一座城市的医疗AI“中央厨房”：深圳平台化打法的数据账本

当多数城市还在以单医院为单位试点医疗AI时，深圳选择了一条“中央厨房”式的平台化路径。9月8日腾讯新闻报道，由深圳市健研数管中心建设的医学人工智能创新平台正打造城市医疗智慧“大脑”：AI预问诊与智能分诊模型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；重症大模型已落地8家医院，三大急危重症智能体使医护数据分析效率提升50%以上，患者平均住院时长与综合医疗花费均下降5%以上。这份“数据账本”值得逐项细读。

会诊式架构：一个通用模型调度一群专科模型

平台的技术架构模拟了医院里最经典的多学科会诊：当一个医疗问题输入后，通用大模型先初步解析用户问题与病例信息，再根据各专科模型的能力智能调度最相关的一个或几个模型进行联合研判，最后综合各模型输出生成结论。

这一架构重点针对三大临床痛点：辅助诊断准确率不足、分诊效率偏低、跨科室协同不畅。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，这种能力弥足珍贵。”健研数管中心党委委员、正高级工程师吴旭生表示。

临床账本：+20个百分点、-15分钟与-5%的背后

平台宣称的成效可以拆成三笔账。门诊账：AI预问诊与智能分诊模型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——直接作用于患者就医体验最敏感的环节。

重症账：重症大模型承担“24小时智能医生”职责，通过物联网设备对患者生命体征全天候实时监测，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，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。其重症知识查询准确率达95%，能1分钟自动生成规范病历，医生工作效率提升超30倍。目前已在深圳8家医院落地，Sepsis、ARDS、AKI三大急危重症管理智能体使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——既省时间，也省钱。

管理账：平台的医保违规申诉系统广受医院欢迎，深圳AI医疗应用超过七成集中于“人工智能+医疗服务管理”领域。

72小时部署DeepSeek：城市级平台的“集中部署、远程赋能”逻辑

平台建设并非一蹴而就。2022年健研数管中心启动探索时，大模型还无法本地化部署，数据安全是硬性制约。转机出现在2025年春节：DeepSeek开源模型发布，中心在72小时内完成平台部署，随后向南山区人民医院开放API接口，仅用3天便跑通病案编码审核、门诊病历质控、诊疗方案推荐等9个临床场景。

“集中部署、远程赋能”的经济学逻辑在于：算力部署在医疗卫生专网内，全市机构通过统一API调用模型能力，避免每家医院重复采购算力、重复部署的浪费——这在当时是全国领先的举措。2025年8月，全球首个城市级全域智慧医疗大脑“医智方舟”（MedArk CityBrain）正式登上平台，除通用大模型外，还搭载侯凡凡院士团队的“智肾”、马丁院士团队的“同济·木兰”等数十个顶尖专科垂域大模型。

医智方舟之后：城市医疗AI竞争的“深圳路径”

深圳的样本提出了一个值得行业思考的问题：医疗AI的基础设施建设，究竟应该是“每院一套”还是“一城一底座”？

单医院自建模式的优势是与本院流程深度咬合，但成本高昂、迭代缓慢，且基层医院根本无力承担；城市级平台模式以集中化摊薄成本、以统一接口加速普及，让社康机构也能用上与三甲医院同源的智能能力——深圳市卫健委负责人将其概括为加速全市基本医疗服务“同标同质”。

当然，平台化也对数据治理提出了更高要求：医疗数据集中于专网平台，权限管理、隐私保护、模型评测的责任主体都需要更清晰的制度安排。但无论如何，当“分诊准确率+20个百分点”这样的指标开始以城市为单位被统计和披露，医疗AI的竞争维度已然升级——从单个产品的性能竞赛，进入城市数字健康基础设施的整体较量。

原文链接：腾讯新闻

千方医数集编辑部 出品