树兰医疗：开启一场AI医疗的深度试验

来源：第一财经

当AI在医疗健康领域掀起一场深刻的范式变革，位于杭州良渚新城的树兰国际医学中心项目，正准备以AI医院的定位，躬身入局，投身于这一场时代之变、行业之变。

“良渚医学中心争取在2027年年底向公众展示。”树兰医疗集团创始人兼总裁郑杰对第一财经表示，这里将与传统医院有诸多不同，未来也将成为树兰医疗推进计算医学、AI技术与临床应用深度融合的“试验场”。

按照规划，前沿科学、个人健康状态、临床场景和长期健康反馈将在这里被整合成为一条医疗价值链，推动医疗健康服务从“事后疾病照护”，转向对健康状态的持续预测、预防和参与式管理。当然，郑杰也坦言，AI医院作为一个新事物，很多课题还需要在后续的实际运行中不断探索、回答。

对标梅奥

医疗健康领域这场范式变革的底层驱动力，AI正在快速迭代进入复杂系统的预测、建模和发现过程。

一个直观的案例是，Google DeepMind于2023年11月推出的一款AI中期全球天气预报模型GraphCast，对对流层变量的预测，在99.7%的指标上优于传统高分辨率系统。

与此同时，AI理解复杂系统的能力也在从物理世界向生命世界延伸。在生物医学侧，单细胞、空间组学、衰老时钟和数字人体提供了新的观察手段；细胞位置、器官老化、分子网络偏离、个体状态波动，也涌现出大量计算工具。

于是，一个问题自然而然地被提出：既然某些复杂系统已经可以被提前预测，人的疾病轨迹能否也被提前看见？临床医学是否可以在一个具体的人身上提前数年判断糖尿病、心衰、肿瘤或认知衰退的风险，并据此改变人的健康结局？

“医学需要发展自己的计算、仿真与预测能力，AI对复杂系统的理解能力也需要经受医学的检验。”郑杰说。二者的融合交互，将更深入、充分地在AI医院里发生、完成。

也就是说，在AI医院里，可以把可计算的生命科学、个人状态模型和临床行动连接、转化成可交付、验证、迭代的医疗能力。进而，将医疗和健康服务从目前的“事后疾病照护”状态，转为对健康状态的持续预测、预防和参与式管理。

被郑杰拿来作为树兰医疗国际对标对象的，是美国的梅奥诊所。

6月3日，在微软Build开发者大会上，微软AI首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）与梅奥诊所（Mayo Clinic）总裁兼CEO詹里科·法鲁吉亚（Gianrico Farrugia）宣布达成一项战略合作，共同开发部署医疗保健领域的前沿AI模型，该模型将由梅奥诊所持有，微软通过 Azure Foundry API 提供该模型。

这款大模型，将整合梅奥诊所的全球医疗专业能力、去标识化临床健康数据，以及微软的先进AI、云计算及超级智能能力，为临床推理、医疗应用场景打造前沿AI模型。

与通用AI模型不同，医疗保健AI需要深厚的临床背景、纵向理解、严格的治理和真实世界的验证。该模型将在梅奥诊所可信赖的临床环境中首先部署，并通过实际使用进行持续测试、优化和改进。

早在7年前的2019年，梅奥诊所就已经提出了梅奥医疗平台（Mayo Clinic Platform），将医疗保健从“管道模式”转变为“平台模式”，通过人工智能、大数据分析等技术来变革医疗保健，加速创新、突破和治愈。

数据显示，目前梅奥医疗平台已经积累了约 26PB临床数据、30 亿条实验室结果、16 亿条临床笔记、超 60 亿份影像，被组织成可供研究、质量改进和创新者调用的数据产品。与 Mercy 对接后，可分析的去标识化患者达约 1,520 万人。

今年2月，默克公司宣布与梅奥诊所进行战略合作，首先聚焦在三个疾病方向上，利用梅奥广泛的多模式数据，包括实验室结果和临床见解，来验证人工智能模型并改进药物开发策略。

“在这条路上，梅奥诊所是走得最坚决、也最成体系的样板之一。”郑杰说，这条路也不只梅奥一家在走，麻总百瀚（Mass General Brigham）已将临床试验筛选工具拆成独立AI公司，说明顶级医疗系统正在把内部AI能力产品化。

在郑杰看来，未来医疗的机会，会越来越集中到同时拥有院内深度诊疗场景和院外长期健康管理能力、愿意把真实数据与临床结局纳入前沿技术验证的医疗平台上。

对于树兰医疗而言，这个医疗平台的核心载体，就是正在建设中的良渚医学中心。

良渚样本

服务于真实场景的AI医疗有什么不一样？

对起步于互联网医疗时代的树兰医疗来说，2025年宣布“All in 科技”战略升级，一个具体举措，就是要将良渚医学中心发展为AI医院。

一切都还在探索中。毕竟，3月26日举行的2026世界数字健康论坛上发布的《国际AI医院智联体共识》，还只是全球首个AI医院的国际共识。

根据这一共识，AI医院被定义为：人工智能深度融入医疗服务的每一个环节，将实体医院的专业能力与线上平台的广泛触达融为一体，让患者获得远超传统模式的连续性照护。

因此，打造AI医院的关键在于“系统性重构”——从物理空间到软件架构，从诊疗流程到组织文化，都要围绕AI能力进行根本性的再设计。

树兰医疗已经全面从系统迭代开始，思考下一代的AI原生医疗数字化或医院操作系统到底是什么。“我们在内部打造两个操作系统：一个是医疗组织的操作系统，一个是围绕患者和终身用户的健康管家操作系统。”郑杰说，树兰医疗的未来愿景是从治病走向治未病，成为更多老百姓的终身全生命周期健康管家，底座就是充分拥抱AI。

自成立伊始，树兰医疗就自主研发了信息系统（HIS），将病历存储、配药、订餐等全流程纳入数字化管理。这一自建系统，为医疗大数据接入、全人全程全周期电子病历构建、影像调取与分析等各细分场景与AI技术的嵌套组合提供了基石。

2024年正式上线的阿拉丁用户服务系统，是树兰医疗面向患者的数字化服务核心载体，可以为患者提供全流程线上就医服务，整合预约挂号、在线问诊、复诊开药、报告查询、费用支付等功能，实现“最多跑一次”就医体验；为每位患者建立专属健康画像，基于AI算法推送个性化健康科普、疾病预防知识；其中还内置了8000+常见疾病科普视频、7500+用药科普视频，支持7×24小时AI智能问答。

2025年3月发布的Dr.Shu（树医生）AI健康智能体，则进一步覆盖了患者就医的全生命周期，主要包含三大阶段的服务能力：诊前完成智能分诊与预约，诊中完成辅助诊疗与病历生成，诊后完成健康档案管理与随访。

但AI医院并非简单地上线几个AI工具，也不是脱离实体医疗的纯虚拟系统，良渚医学中心也必须以AI为核心驱动力，重新构建线上、线下一体化的医疗健康服务体系。

“我们要把原来的软件升级为AI原生的软件，与大模型合作。同时，数据治理、数据场景和AI环境的闭环，要做全面提升。”郑杰说。

要思考的问题很多，比如，物流机器人、导诊机器人之外，未来医院里还会有护理机器人，如何在合规前提下部署摄像头、传感器等数据采集设施，给不同机器人的迭代、数据采集和学习提供空间。

再比如，AI医院也是一个医疗数据采集空间，患者什么时候需要来医院，什么需求可以居家完成，哪些需要通过穿戴设备采集？AI医院还需要思考的是，需要超前多长时间做设计调优——太早了成本过高，太晚了可能来不及。

对AI医院的认知，是在持续思考中逐渐清晰的。“良渚医学中心在物理场景中的空间格局、动线、服务模式都做了较大变化。”郑杰说。

从空间而言，由于预约、分诊、挂号等很多工作在患者来医院之前就已经完成了，因此医院对容纳大量排队人流的门诊大厅依赖会降低，加上结算模式、取药模式也会变，因此医院的门诊区域会较常规医院有大变化。同时，AI未来医院里健康区域的占比会进一步提升。检验、影像等医技平台的空间，也将实现弹性化安排。

在郑杰看来，AI医院的实体医疗空间面临的一个很大挑战是空间的弹性化设计，因为医疗设备在不断迭代，这对重场景医院的弹性布局和设计带来了很大挑战。

在AI医院的建设中，郑杰表示，最深层次也是最难的问题是“组织”——AI医疗内部全新的协同工作模式是什么？医院内部的组织架构什么样？

“整个行业都在摸索过程中，目前谁也没办法清晰定义AI医疗组织到底是怎样一种协同工作模式。”郑杰说。比如多学科会诊（MDT），以前是一个专科医生先做治疗，碰到异常情况再请其他科室讨论，但以后可能跨学科的分析和讨论从一开始就存在了。另外，AI医院的学科设置也会变化，跨学科变得很重要，而不是学科越分越细、医生越专越好。

全新“组织”的构建，一方面考验的是整个医疗团队是否具备AI思维和文化。

当前，AI对医疗组织工作模式带来了深层冲击，患者端正在被AI深度赋能——医院里出现了越来越多“聪明的病人”（The Resourceful Patient），他们通过AI获取了全球最新的临床信息，然后与医生讨论。这也倒逼医生必须成为更聪明的医生，善用AI工具对齐信息、提升认知。

“树兰医疗内部有一个类似AI医生小组的团队，定期做一些评测。对于医院擅长的学科，我们会对标准完整病例在AI上的答复进行评估，给临床医生和护士提供相应的认知和感知能力。”郑杰表示。

另一方面考验的是，医院需要在做私域部署还是直接使用公域能力中间寻找平衡点，也要考虑投入产出的平衡。

“DeepSeek出来的时候，很多医院都在上一体机部署，但很快发现有局限性。”郑杰说，对医院来说，马上建GPU机房、搞大算力可能是过度投资，但不拥抱又会被淘汰。因此，合理的策略是：不做激进的技术堆砌，但必须让组织保持对AI的深度感知和迭代能力。

所以，在良渚医学中心，门诊区的调整“比较彻底”，手术室等重资产空间则要考虑代价问题。

数据难题

在郑杰看来，未来AI医疗的重点在于“深度”。

深度来自于严肃医疗场景下的高质量临床数据与AI大模型的底层平台结合成一个闭环，也来自于真实世界的临床场景下，对疾病的认知、单病种或全周期管理、患者的跟踪管理。

于是，在AI医疗的探索中，一个底层逻辑越来越真切地浮现——计算医学。

这是一门以生命系统多尺度机理建模为核心，融合统计学习、知识工程与人工智能技术的交叉学科。其核心目标，是构建以患者为中心、可解释且可交互的数字孪生（Patient-Specific Digital Twin），让疾病预测、用药模拟、手术推演在虚拟层面完成，实现“生命仿真”，最终实现医疗决策的精准化与个性化。

要实现这一目标，前提是打通数据的全链条。从EMR（电子病历）到EHR（跨机构健康记录），再到PHR（个人健康档案，纳入穿戴设备、体检等数据），最终走向PLC（个人生命云）和PDT（个人数字孪生）。

其中，PLC的核心是形成以个人为中心的云端医疗健康数据库。PDT则是计算医学发展的远期目标，也就是通过“全人动态信息建模”无限接近“硅基生命”。

郑杰在国内较早倡导并推动计算医学落地发展。2024年，树兰医疗与浙江树人学院、浙江数字医疗卫生技术研究院三方联合申请的 “浙江省人工器官与计算医学重点实验室”获批，成为树兰医疗在计算医学领域的重要里程碑。

郑杰说，计算医学的核心是建模——构建各种疾病模型、细胞模型、器官模型乃至全人模型。以前一个人的数据是一堆文档——体检报告、病历记录、出院小结——只能看到历史报告和历史检测数据。但在计算医学视角，要真正把一个人作为一个整体来建立模型，基于建模做更多计算和预判，实现“5P医学”——个性化、精准化、预防性、预测性、参与性。

“不同于数据有限的纸质病历时期，现在每人每年产生的医疗健康数据在爆炸式增长，数据更加碎片化，而要提供精准医疗健康服务，前提是数据完整。”郑杰说。

毕竟，如果要做用户的终身健康管家，就需要人的终身数据，甚至多组学数据——如基因组学、蛋白组学、时空组学等，并结合功能医学、长寿医学等方向的深度分析。由此一来，数据的丰富度和采集频率就变得很重要。多久做一次肠胃镜，多久做一次全身扫描，哪些指标需要24小时实时采集——这些都要纳入计算医学的范畴。

以及，这其中依然有很多问题需要考虑。一是数据的确权——数据在哪里产生，访问权和使用权如何界定，需要行业主管部门和国家逐步完善。二是数据的标准化、可交换性和融合性；三是数据的结构化——是一张图片，还是已经按结构化字段标注好、机器可读；四是数据的隐私保护和加密——数据不能篡改，要经过隐私保护和脱敏。

为了打通数据的全链条，2015年，郑杰发起成立非营利组织OMAHA（开放医疗与健康联盟），致力于推动医疗健康数据的标准化与互操作。为了实现医学知识的数字化和可计算，OMAHA构建了“七巧板”医学术语集，集纳了总量达百万级的医学概念、术语、关系和不同版本的行业资源库。

但至今，跨机构、跨区域的数据共享仍是行业级难题。

“医疗健康数据是整个行业最核心的事情，但目前，相关的数据交换、数字化、电子化、标准化、隐私保护，还在发展中。”郑杰说。

不过，郑杰坚信，坚持去做，一定会慢慢积累出价值。比如，英国最大的生物样本数据库UK Biobank，招募了约50万名参与者，并计划进行至少30年的长期健康数据追踪，今天已经成为全世界非常有名的科研数据平台。

在树兰医疗内部，近年来以计算医学为核心战略，已经构建了“基础层-技术层-应用层-场景层”四层AI产品架构，实现技术研发与临床需求的深度融合。那么，树兰医疗是否具备了开展数字孪生实验的能力？是否已经开展数字孪生的实验？

郑杰回应第一财经说，最近正在做一些局部的测试，因为只有把用户的历史数据管理起来，进而从深度的数据管理上升到以数字人形式的管理，才能为用户提供更精准的健康管理服务。

郑杰坦言，在AI医疗的这场大变革中，树兰也在摸着石头过河，但是，真实世界的高质量临床数据加上AI的结构化闭环，用于指导精准、个性医疗，并推动生命科学的科研提速——这个飞轮会比以前转得更快。

“一人一药、一人一个精准疗法的时代真的会来临，这是看得到的前景。”郑杰说。