全国卫生信息化舆情监测周报

（第三七七期）

北京市卫生健康委信息中心 2020 年 05 月 29 日

本期导语：

本期周报共收集 3 篇卫生信息化相关信息，时间从 2020 年 05 月

25 日到 2020 年 05月 29日，监测范围包括全国主流媒体及政府网站

等。

一、信息目录

1. 【争鸣】让“支撑 20年的新一代医院信息系统”梦想照进

现实 （HIT 专家网）

2． 世界最高水平 AI 医疗系统助力平安好医生 医疗健康生态

圈能力再次被强化 （新浪财经）

3. AI 医疗助力医院抗疫，规模化落地仍处困局？

（亿欧网）

二、具体内容

1.标题：【争鸣】让“支撑 20 年的新一代医院信息系统”梦想

照进现实

媒体：HIT 专家网 2020-05-27

链接：https://www.hit180.com/44424.html

主要内容：

【编者按】

3 月 28日，在 HIT专家网主办的“新一代医院信息系统建设研

讨会”上，与会嘉宾分享了各自对于新一代医院信息系统的理解与设

想。近日，我们收到读者来稿，对“新一代医院信息系统应做到 20

年不做颠覆性改变”等观点提出了不同的见解。

真理越辩越明，认识越辩越清。通过不同观点的交锋、争论、融

合，这种“业务大讨论”对行业发展将是非常有益的。HIT 专家网愿

意为此提供畅通的沟通渠道与平等的交流平台，特开辟“争鸣”栏目，

广邀 HIT从业人士针对业内的热点、焦点话题发表意见、展开讨论。

我们声明：争鸣专栏将坚持开放原则，所有专栏文章均为作者观点，

不代表本网立场。

首期话题：“20 年不做颠覆性改变”的医院基础信息系统，到

底能不能建成？如能，又该如何建成？

本期参与话题讨论的是金蝶医疗软件科技有限公司研发中心总

经理李朝明。欢迎各位读者踊跃来稿、畅所欲言。我们期待您的精彩

观点。

近几年，大家都在憧憬并投入研发新一代的医院信息系统。恰逢

当前，“是否可设计一个能够支持 20年不变的医院信息系统”又成

热议话题，这预示着医院信息化正在孕育大变革、大提升的蓬勃朝气。

笔者结合在这个行业十几年的沉淀总结，以及在组织研发新一代

医院信息系统过程中的一些实践经验和思考，分享出来供大家“拍

砖”。

能拥有一个可支撑 20 年的医院信息系统，这无疑是所有医院的

梦想。那么 IT 厂商是否希望有这样一个长生命周期的系统，又该如

何架构和组织这样一个系统的设计研发呢？笔者将以 IT厂商的角

度，从以下三个方面阐述自己的一些思考。

行业为什么呼唤新一代医院信息系统

“The farther backward you can look, the farther forward

you are likely to see”（能看见多久的历史，就能看见多远的未

来）。正如丘吉尔的这句名言，要想明白行业在呼唤的未来新一代医

院信息系统是什么样子的，首先要了解过去和现在医院信息系统的历

史沉疴。

现有的医院信息系统，大都是早期由几家医院主导设计建设的。

各 HIT 厂商继而在此基础上逐步增加功能，再推广到其他医院使用。

医院会根据不同阶段的科室应用需求，逐步增加功能。

这一点与企业信息化市场不同：企业信息系统是由几家大型 IT

厂商进行顶层架构设计研发，从而形成行业标准；而医院信息系统恰

恰缺乏这样的行业标准。综合以上原因，最终导致了目前医院普遍存

在的、以臃肿不堪的 HIS 系统为核心的信息化现状。

随着原国家卫生部牵头组织制定的医院信息化相关标准和功能

规范的出台，HIT 厂商陆续采用新技术、新架构研发了新的 HIS 系统。

但由于医院已形成网状结构的信息化系统，作为核心信息系统，HIS

系统需 24小时不间断业务运转，因此医院都更倾向于选择在现有 HIS

系统之上进一步修补升级的保守方案；不到万不得已的情况，没有医

院愿意冒系统大替换、大升级的潜在风险。

基于医院的信息化现状，原国家卫生部在 2012 年组织制定医院

信息平台的标准，通过医院信息平台来解耦医院错综复杂的信息系

统，同时也通过医院信息平台来标准化医院数据，希望通过平台治理

的模式解决重建医院信息系统遇到的困境。由此，构建医院信息平台

成为了医院信息化建设的重中之重。

医院信息平台的建设，在一段时间内确实解决了医院网状结构的

系统连接问题，但 HIS 系统不堪重负的状况并未得到很好的改善，很

多问题依旧只能通过对 HIS系统不断增加补丁的方式来得以实现。

同时，随着互联网连接和应用需求（需要为患者提供自助服务、

互联网服务，需要与院外的系统进行业务/管理协同等）的增多，原

有医院信息平台支撑不足的问题日益凸显。

目前普遍建设的医院信息平台，更多只是关注系统间的集成需

求，并未实现医院信息系统服务化的平台整合需求（这里也可以理解

为 SOA 或目前比较流行的业务中台服务能力），导致各个医院信息化

系统中大量的功能需要以服务的方式实现集成和被集成。各应用系统

既要承担业务应用系统的本职角色，又要承担起为其他系统提供服务

的角色，医院的信息系统变得越来越不稳定。

于是乎，大家把这一问题归结于系统架构设计问题，寄希望于通

过设计新一代信息系统来解决当前的困境。

可支撑 20 年的新一代医院信息系统的变与不变

要想设计研发一个 20 年不变的医院信息系统，肯定是不现实的。

就算不考虑技术的发展，笔者认为也不符合医院和 IT 厂商的需求：

首先医疗服务模式的发展是不可倒退的，其次 IT厂商也需要持续地

发展。

那么如何保持医院信息系统的相对稳定和长生命周期呢？这就

需要对医院信息系统进行拆分。一方面是对相对稳定的部分进行抽象

拆分，正如在“新一代医院信息系统建设研讨会”上，薛万国主任所

定义的“医院基础信息系统实现 20 年不做颠覆性改变”，并不是医

院所有的信息系统都不做改变。

另一方面是从业务维度进行抽象拆分，这就是目前流行的微服务

架构。微服务架构理论（AKF扩展立方体）的 Y 轴功能性拆分，就是

业务微小化的抽象分离，通过业务边界的拆分实现业务领域的独立性

和稳定性。

图 1 微服务架构理论（AKF扩展立方体）

对于如何保持信息系统变与不变的拆分问题，这不仅仅是医院信

息化面临的问题，同样也是企业信息化市场的讨论热点。

Gartner在 2016 年提出的《Pace-Layered Application

Strategy》报告中，给出了一种解决方案，即按照“步速”将企业的

应用系统划分为三个层次：SOR（记录系统）、SOD（差异化系统）和

SOI（创新系统）。处于不同步速（Pace-Layered）的系统，因为其

⽬的不同、关注点不同、要求不同，变化的“速率”自然也不同；相

应地，也需要采⽤不同的技术架构、管理流程、治理架构乃至投资策

略。

医院信息系统同样可以基于此模型进行设计，例如将薛万国主任

定义的“医院基础信息系统”采用 SOR（记录系统）的模式进行设计

研发并保持稳定性，同时保证其他系统的创新力及敏捷性。

图 2 Gartner：Pace-Layered Application Strategy

新一代医院信息系统的架构思考与实践

何为新一代？或者说什么样的医院信息系统才能称之为新一

代？从 2014年开始，笔者就不断地将这个问题提出给我们产品团队

的同事，也不断地在拷问自己。所谓的“新”，必定是相较于旧的系

统来说的，基于长期的探索实践，大家基本达成了以下几个共识：

1.系统的设计出发点是新的

最初的医院信息化系统是以收费为中心设计的，之后转变为以临

床或电子病历为核心，这代表了旧的医院信息系统的设计出发点。这

种系统设计的方法，确实在每个阶段都很好地解决了该阶段的关注重

点，但仅仅只是围绕医疗服务链的某个点去展开思考的。这种系统设

计的弊病就是：当医疗服务链发生变化，或者医院出现一种新的服务

模式时，这个系统就无法很好地满足医院的业务需求了。

新一代的系统设计出发点，最终应该回归到医院服务对象（患者）

上来，按照“以患者为中心”的理念，把真正围绕患者的就医全场景

作为系统设计的出发点。例如，目前患者要获得医疗服务无非是通过

三种渠道（或者从医院来看，就是三种医疗服务模式）：患者到医院

就医、患者通过互联网诊疗就医、患者通过医联体远程医疗就医，系

统以患者为出发点来设计永远不会错。

2.系统的划分逻辑是新的

目前医院的信息系统都是从应用科室或用户对象来划分的，例如

HIS、EMR、LIS、PACS、手麻系统、HRP等，这直接导致了系统的集

成点多、耦合度高且功能不够内聚。所以，在当前企业信息化已经广

泛地使用去中心化的系统架构时，医院信息化却还在大量建设中心化

的 ESB 集成平台。

新一代的系统需要从业务维度进行拆分，确定好各个业务的边界

范围，让每一个业务都可以独立运行并提供服务，业务与业务之间通

过行为活动编排连接，而不再需要中心化的系统进行连接和交换信

息。从技术上来看，这就是微服务架构；从业务上来看，就是领域驱

动设计（Domain-Driven Design），即以领域模型的分析方法实现业

务划分与边界确定。

3.系统的技术架构是新的

现有的医院信息化系统技术架构基本都处于单体架构阶段。系统

的更新周期长、业务变化的响应度低是普遍存在的技术痛点。另外，

随着互联网医院等在线服务的接入，系统高并发的弹性扩展能力也面

临较大的挑战。

目前，企业信息化云服务模式已经开启快速转型。尽管医院信息

化上云还有诸多的问题需要解决，但信息化向云服务发展的方向和趋

势都是相同的。面向未来 20 年的医院信息系统技术架构必须要能支

持云服务模式，因此新一代医院信息系统必须是基于多租户云架构

的。

2.标题：世界最高水平 AI医疗系统助力平安好医生 医疗健康生

态圈能力再次被强化

媒体：新浪财经 2020-05-26

链接：

http://finance.sina.com.cn/stock/relnews/hk/2020-05-26/doc-iirczymk3636990.shtml

主要内容：

近日,平安好医生宣布,收到全球最大的家庭医生组织 WONCA 颁

发的认证证书,WONCA 将平安好医生的 AI 系统评定为最高级别。这在

全球尚属首次,标志着中国智造 AI 医疗技术与国际接轨,也代表了平

安好医生 AI系统达到世界 AI 医疗技术的最高水平。

平安好医生 AI 系统获 WONCA 最高级别认证,实现行业领先

平安好医生的 AI系统在全球率先通过 WONCA认证,充分证明了平

安好医生的 AI 技术在国际上遥遥领先。

据了解,WONCA(The World Organization of Family Doctors,

世界家庭医生组织)是当今全球最大的家庭医生的学术组织,是世界

卫生组织(WHO)在社区卫生方面的高级顾问与工作伙伴。达到 WONCA

认证标准,意味着平安好医生的 AI 系统能够理解不同国家患者的诉

求,可以成为全球家庭医生的得力助手,并走入世界各国的医院、社区

和千家万户为病人服务。

可见,平安好医生 AI 系统取得 WONCA 标准认证这一事件,不但为

其加速实现海外业务拓展、全球战略合作和技术输出奠定了良好基础,

还体现着其作为全球性的互联网医疗科技公司的竞争力优势,基于技

术领先的医疗健康生态圈能力再次被强化的趋势突显。

AI 技术赋能,打造互联网医疗健康生态平台

平安好医生在 2019年的年度报告中提到,2019年全面启动了国

际化业务布局,其中,AI 辅助诊疗系统是国际化过程中技术输出的重

点。据悉,平安好医生计划在 2020 年技术输出包括智能分诊、智能诊

断、智能处方、重症识别等先进的解决方案。使用 AI 技术响应用户

的医疗健康诉求可视为平安好医生商业模式的起点和核心业务的基

本逻辑。

在线医疗是平安好医生的核心业务,通过 AI辅助诊疗系统协助

自有医疗团队,为用户提供涵盖 7×24在线咨询、转诊、挂号、在线

购药及 1小时送药等医疗服务,并以自有医疗团队为核心提供多元化

的一站式会员服务。平安好医生自主打造的 AI 系统,涵盖 3000 种疾

病的知识图谱,在 6.7 亿人次海量数据(20.670, 0.71, 3.56%)的持续

训练下,覆盖整个就诊流程。

从就诊数量上看,由于强大的 AI技术支持,平安好医生在 2019年

能够达到 72.9 万的日均咨询量(相当于上百个三甲医院一天的门诊

量),较 2018年上升 36.3%,这一数字高于用户的增速,反映出其用户

使用平台的频率在快速持续地提升,用户使用习惯和粘性正在形成,

这有力地验证了 AI技术一直在为业务提速增效,充分说明了公司以

AI 技术开展业务的有效性和可复制性。在疫情期间,平安好医生 AI

系统更是已经帮助平台医生为 11.1 亿人次提供医疗咨询服务。

央视专访,揭秘“云”问诊背后的新技术引擎

3 月 21 日,中央电视台新闻频道推出“云”问诊专题报道,平安

好医生因抗疫期间的突出贡献,作为“云”问诊的代表企业登上央视

CCTV-13《新闻直播间》,为大家进一步揭秘“云”问诊背后的新技术

引擎——AI辅助诊疗系统。

采访中提到,咨询者进入平台后,AI技术会首先进行预诊分流,类

似传统医院的分诊和预检,输入年龄、性别和目前的症状后,AI 辅助

诊疗系统会帮助咨询者在几分钟内找到合适的专业医生。

据央视报道,平安好医生基于 AI的辅助诊疗系统,可以帮助医生

更高效地回答用户的问题,减少医生重复性的人工劳动,缩短医生进

行疾病诊断所用的时间。平安好医生利用自主研发的 AI科技实现了

医疗服务的精准分流、资源配置和效率提升的作用,以期系统化地提

升医疗质量,减少医生重复性的繁琐劳动,尽可能地缩短医生进行疾

病诊断和开具处方所需时间,减少患者和用户等待和解决问题的所耗

时间。

未来,AI技术和健康大数据结合后,还将实现智能用药监测和健

康风险评估。

3.标题：AI医疗助力医院抗疫，规模化落地仍处困局？

媒体：亿欧网 2020-05-25

链接：https://www.iyiou.com/p/128410.html

主要内容：

[ 亿欧导读 ] 本次疫情让医疗 AI 企业与医院开展了密切深度

的合作，某种程度上教育了市场，但医疗 AI 企业所遇到的问题仍不

是一场疫情可解，医疗 AI 企业未来的发展还有很长的路要走。

作者：高雨杉、编辑：武单单，图片来自“特定授权”

“AI产品不光释放了人力，提高了医护工作的效率，还降低了

院内交叉感染的风险。”在亿欧大健康近期的“技术与场景的碰撞：

解码的供与需”论坛上，西安交通大学医学院第一附属医院院长施秉

银表示，“在这样一个重大的公共卫生事件当中，AI 的确发挥了很

好的作用。”

虽然本次让医疗 AI企业与医院开展了密切深度的合作，某种程

度上教育了市场，但医疗 AI 企业所遇到的问题仍不是一场疫情可解，

医疗 AI 企业未来的发展还有很长的路要走。

“陆海空”三维 AI 抗疫战

“医疗 AI 的发展绝大部分都需要依靠企业和医院的密切深度合

作，这样做出的 AI产品的生命力才会更强。”施秉银说，对于医疗

AI 企业而言，此次疫情是一个与医院合作的好机会。

当谈及 AI 技术在抗疫中的具体应用时，联影智能联席 CEO 周翔

说：“AI 技术在抗疫中的应用很全面，例如联影集团，此次就实现

了‘陆海空’三维的 AI技术应用，在硬件、软件、云端都有实施。”

联影集团为医院及时部署了数百台、DR 设备。在医院以往的扫

描过程中，CT 技师必须要反复进出扫描间，不可避免地会与患者进

行接触。联影自主研发的“天眼 AI 平台”，搭载于联影全线 CT，能

对病人的身高、体型、位置等信息进行自动化识别，CT技师无需进

入扫描间，通过隔室操控就可以完成扫描，大幅降低交叉感染风险。

在“天眼”的帮助下，单台 CT设备能够完成单日 300名患者的大通

量扫描，不仅如此，扫描范围和辐射剂量的调控精准度也能够得到保

障。

疫情期间，联影智能还为全国的 100多家医院提供了基于新冠扫

描图像的 uAI 新冠肺炎智能辅助分析系统，可秒级完成肺、肺叶、肺

段以及病灶的分割，自动标记病灶，对新冠病毒感染病灶勾画重合率

接近 90%，全肺感染百分比量化误差小于 1%，可将原先需要花费 5至

10 分钟的 CT 阅片缩短至 1 分钟以内。此外，该系统可全自动匹配治

疗前后影像检查的肺炎病灶，实现多次影像的同步比对阅片，方便医

生对新冠病情发展的精细评估。

除此之外，联影还构建了一个跨地域、院际、科室协同的云端医

疗资源共享平台，为医疗机构提供数据共享和分级诊疗等功能。这一

智能云平台连接了全国 19 个省市的 1700 多家医疗机构，覆盖超过 1

亿人，存储病例达 4000 多万个。

“以往，医务人员对于使用这些 AI 产品普遍都不太习惯，大家

更愿意使用传统的方式。”施秉银表示，“但本次疫情让医务人员不

得不适应了改变。”

疫情使得医院也和企业有了驱动力更强、更加统一的目标，很多

医院也积极寻求变革，寻找更优的抗疫手段。例如作为重庆抗疫主战

场之一的重庆医科大学附属第一医院，在 2 月 26日引入了推想科技

的肺炎智能辅助筛查和疫情检测系统；武昌方舱医院也部署了云端

AI 医护助理、清洁机器人等多项 AI 产品，众多医院都向医疗 AI 企

业敞开了大门。

医疗 AI 产品的规模化难题

本次疫情不失为医疗 AI产品的助推器，但反观整个医疗 AI行业，

仍然存在很多“绊脚石”，保守的政策、“老大难”的数据，都让医

疗 AI产品在规模化的路上不得不放缓脚步。

2020年 1月 15日，国家颁发了第一个三类创新医疗器械注册证，

耗时三年，科亚医疗终于获批。但不少行业人士分析称，首个获批依

旧不能全然摘掉医疗 AI公司“认证困难”、“商业化能力存疑”的

标签，医疗行业所具备的保守性和强监管的特点，使得医疗 AI 公司

仍然面临着严峻的考验。

“规模化变现需要建立在产品成熟、过硬的基础上，拿证不是医

疗 AI公司成功的充分条件，只能算一个必要条件。”周翔提到，美

国 R2公司开发的乳腺癌计算机辅助诊断（CAD）系统早于 1998年就

在 FDA 获批并上市，不仅其拿证的过程比较顺利，还说服了美国政府

用医保来为其付费，但因为算法和产品做得不够精准和成熟，最终也

没能为 CAD 打开一个规模化落地和盈利的新业态。

“关键是什么样的产品才是医院需要的。”施秉银强调了三个院

方衡量医疗 AI 产品的维度，“我们去看一个产品是否成熟，首先要

看它是不是能真正解决问题；其次是能否大大解放人力；最后是否能

达到一定的准确度。”

使得政策保守的另一个重要因素，就是医疗数据对于隐私保护的

要求极高。2018 年实施的《信息安全技术个人信息安全规范》中规

定，收集和使用个人信息要满足公开透明原则和最小够用原则，而医

疗 AI需要信息的复杂性和成长阶段的巨大数据量明显难以满足这两

个原则。

据外媒 Securityaffairs报道，2019 年，德国的漏洞分析和管

理公司 Greenbone Networks的专家就发现，包含着超过 7.37 亿个医

疗放射图像的 600个未受保护的服务器暴露于互联网，其中涉及 2000

多万人、52个国家的患者的隐私。今年四月，汇医慧影也被曝其公

司系统疑似遭黑客袭击，大量医疗数据可能泄露。这些无疑都给医疗

AI 企业数据保密性的问题挂上了难挣的枷锁。

“其实医疗影像 AI 公司并不需要病人的个人信息。” 周翔指

出，因为基于影像的 AI算法学习的是疾病的共性，而不是每个病人

的特性。所以 AI 算法收集和保留的应该是“脱敏“的数据，这类数

据是不包含病人个人信息的图像像素数据。如果严格实施的话，这些

数据应该是对病人的个人信息安全没有影响的。美国在这方面的制度

和把控比较完善和成熟，这也为其境内大量医疗 AI 公司赋予了较大

的“有约束的自由成长”的空间。“中国在这方面还需要更多的政策

细化和精准支持。” 周翔建议。

而关于数据稀缺的问题，周翔认为：“笼统地说‘医疗 AI 公司

缺数据’其实是不准确的。现在一些大众化的 AI应用，数据和标注

都已不再是瓶颈。‘缺数据’的痛点，是与一些其他疾病的多样化和

稀有性相关的。但我们行业并不能满足于几个大众化的应用，医生和

患者的需求是多样的，因此我们还需要克服小众化疾病的数据和标注

这个难点。” 而解决这个难点的根本方法还需医工结合——公司和

医院能以合作和双赢的模式，不断开拓新的、有用的、过硬的 AI 应

用。