当AI穿上白大褂：谁来唤醒沉睡的医疗数据？

中国坐拥全球最大的患者群体、最丰富的临床病例、最活跃的大模型生态。按理说，这应该是AI+医疗遍地开花的完美土壤。但现实，却给了我们一记闷棍。

合肥，作为国家人工智能应用中试基地（基层医疗方向）的试点城市，2026年定下了明确的年度医疗数据汇聚目标，结果推进数月，远不及预期。不是算力不够，不是算法不行，更不是找不到场景。整个链条上，只有一个环节卡住了脖子：数据。医疗数据，根本拿不到。

这不是孤例。过去两年，几乎每一个冲进AI医疗赛道的团队，都在重复同一句话：技术已经准备好了，但数据还在沉睡。

中国每年产生数以亿计的门诊记录、住院病历、影像报告、检验单。论数据“储量”，我们远超大多数国家。但真要拿来训练模型、优化诊断，这些数据却被锁在无数个互不相通的“抽屉”里。每一家医院是一个抽屉，每一个科室又是一个抽屉，甚至同一科室的不同系统之间，数据也不通。

数据为什么锁在抽屉里

最常被提起的解释是隐私和安全。医疗数据涉及个人最核心的信息，管得严是应该的。但这并非故事的全部。

一位高校人工智能产业研究的老师，说得非常直白。他们学校想合并两个部门的数据，推了两年，推不动。“为什么？信息就是权力。你把数据交出去了，你就没权力了。”

话听着尖锐，却点到了根子。在现有制度安排下，数据首先是一个组织资源。谁掌握了某个领域最完整的数据，谁就掌握了话语权、预算分配权、不可替代性。交出数据，等于自断臂膀。这不是哪一个人的问题，而是整个激励结构的问题：交出数据的人得不到对等好处，不交的人也没有代价。系统天然倾向于锁死。

经济学家管这叫“市场失灵”：数据有巨大的使用价值，却流不动，因为产权不清、定价缺失、交易规则空白。

浙江的解法：数据不出院，但必须互通

几年前，浙江开始铺一条后来被称作“健康数据高铁”的东西。起因并非人工智能，而是“最多跑一次”改革。老百姓看病不要重复做检查，要做到这一点，医院之间的数据就得通。

“健康云”建起来，全省数百家公立医院逐步接入同一套互认互通系统。浙江成了全国唯一实现全省域医疗机构数据实时互联互通的省份。

更值得拆解的是这条路怎么修的。

一开始有过争论。有人主张把数据全收上来，建一个中心库，统一管理。但很快发现走不通。医院凭什么“上缴”？出了安全事件谁担责？每一家都想守住自己的“抽屉”。

最后定下来的方案，做了一个关键设计：数据仍放在各家医院，但全省统一了调用协议和互认标准。“健康大脑”负责调度，需要什么调什么，调完留痕，全程可追溯。医院保住了控制权，同时必须履行互通义务。

这等于建了一个俱乐部。成员共享彼此数据，规则一起定，操作全留痕。外部有准入门槛，内部有行为约束。这个设计大幅降低了制度摩擦。如果硬要各家“上交”，一轮轮博弈能把整个项目拖死；俱乐部模式让参与方既保留控制权，又享受协作红利，阻力就小了一大截。

底座之上长出什么

2024年，浙江上线了“安诊儿”AI导诊系统，从挂号、候诊、检查到取药、复诊，全程有数字助手跟着患者。

单看技术，并没有不可替代的突破。它真正的价值在于底座。它不是某一家医院的“院内导航”，而是长在全省数据网络上的统一入口。患者在杭州做的检查，到了温州，“安诊儿”也认得。平台效应一旦启动，接入的医院越多，对患者越有价值；用的患者越多，医院越愿意接入。需求端规模经济形成后，后来者追赶成本会高出一大截。

不止导诊。AI辅助诊断已覆盖浙江所有基层医疗卫生机构。社区医院没有三甲资源，AI能帮医生看片子、做初筛。多癌早筛在试点，重症智能决策系统在跑。在某些基层地区，误诊率出现了实打实的下降。这个指标，比融了多少钱、发了多少论文更有说服力。

这些应用拆开看，没有一个是“碘伏性突破”。但放在同一套数据底座上跑，它们构成了一种系统效率：看病少跑两趟，检查不用重做，基层接得住常见病。这不是任何单一产品的胜利，而是一整套制度设计的回报。

从地方实验到国家议程

国家数据局在《可信数据空间发展行动计划》中明确提出，在医疗健康等重点行业建设“可信数据空间”，核心原则是“原始数据不出域、数据可用不可见”。浙江的“健康大脑”，本质上就是一个行业级可信数据空间的原型，用技术保障数据不泄露，用制度让数据能流动。技术端，蚂蚁等企业也在推出“可信智能体群”，让多个AI互相验证约束，防止大模型在严肃医疗场景“胡说八道”。制度端有了可信数据空间，技术端有了可信智能体群，两件事凑在一起，AI医疗才能从实验室走向规模化。

“车”为什么不愿上路

但话不能只说漂亮的那一半。浙江省卫健委坦承，尽管已是全国唯一实现数据互通的省份，数据权属、定价机制、公共数据授权运营等方面仍有不少瓶颈。翻译成大白话：路修好了，愿意一直跑的车还不够多。

问题出在激励。医院把数据拿出来共享，模型训练好了，商业化落地了，跟医院有没有关系？如果没有，凭什么下次继续配合？行政命令推得了一次，推不了持续。

浙江试探的方向是，让参与数据共享的医疗机构享有优先使用模型、共享研发成果的权利，逻辑是“贡献数据，获得AI能力反哺”。方向是对的，但细节艰难。数据贡献度怎么量化？收益怎么分配？大机构会不会垄断数据收益？这些问题，没有现成答案。

安全是更大的变量。医疗数据一旦出事，就是社会事件。浙江从几年前就要求所有公立医疗机构数据访问“全链路留痕、可追溯、可审计”。但这套机制若推向全国，各地条件参差不齐，监管成本会急剧上升。

政府修路，市场跑车

这里藏着一个时代性命题：当数据成为核心生产要素，公共部门和私人部门的边界应划在哪里？

浙江给出的阶段性答案是：政府做底座，市场做应用。政府管标准、管协议、管安全、管隐私保护，让数据“可流动”；企业在护栏里做模型训练、产品开发、商业闭环。这套分工逻辑，和修高速公路道理相通。路面、信号灯、收费标准由公共部门提供或监管，上面跑什么车、开什么店，让市场充分竞争。区别在于，数据基础设施的“原材料”不是水泥钢筋，而是每一次挂号、每一张化验单、每一份电子病历。从头到尾，制度设计都必须把信任放在第一位。老百姓不信任这套系统，底座再大也是空城。

浙江跑了几年，刚跑通第一程。眼下，“可信数据空间”已写进国家文件，越来越多省份开始搭建“健康数据高铁”。随之而来的问题是：这套在一个省跑通的制度，能不能全国复制？

如果可以，至少需要四样东西落地。

第一，数据确权要出操作指引。患者电子病历能不能带着走，医院与企业合作开发收益怎么分，公立医院数据什么条件下进入授权运营，这些都得有白纸黑字的流程。

第二，贡献激励要能算账。不只按数据量，更要按质量、稀缺性和调用频次定贡献值，规则进场前明确。

第三，安全合规要分级分类。血常规和基因测序不是一个风险等级。参照金融业客户信息分级保护经验，按敏感度划梯队，每级对应脱敏、加密和留痕要求，全国一套标准。

第四，跨省互认从小切口起步。先拿检查检验结果互认试水，这是最成熟、争议最小的数据类型，再扩展到影像调阅、处方流转，走通一步复制一步，同步建立跨省调用对账结算体系。

这才是AI赋能医疗最要紧的命题。不是技术跟不跟得上，而是制度能不能让那些宝贵的医疗数据真正醒来，又不让任何人为之付出不可接受的代价。