AI医疗在近十年实现了快速发展，2016年迎来行业元年，2020年首张AI医疗器械三类证获批，截至2024年相关获批证件已160张，技术覆盖诊前、诊中、诊后全患者旅程。但李丽莎博士指出，当前多数获批的AI解决方案仍局限于单点突破，缺乏能预测药物疗效、筛选优势获益人群的深度应用，核心症结在于数据层面的两大难题。

一方面，诊疗数据存在严重的环节割裂，诊断与治疗数据互通不畅，难以形成完整的疾病旅程数据链。另一方面，院外管理、临床诊疗与科研数据各自为战，形成 “数据孤岛”，患者跨院就诊导致部分预后数据缺失，无法满足AI模型对完整队列数据的学习需求。这些沉睡的数据如同海面下的冰山，虽有巨大价值，却因缺乏有效整理与留存，难以转化为推动医疗创新的核心动力。

AI破解临床效率与数据沉淀难题

面对数据困境，罗氏选择从真实临床痛点切入，以 “效率提升 + 数据沉淀” 为双目标，推动AI技术的务实应用。在肝癌多学科会诊（MDT）场景中，患者往往辗转多家医院，病历资料繁杂，医生整理结构化数据需耗费2-3小时，严重限制了会诊效率。

针对这一问题，罗氏联合中山医院与上海人工智能实验室，开发了AI智能病历结构化工具。患者仅需拍照上传所有病史资料，系统即可在10分钟内完成关键信息提取、结构化整理，并绘制检验指标趋势线，准确率达 90%以上。这一工具不仅将医生从繁琐的文书工作中解放出来，扩大了MDT会诊的覆盖范围，更重要的是实现了长期病史数据的标准化沉淀。当这类结构化数据累积到一定规模，将为后续的疗效预测、疾病进展分析提供高质量的数据基础。

在院外场景，罗氏通过数字化患者管理工具，实现了肺癌患者的长期随访数据留存，在不改变治疗方案的前提下，帮助患者延长了3个月的总生存期。针对淋巴瘤的多中心真实世界研究，该工具将单患者病历录入时间从半天缩短至30分钟，大幅降低了临床研究成本，同时保障了数据的完整性与规范性，形成 “临床应用-数据沉淀-科研反哺” 的闭环。

从数据资产到个体化医疗的终极目标

李丽莎博士强调，AI技术在医疗领域的价值远不止于效率提升。随着数据要素政策的完善，过去被视为 “成本” 的数据正转变为可入表、可交易的核心资产。罗氏的长远目标，是基于沉淀的高质量数据，构建能精准预测患者治疗反应的 AI模型，回答 “患者适合哪种药物”“新药对哪些人群最有效” 等核心临床问题。

目前，针对肝癌晚期患者的免疫治疗预后预测模型已在推进中。由于该类患者群体规模有限，罗氏正与芯超数据等机构合作，整合中国内地、香港及日韩等地的数据，以优化模型性能，加速临床落地。李丽莎博士表示，未来的医疗创新将以数据为核心驱动力，通过AI技术打通数据流通壁垒，让 “沉睡数据” 转化为精准医疗的决策依据，最终实现个体化医疗的终极愿景。

从临床效率的微小突破，到数据资产的价值重构，AI正一步步重塑医疗产业的发展逻辑。随着技术的持续迭代与数据生态的不断完善，医疗领域将迎来从经验驱动到数据智能驱动的根本性转变，为患者带来更高效、更精准的健康服务。