中國科學院王建安院士：從工具到生態，AI重塑心腦血管疾病診療全鏈路

在醫療健康與數字技術交匯的時代浪潮中，人工智能正從技術概念加速滲透到臨床診療的各個環節，推動診療模式從經驗驅動邁向精準智能的新范式。

2025（第七屆）健康大會上，中國科學院院士、浙江大學醫學院附屬第二醫院院長王建安以《心腦血管疾病早篩與精準干預的智能技術創新及臨床落地》為題發表主旨演講，系統性地展現了AI從早篩、診斷、治療、康復到科研轉化的全鏈條賦能路徑。

其背后，是一個更加深刻的行業命題：當AI醫療跨越概念驗證期的初期階段，要真正融入臨床核心工作流程，需要怎樣的系統化思維與生態構建？

中國科學院院士、浙江大學醫學院附屬第二醫院院長 王建安

01

AI醫療應堅持問題導向，而非技術先行

“人工智能正在重構醫療系統運行規律”，王建安院士開篇即點明AI醫療的核心影響力。但與部分技術驅動的創新不同，他更強調AI醫療的“臨床本位”——技術最終要服務于臨床需求，解決實際問題。

這一觀點與國際頂尖醫學期刊《JACC》（美國心臟病學會雜志）的理念不謀而合。他援引《JACC：Asia》期刊的觀點：AI醫療應堅持問題導向，而非技術先行，同時需嚴格評估防偏見、聚焦落地、建立信任體系并融入更廣闊的醫療生態。

在王建安院士看來，AI重構醫療的核心價值體現在三個維度：提升診療精準度、優化服務時效、實現優質資源的放大與復制。浙大二院的系列實踐，正是這一理念的生動注腳。每一項AI應用的開發，都始于一個明確的臨床場景，并追求可量化的效果。

在診斷環節，針對基層醫院心臟超聲診斷能力不足的普遍問題，團隊參與研發的985N模型通過分析普通心電圖，即可實現對多種心臟瓣膜病變的有效篩查。這項技術的意義在于，它有望將部分原本需要超聲設備才能完成的診斷，前置到更基層的醫療場景。

在腦卒中救治中，傳統靜脈溶栓治療時間窗窄（通常為4.5小時）且基層醫療機構因缺乏高級影像評估能力（如灌注成像），大量高危患者無法被及時篩查。針對此痛點，團隊致力于研發基于CT平掃的AI評估工具，使其在不依賴有創灌注檢查的情況下輔助溶栓決策，解決基層醫院設備與技術的現實困境。

更值得關注的是“泛血管一體化預警體系”的構建。浙大二院通過大數據平臺自動抓取患者多維度數據，利用AI算法智能甄別高危人群。當系統識別出十年心腦血管事件風險超過50%的極高危患者時，會自動推送預警至醫生手機端，并聯動社區醫院形成長期隨訪隊列。

這一模式的價值不僅在于技術創新，更在于它重構了疾病預防的管理流程，使早篩早干預從理念走向可執行的臨床路徑。

02

跨越科室壁壘：多模態AI筑牢泛血管疾病全鏈條診療

當前醫療體系中，專科化分科制度在提升專業深度的同時，也造成了血管疾病診療的碎片化。患者往往在心內科、神經內科、血管外科之間輾轉，缺乏系統性評估和管理。

王建安院士團隊打造的全國首個泛血管院區，正是對這一傳統模式的革新。該院區整合心血管、腦血管、外周血管疾病的診療資源，通過統一的數據平臺和AI分析系統，實現對泛血管疾病的系統性評估和一體化干預。

這種系統性思維，同樣貫穿于具體的治療環節。以高難度的經導管主動脈瓣置換術（TAVR）為例，浙大二院已常規化應用AI術前模擬技術。通過構建患者心臟的個體化數字模型，在虛擬空間預演手術全過程。這使得醫生能在術前精準規劃瓣膜型號與最佳植入錨定位置，并前瞻性評估傳導阻滯、瓣周漏等關鍵并發癥等風險。

這項技術的價值遠不止于提升單次手術的安全性。它直接支撐了診療流程的全局優化，成功推動了“第二天出院”計劃的落地。數據顯示，約60%的患者可在術后24小時內安全出院，平均住院日顯著縮短。

這證明，AI的應用能夠重新設計并優化整個治療路徑，在提升療效的同時，顯著改善醫療效率與患者體驗，實現了質量與效率的統一。

03

從院內到院外：AI如何構建連續性的健康管理閉環？

治療結束并非醫療服務的終點，恰恰是長期健康管理的起點。針對我國“重治療、輕康復”的體系短板，浙大二院通過“軟硬結合”，構建了覆蓋院內院外的連續性管理閉環。

在“硬件”端，浙大二院通過可穿戴設備，對術后患者（如瓣膜置換者）進行持續心電監測，AI后臺實時分析數據，對遲發傳導阻滯等風險實現自動預警與及時干預，為日間手術和加速康復提供了至關重要的安全保障。構建起了覆蓋院內院外的連續性管理閉環。

在“軟件”端，專科智能體“Jack安心”的研發，則代表了AI醫療資源復制的另一條路徑。這個針對心臟瓣膜疾病的專屬AI智能體能夠提供問診咨詢、隨訪指導等服務。經模擬患者測試，該智能體能夠有效回應復雜咨詢需求，未來有望進一步拓展到更多專科場景。王建安院士透露，團隊還計劃打造更多醫生智能體，讓優質醫療經驗實現規模化復制。

“硬件+軟件”的結合，正在重新定義醫療服務的邊界。傳統的醫療服務被局限在醫院圍墻之內，而AI賦能的連續監測和智能交互，將專業醫療服務延伸至患者的日常生活場景中。

04

科研加速與產業聯動：AI如何重塑醫療創新生態？

醫療AI的價值不僅局限于臨床診療，更在驅動醫療器械研發、推動產學研融合中展現潛力。王建安院士展示的案例，揭示了這一轉變的兩個關鍵維度：顛覆傳統的科研效率，與驅動“需求導向”的產業轉化。

科研層面，傳統臨床研究受困于海量數據篩選的“人力瓶頸”。王建安院士團隊提供了一個典范：運用AI技術，從30萬名患者的6000萬條數據中，快速、精準地篩選出634例心肌淀粉樣變性疑似患者，特異性高達99%。

這一過程將原本需要數月甚至數年的手動篩查，壓縮至極短周期，不僅高效構建了高質量研究隊列，更本質上是將研究人員的精力從重復性勞動解放出來，重新聚焦于科學假設與機理探索。這標志著臨床研究進入了“AI增強”的新范式。

產業轉化層面，AI正在縮短從臨床需求到產品落地的路徑。以心臟瓣膜新材料研發為例，團隊利用AI算法模擬數以萬計的高分子化合物配比，在實體實驗前完成多輪虛擬篩選與優化。

這種“量體裁衣”式的研發，極大地降低了試錯成本與周期，確保了產品從源頭即與臨床真實需求緊密貼合，也推動了醫療設備開發從工程師主導向臨床需求與計算模擬雙輪驅動的深刻轉變。

上述所有在診斷、治療、科研、轉化中的AI實踐，最終指向一個統一的、更為宏大的未來目標——構建全血管數字孿生系統。王建安院士闡釋，這一愿景旨在融合個體的宏觀臨床數據與微觀組學信息，為個體構建虛擬血管模型，動態模擬其“生物年齡”與健康狀態。

這個數字孿生體將成為一個強大的開放式科研與臨床平臺，可用于預測血管疾病風險、模擬藥物或器械的干預效果，從而將醫療推向真正的“預測性、預防性、個性化”新階段。

王建安院士團隊的實踐表明，當AI技術與系統化的模式創新相結合時，其釋放的能量將遠超單點技術創新。這不僅是心血管領域的智能化升級樣本，更為整個AI醫療產業如何跨越“演示價值”與“臨床價值”之間的鴻溝，提供了關鍵性的實踐框架。

隨著技術成熟和政策支持，AI將在更多心腦血管診療場景實現突破。從全血管數字孿生系統的長遠愿景，到可穿戴+AI的日常監測，醫療AI正逐步重構心腦血管診療生態。

未來，只有堅持“臨床價值優先”，推動技術、臨床、產業深度融合，才能讓AI真正賦能醫療健康事業，為億萬患者帶來福祉。正如王建安院士所言：“AI不是要取代醫生，而是要成為醫生的得力助手，讓優質醫療資源惠及更多患者。”

如果您想對接文章中提到的項目，或您的項目想被動脈網報道，或者發布融資新聞，請與我們聯系；也可加入動脈網行業社群，結交更多志同道合的好友。

聲明：動脈網所刊載內容之知識產權為動脈網及相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業信息和數據，均由受訪者向分析師提供并確認。