健康界赵红对话上海市东方医院李明：从数据治理到AI创新的「东方之路」

（以下为视频对应的文字稿，全文16689字，预计阅读约27分钟）

赵红：各位新老朋友、网友们，大家好，我是健康界赵红。欢迎来到《对话医院领航者》，和我一起寻找中国最佳医疗实践，感知卓越医疗领导力。

今天我们走进的是上海市东方医院（同济大学附属东方医院），对话医院「领航者」李明书记。李书记好！

李明：赵院长好，欢迎您来到上海市东方医院（同济大学附属东方医院）。

图：上海市东方医院北院

赵红：李书记，您曾经在原浦东新区卫计委医政处担任处长，2017年出任浦东新区周浦医院院长，2023年调任东方医院党委书记。这三个工作历程，从卫生政策的管理者到基层医院的管理者，再到三甲医院的党委书记，这三个角色的转换让您的工作重心发生了什么样的变化？

李明：赵院长你好，您对我的历程了解得非常清楚。我曾在浦东新区卫计委医政处做了11年的处长，再到周浦医院任职了五年半的院长，然后又转到东方医院任党委书记三年多。

我原来是作为一个政策制定者，保证宏观政策的落地，特别是结合全国医疗资源的布局、行业规范管理、医疗质量控制，确保这些政策能在浦东新区医疗机构落地，总体来讲是一个政策的制定和执行者。

2017年我任职周浦医院院长，恰逢医院迎来转型发展的关键节点，彼时医院正式挂牌上海健康医学院附属医院，同时也在创建三级医院。这个过程当中，我感受到了基层医院的提质增效，以及实际运营的整体工作。在聚焦医院的医教研管方面，我有很多感受。

我带领周浦医院在2020年成功获评三级乙等综合医院，顺利完成从普通区属医疗中心向综合性高校附属医院、区域医疗中心的跨越式转型。这实际上是夯实了我在基层医疗机构的工作经历。2023年组织委派我调任东方医院。东方医院作为上海市第一梯队的三甲综合医院，有很多年的历史沉淀。

从原来的政策制定者，到进入了基层医疗机构周浦医院，我们叫「强腰」这一块，再到东方医院这种头部的三甲医院，其实是有很多不一样的。东方医院服务需求持续高位运行，日均门诊量接近1万人次，年门急诊量超330万人次、年出院人次突破15万。

医院地处寸土寸金的陆家嘴核心地段，原有的物理空间是比较狭小的，无法通过传统的改扩建、规模扩张的模式提升服务承载力，传统依靠扩容增量的发展路径已经完全走不通。

图：上海市东方医院北院

基于这样的现实挑战，我们摒弃了过去基层医院「补短板、强弱项、扩规模」的发展思维，确立了「技术立院、学术强院」的核心战略，推动医院发展从「补齐短板、夯实基础」向「锻造长板、引领创新、换道超车」全面转型。这是摆在东方医院党委班子面前的一个严峻问题。

赵红：从区域卫生政策的管理者、制定者，然后到基层医院的管理者，再到头部三甲医院，思维跨度的确很大！尤其是在陆家嘴这样一个四处高楼林立的地方发展医院，我相信您的创新压力是非常之大的。

我非常好奇的就是您说的「换道超车」，我觉得也没有那么容易。所以我特别想知道您在东方医院的创新发展战略制定上用什么样的方式来「换道超车」？

李明：其实您问了一个非常好的问题，物理空间的瓶颈是没办法短期改变的。我们深刻认识到，物理空间的瓶颈只能靠技术空间、数据空间、智慧空间的拓展来突破。

智慧医院建设和人工智能的创新就成为我们的一个加分项。而且东方医院要突破发展局限，破解供需矛盾，就要依托人工智能、大数据等前沿技术，打破场地、床位、人力、空间等传统物理资源的约束。要提升我们的服务效率，特别是精准调配医疗资源，通过AI创新，助力学科建设、临床科研、疑难病症诊治等方面都能实现弯道超车，真正实现从「规模扩张式发展」向「内涵质量式、创新驱动式发展」的转变，让三甲医院的优质医疗资源效能最大化，更好地承载核心区域的医疗卫生服务使命与学术引领责任。

赵红：这打开了我的思路，其实我们在发展医院的时候，尤其是在国务院办公厅出台《关于推动公立医院高质量发展的意见》之前，我们医院要发展首先想到的就是规模、床位、空间、建更多的大楼。

您刚才提到了，其实当物理空间发展受限的时候，数字世界向我们敞开了大门。那我们有没有足够的能力在数字世界进行创新发展，让我们能够真正地在另一个赛道上去引领？我想这还是非常吸引人的，对于以医务人员为主的医院来讲，也是一个难题。所以我们是怎么来做顶层设计，怎么推进工作的，您能介绍一下吗？

李明：现在是一个信息化高度发展的时代，所以我们立足医院实际，梳理形成了清晰的建设思路与落地路径，同时建立了适配医疗行业、高效运转的工作推进机制，这也是我院数字化项目能够稳步落地、快速见效，推进效率优于行业常规节奏的关键所在。

总而言之，东方医院医疗数字化转型工作，核心依托信息化委员会统筹引领、专项工作专班落地攻坚两大核心载体稳步推进，形成了「顶层统筹、敏捷落地、高效联动、闭环推进」的工作模式，保障各项数字化建设工作有序落地、落地见效。

在整体工作推进体系中，信息化委员会承担顶层统筹、整体把控的核心作用。委员会立足医院整体发展战略，统筹规划全院信息化、数字化建设整体方向，制定相关建设规则、年度目标和重点任务，统一调配院内各类资源，重点协调解决跨科室、跨部门协作不畅、工作衔接断层等问题，从全局层面规避重复建设、无序建设的问题，为全院数智化转型工作划定清晰框架、筑牢统筹根基。

同时，我们专门成立数字化转型专项工作专班，聚焦具体项目落地、细节攻坚和问题闭环。专班集结了医院临床业务、行政运营、信息技术、数据管理等多领域骨干人员，兼具医疗业务专业性和数字化技术实操能力，精准对接临床一线和医教研管的实际需求。

针对数据基座引擎部署、数据治理、系统优化、数字化场景落地等重点工作，专班负责细化分解任务、把控推进进度、现场解决落地难题、跟进成果落地效果，快速响应各类突发问题和优化需求，保障各项细分工作高效落地、快速推进。

依托信息化委员会高位统筹、专项专班精准落地的上下联动工作模式，不到半年，我院就形成了很好的成效。包括数据积淀完善、数据基座引擎的搭建、全域数据治理、各系统整合对接、数字化功能迭代升级等各项工作，筑牢了坚实的底层基础，有效提速了全院医疗数智化转型进程。

图：信息化会议

所以在具体落地节奏上，我们只要坚持「稳步规划、快速迭代、持续深耕」的原则，建设进度就能得到有序推进：

2023年11月，浦东新区卫健委对我院数据基座引擎部署应用进行了全面的专项调研；

2023年12月，我院正式成立数据基座引擎建设领导小组，完成项目顶层架构搭建与整体工作部署，标志着项目全面启动；

2024年1月，数据基座引擎产品正式进场部署试用，项目进入落地实操阶段，实现了从方案规划到落地实施的快速衔接；

仅用时4个月，截至2024年5月，我们便高效完成全院全域临床数据的标准化、规范化治理工作，夯实了医院数字资产底座。

赵红：东方医院在2024年5月就已经建成了全院全域的数据基座引擎，而且只用了4个月时间。我相信很多医院花了很多年都没搞明白，而且建设的过程也非常复杂。东方医院这不仅是引领，而且还是火箭速度。

我也非常好奇，如何能够向我们的同行讲清楚数据基座引擎在东方医院具备什么样的特征？这么快建成有什么样的窍门？建成之后对数据治理有什么样的作用？

李明：这是很多医院都会遇到的问题。过去医院的信息化建设主要是围绕业务系统展开的，HIS、EMR、LIS、PACS等系统各管一块业务。系统越来越多，但数据分散在不同平台里，医生想全面了解一个患者，往往需要反复切换多个系统，是很难的。

东方医院建设的数据基座引擎，不是再建一个新系统去替代原有系统，而是在不影响现有业务运行的基础上，把分散在各系统、各院区的数据统一汇聚、治理和标准化，形成全院共享的数据能力。

图：上海市东方医院沪东院区效果图

那么简单来说，传统系统是「按业务建系统」，数据基座引擎是「按数据建能力」。过去数据分散在不同系统里，现在通过数据基座引擎把这些数据连接起来，形成统一的数据资源池。

我们的一个重要做法是采用「数据投影+湖仓一体」技术，不需要频繁开发接口，也不会增加核心业务系统压力，而是将数据实时同步到数据基座引擎，进行统一治理和标准化处理，保证数据的完整性和一致性。

图：医疗科研数据资产湖主界面

更重要的是，数据基座引擎改变了数据组织方式。过去数据是围绕系统存放的，现在是围绕患者组织的。我们以患者唯一主索引为核心，把门诊、住院、检验、检查、影像等信息整合起来，形成患者全生命周期健康档案。医生看到的不再是零散数据，而是完整连续的诊疗轨迹。

这改变了我们传统的业务流程。医生不用再到多个系统找数据，可以快速掌握患者情况；科研人员能够更高效地开展病例筛选和专病研究；管理部门也能够基于统一数据开展运营分析和精细化管理。

所以，数据基座引擎最大的价值，不是多建了一个平台，而是把医院沉淀多年的数据真正变成可用、可信、可共享的数据资产，让数据从「分散存放」变成「统一服务」，为临床、科研、管理以及人工智能应用提供共同底座。这也是东方医院能够持续推进智慧医疗和数智化转型的重要基础。

图：医院资源调配中心主界面

赵红：您说得非常对。我意识到很多医院在谈到数据治理的时候，最苦恼的就是各科室，苦恼数据散在各系统、各部门，甚至各供应商，无数个「数据烟囱」，无数个系统，各唱各的调，各吹各的号。在这个过程当中，能够标准化、能够归一，是数据治理的前提和关键动作。

那我也想问您，在我们解决了「数据孤岛」问题，建成数据基座引擎之后，我们接下来要做什么样的事情？如何能够让数据治理去赋能「技术立院、学术强院」战略，还有专科服务能力的提升等等。要真正赋能医院发展，还是要回到赋能医生能力、赋能医院能力上。那您告诉我数据基座引擎建成以后，如何去赋能我们？

李明：您问到了非常核心的内容，因为前面我们讲的是建立数据基座引擎，怎么样去进行数据治理。2024年1月至2026年1月为持续深化落地阶段，我们依托成熟的数据基座引擎和标准化治理后的优质数据资产，通过产品二次研发、医疗设备全域接入、第三方系统互联互通对接等多元方式，全方位赋能医院数智化转型与高质量发展。

特别是在数智化专科打造、患者全生命周期健康档案搭建、临床科研精准纳排与入组管理、医院精细化运营管理、高质量医疗数据集构建、持续支撑智慧医联体建设等核心工作中，它起到了非常积极的作用。

它也全力支撑各项工作，包括医疗数据资产合规化应用与创新合作模式，各类科研课题、管理创新、数字化专项项目的申报与落地，都体现出我们在持续挖掘医疗数据所产生的价值，真正实现从数字化建设到数字生产力的转化，持续在数字医疗赛道挖掘全新增量、打造行业标杆。

赵红：的的确确，您刚才提到我们能够真正赋能的还是专科服务能力、服务患者。刚才我们在参观的时候也看到呼吸内科李强主任的介绍，在患者全生命周期健康管理和医疗服务方面，数据基座引擎发挥了巨大的作用。

无论患者是在社区，还是在医院，还是多年以前的数据，引擎全都能够将患者数据归一。我认为这对于患者价值、对医生的科研价值和临床服务价值都是非常巨大的。我也知道东方医院把2001年至今的数据都进行了归一，这是一个庞大的数据池。那这个规模是多大？您能不能把这个庞大的工作量给我们讲一下。

李明：我们打通了从预防到临床再到社区，一条非常好的数据应用通路。东方医院以2001年至今、以患者为中心的全维度临床数据为基础，围绕HIS、EMR、LIS、PACS、检查检验、影像、处方、护理、手术、随访等多源数据开展统一汇聚、标准治理和质量管控，形成覆盖900万患者、2.6万种疾病、8.2万个结构化字段、超过70.96亿行医疗数据、超600T影像文件、超20万个患者全生命周期数据要素和4325项多模态临床研究指标的高质量数据基础。

所以这是一个很庞大的「金矿」，非常有价值。价值不在于数据有多大，而在于数据能不能真正用起来。所以呼吸内科李强主任就是使用这类数据的「先吃螃蟹者」。

更重要的是，我们不仅把数据汇聚起来，还把它治理成了可用的数据资产。目前已经形成超过20万个患者全生命周期数据要素和4325项多模态临床研究指标。过去医生和科研人员需要跨系统查找、人工整理数据，现在可以快速完成病例筛选、专病队列构建和科研分析。

刚才呼吸内科李强主任给我们演示过，所以说这座「金矿」最大的意义，是把原来沉睡在各个业务系统里的数据，转变成支撑临床、科研、管理和AI创新的核心资源。它不仅帮助医生更全面了解患者，也为专病研究、真实世界研究、智能预警和辅助决策提供了坚实的数据底座。

所以说数据治理不是终点，而是让数据真正创造价值的起点。东方医院希望通过这座「数据金矿」，持续把数据资源转化为医疗服务能力和创新能力，更好地服务患者、服务科研、服务医院高质量发展。

赵红：你们不仅在医院开展数据治理，用数据应用赋能医院发展，而且我注意到你们早在2023年底就开始部署Med-Go了，那时候大模型还没这么火吧？当时是怎么预判到这一天的？

的的确确，您刚才说的「数据的价值不在于大，而在于是不是有用」。其实我刚才在参观的时候，已经看到了临床科主任眼睛里发出的光，就是他能感受到数据在患者服务方面、在临床诊疗方面，还有全病程研究、科研等等方面给他带来的赋能，其实这种感受就是您说的「真正能够让医生用好数据，能够让数据反向地赋能我们」。

所以在这一点上，我相信您刚才提到的像「通过数据治理实现弯道超车」，我相信已经能看到这样的一个未来迹象。其实在我们布局数据治理的时候，我发现我们在2023年10月份就开始布局Med-Go人工智能大模型，这也是非常超前的。我们不仅数据基座引擎建得早，而且人工智能大模型部署得也早。那个时候我们怎么就会要想去布局大模型？

李明：其实2023年年底时，全球都在开展大模型研究，所以我们也是结合了医学产业的变化，提前布局研发并部署Med-Go医疗大模型。这不是简单地跟风人工智能风口，而是张海涛教授所在的团队基于一线临床深耕多年的实战经验，对医疗AI的核心本质做出的精准预判与坚定布局。跟中科院软件所等多家机构合作，联合科技企业高效研发，建立了一个人工智能的通用模型。

图：东方医院联合中科院软件研究所成立生物医学人工智能联合实验室

这两年行业内涌现出大量科技企业、高校研发的医疗大模型，但多数模型偏向通用人工智能逻辑，缺乏真实临床场景的打磨，最大的短板就是难以落地临床、无法让医生信任使用。

而我们从一开始就锚定医疗AI的核心痛点：医疗人工智能的核心竞争力，从来不是话术更智能、功能更花哨，而是专业可信、安全可控、贴合临床。

所以在临床应用中，我们任何一处错误的判断都可能关乎患者生命。模型再先进，假若输出的内容没有依据，边界不清晰，临床不适用，最终可能会成为一个「花架子」，不能满足临床需要。因为一个医学专家，他记忆力再强，也很难记住曾经学过的所有的知识点。

基于这一核心认知，我们坚持深耕基础、稳扎稳打，摒弃浮躁的迭代节奏，踏踏实实筑牢医疗大模型的底层根基，Med-Go全程由一线临床医生主导研发、制定数据标准与标注规则，规避通用AI脱离临床实际的弊端，让模型的研发逻辑完全贴合临床诊疗规范。

在数据底座搭建上，我们投入大量精力整合海量权威医学资源，以8500本专业医学教材、国内外顶级医学期刊、权威临床指南作为核心训练数据，也就是我们常说的语料，保障模型的基础知识体系专业、严谨、合规；同时针对临床诊疗中的难点痛点，专门做了罕见病数据增强优化，将罕见病数据占比提升至15%，补齐了多数医疗大模型罕见病识别、诊断能力薄弱的短板，让模型能够覆盖更多临床场景，兼顾常见病规范化诊疗与罕见病精准化辅助。

与此同时，我们为模型建立了严苛的内容输出规范与安全红线，坚守医疗AI的安全底线，要求模型所有诊疗判断、专业解答都有据可查、有源可溯，每一个结论都能对应权威教材、指南与文献支撑，杜绝凭空杜撰、随意输出，凡是做出的诊断，你都可以找到它的依据。

更核心的是，我们赋予模型「知深浅、懂分寸」的专业素养，面对不确定、无充足依据的诊疗场景，模型会主动如实告知不确定性，绝不盲目输出结论、硬做专业判断。

为持续打磨模型能力、补齐学科短板，我们建立了常态化的模型评测与迭代机制，通过定期专项考核、全方位能力「体检」，针对性补强薄弱学科能力，同时搭建起标准化、规模化的医疗AI研发生产线，告别传统手工作坊式的零散研发模式，实现模型迭代高效、质量稳定、标准统一。

正是这套以临床为核心、以权威数据为根基、以安全合规为底线的研发体系，让Med-Go具备了扎实的专业能力，不仅顺利通过国家执业医师资格考试，达到临床执业医生的专业水准，更在C-BLUE3.0中文医学评测中斩获全国第一，用权威成果验证了模型的专业性与实用性，这也是我们敢于在行业风口来临前提前布局、深耕医疗AI的核心底气。

赵红：的的确确，非常荣幸，我们今天是在跟尖子生打交道，Med-Go最大的特色就是「来源于医生、赋能医生」。其实我们也想知道您刚才提到的，很多医疗模型的严肃性、约束性，是要懂分寸，要能够更加地严谨，不能够有太多的想象空间、太多的发散。所以我想问您，回到医疗临床场景，Med-Go如何赋能临床医生，让医生能够在严谨的AI助力下，做更好的诊疗服务？

李明：对，我们就以呼吸与危重症科为例。依托数据基座引擎建设了专病入组及科研项目管理系统、患者指标预警与患者抓取系统。医生可基于诊断、检验检查、影像表现、病程记录、肺功能等多维数据，快速识别目标患者、构建专病队列、开展科研纳排和项目管理。数据基座引擎协助AI影像识别产品完成部署和数据对接，接入远程呼吸物联网设备、肺功能机、远程手术直播等设备数据。

过去医生做患者筛选、专病研究或者科研入组时，需要在多个系统之间反复查找病历、检验、影像和随访信息，既耗时又容易遗漏。

数据基座引擎建成后，把诊断、检验检查、影像、病程记录、肺功能等数据统一汇聚和治理，形成完整的患者视图。同时建设了专病入组、患者抓取和指标预警等应用，医生可以快速筛选符合条件的患者，开展科研和临床分析。

比如以前做一个专病课题，可能需要花几天时间整理数据，现在通过系统几分钟就能完成初步筛选，大大提高了效率和准确性。

此外，我们还接入了AI影像识别、肺功能机以及远程呼吸设备等数据，让影像、设备和临床数据能够统一关联。这样医生看到的不再是孤立的数据，而是患者完整的诊疗过程，为疾病管理、风险预警和科研创新提供更有价值的支撑。

所以，数据基座引擎最大的价值，就是把分散的数据变成医生真正用得上的能力，让医生把更多精力放在诊疗和科研本身。

赵红：我想对于每一个医生而言，能够把所有患者的数据进行打通，几分钟之内就能够拿到患者的全数据。对于任何一个医生来讲，这可能是不敢想象的一件事情。

东方医院的数据基座引擎做好了以后，我看到我们有一个非常前沿和开放之举，就是把Med-Go进行开源。2025年11月，也就是去年年底，你们把Med-Go向全社会开源。能否告诉我你们为什么要做出开源的决定？

李明：东方医院研发的Med-Go实际上是为全社会服务的，为全国乃至于全世界的医疗机构服务的。所以我们把Med-Go32B开源，外界觉得这一步走得很大、很突破，但对我们团队来说，其实是一件顺理成章的事。

我们之所以敢把核心模型完整开放出来，包括模型权重、工程代码，还支持插件化扩展，底气就来自于我们一直坚持贴近真实临床体系做打磨。这套模型全程有据可查、合规可控、流程严谨，是真正经得起临床落地检验的。

我们开源的初心其实特别朴素，就是不想让行业持续重复造轮子，想让更多医疗机构在Med-Go上进行智能体的开发。过去很长一段时间，很多医院、团队想要做医学AI，都得从零开始搭建基础模型，投入大量的人力、资金和时间成本，最后还很难做到标准化、工程化、可落地。大量资源都消耗在基础底座搭建上，反而没有精力聚焦真正重要的临床场景创新。

所以我们选择开源，核心就是大幅降低行业的二次开发门槛，帮整个行业节省研发成本和周期，让大家把有限的资源，真正集中在临床应用的「最后一公里」上，专心打磨专病、专科的落地能力，提升临床服务质量。

所以基于Med-Go 32B这个成熟底座，很多医疗机构可以快速完成专病模型的二次开发和迭代，不用再从零起步，真正让「医学+AI」摆脱小范围试点的状态，走向规模化、常态化的普遍可用。

东方医院也在Med-Go上构建了在研的42个智能体，覆盖了医教研管防等多个方面。更重要的是，我们希望通过开源，搭建一套全域同源、标准统一的智慧医疗能力体系，真正解决医疗资源不均衡的问题。

图：医院依托Med-Go自研的智能体「住院AI助手」，可实现对住院病历质控、智析等功能。

过去优质的智能医疗能力，基本集中在头部三甲医院，基层、偏远地区医疗机构受成本和技术限制，很难用上成熟的AI工具。而开源之后，基层医院不用承担高昂的研发和部署成本，就能直接接入一套工程化、高可用的医学AI助手，在临床决策、影像辅助诊断、慢病管理、用药指导、患者随访等场景中直接落地。

落到老百姓身上，意义就更直观了：无论你是在大城市的三甲医院就诊，还是在县里、乡镇的基层机构看病，都能享受到同源、规范、统一的诊疗服务，用药更稳妥、随访更到位、就医体验更均衡。这也是我们坚持开源、坚持深耕临床真实场景的最终目的——让医学AI不止是技术成果，而是真正普惠各级医疗机构、惠及每一位患者的实用医疗能力。

图：数据基座引擎中的三位一体慢病监控管理系统

赵红：的的确确，数据的规模越大，数据流动得越快，我们对于数据基座的规范性要求更高。我理解您说之所以开源Med-Go基于几个方向：

第一个方向是我们自信，我们相信数据基座引擎，包括Med-Go的基本逻辑，是经得起考验的，不至于让我们走弯路；

第二个，您坚信Med-Go能让更多医疗机构不再去重复建设，减少浪费；

第三个，您希望能够用研发成果来赋能更多医疗机构。

全国一股脑地去上马AI应用和AI研发的时候，很多医院管理者是比较困惑的，要用多大的精力去干这件事情？用多少人力，和谁合作，怎么研发？这造成了很多的困惑，很多的浪费。

那我想问您，当Med-Go开源和开放以后，您认为是什么样的医疗机构是最受益的呢？或者说您最想让哪一类的医疗机构从中获益？

李明：健康界提出过一个理念，「知识的复利效应」，医疗知识和技术从来都不是靠独家囤积产生价值的，恰恰是越流动、越共享、越落地迭代，价值就越大。一套优质的医疗能力，捂在少数三甲医院手里，永远只是小范围的优质资源，但如果能真正流动开来、下沉下去，就能持续赋能整个医疗体系，产生源源不断的复利价值。

这也是我们选择开源Med-Go最核心的初心。说到开源之后，我们最想服务、最想让用上这套模型的群体，毫无疑问就是基层医院、县域医院以及偏远地区的医疗机构。

长期以来，基层医疗最大的痛点就是优质医疗资源不均衡、高水平医生稀缺，很多基层机构想提升诊疗能力，却受限于人才、技术、高昂的AI部署成本，根本没办法配备和三甲同源的智能诊疗辅助工具。

而Med-Go的开源，就是要打破这个壁垒，让基层无需投入高额成本，就能低成本、轻量化部署和三甲医院同源的AI医疗能力。同时我们的模型全程可溯源、诊疗依据清晰可查，靠谱又守规矩，基层医生用得安心、用得踏实，真正敢把它用到日常诊疗工作中，所以我们称Med-Go为「口袋中的主任医师」。

在实际落地过程中，我们也积累了很多真实且成效显著的典型案例，最具代表性的就是江苏省射阳县人民医院医联体、沭阳县人民医院的落地应用。他们将Med-Go全面落地到当地医院的门急诊全场景，覆盖日常接诊、病情研判、辅助诊断等核心环节，同时搭配三甲专家下沉带教帮扶，把基层最紧缺的诊疗技术和诊疗思路补齐。

落地之后，最直观的变化就是基层整体诊断准确率得到大幅提升，诊疗规范化程度显著提高。对基层医生来说，Med-Go就像一位随身的三甲智能助手，随时辅助研判病情、规避诊疗风险、补齐能力短板；对当地老百姓而言，不用再为了精准诊疗奔波往返上海、南京等大城市，在家门口的县域医院、基层卫生院，就能享受到接近三甲水平的诊疗服务，看病更省心、更放心。

这也是开源最大的意义所在，以往优质医疗能力只能依靠专家一次次下沉帮扶，时效有限、覆盖面也有限，而通过Med-Go开源下沉，让优质AI医疗能力真正在基层扎根、落地、迭代升级，在持续的临床使用中不断优化完善，实现医疗知识和技术的复利增长，真正让优质普惠的医疗资源惠及更多基层群众。

赵红：的的确确，我们也都认为AI的发展最应该赋能的是优质医疗资源匮乏的区域医疗机构，以及患者服务。如果能够让更多位于「金字塔底座」的医疗机构和医生享受到AI的赋能，我相信这就是科技进步的最大意义。

您刚才提到的东方医院跨区域医联体，不仅覆盖浦东的社区医院，还辐射了全国多个省市、上百个医疗机构，他们都是Med-Go的应用单位吗？刚才您也提到了一些医院，我们以往依赖的是专家帮扶，那现在有了「口袋里的主任医师」，那是不是在优质医疗扩容这件事情上，在形式上和内涵上都发生了改变？

李明：是的，我们不仅输出专家资源，更输出数据治理能力和AI能力。特别是Med-Go开源后，基层医院无需从零建设医学大模型，就能快速获得临床决策支持、慢病管理、随访管理等AI能力，让优质医疗能力更容易下沉。

图：医院依托Med-Go自研的智能体「门诊AI助手」

特别是东方医院医联体，今年在浦东新区的46家社区卫生中心全面部署了Med-Go。按照上海市卫健委的要求，也希望今年在全市的社区卫生中心能部署Med-Go。

东方医院医联体，陆续在包括云南、新疆、西藏这些偏远的地区，不断部署Med-Go。通过部署，形成区域化的患者全生命周期管理。

图：上海市东方医院南院

以2024年12月上线的东方—北蔡医联体数据互通项目为例，就是依托数据基座引擎打通了三甲医院和社区之间的诊疗、检查检验、体检和随访数据，形成区域患者全生命周期健康档案。这样社区医生能够看到患者在东方医院的诊疗情况，东方医院医生也能了解患者在社区的长期管理情况，为慢病管理和分级诊疗提供连续的数据支撑，实现了既管患者看病，又管患者后期转诊服务，是非常好的一个典型模型。

习近平总书记提出的「健康中国」战略要求我们，三甲医院不单单是只会看病，而是应该通过AI建设，通过数据基座的运行，实现患者在所有医疗机构的诊疗信息完整互通。从一个患者到一个家庭，到一个族群，都可以实现。通过数据基础的积累、数据的共享，再加上AI的精准判断，能实现从看病到预防，从预防到健康的干预和健康管理，让群众少生病、不生病，尽可能地体现「健康中国」战略。

图：医院为体检用户生成健康画像，进行健康风险评估

赵红：我所理解的是数据基座引擎就像中央处理器，它把数据进行汇聚、标准化，进行统一管理。但是Med-Go可以让更多机构、更多医生在应用过程当中，又产生了新的数据，再回到基座引擎。

其实当Med-Go的应用者越来越多的时候，就像一棵大树的根系非常发达。但当下各家医院如果把自己的数据都捂得死死的，我们应如何赢得他们的信任，让根系越发达、大树越繁茂？这个过程有痛点和瓶颈吗？

李明：有的，这是现在我们在数据应用、数据共享中间遇到的非常大的一个挑战。大家都知道「数据孤岛」，这不单是一个医院各个系统之间的「孤岛」，还有不同医院之间的「孤岛」，还有不同城市医疗机构之间的「孤岛」等等方面。为什么？因为患者的医疗信息是要保护隐私的，因此我们很难让各医疗机构的「孤岛」之间实现共享。

所以东方医院在浦东新区尝试这方面的应用，在浦东新区卫健委的带领之下，通过数据脱敏、关键信息的脱敏，实现在医联体成员单位之间的数据共享。通过数据共享以后，把数据资源变成资产，这个过程其实是需要政府部门大力支持的，在政策法规上面要有支撑。

其实中国的医疗资源是非常丰富的，在这丰富的医疗资源中间，我们愿意「先吃螃蟹」。通过浦东新区的三级医疗机构跟社区的医疗资源的共享，浦东新区也有立法权，也期待通过资源利用，把它变成数据资产的交易标的。我们现在有数据产权交易中心，能更好更快地推动医疗数据的共享互通。我们期待通过不同病种、不同专科、不同慢病管理等资源数据在全国范围的共享，推动中国生物医药产业更好更快地发展。

图：上海市东方医院南院

赵红：其实刚才书记讲到的这些概念，我还深刻记得在东方医院组织过一次「从数据要素到数据资产」的研讨会，讨论了这样一个历程：从数据要素到数据治理，然后到数据生产力，再到数据资产。这是一个非常好的数据管理的蓝图。希望我们能够在机制体制的帮助下，能够把这条路走通。

图：以「从数据要素到数据资产」为主题的研讨会

我相信我们也是真正地在把临床语言翻译成数据语言，用管理思维，用体制思维，甚至是用产业思维来重构数据治理。其实在这种翻译的过程当中，我相信我们对于临床人才甚至管理人才的能力要求发生了革命性的变化。

您告诉我们，在数据时代，我们对于复合型的专业人才、临床人才是什么样的一个培养机制和什么样的一个吸引方式，才能够让这样的人能够赋能数据时代？

李明：其实在医院医疗信息化的推进当中，实际上所需要的是不一样的两种人才：一种是临床专业人才，一种是信息化和数智医疗数据人才。现在已经有高校在培养医疗数字化人才。我们恰恰是需要兼容二者的复合型人才。所以不论是你刚才看到的张海涛教授还是李强教授，他们都是临床专家，但是他们因为工作需要和自己在这方面的兴趣，更多投身到医疗数智研发过程中。

在人才吸纳层面，医院打破传统人才招聘壁垒，面向全国精准引进医学人工智能临床复合型医师与医学数据治理工程师两类核心紧缺人才，靶向吸纳兼具医疗临床认知、数据处理能力与人工智能应用思维的跨界人才。这类人才数量还是比较少的，很多都是在工作中间不断积累起来的。

还有我们把一些数据治理的工程师也招录进来。这两类人才整合在人工智能中心，再配备一些临床专家，既具备对临床的认知，又具备数据处理能力，数据赋能临床管理，形成了一个比较好的专业生命力。

图：医院将两类人才整合在医学人工智能创新中心

在人才培育层面，医院搭建双向融合的内部成长体系，推行「临床骨干学数据、技术骨干下临床」的交叉培养模式。因为能招纳到的这两类人才数量还是比较少的，不好招。所以我们把这两方面交叉融合，形成了一种跳出单纯临床诊疗视角，具备用数据解读临床问题、优化诊疗方案的能力，同时让数据、技术人才深入临床一线、深耕医疗场景，精准对接临床真实需求，规避技术与临床脱节的问题，这让双方都得到了益处。所以我们也锻造出一批懂临床、懂数据、懂技术、懂管理的复合型骨干队伍。

当然这支队伍还要不断地磨合。因为在数字化医院建设中，需求不断在变化，对人才的要求也不断变化。所以我们公派很多优秀人才到国外去实训、培训。希望通过不断优化人才，赋能数字化医院建设，可持续地推进数字化医院发展。

「骨干下临床」的交叉培养模式

赵红：的的确确，像您刚才提到的李主任、张主任，我们都非常羡慕。如果临床科主任都有这样的数据思维，有这样的人工智能思维，同时又能够很好地把它用于医教研，我相信所有的医院都会感觉到，数字未来能够去赋能医院。但很多科主任可能还没有这样的复合型能力。

其实除了对复合型人才的争夺以外，我们也看到很多大厂、很多头部医院都在布局AI医疗大模型。我们虽然起步很早，建设速度也很快，也是尖子生。但是当面对这样的竞争情况下，东方医院的核心竞争力和自信心来自于哪些？如何快速提升能力，扩大覆盖面，更好地保持竞争力呢？

李明：现在的数字医院建设，包括AI，其实是日新月异的。你说东方医院Med-Go也好，数字基座引擎也好，如何让它有持续的生命力，让它不被这个市场所淘汰？

我们一直在做三件事：

第一是打造数据资产，把20多年的临床数据治理成高质量、可应用的数据资产，其实我们可以协助各家医院来做；

第二是推动大数据应用，依托数据基座引擎，把数据真正应用到医联体协同、专病管理、科研创新和公共卫生预警等真实场景中，这样才能让它具有永恒的生命力，因为场景是不断变化的；

第三是推进AI应用，通过开源Med-Go，把医学AI能力开放给更多医院和合作伙伴。

这样的话，每家医院借助人工智能通用模型，就能用好数据与AI 能力，让数据有持续生命力。我们的「数据资产+大数据应用+AI应用」三位一体的生态雏形的结合，可以让Med-Go和人工智能有持久旺盛的生命力。

下一步，我们会重点扩大三个覆盖面：

一是让数据基座引擎服务于更多临床和管理场景；

二是推动Med-Go在医联体和基层医院落地应用的场景更丰富，我想肯定还有很多医院有这种需求；

三是凭借生态合作先发优势和管理者的前瞻布局，我们能够实现快速迭代与规模化推广，特别是联动生物医药产业，在区域和行业内建立持久竞争力。

赵红：我所理解的是「数据资产+大数据应用+AI应用」的三轮驱动，然后您又能快速地实现数据基座的管理和迭代，推动基层医院更多地应用，同时又能够快速建成区域生态，通过这样的推动，能够保持持久的竞争力。我觉得你的确是「手里有粮，心里不慌」。

我也注意到了一个非常好的消息，今年3月Med-Go入选国家级六大医疗垂直基础模型，东方医院也成为国家人工智能应用中试基地（医疗领域）的重要参与单位。东方医院一直与更多医疗机构、科研团队和产业伙伴协同创新，这种产学研用的联手，是不是意味着我们不只是造「轮子」，还要造「发动机」？

李明：您的总结非常精辟。我们现阶段的核心布局，早已不止于依托优质数据储备实现单点技术突破，而是深耕全链条产学研用一体化协同创新，真正实现从制造「行业轮子」的单点应用，向打造医疗AI核心「产业发动机」的跨越式升级。

今年3月，Med-Go成功入选国家级六大医疗垂直基础模型，东方医院获批国家人工智能应用中试基地核心参与单位，正是对我们长期深耕医疗AI落地、推进医研产融合的国家级认可，也为我们搭建全链路创新体系奠定了核心资质与平台基础。

为夯实产学研用融合根基，我们持续联动顶尖科研力量和高校资源，落地共建平台。2024年5月，Med-Go联合中科院软件研究所、同济大学附属东方医院共同成立生物医学人工智能联合实验室，聚焦医疗AI底层技术、模型算法与医学应用的前沿创新和技术攻坚；2025年4月，上海创智学院与东方医院再度携手成立医学人工智能创新中心，进一步打通医学科研、人才培养与临床转化的关键通道，构建起「科研创新+临床落地」的双层创新载体。

图：「生物医学-人工智能联合实验室」揭牌仪式暨医院全面拥抱 AI 启动会

图：医学人工智能创新中心签约揭牌仪式

与此同时，我们积极联动华为等头部产业伙伴，全面推进方案规划、硬件设备部署、数据中心基础设施等核心底座的升级改造，而基础设施搭建完成只是基础铺垫，后续我们还将持续推进海量医疗业务系统的部署、跨系统对接、标准化数据迁移等精细化落地工作，全方位筑牢技术落地的产业支撑。

整体而言，我们的产学研用合作绝非简单的项目联合、资源叠加，而是多方主体优势互补、深度融合、闭环迭代的生态共建：东方医院依托丰富的真实临床场景与成熟完善的高质量临床数据治理体系，提供最贴合行业实际的应用土壤与数据基座；中科院、高校等科研机构聚焦前沿理论、算法创新与模型严谨性验证，破解医疗AI技术瓶颈；华为等产业伙伴发挥工程化落地、算力支撑、智能设备研发与系统集成的核心优势，完成技术成果的产业化、标准化改造。最终，所有创新成果都会回归临床诊疗、医学科研、医院管理、医联体协同等真实业务场景中接受实践检验、持续迭代优化。

赵红：其实我能感受到，这格局一下就打开了，我们从一家医院的引领创新，变成了一个生态协同的创新。我觉得您作为党委书记是不是也算算经济账？就是我相信AI的投入，还有产学研的整体布局，可能都需要我们在当下高质量发展的时候把运营的账算好。

其实我想知道在这么多数据治理的过程当中，在这么多的产学研用创新过程当中，我们很多的投入转化成数据之后，能否真正变成医院的资产。所以我也想请您坦诚地说一说，数据资产之路如何能够实现？

李明：这是我们现在很好的期盼。在研发的初期，还是以医院投入为主。浦东新区区委区政府，还有上海市卫健委，都给予东方医院很多支持，特别是算力方面的支持，这都是真金白银的。所以我们的核心创新思路，就是跳出单一医院数字化升级的局限，以自身实践带动行业整体进阶，而在提质创新的同时，兼顾医院的可持续运营，实现价值闭环，是我们深耕数据治理与AI应用的核心落脚点。

图：上级领导来东方医院调研

一直以来，医院沉淀了海量的临床业务数据，但未经加工治理的数据只是零散的业务记录，是沉睡的资源，无法真正释放价值。而我们搭建数据基座引擎、深耕数据标准化治理、落地各类AI应用的核心目标，就是推动医疗数据的价值跃迁，让数据从单纯的资源沉淀，逐步走向资产管理、合规流通、价值转化，真正成为医院高质量发展的核心资产和核心生产资料。

合规流通需要从体制机制和政府的层面给予更多共同努力，让它形成价值转化。现在北京和上海都有数据交易中心，这是很好的风向标。通过国家卫健委的推动，包括地方政府一起努力，浦东新区可以率先进行试点。我们只要厘清数据核心使用原则，把握好数据可控安全的底线，实现医疗数据产业化的目标，不会远。

我们通过明确厘清核心原则，通过数据脱敏、标准化清洗、权属确权、隐私计算、全流程安全管控等一系列专业手段，对海量临床数据进行深度加工与规范治理，将零散、无序的原始业务数据，转化为高质量、可追溯、可评估、可复用的标准化数据资产，完成从「数据资源」到「数据资产」的蜕变。

所以立足长远，我们已经搭建起清晰的医疗数据价值转化路径：以系统化数据治理夯实高质量数据资产底座，以AI技术赋能数据产品化加工，在合规授权、安全可控的前提下，开展多方联合研发、场景化授权使用，持续激活数据的多元价值，最终实现数据资源向临床服务价值、医学科研价值、医疗产业价值的全方位转化。

对东方医院而言，数据早已不再是单纯的业务附属记录，而是支撑医院持续创新、精细化运营、高质量发展的全新核心动能。

图：李明书记：「数据是支撑东方医院高质量发展的全新核心动能。」

赵红：我也是非常的期待。我相信在医保严格控费的当下，医院是真的希望能够通过创新成果转化，来为医院有更多的赋能，这样医院才能够去更高质量地创新发展。如果从数据资源到数据资产，东方医院能走出一条引领的道路，能给全国医院做标杆，我相信更多医院会对数据、对数据能力建设会有更多的期待。

刚才我们讲了很多，比如说数据基座引擎，Med-Go的应用，还有医联体的配合，包括产学研用的升级，东方医院成为国家人工智能应用中试基地（医疗领域）的重要参与单位等等这些。我相信东方医院在「十五五」期间，应该在数据发展方面有更好的规划和蓝图。

李书记您看看，您原来是卫健委医政处处长管理区域，后来到了基层把基层医院建起来，进行「强腰工程」，现在又到了头部医院，用数据来引领全区。您在东方医院通过数据能力来赋能区域卫生健康事业发展，服务于更多不同层级的医疗机构、不同专科的医生，从患者到全生命周期，又回到了您原来卫生管理者的身份和责任上。

所以我想在这样的一个发展阶段，您怎么样把三个角色、不同的经历，能够通过数据能力再去进行重构和赋能？如何把您的理想变成现实？

李明：其实这对我来讲，正好是从卫健委的管理者，再到基层医院的执行者，再回到了我们三甲医院，投身于数字化建设，包括AI赋能工作中去。我觉得我们的未来就在全区域的基座引擎建设，包括开源的、落地的Med-Go医疗智能体的推进中。

图：医院依托Med-Go自研的智能体「护理计划」

未来三到五年，我们的核心目标是将东方医院全面打造成为全国医疗AI创新应用与分级诊疗深度落地的标杆示范医院，真正实现医疗数字化能力与区域医疗协同发展的双向赋能、全域升级。

因为东方医院正好在浦东新区，可以借助于浦东新区改革开放的政策指导。我们希望能有一些政策层面的试水，包括一些政策的推动和试点。分级诊疗多年来最大的落地痛点，始终是区域医疗数据不通、基层诊疗能力不足、上下医疗服务质量参差不齐，导致优质医疗资源难以真正下沉，群众就医同质化服务始终难以实现。

图：上海市东方医院南院

而我们按照国家卫健委分级诊疗的相关要求，通过数年的数字化深耕与医联体布局，给基层医疗机构提质增能，让上下医疗服务同质化，更好地体现同质的医疗服务管理能力，打破了这一壁垒，让当年分级诊疗落地的理念与构想，一步步从蓝图变为实景、从概念变为现实。

所以未来我们将持续深化全域赋能布局，推动数据基座引擎、Med-Go医疗AI能力全面覆盖所有医联体成员单位，下沉至各基层医疗机构，全力构建并普及「基层检查、上级诊断、全域协同、AI同质服务」的全新区域医疗服务模式。

在这套全新模式下，基层机构将摆脱诊疗能力薄弱、数据资源匮乏的短板，基层医生可常态化使用与我院三甲同源的AI辅助诊疗工具，依托贯通全域的医疗数据，精准开展患者筛查、日常诊疗、健康管理等基础工作；面对疑难复杂病例，可通过医联体平台快速对接上级医院，实现远程协同诊疗、上下联动转诊，打通区域医疗服务闭环，让辖区群众不用奔波往返三甲医院，在家门口就能享受到标准化、规范化、高质量、连续性的优质医疗服务。

如果站在基层医疗机构的视角回望东方医院这一路的探索与实践，我们最大的特点就是不建壁垒、不筑高墙，而是坚持开放共享、赋能共生的发展理念，跳出单一医院的发展视角，立足区域医疗普惠发展大局，全力搭建全域数据共享平台、AI赋能平台、医联体协同平台，通过技术开源、数据贯通、能力输出、资源下沉，让基层机构「用得起、用得好、用得久」高端医疗AI工具与优质医疗资源，切实补齐基层医疗服务短板、提升基层诊疗核心能力。

所以整体而言，东方医院的数字化与医联体创新探索，不仅推动了医院自身医疗AI技术的迭代升级与数字化转型，更重构了区域分级诊疗服务体系，破解了长期以来医疗资源分布不均、基层服务能力薄弱的行业难题，真正让分级诊疗从顶层设计、理论理念，全面落地为可感知、可落地、可普惠的民生实效。

未来，我们也将持续深耕创新、久久为功，以AI赋能全域医疗，以协同守护全民健康，助力「健康中国」战略的实现。

赵红：非常有意思。李书记，我听了您刚才的话，您从最开始在卫健委任职时期的关心分级诊疗、操心分级诊疗，去基层医院提升基层医疗服务能力，然后进行一些战略布局的发展，再到我们头部三甲医院，用数据来引领，尤其是突破了所谓的「规模扩张」模式，进入到内涵发展模式，用数据创新来带领医院创新成果转化，赋能分级诊疗。

我觉得这真是就像乔布斯所说的，「人生的每一步都是在为你自己做加法和赋能，现在的你都是由过去的每一步构成的。」

我认为您刚才提到的东方医院的发展历程，从一家医院的数据探索，进入到AI医疗时代的平台型设施的提供者和研发者。在物理空间受限的情况下，我相信我们的创新发展之路已经发生了变化，对，这是「东方之路」。东方医院的名字起得太好了，「东方答案」「东方之路」，然后还有「东方创新」「东方探索」。

我相信您的「不搞封闭的系统，只做开放的生态；不只服务区域患者，更将能力输出到更广阔区域，甚至服务于全国的患者；把优质的医疗资源从能力变成数据，然后又变成一个系统」，这整个过程我们听起来都是非常激动的。

我们也希望您能够给全国在走创新之路的医院一个启发，数据世界也是医院创新发展的一个重要方向。

再次感谢李明书记做客《对话医院领航者》。期待同济大学附属东方医院继续秉持「东方之路」的战略定力，提交东方答案，实现东方梦想。在数据和AI的浪潮中不断领航，也期待有更多医院、更多知音、更多同行者能够加入这个开放共赢的生态。

我是赵红，我们下期再见。李明书记您也跟我们的网友们说声再见吧。

李明：各位网友再见。