本报（chinatimes.net.cn）记者于娜 北京报道

当前，人工智能与临床医学的融合正从技术验证走向规模化落地。在政策引导与临床科研需求的双重驱动下，高质量、标准化、可溯源的临床语料与研究数据集，已经成为医疗大模型从概念演示走向真实诊疗和科研场景的关键瓶颈。近日，名医之声科技正式发布名循数智临床医学服务大模型平台，构建覆盖临床语料全链路治理、临床研究数据标准化、专家标注评测、医学大模型训练推理、场景化应用交付的一体化临床医学AI基础设施，推动医疗大模型建设回归临床本源，面向医疗机构、临床研究者、医药企业与CRO团队提供可信、可控、可落地的临床医学智能服务。

(相关资料图)

通用大模型虽具备基础的文本理解能力，但在临床场景中普遍存在医学知识偏差、诊疗逻辑失准、专科术语理解不准、医学幻觉高发等短板，难以直接用于病房诊疗、临床试验、真实世界研究等高严谨性场景。临床医学数据本身也长期面临行业共性难题：院内数据孤岛普遍，电子病历、病程记录、会诊资料、病例讨论等海量信息以非结构化文本存在，记录格式、术语体系、书写习惯不统一；临床科研中，病例入组筛选、终点指标提取、不良事件归集、随访信息抽取高度依赖人工，标注成本高、项目周期长、质控标准难以统一；专科高质量语料稀缺，缺少经临床专家校验的标准化数据集，大量医疗AI项目受限于底层数据供给，算力投入难以转化为稳定可靠的专科模型成果。与此同时，医疗数据承载患者隐私，在采集、脱敏、流转、使用的全链条上，对合规管控、伦理审查、操作留痕、权限隔离的要求远高于其他行业。

市场端，医院临床科室、CRO机构、医药企业、医学科研平台的数字化需求持续释放：临床医生与科研人员深陷病历查阅、指标摘录、变量整理等重复性工作，挤压了诊疗与科研创新的空间；医疗机构沉淀的海量临床数据长期沉睡，缺少工具将宝贵的临床经验转化为可沉淀、可复用、可迭代的知识资产；新药研发、医疗器械临床评价、循证医学项目，亟需标准化、可溯源的临床数据集支撑方案设计、终点判定与证据汇总；基层继续教育、临床指南宣教、病历文书辅助、专科智能问答等场景，同样需要适配国内临床习惯、经专家校验的医学语料底座作为支撑。业内已逐渐形成共识：医疗大模型的竞争进入下半场，比拼的不再是模型参数规模，而是高质量垂直数据底座、全流程临床质控体系和场景化落地交付能力，临床数据治理、专科语料建设、可信标注评测本身已经成为独立的刚需赛道。

依托七层技术架构体系，名循数智临床医学服务大模型平台构建起从底层基础设施到上层业务应用的完整能力链路，覆盖接入层、业务层、模型层、训练层、系统层、数据层、服务器层，并配套独立的安全合规体系与运维治理体系，实现全流程可控（见图1）：

训练层（医学语料工厂）：打通多渠道语料采集入口，支持平台原创内容、音视频转写、指南文献、合作机构脱敏数据、用户反馈回流等多元素材接入，提供清洗去噪、去重归一、隐私脱敏、OCR/ASR转写、结构化抽取、分级质控、数据集版本管理等能力，并配套专家标注评测工作台，支持多级质检、偏好标注、对抗评测；

模型层（名循医学大模型）：自研名循医学系列基座模型，配套模型服务引擎、RAG知识增强、智能体编排、AIGC内容生产与可信安全能力，支持流式推理、多模态输入输出、术语标准化对齐、引用溯源、人机协同审核、幻觉检测、内容安全过滤，从源头降低医学风险；

业务层（临床医学服务）：面向医、患、机构、产业伙伴构建多元场景，覆盖医学科普内容生产传播、临床知识服务、CDSS临床决策支持、学术交流与医生成长、患者健康管理、数据洞察与产业服务；

接入层：支持医生端、患者公众端、机构端、运营管理端、开放平台等多终端、多角色统一入口，兼容H5、小程序、APP、OpenAPI、SDK等接入方式；底层由平台支撑中台、数据资产底座、算力网络基础设施提供稳定支撑；安全合规体系与运维治理体系贯穿数据全生命周期，落实等级保护、隐私脱敏、伦理审查、MLOps模型全周期管理、效果监控等机制，保障平台安全稳定运行。

（图1 名循数智临床医学服务大模型平台总体技术架构）

平台的核心价值，是构建起临床数据→高质量语料→垂直医学模型→临床场景应用→反馈回流迭代的自增长飞轮。短期来看，平台聚焦科研降本增效，自动化完成病历结构化、病例入组筛选、科研指标抽取、随访数据对齐、科研表单整理等繁重工作，显著缩短回顾性研究、真实世界研究的项目周期，释放临床医生的科研精力；中期目标是沉淀专科数字资产，帮助科室搭建持续迭代的专科标准化疾病语料库与知识库，支撑院内病历辅助撰写、病例讨论智能助手、专科教学培训、智能导诊随访等本地化AI场景落地；长期致力于共建国产可信临床医学大模型生态。名医之声科技将持续联动合作医院、临床专家、学科带头人推进专病语料共建计划，按病种持续完善数据集，所有模型训练、验证、调优均基于真实临床反馈闭环迭代，摆脱单纯依赖公开文献训练的局限。

对医疗机构而言，平台提供轻量化的院内AI建设路径，无需自建庞大的算力与数据团队，即可快速启动专科数据治理与科研数字化转型；对临床专家而言，角色从单纯的数据供给方升级为语料标准制定者、标注质控负责人、模型效果评审专家，掌握专科AI建设的主导权；对行业而言，持续扩充、经临床校验的多专科疾病语料库，能够向全行业输出高质量基础资源，减少重复研发投入，推动国内临床医学大模型走向专科化、规范化、可信化。

名医之声科技相关负责人接受《华夏时报》记者采访时表示：“医疗AI始终是医生的数字化助手，而非替代者。我们坚持临床优先，不追求脱离实际场景的技术炫技，沉下心筑牢临床数据底座。高质量临床语料与标准化治理体系，是所有临床AI应用的根基。未来我们将持续与合作医院、临床科室深度协同，按病种分步建设、持续验证、迭代优化，把名循数智平台建设成国内临床医学科研与专科大模型共建共享的基础设施，以标准化数据能力支撑循证医学发展、助力临床科研创新，让AI真正扎根临床、惠及患者。”

下一步，平台将逐步开放生态合作，优先在呼吸、心血管、肿瘤、内分泌等重点专科落地语料共建与临床研究数据治理项目，打磨形成可复制的专科建设范式，并持续向更多医疗机构、临床科研团队开放服务，助力我国智慧医疗与临床科研数字化高质量发展。

责任编辑：姜雨晴 主编：陈岩鹏