2025年8月15日至8月17日，第31届中国国际医用仪器设备展览会暨技术交流会（China-Hospeq）在北京国家会议中心举办。本届展会以“共迎健康挑战，共谋发展机遇”为主题，展会面积22000平方米，参展企业超过300家，展会重点展示了医学影像、医学检验、放射治疗、AI医疗大模型、数智化解决方案、生命支持、卫生应急等多领域中国制造创新成果。

　　在本次展会上，国家卫生健康委宣布成立“中非医院联盟”，在联盟成立框架下，“中非医院联盟”健康丝路AI发展等多个联合工作组同步启动。与此同时，中英双语的“羲和一号”医疗大模型正式发布，作为核心AI解决方案助力中非卫生健康共同体建设。

　　临床数据筑基：打造差异化竞争优势

　　“羲和一号”医疗大模型是由北京大学第三医院、北京大学人工智能学院与北京博雅全健智算科技有限公司（简称“博雅全健”）共同研发出品。天眼查APP显示，博雅全健控股股东为港股上市公司天津泰达生物医学工程股份有限公司（简称“泰达生物”，股票代码：08189.HK）。

　　发布会现场，博雅全健董事长栗琳在接受《证券日报》记者采访时表示，这一模型研发历时近10年，基于100万真实病案数据研究，形成了1000亿级参数，依托自然语言交互与可溯源知识推理双引擎，支持疾病预测、诊断与个性化治疗、影像分析、药物研发、临床试验以及医学教育等多场景应用，实现医学知识覆盖率98%，医学知识精准率90%以上。

　　栗琳强调：“数据是AI模型的灵魂，而‘羲和一号’的灵魂根植于最严谨的临床医疗数据。”在AI医疗赛道愈发拥挤的当下，“羲和一号”选择从源头建立差异化壁垒——以医院病案档案为核心训练数据，用经过严格筛选、标注的临床病例、影像、检验结果等“黄金标准”，替代部分同行依赖的互联网“二手信息”。

　　这种数据选择的差异，直接决定了模型的可靠性。据介绍，“羲和一号”的训练数据均来自18家医疗机构的临床一线，涵盖人口学特征、时序理化指标、影像组学等多模态信息，且每一条数据都经过伦理审查、脱敏处理，标注过程由临床医生全程参与。

　　“互联网数据可能包含健康资讯、用户问答，但这些内容缺乏临床验证，甚至存在错误。”栗琳举例说，用互联网数据训练的模型好比“隔着书本学看病”，而“羲和一号”是在临床一线“跟着医生查房问诊”。

　　数据“质地”的差距体现在具体性能上：“羲和一号”的幻觉（错误输出）率极低，准确率可达90%以上；而部分依赖互联网数据的模型，可能出现“普通咳嗽误判为严重肺病”等致命错误。“医疗领域差10%的准确率，就是对患者健康的巨大风险。”栗琳强调，守住“临床数据”根基，不仅是技术选择，更是对医疗伦理的敬畏——这一点，也让“羲和一号”在合规性上占据先机，为后续商业化落地扫清了数据合规障碍。

　　需求导向研发：破解临床实际痛点

　　“做AI医疗，逻辑起点错了，后面全是错的。”在谈及研发理念时，栗琳的观点尖锐却切中行业要害。她表示，当前AI医疗领域存在两种路径：一种是“技术+医疗”，即先有技术再找场景；另一种是“医疗+技术”，即从临床需求倒逼技术突破——“羲和一号”坚定选择了后者。

　　这种选择背后，是对医疗行业复杂性的深刻理解。以心血管疾病诊疗为例，北京大学医学部副主任、北京大学第三医院副院长、“羲和一号”大模型首席科学家唐熠达向记者介绍，当前胸痛、心梗等疾病存在三大痛点：漏诊误诊率超25%、基层诊断能力不足、指南落地滞后。传统诊疗中，人工计算错误率高、检查耗时超30分钟，导致药物选择盲目，基层治疗延误可使死亡风险增加35%。“这些不是技术能‘硬套’解决的问题，必须从临床流程中找答案。”唐熠达表示。

　　为此，“羲和一号”构建了以临床刚需为核心的研发体系。在数据层面，其整合了18家医疗机构的多模态数据，包括电子健康档案、可穿戴设备数据、药品说明书及医保目录，形成覆盖诊疗全周期的数据库；在技术层面，通过多源异质数据处理技术，实现数据标准化、影像去噪增强及视频序列化，解决了医疗数据“格式杂、质量差”的行业难题；在应用层面，开发预警分诊与合理用药大模型，集成临床决策支持系统，直接瞄准基层诊疗能力不足的痛点。

　　“我们不是先做一个‘万能模型’再找场景，而是医生需要什么，我们就研发什么。”栗琳用“养老地产”打比方，若先建地产再塞养老功能，必然走偏；医疗AI也一样，必须由临床需求主导技术突破。这种逻辑下，“羲和一号”的商业化路径更清晰——通过“1+N”分级诊疗模式，在三甲医院验证后下沉至基层，既解决了基层医疗资源短缺的民生问题，也为企业打开了广阔的下沉市场空间。