健康中国高质量数据共建共享暨AI赋能医疗星河思享汇在沪举行：Agent-Ready健康数据成讨论中心

Agent-Ready成为关键词：一场思享汇把医疗数据治理的下一站说清楚了

事实报道 × 监管与政策视角 ｜ 监管动态

导语：2026年9月19日，健康中国高质量数据共建共享暨AI赋能医疗星河思享汇召开。上海证券报·中国证券网记者窦世平报道。会议的基本判断是，随着大模型与智能Agent加快进入医疗场景，高质量数据建设正成为AI医疗产业关注的重要方向。当天的发言覆盖慢病管理、医学应用边界、Agent-Ready战略、数据要素政策、院内数据建设与医疗语义基础设施，焦点统一落在数据这一层。

一、会议开场：为什么数据成了这一轮AI医疗的焦点

这场会没有把主题放在模型能力上，而是直接对准了数据。背景判断很清楚：大模型、智能Agent等技术正在加快进入医疗场景，能力侧的进展已经不再是瓶颈。

医疗行业的特殊性在于，它不缺少数据，缺的是能被机器稳定使用的高质量数据。院内系统沉淀了几十年的诊疗记录，电子病历、检验结果、影像报告、用药医嘱层层堆积，但这些记录服务于人与流程，不服务于推理。字段命名不统一，非结构化文本占比高，同一个概念在不同科室有不同写法。谁把这些记录变成可计算、可校验、可授权的资源，谁就掌握了AI医疗下一阶段的入场券。

这也是政策端近年持续往这个方向配置资源的原因。数据要素的流通利用、医疗健康数据的分类分级、数据安全与隐私保护的边界，这些议题共同构成了AI医疗落地的外部条件。技术跑得快，规则与基础设施跟不上，产品就只能在演示环节停留。会议把这个判断摆在了开场位置，没有回避问题，也没有停留在技术乐观主义的叙事里。

二、核心提法：Agent-Ready战略在说什么

南京邮电大学教授、浙江大学双聘教授王春晖的发言，落在健康中国Agent-Ready战略的构建上，探讨的是面向智能体时代的健康数据顶层设计。

这个提法值得拆开看。过去几年行业习惯的说法是给模型喂数据，即把语料和标注灌进训练流程，衡量标准是数据量与标注质量。Agent-Ready指向的是另一个目标：给Agent建环境。智能体要执行任务，需要的是可调用的接口、可追溯的来源、可授权的边界，而不是一堆静态文件。

差别在具体的工程要求上会体现得很清楚。喂数据阶段，数据工程的产出是一份份训练集，交付形态是离线文件；Agent-Ready阶段，数据要能按需查询、按权限放行、按来源回溯，交付形态更接近服务。前者的验收标准是模型指标，后者的验收标准是任务成功率与可审计性。数据治理的目标函数因此发生了变化，从提升模型表现转向支撑任务闭环。这是本次会议在概念层面最有信息量的地方，也解释了为什么会议名称里把共建共享放在了AI赋能之前——环境是可以共建的，模型参数不是。

三、多方发言梳理：临床、数据治理、产业三方的关切分布

发言者的构成，本身说明了议题的结构。

临床一侧，中国中西医结合学会副会长、中日友好医院原副院长姚树坤围绕AI赋能慢性病健康管理发言，提出可依托人工智能技术完善慢性病全周期管理，加快构建覆盖全民的健康服务体系。中国医学科学院、北京协和医学院教授顾怀宇则讨论了人工智能医学的发展前景与应用边界，提出推动人工智能真正融入医学体系。首都医科大学附属北京友谊医院医学数智创新中心办公室主任王力华分享了院内高质量医疗数据建设实践，探讨如何让数据真正落地并服务临床诊疗。

治理与政策一侧，国家数据发展研究院数据要素研究部主任王超贤结合相关政策，介绍了医疗数据流通利用的创新探索与实践。

产业一侧，上海维链通数字技术有限公司联合创始人兼董事总经理徐辉指出，医疗数据的复杂性还体现在数据之间的关系，高质量数据集和医疗语义基础设施建设具有重要作用。

三方的关切分布并不重叠：临床关心数据能不能服务诊疗，治理关心规则与流通，产业关心底层结构能不能支撑产品。会议把它们放在同一个议程里，是这场会区别于一般行业论坛的地方。

四、产业含义：语义基础设施是数据集之后的下一层建设

徐辉提到的医疗语义基础设施建设，是本场发言里最接近工程落地的一条线索。

医疗数据的难点不只是量。同一个指标在不同系统里有不同字段名，同一份诊断在不同科室有不同书写习惯，药物与检查之间的关联散落在多个环节。数据集解决的是把数据聚起来，语义基础设施解决的是把关系建起来。没有这一层，智能体拿到数据也无法判断两个字段指的是不是同一件事。

这也意味着建设重心的迁移。前一阶段的能力集中在数据汇聚与标注平台，下一阶段会转向术语映射、关系建模、权限与溯源机制。这是一层更慢、更依赖标准协同的工作，不容易在短期看到效果，但它决定了上层应用能走多远。

对供给方来说，这一层也改变了对产品形态的要求。单纯卖数据集的空间会被压缩，价值更容易落在语义层的建模能力与长期维护上。术语体系会随临床实践与药械更新持续变化，这意味着语义基础设施不是一次交付的工程，而是需要持续运营的资产。谁能把维护这件事做成闭环，谁就更可能在这一层站住位置。

五、冷静观察：讨论层面的共识与落地层面的规则之间还有距离

与会形成的共识是明确的：需在保障数据安全和患者隐私的基础上，进一步完善医疗数据流通规则，持续推进数据治理和语义基础设施建设，推动大模型、智能Agent等技术深入临床、慢病管理、公共卫生等场景。

方向没有争议，难点在于中间那段距离。数据流通规则如何落地，涉及授权链条、责任划分、跨机构使用的边界，这些不是一场会议能给出答案的。语义基础设施的建设同样需要跨机构的标准协同，谁来牵头、按什么口径对齐、投入如何分担，目前都还在探索阶段。

对数据从业者来说，这次会议释放的信号有实际参考价值：政策与行业讨论已经把重心从模型能力转移到数据侧，Agent-Ready被明确提出来，语义基础设施被点名为关键方向。方向明确之后，接下来的变量就是规则与标准的落地节奏。

原文链接：上海证券报

---

千方医数集编辑部 出品