南方财经记者 张伊欣
粤港澳大湾区（885521）不乏技术创新的叙事，但真正能够穿透体制壁垒、直面行业痛点的实践，仍属少数。深圳，这座以速度和效率见长的城市，正在医疗领域掀起一场静水流深的变革。
2023年与2024年，深圳连续两年位列全国卫生健康信息化发展指数榜首。目前，全市已有近450个人工智能（885728）产品嵌入各级医疗卫生机构的日常运作，覆盖临床诊疗、医院（884301）管理、公共卫生和医保控费等多元场景，AI正在重塑医疗流程。
在技术快速推进的同时，算力资源分散错配、数据共享壁垒森严等深层问题依然存在。破局之道，在于集约化管理和系统化支撑。
为此，深圳市卫健委联合10个部门发布《“人工智能（885728）+医疗健康”创新协同发展三年行动计划》，提出建设全市健康数据“超级枢纽”，并建立“市级统筹、区级落实”的信息化管理机制。
在此框架下，深圳市政数局和深圳市卫健委联合在深圳市卫生健康发展研究和数据管理中心（以下简称“健研数管中心”）成立数字深圳联合创新中心卫生健康分中心，在算力集约、数据标准化和场景协同三个维度同步发力，打造集管理、服务与研发支持于一体的医学人工智能（885728）创新平台，激活全市医疗数据资源，赋能医疗机构，切实回应民生就医需求。
当城市级“大脑”介入诊室
医学人工智能（885728）创新平台已成为全球首个城市级全域智慧医疗大脑（“智脑”），该平台依托专属群体智能架构，搭建起完整的医疗AI支撑能力体系。
在具体实践中，该平台通过链接全民健康信息平台，承载城市级数据中枢功能，实现多源数据汇聚治理与共享协同，同时最大化发挥数据创新应用价值，已在惠民、助医、辅政、促研、兴产五个方向上形成规模效益。
尤其是在“助医”方面，“智脑”及数据中枢共同打造了多模型协同的“会诊系统”，不仅集成DeepSeek、千问等通用大模型，还搭载数十个由中国科学院院士及国内头部医院（884301）等顶尖医疗团队领衔研发的专科垂域大模型，覆盖专科辅助诊疗、疾病预防、数据治理和健康决策等多个细分领域。
在实际应用中，会诊系统先通过通用大模型初步解析用户问题、病例信息，再根据各专科模型的能力，智能调度最相关的多个模型进行联合研判，最终综合各模型输出，生成结论。目前，这套创新技术架构已在多家机构落地应用，重点针对辅助诊断准确率不足、分诊效率偏低和跨科室协同不畅三大临床痛点。
在日常门诊分诊场景中，AI预问诊与智能分诊模型已将分诊准确率提升约20个百分点，患者候诊时间平均缩短超过15分钟。在疑难病例的多学科会诊中，多个专科模型同步分析同一病例，各自输出结论并附带置信度，由主诊医生综合判断。
“这相当于为医生请来一个‘虚拟专家团’，尤其在基层医院（884301），这种能力弥足珍贵，能够有效弥补医疗资源不足。”健研数管中心党委委员、正高级工程师吴旭生表示。
在重症病房场景中，重症大模型承担起“24小时智能医生”的职责，通过物联网（885312）设备，实现对患者生命体征的全天候实时监测。系统融合心电波形、呼吸参数、检验指标和影像报告等多模态数据，及时预警潜在风险，辅助护理与临床决策。
有医生感慨：“过去护士需每小时手工记录一次数据，现在系统实现秒级监测，还能依据每位患者的历史基线进行个性化报警，而非依赖统一阈值。”
目前，重症大模型的重症知识查询准确率达95%，能1分钟自动生成规范病历，其已在深圳8家医院（884301）落地。其中，三大急危重症Sepsis、ARDS、AKI管理智能体落地，使得医护数据分析处理效率提升50%以上，患者平均住院时长与综合医疗花费均下降5%以上。
医保违规申诉15秒完成
医学人工智能（885728）创新平台的建设并非一蹴而就。
早在2022年，健研数管中心便启动了医学AI领域的探索，但彼时大模型无法实现本地化部署，机器学习参数规模仅停留在2万级，数据安全（885942）与隐私保护也成为硬性制约。“距离真正的临床应用仍有不小差距。”吴旭生回忆道。
转机出现在2025年春节。DeepSeek开源模型的发布，使大模型本地化部署成为现实。健研数管中心快速响应，在DeepSeek发布72小时内完成平台部署。随后，中心迅速向深圳市南山区人民医院（884301）开放API接口，仅用3天便共同跑通了9个临床场景。这些功能通过综合分析患者信息、检查检验结果、医嘱详情及治疗记录，自动识别病历内涵质量问题，为院内质控提供可视化智能监控，并为临床医生提供专业化、精准化的诊疗参考。
深圳AI医疗应用高度集中于“人工智能（885728）+医疗服务（881175）管理”领域，其中医疗服务（881175）占比超过七成。
医学人工智能（885728）创新平台的医保违规申诉系统广受医院（884301）欢迎。过去，在医疗机构向医保局进行支付申诉时，医院（884301）医保科需人工对照约1.2万条医保规则，为拒付病例收集证据链，耗时漫长且通过率低。
“现在只需15秒。”吴旭生说。该系统能在15秒内自动完成拒付病例的证据链检索、规则比对和申诉报告生成，处理效率提升90倍，申诉成功率从69%提升至87%，帮助医院（884301）平均回款周期（883436）提前约7.5天，现金流预计改善约18%。
从快速部署初期功能，到高效解决医患实际问题，这种“深圳速度”背后，是对技术窗口的敏锐把握，更是对临床刚需的迅速响应。目前，深圳全市医疗卫生机构填报有效AI应用812项，另有储备项目246项纳入未来建设计划；已落地应用覆盖国家指引84个具体场景中的49个，场景覆盖率58.3%，13个细分方向中已有11个完成布局。从机构层级来看，深圳市属医疗机构共填报AI应用362项，专科辅助决策、手术规划、医学影像质控等高阶场景较多。
集成化机制降本增效
平台的能力，很大程度上源自健研数管中心的集成化机制。
通过中心化资源聚合，该中心统筹全市医疗机构的算力、大模型及语料库资源，构建“算力+模型+数据”基础底座，汇聚的数据总存储规模近5PB。平台因此能够高效支持模型部署与训练，保障千亿级参数模型的稳定推理运行。同时，统一API接口为全市医疗机构提供算力与模型能力支持，显著降低重复开发成本。
在算力调度方面，平台面临差异化需求：影像模型依赖GPU进行高并发矩阵运算，基因组学分析需NPU加速碱基比对，文本类的病历理解与知识检索则更依赖CPU的大内存吞吐。为应对“三路并进”的算力需求，平台构建了统一调度系统，根据任务优先级和实时负载动态分配资源。
“例如急诊分诊模型被设为高优先级，优先保障GPU算力，而科研类离线训练任务则安排在夜间或低峰时段。”相关技术人员解释道。
数据安全（885942）同样关键。医疗数据涉及患者隐私，诊疗信息不得离开医院（884301）本地。平台采用联邦加密技术，各医院（884301）在本地完成模型微调和推理，仅将加密后的模型参数上传至中心，原始数据始终不出院，模型也不在医院（884301）间流通。同时，平台内置严格权限管控和审计日志，每笔数据访问和模型调用均可追溯。
“这种架构既确保隐私合规，又使模型能从多中心数据中持续学习进化。”吴旭生说。这相当于在“数据孤岛”之间架起一座安全桥梁，实现信息可用不可见。
展望未来，深圳市已制定医学人工智能（885728）发展“四横七纵”总体规划。“四横”涵盖算力、数据、模型、应用四个层级，中心与医院（884301）各司其职、协同配合；“七纵”则以医学人工智能（885728）创新平台和医疗鸿蒙基础设施为骨架，首批选定5家市属头部医院（884301）作为全市AI医院（884301）建设单位，协同数字深圳联合创新中心卫生健康分中心推动医工交叉融合，并将经验向全市复制推广。
吴旭生透露，深圳市卫健医疗开源鸿蒙技术研究院正在筹备中，探索AI与鸿蒙操作系统的深度融合，将解决医疗设备（884145）、业务终端操作系统缺乏统一通用底座，导致适配、运维成本极高的问题，从而为AI、大数据应用奠定算力复用、模型共享、全域协同的基础。
今年3月，“深圳市构建医疗鸿蒙生态供需对接会”已为全市59家医疗机构、102家医疗鸿蒙生态相关企业提供了对话平台，搭建医企对接桥梁。
作为全市医疗数据的集约化枢纽，该平台高效的卫生健康数据流通与使用能力，将是未来发展的战略基石。
“无论是医学人工智能（885728）应用还是医疗鸿蒙生态，都离不开数据赋能。在数据中台、可信空间如何建设，数据如何采集、如何治理，如何创新数据应用等方面，必须绘制一张数据的总体蓝图，明确建设边界与发展路径。在深圳，我们将推进全民健康信息平台和医学人工智能（885728）创新平台，共同组建超大城市级的数据中枢与智慧大脑，形成协同创新范式。”吴旭生总结道。
