化上取得突破，有望缩短研发周期、降低试错成本，继续释放医疗产业创新动能。 对策——以“标准、共享、平台、评测”打通推广链条 围绕如何从试点示范走向全面普惠，甘胜莲提出，应构建“数据格式统一、模型共建共享、生态协同创新”的发展格局，推动创新成果更大范围落地。 一是开展医疗领域创新项目试点，形成可推广的成熟方案。她建议聚焦基础诊断大模型研发、罕见病初诊辅助判断、药物遴选与研发辅助等方向，打造一批技术成熟、临床适用、性价比高的成果，并在试点中同步完善应用流程、风险控制与责任边界，为全国推广提供可复制模板。 二是强化学科专项研究创新，健全数据标准化与共享体系。她提出，可针对心血管疾病、肿瘤、儿科、眼科等重点领域，推动学科语料标准与医疗数据共享规范制定，明确数据采集范围、标注标准、存储规范和共享流程。在严格遵守隐私保护和合规监管的前提下，推进学科内优质数据的合规共享，以提升模型的临床适配性和泛化能力，为普惠应用奠定高质量数据基础。 三是探索建立行业协作机制，提升公共治理与服务能力。甘胜莲期待推动形成相关联盟或协同组织，由其牵头制定统一标准，推动模型共创共享，搭建一体化共享平台，开展合规审核，并建立全国统一的模型评测体系，以第三方能力降低医疗机构“自建自评”的成本与风险，提升行业整体的可信度与推广效率。 前景——在安全合规前提下，普惠化将成为数字健康重要方向 业内人士指出，随着国家对数据安全、医疗质量与数字健康治理体系的持续完善，人工智能赋能医疗有望从“看得见的试点”走向“用得上的常态”。下一阶段，能否实现普惠化，关键在于以标准化降低应用门槛、以共享机制减少重复建设、以统一评测提升可信水平，并在基层与高水平医院之间形成协同联动，让技术进步转化为可感可及的健康获得感。
当技术创新遇上民生需求，如何突破示范阶段、实现普惠应用，需要平衡技术发展与制度设计；甘胜莲的建议既直面当前挑战，又指明了协同发展的路径。在健康中国建设的背景下，这场以普惠为目标的医疗变革，正在重塑未来医疗服务的形态。