本報記者 張曉玉

    2025年8月15日至8月17日，第31屆中國國際醫用儀器設備展覽會暨技術交流會（China-Hospeq）在北京國家會議中心舉辦。本屆展會以“共迎健康挑戰，共謀發展機遇”為主題，展會面積22000平方米，參展企業超過300家，展會重點展示了醫學影像、醫學檢驗、放射治療、AI醫療大模型、數智化解決方案、生命支持、衛生應急等多領域中國制造創新成果。

    在本次展會上，國家衛生健康委宣布成立“中非醫院聯盟”，在聯盟成立框架下，“中非醫院聯盟”健康絲路AI發展等多個聯合工作組同步啟動。與此同時，中英雙語的“羲和一號”醫療大模型正式發布，作為核心AI解決方案助力中非衛生健康共同體建設。

    臨床數據筑基：打造差異化競爭優勢

    “羲和一號”醫療大模型是由北京大學第三醫院、北京大學人工智能學院與北京博雅全健智算科技有限公司（簡稱“博雅全健”）共同研發出品。天眼查APP顯示，博雅全健控股股東為港股上市公司天津泰達生物醫學工程股份有限公司（簡稱“泰達生物”，股票代碼：08189.HK）。

    發布會現場，博雅全健董事長栗琳在接受《證券日報》記者采訪時表示，這一模型研發歷時近10年，基于100萬真實病案數據研究，形成了1000億級參數，依托自然語言交互與可溯源知識推理雙引擎，支持疾病預測、診斷與個性化治療、影像分析、藥物研發、臨床試驗以及醫學教育等多場景應用，實現醫學知識覆蓋率98%，醫學知識精準率90%以上。

    栗琳強調：“數據是AI模型的靈魂，而‘羲和一號’的靈魂根植于最嚴謹的臨床醫療數據。”在AI醫療賽道愈發擁擠的當下，“羲和一號”選擇從源頭建立差異化壁壘——以醫院病案檔案為核心訓練數據，用經過嚴格篩選、標注的臨床病例、影像、檢驗結果等“黃金標準”，替代部分同行依賴的互聯網“二手信息”。

    這種數據選擇的差異，直接決定了模型的可靠性。據介紹，“羲和一號”的訓練數據均來自18家醫療機構的臨床一線，涵蓋人口學特征、時序理化指標、影像組學等多模態信息，且每一條數據都經過倫理審查、脫敏處理，標注過程由臨床醫生全程參與。

    “互聯網數據可能包含健康資訊、用戶問答，但這些內容缺乏臨床驗證，甚至存在錯誤。”栗琳舉例說，用互聯網數據訓練的模型好比“隔著書本學看病”，而“羲和一號”是在臨床一線“跟著醫生查房問診”。

    數據“質地”的差距體現在具體性能上：“羲和一號”的幻覺（錯誤輸出）率極低，準確率可達90%以上；而部分依賴互聯網數據的模型，可能出現“普通咳嗽誤判為嚴重肺病”等致命錯誤。“醫療領域差10%的準確率，就是對患者健康的巨大風險。”栗琳強調，守住“臨床數據”根基，不僅是技術選擇，更是對醫療倫理的敬畏——這一點，也讓“羲和一號”在合規性上占據先機，為后續商業化落地掃清了數據合規障礙。

    需求導向研發：破解臨床實際痛點

    “做AI醫療，邏輯起點錯了，后面全是錯的。”在談及研發理念時，栗琳的觀點尖銳卻切中行業要害。她表示，當前AI醫療領域存在兩種路徑：一種是“技術+醫療”，即先有技術再找場景；另一種是“醫療+技術”，即從臨床需求倒逼技術突破——“羲和一號”堅定選擇了后者。

    這種選擇背后，是對醫療行業復雜性的深刻理解。以心血管疾病診療為例，北京大學醫學部副主任、北京大學第三醫院副院長、“羲和一號”大模型首席科學家唐熠達向記者介紹，當前胸痛、心梗等疾病存在三大痛點：漏診誤診率超25%、基層診斷能力不足、指南落地滯后。傳統診療中，人工計算錯誤率高、檢查耗時超30分鐘，導致藥物選擇盲目，基層治療延誤可使死亡風險增加35%。“這些不是技術能‘硬套’解決的問題，必須從臨床流程中找答案。”唐熠達表示。

    為此，“羲和一號”構建了以臨床剛需為核心的研發體系。在數據層面，其整合了18家醫療機構的多模態數據，包括電子健康檔案、可穿戴設備數據、藥品說明書及醫保目錄，形成覆蓋診療全周期的數據庫；在技術層面，通過多源異質數據處理技術，實現數據標準化、影像去噪增強及視頻序列化，解決了醫療數據“格式雜、質量差”的行業難題；在應用層面，開發預警分診與合理用藥大模型，集成臨床決策支持系統，直接瞄準基層診療能力不足的痛點。

    “我們不是先做一個‘萬能模型’再找場景，而是醫生需要什么，我們就研發什么。”栗琳用“養老地產”打比方，若先建地產再塞養老功能，必然走偏；醫療AI也一樣，必須由臨床需求主導技術突破。這種邏輯下，“羲和一號”的商業化路徑更清晰——通過“1+N”分級診療模式，在三甲醫院驗證后下沉至基層，既解決了基層醫療資源短缺的民生問題，也為企業打開了廣闊的下沉市場空間。

（編輯 才山丹）