889.1万元，中科大附一院拟转让一项智能医疗耗材推荐系统

日前，中国科学技术大学附属第一医院（安徽省立医院）就“基于病种耗材推荐智能体技术的医疗耗材管理系统”职务科技成果转化项目发布公示。医院拟通过“排他许可+技术合作开发”方式，将该专利技术及相关系统许可予联心云（安徽）科技有限公司实施。本次转化协议总金额为889.1万元，其中专利实施许可部分为109.1万元，技术合作开发部分为780万元。

本项成果的第一负责人为陈玉俊，核心发明人还包括王涛、黄程、童贵显、贺雪梅、杨春梅、杨栋等成员。

该团队长期深耕智慧医疗与医院管理信息化领域，在医疗数据智能处理、耗材管理优化、临床路径与资源配置融合等方面具备扎实的研究积累与丰富的实践经验。

本次科技成果的受让方为联心云（安徽）科技有限公司，公司致力于通过云计算、人工智能与物联网技术，为医疗机构提供运营管理、资源优化与智慧服务一体化解决方案。联心云团队在医疗信息系统集成、数据治理与智能决策支持方面具备较强的技术开发与落地实施能力。

本次拟转化的技术是一套智能医疗耗材推荐系统，它通过多个智能体协同工作：首先收集并分析病种与耗材相关数据，构建专业知识库；然后利用人工智能进行匹配与推理，生成多个推荐方案；最终融合形成个性化耗材推荐结果，并自动触发后续业务流程。

该系统能够实现从病种识别到耗材推荐的全流程智能化管理，为不同病种提供精准、动态的耗材配置建议，助力医院实现耗材使用的精细化与成本控制优化。

医疗耗材是指在医疗过程中用于预防、诊断、治疗、监护、缓解疾病或调节生理机能的一类消耗性医疗器械。这类器材贯穿患者诊疗的全过程，多数为一次性使用，部分可重复使用的耗材也必须经过严格的消毒灭菌处理。

科学、合理地选用医疗耗材，直接关系到诊疗效果、医疗成本控制以及临床操作的规范性。

当前，随着DIP（按病种分值付费）和DRG（按疾病诊断相关分组付费）等医保支付方式的逐步推行，医疗机构在病种成本控制方面面临更大压力。这些支付方式通过将疾病分类并设定相应的支付标准，促使医院必须优化资源配置、降低不必要的耗材使用。

然而，在病种与耗材的匹配管理中，传统主要依赖人工经验进行推荐和调配的方式，已难以实现精细化、个性化的临床需求。

基于上述情况，现有耗材管理方法往往缺乏数据驱动的决策支持，容易导致耗材使用与病种实际需求脱节，造成资源浪费或配置不足。

为此，该技术提出一种基于多智能体协同决策的智能化推荐系统。

该方法突破传统依赖人工经验的局限，通过构建数据感知、知识库构建、智能决策与业务执行联动的完整闭环，实现从病种识别到耗材匹配的全流程数据驱动与自动化管理，为临床提供精准、动态且可解释的耗材配置方案，从而系统性地应对当前医疗成本控制与个性化诊疗的双重挑战。

传统模式下，耗材推荐高度依赖医护人员的个人经验，这不仅容易因经验差异导致推荐方案不统一，更难以综合量化考量日益复杂的多维度约束。

尤其是在DIP（按病种分值付费）和DRG（按疾病诊断相关分组付费）医保支付改革全面推行的背景下，医疗机构必须在保障诊疗质量的同时，严格控制成本，传统方法已左支右绌。本技术的优势首先体现在其全面的数据感知与深度融合能力。

系统通过专门设计的“数据感知智能体”（如HIS智能体、LIS智能体、PACS智能体），主动从医院各异构信息系统中抽取并整合多源数据，包括病种诊断、患者个体信息、临床路径、历史耗材使用数据及医保支付数据等。

这打破了医院内部常见的数据孤岛现象，为智能决策奠定了坚实的数据基础。

更重要的是，该技术实现了从“单点决策”到“多智能体协同博弈决策”的跨越。系统并非采用单一的算法模型，而是部署了多个功能专精的AI决策智能体，如负责预测费用的“费用预测智能体”、检测异常使用模式的“异常检测智能体”、平衡成本、质量与效率的“资源优化智能体”以及评估风险的“风险评估智能体”等。

这些智能体各司其职，如同一个顶尖的医学专家团队，分别从临床效果、经济效益、资源效率和合规安全等不同视角对同一病例进行分析与推荐。它们基于一个集成了耗材基础信息、病种关联规则、临床指南和成本效益数据的“耗材知识库”进行推理与匹配。

最终，系统通过协调机制融合各智能体的输出，生成一个平衡了多方诉求、综合最优的耗材推荐方案。这种架构使得系统决策更加全面、稳健，能够同时满足“精准医疗”和“精准支付”的双重管理目标。

此外，该技术具备显著的动态优化与持续学习能力，这构成了其长期的适应性优势。系统不仅是一次性的推荐，还通过“业务执行智能体”将推荐方案转化为实际的库存调配、费用控制等行动，并持续监控耗材使用的实际结果与临床反馈。

这些反馈数据形成一个闭环，被用于持续优化上层的AI决策模型。这意味着系统能够从真实世界的应用中不断学习，适应新的诊疗技术、耗材产品以及医保政策的变化，实现智能体的自我进化，使得推荐策略随时间推移而越发精准。

同时，该专利技术的先进性，体现在它并非对现有技术的简单改良，而是从架构设计到算法融合层面进行了一系列前瞻性创新，代表了医疗耗材管理向“认知智能”阶段演进的方向。

其首要的先进性在于提出了一个模块化、可扩展的“多智能体协作”系统架构。在医疗人工智能领域，虽然已有应用大语言模型（LLM）构建智能体处理挂号、问答等任务，或构建专科医生智能体辅助手术规划，但将多智能体范式系统性地应用于耗材管理这一涉及复杂资源调配与多目标优化的场景，是一项重要的架构创新。

该架构将庞大的管理问题分解为感知、决策、执行、反馈等子任务，并由专业智能体分工负责。这种设计使系统逻辑清晰、易于维护和升级（例如，可单独增强某个智能体的算法）。

更关键的是，它通过智能体间的协作与博弈，模拟了人类多专家会诊的决策过程，在处理具有内在冲突的多目标（如最优疗效vs.最低成本）时，能产生超越任何单一模型的、更具权衡智慧的解决方案。

在核心算法层面，本技术的先进性突出表现为深度利用“多模态特征融合”与“可解释性推理”技术。系统在决策时，并不仅仅进行简单的数据匹配。

它首先利用医疗知识图谱、图神经网络（GNN）、逻辑推理引擎等技术，分别对病种特征、患者个体特征、临床特征及成本特征进行深度知识推理。

随后，创新性地采用“注意力机制”和“特征融合网络”等先进的机器学习技术，将这些来自不同维度、不同数据结构（模态）的推理结果进行有机融合。“注意力机制”能让模型动态地关注当前病例最关键的特征（例如，对于一位高龄并发症患者，其个体风险特征可能比常规病种特征更重要），从而提升推荐的个性化精度。

同时，结合知识图谱的推理过程增强了决策的可解释性，系统能够提供推荐背后的逻辑链条和医学依据，这对于获得临床医生的信任、满足医疗监管要求至关重要，有效规避了AI模型常见的“黑箱”决策风险。

最后，该技术展现了前沿机器学习算法的集成与应用创新。在具体的智能体中，本专利集成了多种当前人工智能领域的前沿算法。

例如，“费用预测智能体”采用深度强化学习，使模型能自主优化预测策略；“异常检测智能体”则结合隔离森林（Isolation Forest）和自编码器（AutoEncoder）等多种无监督学习算法进行并行检测与结果融合，以更精准地发现复杂、隐性的异常使用模式。

这种根据具体任务特性“量体裁衣”地集成并优化最适算法的做法，体现了深厚的技术功底，确保了系统在各个细分功能节点上都能达到业内领先的性能水平，从而从整体上构成了显著的技术壁垒和先进性。

当前，针对医院运营中普遍存在的资源错配、成本高企、效率瓶颈及数据孤岛等核心痛点，国内外领先的医疗科技企业与研究机构正积极布局。

在国际市场中，Qure AI是一家来自印度的医疗AI企业，主要聚焦医疗健康领域，专注于通过AI技术提供医疗影像诊断、疾病筛查及诊疗协同解决方案，覆盖结核病、肺癌、中风等多种疾病的早期检测与管理，致力于让精准诊断更普惠可及。

在医疗耗材推荐相关技术领域，其核心成果是医疗影像智能体平台中的qTrack模块，该模块依托多智能体协作能力，实现了医疗影像数据与耗材使用数据的关联分析，例如在结核病、肺癌等病种诊疗场景中，当影像智能体检出病灶后，qTrack模块可自动匹配对应的检查耗材（如活检耗材）、治疗耗材（如介入治疗耗材）使用建议，同时通过定制化仪表盘监控耗材使用效率、减少不合理消耗，并支持与医院相关系统对接以实现耗材需求预测与库存预警。

目前该医疗影像智能体平台及qTrack模块已处于商业化部署阶段。

在国内，中山大学孙逸仙纪念医院在医疗耗材技术领域拟采购一项“医用耗材智能体平台”技术，该平台具备多重与耗材管理及推荐相关的核心功能，包括基于AI模型结合历史消耗数据、手术排期等预测耗材需求并智能补货，实时监测耗材使用以控制浪费，通过比对多平台价格提供决策支持，以及自动校验耗材使用是否符合医保政策等合规要求，同时需开放信息接口配合医院物联网建设。

未来，技术的成熟不仅取决于算法本身的进步，更依赖于与医院现有信息系统的深度嵌合、高质量医学知识图谱的构建以及临床工作流的无缝适配。如何实现从“辅助推荐”到“可信决策”，并通过真实的成本效益数据验证临床价值，将是所有技术路线共同面临的关键挑战，也将决定其最终的应用深度与市场前景。