樹蘭醫療：開啟一場AI醫療的深度試驗

來源：第一財經

當AI在醫療健康領域掀起一場深刻的范式變革，位于杭州良渚新城的樹蘭國際醫學中心項目，正準備以AI醫院的定位，躬身入局，投身于這一場時代之變、行業之變。

“良渚醫學中心爭取在2027年年底向公眾展示。”樹蘭醫療集團創始人兼總裁鄭杰對第一財經表示，這里將與傳統醫院有諸多不同，未來也將成為樹蘭醫療推進計算醫學、AI技術與臨床應用深度融合的“試驗場”。

按照規劃，前沿科學、個人健康狀態、臨床場景和長期健康反饋將在這里被整合成為一條醫療價值鏈，推動醫療健康服務從“事后疾病照護”，轉向對健康狀態的持續預測、預防和參與式管理。當然，鄭杰也坦言，AI醫院作為一個新事物，很多課題還需要在后續的實際運行中不斷探索、回答。

對標梅奧

醫療健康領域這場范式變革的底層驅動力，AI正在快速迭代進入復雜系統的預測、建模和發現過程。

一個直觀的案例是，Google DeepMind于2023年11月推出的一款AI中期全球天氣預報模型GraphCast，對對流層變量的預測，在99.7%的指標上優于傳統高分辨率系統。

與此同時，AI理解復雜系統的能力也在從物理世界向生命世界延伸。在生物醫學側，單細胞、空間組學、衰老時鐘和數字人體提供了新的觀察手段；細胞位置、器官老化、分子網絡偏離、個體狀態波動，也涌現出大量計算工具。

于是，一個問題自然而然地被提出：既然某些復雜系統已經可以被提前預測，人的疾病軌跡能否也被提前看見？臨床醫學是否可以在一個具體的人身上提前數年判斷糖尿病、心衰、腫瘤或認知衰退的風險，并據此改變人的健康結局？

“醫學需要發展自己的計算、仿真與預測能力，AI對復雜系統的理解能力也需要經受醫學的檢驗。”鄭杰說。二者的融合交互，將更深入、充分地在AI醫院里發生、完成。

也就是說，在AI醫院里，可以把可計算的生命科學、個人狀態模型和臨床行動連接、轉化成可交付、驗證、迭代的醫療能力。進而，將醫療和健康服務從目前的“事后疾病照護”狀態，轉為對健康狀態的持續預測、預防和參與式管理。

被鄭杰拿來作為樹蘭醫療國際對標對象的，是美國的梅奧診所。

6月3日，在微軟Build開發者大會上，微軟AI首席執行官穆斯塔法·蘇萊曼（Mustafa Suleyman）與梅奧診所（Mayo Clinic）總裁兼CEO詹里科·法魯吉亞（Gianrico Farrugia）宣布達成一項戰略合作，共同開發部署醫療保健領域的前沿AI模型，該模型將由梅奧診所持有，微軟通過 Azure Foundry API 提供該模型。

這款大模型，將整合梅奧診所的全球醫療專業能力、去標識化臨床健康數據，以及微軟的先進AI、云計算及超級智能能力，為臨床推理、醫療應用場景打造前沿AI模型。

與通用AI模型不同，醫療保健AI需要深厚的臨床背景、縱向理解、嚴格的治理和真實世界的驗證。該模型將在梅奧診所可信賴的臨床環境中首先部署，并通過實際使用進行持續測試、優化和改進。

早在7年前的2019年，梅奧診所就已經提出了梅奧醫療平臺（Mayo Clinic Platform），將醫療保健從“管道模式”轉變為“平臺模式”，通過人工智能、大數據分析等技術來變革醫療保健，加速創新、突破和治愈。

數據顯示，目前梅奧醫療平臺已經積累了約 26PB臨床數據、30 億條實驗室結果、16 億條臨床筆記、超 60 億份影像，被組織成可供研究、質量改進和創新者調用的數據產品。與 Mercy 對接后，可分析的去標識化患者達約 1,520 萬人。

今年2月，默克公司宣布與梅奧診所進行戰略合作，首先聚焦在三個疾病方向上，利用梅奧廣泛的多模式數據，包括實驗室結果和臨床見解，來驗證人工智能模型并改進藥物開發策略。

“在這條路上，梅奧診所是走得最堅決、也最成體系的樣板之一。”鄭杰說，這條路也不只梅奧一家在走，麻總百瀚（Mass General Brigham）已將臨床試驗篩選工具拆成獨立AI公司，說明頂級醫療系統正在把內部AI能力產品化。

在鄭杰看來，未來醫療的機會，會越來越集中到同時擁有院內深度診療場景和院外長期健康管理能力、愿意把真實數據與臨床結局納入前沿技術驗證的醫療平臺上。

對于樹蘭醫療而言，這個醫療平臺的核心載體，就是正在建設中的良渚醫學中心。

良渚樣本

服務于真實場景的AI醫療有什么不一樣？

對起步于互聯網醫療時代的樹蘭醫療來說，2025年宣布“All in 科技”戰略升級，一個具體舉措，就是要將良渚醫學中心發展為AI醫院。

一切都還在探索中。畢竟，3月26日舉行的2026世界數字健康論壇上發布的《國際AI醫院智聯體共識》，還只是全球首個AI醫院的國際共識。

根據這一共識，AI醫院被定義為：人工智能深度融入醫療服務的每一個環節，將實體醫院的專業能力與線上平臺的廣泛觸達融為一體，讓患者獲得遠超傳統模式的連續性照護。

因此，打造AI醫院的關鍵在于“系統性重構”——從物理空間到軟件架構，從診療流程到組織文化，都要圍繞AI能力進行根本性的再設計。

樹蘭醫療已經全面從系統迭代開始，思考下一代的AI原生醫療數字化或醫院操作系統到底是什么。“我們在內部打造兩個操作系統：一個是醫療組織的操作系統，一個是圍繞患者和終身用戶的健康管家操作系統。”鄭杰說，樹蘭醫療的未來愿景是從治病走向治未病，成為更多老百姓的終身全生命周期健康管家，底座就是充分擁抱AI。

自成立伊始，樹蘭醫療就自主研發了信息系統（HIS），將病歷存儲、配藥、訂餐等全流程納入數字化管理。這一自建系統，為醫療大數據接入、全人全程全周期電子病歷構建、影像調取與分析等各細分場景與AI技術的嵌套組合提供了基石。

2024年正式上線的阿拉丁用戶服務系統，是樹蘭醫療面向患者的數字化服務核心載體，可以為患者提供全流程線上就醫服務，整合預約掛號、在線問診、復診開藥、報告查詢、費用支付等功能，實現“最多跑一次”就醫體驗；為每位患者建立專屬健康畫像，基于AI算法推送個性化健康科普、疾病預防知識；其中還內置了8000+常見疾病科普視頻、7500+用藥科普視頻，支持7×24小時AI智能問答。

2025年3月發布的Dr.Shu（樹醫生）AI健康智能體，則進一步覆蓋了患者就醫的全生命周期，主要包含三大階段的服務能力：診前完成智能分診與預約，診中完成輔助診療與病歷生成，診后完成健康檔案管理與隨訪。

但AI醫院并非簡單地上線幾個AI工具，也不是脫離實體醫療的純虛擬系統，良渚醫學中心也必須以AI為核心驅動力，重新構建線上、線下一體化的醫療健康服務體系。

“我們要把原來的軟件升級為AI原生的軟件，與大模型合作。同時，數據治理、數據場景和AI環境的閉環，要做全面提升。”鄭杰說。

要思考的問題很多，比如，物流機器人、導診機器人之外，未來醫院里還會有護理機器人，如何在合規前提下部署攝像頭、傳感器等數據采集設施，給不同機器人的迭代、數據采集和學習提供空間。

再比如，AI醫院也是一個醫療數據采集空間，患者什么時候需要來醫院，什么需求可以居家完成，哪些需要通過穿戴設備采集？AI醫院還需要思考的是，需要超前多長時間做設計調優——太早了成本過高，太晚了可能來不及。

對AI醫院的認知，是在持續思考中逐漸清晰的。“良渚醫學中心在物理場景中的空間格局、動線、服務模式都做了較大變化。”鄭杰說。

從空間而言，由于預約、分診、掛號等很多工作在患者來醫院之前就已經完成了，因此醫院對容納大量排隊人流的門診大廳依賴會降低，加上結算模式、取藥模式也會變，因此醫院的門診區域會較常規醫院有大變化。同時，AI未來醫院里健康區域的占比會進一步提升。檢驗、影像等醫技平臺的空間，也將實現彈性化安排。

在鄭杰看來，AI醫院的實體醫療空間面臨的一個很大挑戰是空間的彈性化設計，因為醫療設備在不斷迭代，這對重場景醫院的彈性布局和設計帶來了很大挑戰。

在AI醫院的建設中，鄭杰表示，最深層次也是最難的問題是“組織”——AI醫療內部全新的協同工作模式是什么？醫院內部的組織架構什么樣？

“整個行業都在摸索過程中，目前誰也沒辦法清晰定義AI醫療組織到底是怎樣一種協同工作模式。”鄭杰說。比如多學科會診（MDT），以前是一個專科醫生先做治療，碰到異常情況再請其他科室討論，但以后可能跨學科的分析和討論從一開始就存在了。另外，AI醫院的學科設置也會變化，跨學科變得很重要，而不是學科越分越細、醫生越專越好。

全新“組織”的構建，一方面考驗的是整個醫療團隊是否具備AI思維和文化。

當前，AI對醫療組織工作模式帶來了深層沖擊，患者端正在被AI深度賦能——醫院里出現了越來越多“聰明的病人”（The Resourceful Patient），他們通過AI獲取了全球最新的臨床信息，然后與醫生討論。這也倒逼醫生必須成為更聰明的醫生，善用AI工具對齊信息、提升認知。

“樹蘭醫療內部有一個類似AI醫生小組的團隊，定期做一些評測。對于醫院擅長的學科，我們會對標準完整病例在AI上的答復進行評估，給臨床醫生和護士提供相應的認知和感知能力。”鄭杰表示。

另一方面考驗的是，醫院需要在做私域部署還是直接使用公域能力中間尋找平衡點，也要考慮投入產出的平衡。

“DeepSeek出來的時候，很多醫院都在上一體機部署，但很快發現有局限性。”鄭杰說，對醫院來說，馬上建GPU機房、搞大算力可能是過度投資，但不擁抱又會被淘汰。因此，合理的策略是：不做激進的技術堆砌，但必須讓組織保持對AI的深度感知和迭代能力。

所以，在良渚醫學中心，門診區的調整“比較徹底”，手術室等重資產空間則要考慮代價問題。

數據難題

在鄭杰看來，未來AI醫療的重點在于“深度”。

深度來自于嚴肅醫療場景下的高質量臨床數據與AI大模型的底層平臺結合成一個閉環，也來自于真實世界的臨床場景下，對疾病的認知、單病種或全周期管理、患者的跟蹤管理。

于是，在AI醫療的探索中，一個底層邏輯越來越真切地浮現——計算醫學。

這是一門以生命系統多尺度機理建模為核心，融合統計學習、知識工程與人工智能技術的交叉學科。其核心目標，是構建以患者為中心、可解釋且可交互的數字孿生（Patient-Specific Digital Twin），讓疾病預測、用藥模擬、手術推演在虛擬層面完成，實現“生命仿真”，最終實現醫療決策的精準化與個性化。

要實現這一目標，前提是打通數據的全鏈條。從EMR（電子病歷）到EHR（跨機構健康記錄），再到PHR（個人健康檔案，納入穿戴設備、體檢等數據），最終走向PLC（個人生命云）和PDT（個人數字孿生）。

其中，PLC的核心是形成以個人為中心的云端醫療健康數據庫。PDT則是計算醫學發展的遠期目標，也就是通過“全人動態信息建模”無限接近“硅基生命”。

鄭杰在國內較早倡導并推動計算醫學落地發展。2024年，樹蘭醫療與浙江樹人學院、浙江數字醫療衛生技術研究院三方聯合申請的 “浙江省人工器官與計算醫學重點實驗室”獲批，成為樹蘭醫療在計算醫學領域的重要里程碑。

鄭杰說，計算醫學的核心是建模——構建各種疾病模型、細胞模型、器官模型乃至全人模型。以前一個人的數據是一堆文檔——體檢報告、病歷記錄、出院小結——只能看到歷史報告和歷史檢測數據。但在計算醫學視角，要真正把一個人作為一個整體來建立模型，基于建模做更多計算和預判，實現“5P醫學”——個性化、精準化、預防性、預測性、參與性。

“不同于數據有限的紙質病歷時期，現在每人每年產生的醫療健康數據在爆炸式增長，數據更加碎片化，而要提供精準醫療健康服務，前提是數據完整。”鄭杰說。

畢竟，如果要做用戶的終身健康管家，就需要人的終身數據，甚至多組學數據——如基因組學、蛋白組學、時空組學等，并結合功能醫學、長壽醫學等方向的深度分析。由此一來，數據的豐富度和采集頻率就變得很重要。多久做一次腸胃鏡，多久做一次全身掃描，哪些指標需要24小時實時采集——這些都要納入計算醫學的范疇。

以及，這其中依然有很多問題需要考慮。一是數據的確權——數據在哪里產生，訪問權和使用權如何界定，需要行業主管部門和國家逐步完善。二是數據的標準化、可交換性和融合性；三是數據的結構化——是一張圖片，還是已經按結構化字段標注好、機器可讀；四是數據的隱私保護和加密——數據不能篡改，要經過隱私保護和脫敏。

為了打通數據的全鏈條，2015年，鄭杰發起成立非營利組織OMAHA（開放醫療與健康聯盟），致力于推動醫療健康數據的標準化與互操作。為了實現醫學知識的數字化和可計算，OMAHA構建了“七巧板”醫學術語集，集納了總量達百萬級的醫學概念、術語、關系和不同版本的行業資源庫。

但至今，跨機構、跨區域的數據共享仍是行業級難題。

“醫療健康數據是整個行業最核心的事情，但目前，相關的數據交換、數字化、電子化、標準化、隱私保護，還在發展中。”鄭杰說。

不過，鄭杰堅信，堅持去做，一定會慢慢積累出價值。比如，英國最大的生物樣本數據庫UK Biobank，招募了約50萬名參與者，并計劃進行至少30年的長期健康數據追蹤，今天已經成為全世界非常有名的科研數據平臺。

在樹蘭醫療內部，近年來以計算醫學為核心戰略，已經構建了“基礎層-技術層-應用層-場景層”四層AI產品架構，實現技術研發與臨床需求的深度融合。那么，樹蘭醫療是否具備了開展數字孿生實驗的能力？是否已經開展數字孿生的實驗？

鄭杰回應第一財經說，最近正在做一些局部的測試，因為只有把用戶的歷史數據管理起來，進而從深度的數據管理上升到以數字人形式的管理，才能為用戶提供更精準的健康管理服務。

鄭杰坦言，在AI醫療的這場大變革中，樹蘭也在摸著石頭過河，但是，真實世界的高質量臨床數據加上AI的結構化閉環，用于指導精準、個性醫療，并推動生命科學的科研提速——這個飛輪會比以前轉得更快。

“一人一藥、一人一個精準療法的時代真的會來臨，這是看得到的前景。”鄭杰說。