《國務院關于深入實施“人工智能 +”行動的意見》一發(fā)布，就成了街談巷議的焦點，引爆國內的AI市場。不少人就好奇，這個意見跟普通人有關系嗎？人工智能+怎樣讓每一個普通人都切切實實地受益呢？

我們注意到，在 “人工智能 + 民生福祉” 板塊中，明確提出要靠AI打造更有品質的美好生活，有序推動人工智能在輔助診療、健康管理、醫(yī)保服務等場景的應用。

健康醫(yī)療，與每一個人都息息相關。而“人工智能+醫(yī)療”這一政策導向，正在醫(yī)療一線涌現(xiàn)出生動的實踐。

就在近日，中山大學腫瘤防治中心（下稱 “中山腫瘤”）做到了一件了不起的事情：給鼻咽癌患者調整一次精準放療計劃，從過去幾天的時間縮短到了20.8分鐘。這是什么概念？患者接受放療時，腫瘤每天都在發(fā)生細微變化，若依據(jù) 3 天前的影像制定方案，正常組織很可能被誤照。過去調整一次治療計劃，需醫(yī)生、物理師、計劃師輾轉完成 5 個步驟，全程要折騰 3 到 5 天，等方案最終確定時，腫瘤位置或許已經變了。

如今，中山腫瘤借助 AI 打通全流程，醫(yī)護團隊每天只需 20 多分鐘，就能為患者量身定制最貼合當下病情的治療方案。這不僅是效率的飛躍，更實實在在幫患者少受傷害。在這場與生命賽跑的征程中，大數(shù)據(jù)與 AI 成為精準診療的加速引擎。為何中山腫瘤能將 AI 如此高效地應用于臨床？這背后離不開堅實的基礎設施支撐。中山腫瘤以華為OceanStor Pacific全閃分布式存儲+DME Omni-Dataverse統(tǒng)一數(shù)據(jù)空間為基礎，搭建起了融合醫(yī)療 AI 數(shù)據(jù)湖，觸碰深藏診療價值的 “數(shù)據(jù)冰山”。

想了解“人工智能+”如何造福民生？我們不妨一同探尋數(shù)據(jù)冰山下涌動的生命之火。

世界衛(wèi)生組織2022年數(shù)據(jù)顯示，我國每年腫瘤新發(fā)患者已高達482萬。而來自疾控機構和臨床一線的數(shù)據(jù)顯示，截至2023年我國癌癥患者5年相對生存率約為40.5%。

同一種病、同樣的治療方案，為什么不同患者的效果會天差地別？因為人體是個復雜的系統(tǒng)，基因、免疫狀態(tài)、生活習慣等多重變量相互影響，要破譯每個人的生命密碼，并不容易。

因此，“同病異治” 既是傳統(tǒng)醫(yī)學的理想追求，也是現(xiàn)代精準醫(yī)療的目標。但這一目標的實現(xiàn)，始終面臨一個關鍵難題：數(shù)據(jù)。

傳統(tǒng)的手術切除、放療、化療等治療手段，著眼的只是疾病的 “可見部分”，就像海面上的冰山一角。而真正影響治療效果的核心因素，其實是潛藏在海面之下的海量生命數(shù)據(jù)。

中山大學腫瘤防治中心副院長孫穎教授說得很實在：讓患者做大量檢查，不是為了折磨人，而是只有從內鏡、病理、影像、組學全維度數(shù)據(jù)中，對腫瘤有個精準判斷，治療才能有的放矢。單張病理切片超過1.5GB，做一次CT要拍上千張圖，加上基因檢測、每次復診的記錄，十幾年下來，一個患者就能攢出成百上千GB的數(shù)據(jù)，這么多數(shù)據(jù)，剛好能讓AI派上用場。

從個體特有的基因變異、動態(tài)變化的免疫狀態(tài)，到復雜的分子生物學改變，這些海量個人健康數(shù)據(jù)，是決定治療效果的關鍵，更是精準醫(yī)療、智慧醫(yī)療的前提。像鼻咽癌這類數(shù)據(jù)密集型疾病，正是精準醫(yī)學與智慧醫(yī)療的最佳試驗場。

但過去，受限于技術局限，這些數(shù)據(jù)一直沒能被深入挖掘，這也是 “同病同治不同效” 的重要原因。

到底是什么束縛了數(shù)據(jù)在醫(yī)療場景的高效應用呢？我們來一探究竟。

中山大學腫瘤防治中心歷時10多年的數(shù)字化建設，完成了從有紙化向無紙化的轉型，病理玻片沿著 "信息化-數(shù)字化-平臺化" 的演進路徑持續(xù)發(fā)展。

如今，在中山腫瘤門診時，過去需翻閱厚厚一摞紙質病歷，如今通過時間軸功能，像全景圖一樣，醫(yī)生一眼就能看清患者二三十年開在本院的完整診療軌跡。

數(shù)據(jù)越來越多，對診療判斷來說是件好事，卻也對醫(yī)院的數(shù)字基礎設施提出了嚴峻考驗：

首要問題是放不下。以前沒有大數(shù)據(jù)平臺支撐時，臨床工作雖然也能開展，但過程極為繁瑣。醫(yī)生需在10個不同系統(tǒng)間反復切換，點擊多次，才能完整調取患者診療數(shù)據(jù)。加上中山腫瘤的日均接診量大，數(shù)據(jù)資源呈指數(shù)級增長，每位患者的醫(yī)療影像、檢驗報告等資料往往形成上千個碎片化文件。面對如此量級的數(shù)據(jù)洪流，傳統(tǒng)存儲架構明顯力不從心。

其次是跑不快。孫穎教授提到，數(shù)字化之后，醫(yī)生最怕卡。以前看病理波片是用光學顯微鏡，醫(yī)生扭旋鈕就能10倍、40倍的輕松放大，數(shù)字化以后，病理切片一張就有1.5GB，加載時如果總轉圈，速度跟不上，醫(yī)生手一動畫面全是格子，就會嚴重拖慢工作節(jié)奏。

不難看到，要讓更多患者受益，必須得釋放數(shù)據(jù)價值，讓數(shù)據(jù)放得下、讀得快、傳得穩(wěn)。唯有如此，才能借助 AI 技術深度挖掘數(shù)據(jù)背后的關鍵信息，為患者量身定制個性化診療方案。

歷經十五年，中山腫瘤已完成了信息化、數(shù)字化建設，那么下一步的目標就是整合匯聚數(shù)據(jù)資源，通過高性能存儲，構建大數(shù)據(jù)與AI雙平臺，為精準醫(yī)療發(fā)展筑牢數(shù)據(jù)根基。

構建了大數(shù)據(jù)和AI雙平臺之后，中山腫瘤喚醒了沉睡的數(shù)據(jù)冰山，智能化水平也大幅飛躍。

就說看片子這件事，以前醫(yī)生圍著一套影像忙前忙后，現(xiàn)在AI自動標出可疑病灶，大幅提高工作效率。AI還能幫醫(yī)生智能生成病歷，中山腫瘤把DeepSeek嵌在工作站里，節(jié)省 60% 的寫病歷時間。醫(yī)院還建了不少智能體，能回答患者像 “手術后吃什么” 這類簡單問題。這樣一來，醫(yī)生從機械勞動中解放出來，能有更多時間和患者聊專業(yè)問題；醫(yī)生有更多時間看片子、交流病情，患者就診體驗也更好了。

這些智能化帶來的改變，都離不開數(shù)據(jù)基礎設施，那就是中山腫瘤以華為OceanStor Pacific全閃分布式存儲+DME Omni-Dataverse為基礎構建大數(shù)據(jù)和AI平臺，落地的融合醫(yī)療AI數(shù)據(jù)湖建設方案。

為什么這套方案能把數(shù)據(jù)冰山的潛能，給釋放出來呢？

先說說最讓醫(yī)生頭疼的卡頓問題?？縊ceanStor Pacific全閃分布式存儲和DPC分布式并行客戶端，就像把小水管換成大口徑管道，多個存儲節(jié)點并行傳輸，讓調病理切片能 “一秒千片”，看 CT 影像能 “一秒千張”，醫(yī)生想翻多快都行。

這套存儲還特別省空間。中山腫瘤每年要產生超 1PB的 數(shù)據(jù)，醫(yī)療數(shù)據(jù)越存越多，要是用傳統(tǒng)存儲，機房得堆滿柜子。但OceanStor Pacific有兩個辦法：一是高密硬件設計+30.72TB大容量 SSD盤，一個機柜能裝下傳統(tǒng)設備3倍的數(shù)據(jù)；二是無損數(shù)據(jù)壓縮技術，針對數(shù)字化病理和PACS影像等不同場景智能選取最佳的壓縮策略，不影響診斷精度還能省空間。

再說說數(shù)據(jù)共享難的問題，這就得靠DME Omni-Dataverse統(tǒng)一數(shù)據(jù)空間。為中山腫瘤三院區(qū)的數(shù)據(jù)搭了個統(tǒng)一空間，改變各院自存、調不到、調得慢等局面。

具體來說，DME Omni-Dataverse支持全局可視，統(tǒng)一存儲資源池匯總了各個院區(qū)數(shù)據(jù)。支持跨院直連，數(shù)據(jù)不用搬家，通過統(tǒng)一鏈路直接訪問，既省時間又保安全。支持智能歸檔和實時訪問分院數(shù)據(jù)會自動匯總到中心歸檔，這樣跨區(qū)協(xié)作時，調閱數(shù)據(jù)不用人工跑腿，也不用長時間等待，工作效率高了不少。此外，這一空間還支持數(shù)據(jù)不出域、可用不可見，讓敏感數(shù)據(jù)始終待在安全區(qū)域，既解決了共享效率問題，又守住了合規(guī)底線。

可以看到，在中山腫瘤探索平臺化、智能化過程中，融合醫(yī)療AI數(shù)據(jù)湖建設方案扎扎實實地解決了基礎設施問題，相當于給數(shù)字系統(tǒng)打了個好地基。有了這個地基，大數(shù)據(jù)和AI 雙平臺才能跑起來，支撐腫瘤專科醫(yī)院的一院多區(qū)高質量發(fā)展。

“有時去治愈，常常去幫助，總是去安慰”， 這句流傳百年的醫(yī)療箴言，道出了大家對看病的樸素期待，也是醫(yī)療的人文初心。而中山大學腫瘤防治中心的智能化實踐，正讓這種有溫度的醫(yī)療，從理想變成了現(xiàn)實。

這一目標的前提，就是對數(shù)據(jù)這座龐大冰山的深入挖掘。

有了以高性能存儲作為統(tǒng)一數(shù)據(jù)湖構建的大數(shù)據(jù)和AI雙平臺，醫(yī)生不用再為讀圖卡頓、切換系統(tǒng)而浪費時間，能騰出更多功夫跟患者聊病情，緩解求診者的顧慮，真正做到“總是去安慰”。

而對于患者來說，幫助也是實實在在的。AI數(shù)據(jù)湖把病理切片、影像、基因這些分散的數(shù)據(jù)聚在一起，數(shù)據(jù)多跑腿，醫(yī)生點開屏幕就能看到完整治療記錄，不用患者自己抱著一沓片子跑斷腿，治療方案也能更精準。

更重要的是，有了大數(shù)據(jù)和AI的助力，有望增加治愈的幾率。孫穎教授分享，發(fā)生率只有0.01%的罕見腫瘤，過去一個醫(yī)生一輩子可能也就碰到1~2例。但現(xiàn)在，有了大數(shù)據(jù)支撐，從上千萬的病歷里，一下子找出了幾百個相似病例。醫(yī)生通過分析這些病例的規(guī)律，就能探索出更有效的治療方案，或許以前無法治愈的疾病，就有了新的希望。

中山腫瘤從信息化起步，歷經數(shù)十年，逐步邁向數(shù)字化、平臺化，最終突破了數(shù)據(jù)整合與應用的壁壘，實現(xiàn)智能化飛躍。這條數(shù)智化征程中，全閃分布式存儲猶如一艘堅實的生命方舟，穩(wěn)穩(wěn)托舉著每一份CT影像、每一頁病理報告、每一組基因序列。

曾散落在各院區(qū)的數(shù)據(jù)，如今在AI數(shù)據(jù)湖里奔涌著、流動著，化作守護生命的希望之火。這，就是科技最動人的溫度。

審核編輯 黃宇