树兰医疗：开启一场AI医疗的深度试验

发布时间：2026-07-17 15:59:57 来源：安智兰德资讯网 作者：百科

当人工智能在医疗健康领域引发深刻的树兰深度试验范式变革，位于杭州良渚新城的医疗I医树兰国际医学中心项目正以“AI医院”的全新定位躬身入局，投身于这场时代与行业的开启双重变局。

“良渚医学中心争取在2027年年底向公众展示。树兰深度试验”树兰医疗集团创始人兼总裁郑杰对第一财经表示，医疗I医该中心将与传统医院形成显著差异，开启成为树兰推进计算医学、树兰深度试验AI技术与临床应用深度融合的医疗I医核心“试验场”。

根据规划，开启前沿科学、树兰深度试验个人健康状态、医疗I医临床场景及长期健康反馈将被整合为一条完整的开启医疗价值链，推动医疗服务从传统的树兰深度试验“事后疾病照护”，转向对健康状态的医疗I医持续预测、预防及参与式管理。开启郑杰坦言，作为新生事物，AI医院仍有许多课题需在后续实际运行中不断探索与解答。

对标梅奥：从物理世界到生命世界的AI跃迁

医疗健康领域范式变革的底层驱动力，在于AI正快速迭代进入复杂系统的预测、建模与发现过程。

一个直观案例是，Google DeepMind于2023年11月推出的AI中期全球天气预报模型GraphCast，其在99.7%的指标上优于传统高分辨率系统，展现了对对流层变量的卓越预测能力。

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

由此引出一个核心问题：既然某些复杂系统可被提前预测，人的疾病轨迹能否也被预见？临床医学是否能在具体个体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。”郑杰指出，二者的深度融合将在AI医院中充分实现。这意味着，可计算的生命科学、个人状态模型与临床行动将被连接，转化为可交付、验证、迭代的医疗能力，从而将医疗服务从“事后疾病照护”转变为对健康状态的持续预测、预防和参与式管理。

树兰医疗的国际对标对象是美国的梅奥诊所（Mayo Clinic）。

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）与梅奥诊所总裁兼CEO詹里科·法鲁吉亚（Gianrico Farrugia）宣布达成战略合作，共同开发部署医疗保健领域的前沿AI模型。该模型由梅奥诊所持有，微软通过Azure Foundry API提供技术支持。

这款大模型将整合梅奥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，旨在为临床推理和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。该模型将在梅奥的可信赖临床环境中率先部署，并通过实际使用进行持续测试、优化和改进。

早在2019年，梅奥诊所便提出了“梅奥医疗平台”（Mayo Clinic Platform），旨在将医疗保健从“管道模式”转变为“平台模式”，利用人工智能和大数据技术变革医疗，加速创新与治愈。

数据显示，梅奥医疗平台目前已积累约26PB临床数据、30亿条实验室结果、16亿条临床笔记及超60亿份影像，并整理为可供研究、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，默克公司与梅奥诊所宣布战略合作，聚焦三个疾病方向，利用梅奥广泛的多模式数据（包括实验室结果和临床见解）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。”郑杰表示，这条路并非梅奥独有，麻省总医院布莱根妇女医院（Mass General Brigham）已将临床试验筛选工具拆分为独立AI公司，表明顶级医疗系统正在将内部AI能力产品化。

郑杰认为，未来医疗机会将越来越集中于那些同时拥有院内深度诊疗场景和院外长期健康管理能力、并愿意将真实数据与临床结局纳入前沿技术验证的医疗平台。对于树兰医疗而言，这一平台的核心载体正是正在建设中的良渚医学中心。

良渚样本：系统性重构AI原生医疗

服务于真实场景的AI医疗有何不同？

对于起步于互联网医疗时代的树兰医疗，2025年宣布的“All in 科技”战略升级中，一项具体举措便是将良渚医学中心打造为AI医院。

目前一切仍在探索中。3月26日在2026世界数字健康论坛上发布的《国际AI医院智联体共识》，仅是全球首个AI医院国际共识。

根据该共识，AI医院被定义为：人工智能深度融入医疗服务每一个环节，将实体医院专业能力与线上平台广泛触达融为一体，为患者提供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，均需围绕AI能力进行根本性再设计。

树兰医疗已开始全面思考下一代AI原生医疗数字化或医院操作系统。郑杰表示：“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。”树兰的未来愿景是从“治病”走向“治未病”，成为百姓的终身全生命周期健康管家，其底座便是充分拥抱AI。

自成立伊始，树兰医疗便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、影像调取与分析等细分场景与AI技术的嵌套组合奠定了基石。

2024年正式上线的“阿拉丁”用户服务系统，是树兰面向患者的数字化服务核心载体，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与疾病预防知识；内置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，进一步覆盖患者就医全生命周期，包含三大阶段服务能力：诊前智能分诊与预约，诊中辅助诊疗与病历生成，诊后健康档案管理与随访。

但AI医院并非简单上线几个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。”郑杰强调。

诸多问题亟待思考：例如，除物流和导诊机器人外，未来医院还将部署护理机器人，如何在合规前提下部署摄像头、传感器等数据采集设施，为不同机器人的迭代、数据采集和学习提供空间？

此外，AI医院也是医疗数据采集空间，需明确患者何时需要就医、哪些需求可居家完成、哪些需通过穿戴设备采集。AI医院还需思考设计调优的超前时间——太早成本过高，太晚则可能错失良机。

对AI医院的认知在持续思考中逐渐清晰。“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。”郑杰表示。

从空间而言，由于预约、分诊、挂号等工作多在患者到院前完成，医院对容纳大量排队人流的门诊大厅依赖降低；加之结算模式、取药模式的变化，门诊区域将较常规医院有显著不同。同时，AI未来医院中健康区域的占比将进一步提升，检验、影像等医技平台的空间也将实现弹性化安排。

郑杰指出，AI医院实体医疗空间面临的一大挑战是空间的弹性化设计，因为医疗设备不断迭代，这对重场景医院的弹性布局和设计带来巨大挑战。

在AI医院建设中，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？医院内部组织架构将如何演变？

“整个行业都在摸索，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。”郑杰举例，多学科会诊（MDT）以前是专科医生先治疗，遇异常再请其他科室讨论，未来跨学科分析和讨论可能从一开始就存在。此外，AI医院的学科设置也将变化，跨学科变得至关重要，而非学科越分越细、医生越专越好。

全新“组织”的构建，一方面考验医疗团队是否具备AI思维和文化。

当前，AI对医疗组织工作模式带来深层冲击，患者端正被AI深度赋能——医院里出现越来越多“聪明的病人”（The Resourceful Patient），他们通过AI获取全球最新临床信息并与医生讨论。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，考验医院如何在私域部署与直接使用公域能力间寻找平衡，并考虑投入产出比。

“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。”郑杰指出，对医院而言，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。

因此，在良渚医学中心，门诊区的调整“比较彻底”，而手术室等重资产空间则需慎重考虑代价问题。

数据难题：构建计算医学闭环

在郑杰看来，未来AI医疗的重点在于“深度”。

这种深度来自于严肃医疗场景下的高质量临床数据与AI大模型底层平台的闭环结合，也来自于真实世界临床场景下对疾病的认知、单病种或全周期管理、患者跟踪管理。

于是，在AI医疗探索中，一个底层逻辑愈发清晰——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”，最终达成医疗决策的精准化与个性化。

实现这一目标的前提是打通数据全链条：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，即通过“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。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，成为树兰在计算医学领域的重要里程碑。

郑杰表示，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。过去，一个人的数据是一堆文档——体检报告、病历记录、出院小结——只能看到历史数据。但在计算医学视角下，需真正把一个人作为一个整体建立模型，基于建模进行更多计算和预判，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。”郑杰指出。

毕竟，若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，数据的丰富度和采集频率变得至关重要：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——这些均需纳入计算医学范畴。

此外，仍有诸多问题需考量：一是数据确权——数据产生地、访问权和使用权的界定，需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——是图片形式，还是已按结构化字段标注、机器可读；四是数据隐私保护和加密——数据不可篡改，需经过隐私保护和脱敏处理。

为打通数据全链条，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。”郑杰坦言。

不过，郑杰坚信，坚持去做，一定会慢慢积累出价值。例如，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，如今已成为全球知名的科研数据平台。

在树兰医疗内部，近年来以计算医学为核心战略，已构建“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，树兰是否具备开展数字孪生实验的能力？是否已开展相关实验？

郑杰回应第一财经称，最近正在做一些局部测试，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医疗的大变革中，树兰也在摸着石头过河，但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。”郑杰说道。

相关文章