在医疗资源分布不均、疾病诊断复杂度日益增加的背景下，人工智能（AI）技术正成为医疗行业变革的关键驱动力。近期，由上海东方医院专家团队与中国科学院软件研究所联合成立的生物医学人工智能联合实验室研发的智能医疗平台——“Med-Go”引发广泛关注。
Med-Go”创始人，上海东方医院急诊、重症医学科主任张海涛介绍这一系统融合了顶尖医学经验与前沿AI技术，旨在为医生和患者提供更精准、高效的诊疗支持。以下将从其研发背景、核心技术、应用场景及社会价值等方面展开介绍。
1. 医疗需求驱动
我国医疗领域长期面临优质资源集中、基层诊疗能力不足的问题，尤其在肿瘤、心脑血管等复杂疾病领域，误诊、漏诊风险较高。传统医疗数据（如影像、病理、基因等）处理依赖人工，效率低下且易受主观因素影响。
2. 跨学科协作优势
上海东方医院：作为国内综合性三甲医院，其在临床医学、疑难病例诊疗和数据积累方面具有深厚基础。
张海峰教授：同济大学附属东方医院急诊和重症医学科主任，主任医师。他1996年毕业于协和医科大学重症医学系，曾在阜外医院从事心脏外科ICU工作多年，2022年加入东方医院。张教授擅长危重症患者的整体救治，尤其在心脏功能不全的各种辅助技术（如IABP、心脏辅助泵、ECMO）方面有深刻见解。他带领团队研发了医学大模型“Med-Go”，该模型基于200亿高质量医学数据，通过国家执业医师资格考试，为临床诊断提供辅助支持。张教授还担任多个国家级医学专业委员会主任委员，推动了心脏重症学科的发展。
中国科学院软件所：在人工智能算法、大数据分析、医疗知识图谱等领域拥有顶尖技术实力。
3. 联合实验室目标：通过“医学+AI”深度融合，开发覆盖疾病预防、诊断、治疗全流程的智能辅助系统。
Med-Go的核心竞争力在于其多维度数据处理能力与动态决策模型，具体技术亮点包括：
1. 多模态医学数据融合
整合患者影像（CT/MRI）、病理切片、基因组学、电子病历等多源数据，构建统一的数字化分析框架。
例如：在肺癌筛查中，系统可同步分析CT影像中的结节特征、基因突变信息及患者病史，综合评估恶性风险。
2.动态知识图谱与深度学习
基于千万级医学文献、临床指南和真实病例构建知识图谱，持续更新最新医学进展。
采用自适应深度学习模型，针对不同疾病类型优化算法，提升诊断准确率。
3.临床决策支持系统（CDSS）
为医生提供实时辅助建议：如鉴别诊断列表、个性化用药方案、手术风险预测等。
支持医生与AI的“人机协同”模式，避免完全依赖算法，确保医疗决策的安全性与可控性。
1.三甲医院：复杂疾病精准诊疗
肿瘤领域：辅助制定放疗靶区规划、化疗药物敏感性预测。
心脑血管疾病：通过AI分析心电图和血管影像，早期识别心梗、脑卒中风险。
2.基层医疗机构：提升诊断能力
基层医生借助Med-Go的影像识别功能，可快速筛查常见病（如肺炎、骨折），减少误诊漏诊。
系统提供标准化诊疗路径推荐，帮助基层医生规范操作流程。
3.健康管理与疾病预防
结合可穿戴设备数据，为高危人群（如糖尿病、高血压患者）提供动态健康监测与干预建议。
1.贴合中国医疗实际需求
训练数据主要来自中国患者，避免了国外AI模型因人群差异导致的“水土不服”。
支持中文电子病历的自然语言处理（NLP），适应国内病历书写习惯。
2.隐私与安全双重保障
采用联邦学习技术，医院数据无需离开本地即可参与模型训练，保护患者隐私。
通过国家医疗信息安全认证，符合《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》的要求。
3.动态进化能力
系统可随新增病例和医学知识自动迭代，无需频繁人工干预升级
目前，“Med-Go”已安装在东方医院医生工作站中，接入了医院的HIS系统；东方医院医联体内的15家浦东新区社区卫生服务中心同步安装“Med-Go”，江苏省射阳县人民医院及其下属社区卫生服务中心、山西省忻州市人民医院及其下属社区卫生服务中心也安装了“Med-Go”。医生填写患者的主诉、现病史、体格检查等信息后，“Med-Go”即可给出诊断、鉴别诊断和下一步处理的辅助建议。其一大亮点就是能够有效辅助医生分析复杂疑难和罕见病例，提供精准且透明的临床诊疗建议。
后续研发团队将以联合实验室为依托，持续完善“Med-Go”系统功能，包括更深入的临床决策支持、更智能的医疗质量管理和更个性化的医学教育方案，让“Med-Go”成为与医生共同在医学领域深度探索的有力工具。
Med-Go的诞生，标志着我国“医学+AI”跨学科研究迈入新阶段。它不仅是一个技术工具，更是推动医疗公平、提升全民健康水平的重要引擎。随着技术的不断成熟，人工智能或将真正成为医生的“超级助手”，让优质医疗触手可及。
