十年深耕醫療數據基建，古珀科技跳出AI內卷的長期主義解法

一個行業共識正在加速形成：中國醫療數據的“信息孤島”困局，已經到了非破不可的時候。

2026年全國兩會期間，全國政協委員吳德沛指出，醫療健康數據長期分散在衛生健康、醫保、藥監、疾控等不同主體中，“導致數據重復建設、標準割裂、資源閑置并存”。委員霍勇更具體地建議，加快構建國民醫療健康高質量數據集，打破模型和數據孤島。

兩位委員的呼吁和行業共識，恰與杭州古珀醫療科技有限公司十年來聚焦解決的核心問題完全重合。

十年過去，這家公司交出的答卷是：治理覆蓋超1.6億人口的完整健康數據，累計對接超過250余家廠商的近千套醫療信息系統，沉淀8300多條數據質控規則；是國家衛健委首批健康信息團標參與單位、國家數據局高質量數據集先行先試參與者、海南三醫協同可信數據空間的共建單位。

古珀科技董事長張強在接受動脈網專訪時說：“醫療數字化的本質不是技術堆砌，而是數據價值的釋放。古珀十年深耕，只做一件事：把分散、異構、質量不一的醫療數據治理成可用、可信、可合規流通的數據資產，讓AI有料可學、讓醫療有數可用。”

01

所有人追AI，他們選擇“造地基”

2016年，古珀成立。那一年，移動醫療創業如火如荼，互聯網醫院、在線問診、AI影像識別是資本追逐的熱點。古珀卻選擇了一條截然不同的路徑——醫療底層數據治理。

“當時我們有一個非常樸素但到今天依然成立的基本判斷——醫療行業數字化最大的瓶頸，不是模型不夠好、算法不夠聰明，是數據根本出不來。”張強說。

這個判斷并不復雜：一家三甲醫院跑幾十上百套信息系統，HIS、LIS、PACS、EMR，來自幾十家不同廠商，彼此數據標準不統一。醫生要看一個患者的完整病歷，經常要登錄好幾個系統。

“這種‘信息孤島’的狀態不打破，上層再好的AI應用都是空中樓閣。所以我們從一開始就定了一個方向：先埋頭把數據底座搭好，把臟活累活干了，讓數據先‘活’起來。”

這也決定了古珀早期的蟄伏路線。沒有爆款C端產品吸引市場目光，常年扎根各地衛健、醫院做數據治理落地，埋頭打磨適配各類老舊醫療系統的技術能力，外界很少聽見古珀的聲音，直到蕭山“健康大腦”模式走紅，行業才注意到這家藏在底層的服務商。

02

非接口分布式治理：數據不離院、反向做質控

行業主流的做法是接口模式——逐一對接不同廠商，協調開放接口文檔，改造原系統表結構。一家醫院幾十個系統談下來，大半年過去了，光接口費用幾十上百萬。一旦原廠商系統升級，接口隨時可能斷連。

一家醫院如此，一個地區、一個省的數據要全量實時貫通，傳統模式的成本呈指數級上升。這種復雜度下，傳統接口模式存在成本高、周期長、穩定性受限等諸多痛點。

古珀的破局點在于自研的XTL-CDC非接口數據同構技術。這套技術框架的核心思路是“去耦合化”和“無感采集”，可拆解為三個層次：

第一層：無感數據采集。不依賴第三方廠商，不改造醫院原有業務系統，通過數據庫日志解析技術自動抓取多源異構數據。一家三甲醫院的全量數據治理周期從行業平均的6個月以上壓縮至15天。

第二層：數據標準化流水線。古珀在十年實戰中沉淀了8300多條質控規則，覆蓋字段映射、值域校驗、邏輯糾錯、主數據管理等環節。這條“流水線”實時運轉，將各系統抓取來的“方言”數據統一翻譯為“普通話”，完成清洗、標準化、質控全流程處理。

第三層：邊緣計算與安全合規。古珀堅持“數據不離院”——原始數據保存在醫院本地，僅脫敏、加工后的標準化指標按需流通。這種架構設計從源頭規避了數據集中歸集帶來的合規風險，也從根本上消解了醫院對數據共享的抵觸心理。

此外，這套框架還有一個獨特能力——“反向數據治理”。傳統數據治理往往是“黑盒”操作，醫院只知道數據出了問題，卻不知道問題出在哪。古珀的系統能夠精確定位異常數據出自哪個科室、哪條病歷，生成詳細質控報告。醫院據此有的放矢地整改，數據質量持續提升。

這套方法論在實戰中反復錘煉。十年下來，古珀累計適配全國250余家廠商的近千套醫療系統。這類在一線實戰中積累的工程化能力，無法靠資本投入快速復刻，構成了古珀最扎實的技術護城河。

03

從蕭山到海南，一套數據底座如何跑通省域級醫療治理

如果說XTL技術是古珀的“地基”，那么“蕭山健康大腦”就是在這塊地基上建起的第一棟樓。

2021年起，古珀助力蕭山打通了全區醫療數據全量實時共享，開創了分級診療和智慧醫療并駕齊驅的數字化醫共體“蕭山路徑”。7家區級醫院、25家衛生服務中心、347家衛生服務站數據全部貫通，184萬建檔人口的健康數據實時可查。

數據貫通之后，價值開始顯現。針對基層慢病管理，古珀落實了“慢病配藥不出村、健康監測不出村、常規檢驗不出村、住院辦理不出村、康復護理不出村”五個不出村。成效清晰可量：基層就診率提升10.7%，兩慢病藥品目錄擴了573%，人均醫療開支減少120元。

針對分級診療，服務蕭山區各醫共體建設了15個專慢病中心，累計篩查超85萬人群，疾病早發現能力提升20倍。針對醫防融合，傳染病多點監測預警系統覆蓋10類癥狀及50多種傳染病。

但蕭山只是起點。真正考驗古珀工程化能力的，是海南省全省醫療數據質量提升工程。

100天攻堅，要對全省160家二級以上醫療機構，3055家基層衛生院，3675家民營診所的數據進行全面提質治理——采集147個數據庫、12057張數據表、46萬個元數據，數據總量648.15億條、存儲量80.57TB，每日新增數據約2800萬條。

“這意味著單體醫院的數據治理要以小時計，非常考驗我們的產品技術和工程能力，倒逼我們練出了一支‘特種兵’隊伍，也沉淀了一套應急響應SOP。”張強說。最終，海南項目實現了“全量、實時、個案”的數據治理目標。

從蕭山到海南，從浙江到重慶、四川、河南，古珀的業務版圖正在不斷擴大。

這套模式為何能復制？張強的回答很直接：“本質不是依賴某個地區的特殊政策，而是一套技術方法論加產品體系。哪個省、哪個市都有多家醫院、多個信息系統、多套數據標準，我們就是解決這個共性問題的。”

這也意味著，同一套底層能力，可以長出不同的應用形態。

在信息化基礎相對完善的區域，居民健康管理需求更加多元，古珀重點圍繞慢病全周期管理、專病服務及AI輔助應用，推動醫療服務從“治病”延伸到“健康管理”。

而在基層醫療資源相對薄弱區域，團隊則將重點放在疾病早篩、風險預警、醫防協同等基礎能力建設上，通過統一的數據底座，把有限的醫療資源配置到最需要的人群。

04

AI時代，數據底座的價值正在兌現

數據貫通之后，還能創造什么價值？這是古珀在完成數據基礎設施建設后，開始思考的新命題。

在張強看來，醫療AI下半場的核心邏輯很清晰：算力是基礎，模型是工具，智能體是載體，數據才是核心生產力。對此，他有三點判斷：

判斷一：基礎算法層正在快速商品化。過去兩年，開源大模型的性能突飛猛進，通用基座能力在快速收斂。單純堆疊參數的競賽已進入邊際收益遞減階段。在醫療垂直領域，真正的差距在于誰能給算法喂入質量最高、維度最全、更新最及時的真實世界臨床數據。

判斷二：脫離場景的通用智能體在嚴肅醫療中缺乏可行性。醫療是高監管、高專業壁壘的行業。醫生不需要一個“聊天機器人”。通用智能體如果不能在具體的業務流程中解決問題——比如自動識別高風險患者、生成符合醫保規則的隨訪計劃——就無法產生真實的業務價值。

判斷三：“場景服務”是撬動數據飛輪的支點。“數據→模型→智能體”這個三層飛輪，其啟動和加速的動能來自嵌入具體場景的AI服務。只有當AI服務真正被醫生和患者用起來，產生新的高質量行為數據和結果數據，這些數據回流到底座，才能讓下一個版本的模型更精準。

基于這樣的判斷，古珀決定利用數據底座優勢，聚焦于兩個高度場景化的AI服務方向：

一是面向醫生的“伴行者”AI，已覆蓋30余種慢病管理場景，深度嵌入基層醫生工作站。與傳統CDSS不同，由于底座擁有患者的完整健康檔案，AI能自動識別高風險患者、生成個性化隨訪計劃、實時提醒異常指標。

二是面向居民的“小古健康”智能體，以常見慢病為切入點，提供居民及家庭成員個性化的健康管理服務。當智能體能調閱個體完整的歷年診療歷程而非孤立的單次檢查報告時，才真正實現了從一次性治病問診到持續健康管理的轉變。

古珀對自己的定位也由此升級——不止于一家數據治理企業，而是成為醫療AI時代的數據智能基礎設施服務商。

隨著2026年醫療數據合規流通、數據要素市場化配置等政策持續推進，古珀也迎來了新的發展窗口——在持續拓展省域級數據版圖的同時，一方面為藥企、商保、科研機構及AI企業提供開放、合規、安全的數據服務；一方面將成熟的B2C慢病管理智能體復制至更多城市，覆蓋更多個人及家庭用戶。

“先做通、再做深、再做活。”張強這樣形容古珀的十年路徑。如今回頭看，通、深、活都走通了——那些發生在蕭山、海南、重慶的真實變化，正在驗證一個判斷：數據底座通了，上層應用才能真正落地。

打通孤島從來不是技術問題，是戰略決心問題。

文｜陳茂雨

微信｜Chenraining_forever

添加時請注明:姓名-公司-職位

聲明：動脈網所刊載內容之知識產權為動脈網及相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業信息和數據，均由受訪者向分析師提供并確認。

點喜歡