在医疗健康与数字技术交汇的时代浪潮中，人工智能正从技术概念加速渗透到临床诊疗的各个环节，推动诊疗模式从经验驱动迈向精准智能的新范式。

2025（第七届）健康大会上，中国科学院院士、浙江大学医学院附属第二医院院长王建安以《心脑血管疾病早筛与精准干预的智能技术创新及临床落地》为题发表主旨演讲，系统性地展现了AI从早筛、诊断、治疗、康复到科研转化的全链条赋能路径。

其背后，是一个更加深刻的行业命题：当AI医疗跨越概念验证期的初期阶段，要真正融入临床核心工作流程，需要怎样的系统化思维与生态构建？

中国科学院院士、浙江大学医学院附属第二医院院长 王建安

“人工智能正在重构医疗系统运行规律”，王建安院士开篇即点明AI医疗的核心影响力。但与部分技术驱动的创新不同，他更强调AI医疗的“临床本位”——技术最终要服务于临床需求，解决实际问题。

这一观点与国际顶尖医学期刊《JACC》（美国心脏病学会杂志）的理念不谋而合。他援引《JACC：Asia》期刊的观点：AI医疗应坚持问题导向，而非技术先行，同时需严格评估防偏见、聚焦落地、建立信任体系并融入更广阔的医疗生态。

在王建安院士看来，AI重构医疗的核心价值体现在三个维度：提升诊疗精准度、优化服务时效、实现优质资源的放大与复制。浙大二院的系列实践，正是这一理念的生动注脚。每一项AI应用的开发，都始于一个明确的临床场景，并追求可量化的效果。

在诊断环节，针对基层医院心脏超声诊断能力不足的普遍问题，团队参与研发的985N模型通过分析普通心电图，即可实现对多种心脏瓣膜病变的有效筛查。这项技术的意义在于，它有望将部分原本需要超声设备才能完成的诊断，前置到更基层的医疗场景。

在脑卒中救治中，传统静脉溶栓治疗时间窗窄（通常为4.5小时）且基层医疗机构因缺乏高级影像评估能力（如灌注成像），大量高危患者无法被及时筛查。针对此痛点，团队致力于研发基于CT平扫的AI评估工具，使其在不依赖有创灌注检查的情况下辅助溶栓决策，解决基层医院设备与技术的现实困境。

更值得关注的是“泛血管一体化预警体系”的构建。浙大二院通过大数据平台自动抓取患者多维度数据，利用AI算法智能甄别高危人群。当系统识别出十年心脑血管事件风险超过50%的极高危患者时，会自动推送预警至医生手机端，并联动社区医院形成长期随访队列。

这一模式的价值不仅在于技术创新，更在于它重构了疾病预防的管理流程，使早筛早干预从理念走向可执行的临床路径。

当前医疗体系中，专科化分科制度在提升专业深度的同时，也造成了血管疾病诊疗的碎片化。患者往往在心内科、神经内科、血管外科之间辗转，缺乏系统性评估和管理。

王建安院士团队打造的全国首个泛血管院区，正是对这一传统模式的革新。该院区整合心血管、脑血管、外周血管疾病的诊疗资源，通过统一的数据平台和AI分析系统，实现对泛血管疾病的系统性评估和一体化干预。 

这种系统性思维，同样贯穿于具体的治疗环节。以高难度的经导管主动脉瓣置换术（TAVR）为例，浙大二院已常规化应用AI术前模拟技术。通过构建患者心脏的个体化数字模型，在虚拟空间预演手术全过程。这使得医生能在术前精准规划瓣膜型号与最佳植入锚定位置，并前瞻性评估传导阻滞、瓣周漏等关键并发症等风险。

这项技术的价值远不止于提升单次手术的安全性。它直接支撑了诊疗流程的全局优化，成功推动了“第二天出院”计划的落地。数据显示，约60%的患者可在术后24小时内安全出院，平均住院日显著缩短。

这证明，AI的应用能够重新设计并优化整个治疗路径，在提升疗效的同时，显著改善医疗效率与患者体验，实现了质量与效率的统一。

治疗结束并非医疗服务的终点，恰恰是长期健康管理的起点。针对我国“重治疗、轻康复”的体系短板，浙大二院通过“软硬结合”，构建了覆盖院内院外的连续性管理闭环。

在“硬件”端，浙大二院通过可穿戴设备，对术后患者（如瓣膜置换者）进行持续心电监测，AI后台实时分析数据，对迟发传导阻滞等风险实现自动预警与及时干预，为日间手术和加速康复提供了至关重要的安全保障。构建起了覆盖院内院外的连续性管理闭环。

在“软件”端，专科智能体“Jack安心”的研发，则代表了AI医疗资源复制的另一条路径。这个针对心脏瓣膜疾病的专属AI智能体能够提供问诊咨询、随访指导等服务。经模拟患者测试，该智能体能够有效回应复杂咨询需求，未来有望进一步拓展到更多专科场景。王建安院士透露，团队还计划打造更多医生智能体，让优质医疗经验实现规模化复制。

“硬件+软件”的结合，正在重新定义医疗服务的边界。传统的医疗服务被局限在医院围墙之内，而AI赋能的连续监测和智能交互，将专业医疗服务延伸至患者的日常生活场景中。

医疗AI的价值不仅局限于临床诊疗，更在驱动医疗器械研发、推动产学研融合中展现潜力。王建安院士展示的案例，揭示了这一转变的两个关键维度：颠覆传统的科研效率，与驱动“需求导向”的产业转化。

科研层面，传统临床研究受困于海量数据筛选的“人力瓶颈”。王建安院士团队提供了一个典范：运用AI技术，从30万名患者的6000万条数据中，快速、精准地筛选出634例心肌淀粉样变性疑似患者，特异性高达99%。

这一过程将原本需要数月甚至数年的手动筛查，压缩至极短周期，不仅高效构建了高质量研究队列，更本质上是将研究人员的精力从重复性劳动解放出来，重新聚焦于科学假设与机理探索。这标志着临床研究进入了“AI增强”的新范式。

产业转化层面，AI正在缩短从临床需求到产品落地的路径。以心脏瓣膜新材料研发为例，团队利用AI算法模拟数以万计的高分子化合物配比，在实体实验前完成多轮虚拟筛选与优化。

这种“量体裁衣”式的研发，极大地降低了试错成本与周期，确保了产品从源头即与临床真实需求紧密贴合，也推动了医疗设备开发从工程师主导向临床需求与计算模拟双轮驱动的深刻转变。

上述所有在诊断、治疗、科研、转化中的AI实践，最终指向一个统一的、更为宏大的未来目标——构建全血管数字孪生系统。王建安院士阐释，这一愿景旨在融合个体的宏观临床数据与微观组学信息，为个体构建虚拟血管模型，动态模拟其“生物年龄”与健康状态。

这个数字孪生体将成为一个强大的开放式科研与临床平台，可用于预测血管疾病风险、模拟药物或器械的干预效果，从而将医疗推向真正的“预测性、预防性、个性化”新阶段。

王建安院士团队的实践表明，当AI技术与系统化的模式创新相结合时，其释放的能量将远超单点技术创新。这不仅是心血管领域的智能化升级样本，更为整个AI医疗产业如何跨越“演示价值”与“临床价值”之间的鸿沟，提供了关键性的实践框架。

随着技术成熟和政策支持，AI将在更多心脑血管诊疗场景实现突破。从全血管数字孪生系统的长远愿景，到可穿戴+AI的日常监测，医疗AI正逐步重构心脑血管诊疗生态。

未来，只有坚持“临床价值优先”，推动技术、临床、产业深度融合，才能让AI真正赋能医疗健康事业，为亿万患者带来福祉。正如王建安院士所言：“AI不是要取代医生，而是要成为医生的得力助手，让优质医疗资源惠及更多患者。”