Kaiyun中国登录入口

8月29日，2026年“数据要素×”大赛贵州分赛获奖项目路演展示活动在贵阳恒世纪酒店举行，北京大学（天津滨海）新一代信息技术研究院副院长李方平作题为《“数据要素×”AI助力专病库建设》的主旨演讲，系统阐述如何利用大数据和人工智能技术破解医疗专病数据治理难题。

李方平在会上作报告

“一个人的电子病历能达到上千万字，人不可能读得完，也不可能处理得完。”李方平说。“智慧医疗里面的智慧从哪里来？”李方平认为，智慧来源于真实诊疗的临床数据与人类千年医学知识结晶的深度融合与相互激活。“不仅是在智慧医疗领域，今天所有领域的智慧，我认为都源于这个哲学本源，也就是数据。”

李方平指出，专病数据基础薄弱已成为我国医疗AI发展的瓶颈。数据收集层面，来源不统一、多中心、多模态，融合困难难成规模；数据管理层面，医疗数据隐私性强、泄露风险高，导致“不能、不敢、不愿”三大困境；数据应用层面，传统CRF表单模式单一，难以溯源和复用。

《“数据要素×”AI助力专病库建设》主题报告PPT

李方平以与北京大学人民医院黄晓军院士团队合作的血液病专病库为例介绍。血液系统恶性肿瘤是我国十大重点防治肿瘤之一，儿童和青少年白血病死亡率居癌症首位，成人非早幼粒急性髓系白血病5年生存率仅23.9%。“高质量的血液专病数据集每提升一次，病人的诊疗质量提升就有了一次可能。”

目前存在两个问题，一是如何将多元异构的临床诊疗数据转化为可计算的高质量数据集，解决“能用”的问题；二是如何实现多中心临床科研数据的安全可信共享，解决“敢用”的问题。为此，团队构建了从智能算力平台到数据治理工具、再到多智能体应用的五层架构，在血液病领域深度运用大模型加智能体技术。

2026年“数据要素×”大赛贵州分赛获奖项目路演展示活动现场

在具体技术路线上，血液病病程长，病人电子病历通常达上千万字，单份病历达上百G，人力难以处理。团队采用医疗基座大模型加专业小模型“双引擎协同”模式，大模型负责理解、编排和解释，小模型负责精准计算，“让AI做任务规划，同时又像医生的外科手术刀一样，保证输出结果精准”。经AI和专家双轮校验，核心字段抽样准确率几乎达到100%。数据治理周期从传统的8到12个月缩短至2到3个月，效率提升4倍。

在多中心数据共享方面，团队通过联盟链加智能合约构建信任基石，以数据沙箱提供可信计算环境，以隐私计算实现“原始数据不出域、数据不可篡改、数据可用不可见”，让合作方放心把数据贡献到平台上。在此基础上，多中心临床研究数据准备速度从传统的4到6个月缩短至2到3周，效率提升了8倍。

李方平表示，团队已将这一模式在血液病、传染病、慢性肾病、ICU等多个专病领域验证推广。“我们希望不但在单一病种，后面要扩充到多个专病领域，甚至扩充到更多领域，让每个领域的数据生产与应用都能尽快转化为生产力。”

天眼新闻记者 杨学安 郭立

编辑 鲍贝贝

二审 管云

三审 岳振