医疗 AI 落地的关键：先修好你的数据
构建面向临床场景的 AI 远比表面看起来要困难。这不仅关乎选对模型或调好参数，背后需要解决的挑战更为复杂。
当工程师深入医院生态系统时，会很快发现，他们在其他行业依赖的工具在这里往往行不通。临床数据杂乱、敏感，且分散在多个系统中。妥善处理好这些数据并非锦上添花，而是其他所有工作的根基。
临床数据形态各异。有些是结构化的，例如存储在表格中的实验室检查结果；有些则不然，比如扫描成 PDF 的医生手写病历。所有这些数据都受严格的隐私规则约束，且任何环节出错都可能影响真实患者的诊疗过程。
与电商或广告行业不同，模型表现不佳在那里只是损失金钱；而在临床场景中，糟糕的 AI 可能危及患者的健康。正因如此，在编写任何模型代码之前，重构数据管道是你所能做的最重要的事。
本文将探讨：为何标准数据管道在医院环境中会失效；数据质量如何比模型架构更深刻地影响性能；工程师与临床医生之间的认知差距如何导致现实中的失败。此外，我们还将审视同时处理临床文本、影像和遥测数据所面临的挑战，以及构建能随时间推移（应对数据、人群和记录规范的演变）保持可靠的系统需要具备什么条件。
内容概览：
为何标准数据管道在医院中会失效
大多数软件管道是为稳定性而设计的。它们预期输入具备清晰的模式和可预测的数据流。
医院的情况恰恰相反。一个患者的记录可能同时涉及电子病历（EHR）系统、放射科档案库、床头监护仪、实验室信息系统，以及数页自由文本的临床笔记。
如果你想进入这个领域，Research.com 对面向医疗行业 AI 硕士项目的对比是一个不错的起点，能帮你了解这项工作需要哪些跨学科技能。它只是一份职业指南，不是监管标准，但足以看出这个领域有多广。
医院系统里的数据天然就不一致。同一个检验项目，不同实验室叫法各不相同。像 LOINC 这样的标准就是为了解决这个问题而生的，但把所有项目都映射到位需要实实在在的工作量。在一家医院里编码规范的临床笔记，到了另一家可能就是自由文本。而且病历常常有缺口：有时候某项检查根本没开过单，有时候病人爽约了。
工程师在临床数据上运行标准的抽取、转换、加载（ETL）流程时，有三个问题反复出现。
第一，格式五花八门。医生的叙述性笔记、DICOM 医学影像、持续的生命体征数据流，各自需要不同的预处理步骤，一条关系型查询根本无法同时应付这三类数据。
第二，时间点不规律。临床观察是随诊疗过程产生的，不是按固定时间表采集的，这意味着纵向病历存在缺口和不等间隔，需要谨慎处理，而不是简单插值补齐。
第三，术语一直在变。ICD-10、SNOMED CT、LOINC 都会定期更新，但不能为了对齐新版本就覆盖旧记录，而是要做版本管理和细致的映射，保住原始含义。
想可靠地应对这些情况，唯一的办法是构建具备版本感知能力、足以兼容多种来源系统的数据接入管道，而不是只对接一个干净统一的 schema。
数据质量比模型选择更重要
在临床 AI 中，模型只是方程的一部分。训练数据的质量、对目标人群的代表性、标签如何标注、数据在临床上的真实含义，这些因素共同决定模型能否在真实世界中发挥作用。用有偏差或不完整的病历训练出来的大模型，只会把这些缺陷成规模地复制出来。
这正是该领域从以模型为中心转向以数据为中心的原因。支撑现代 AI 的 Transformer 架构在语言理解方面带来了巨大提升。但仅靠更优的架构无法解决标签错误、人口统计数据缺失，或训练集未能反映模型实际服务患者群体等问题。
对于高风险的临床试验工作，数据不能被当作静态输入。它需要在全系统生命周期内得到管理。
如何现代化临床数据处理
三种实践最有帮助。
第一，在适用的场景中使用医疗互操作性标准，例如 HL7 FHIR。FHIR 提供了一种跨系统交换健康记录的标准化方式。
不过，它本身并不能解决术语映射或数据质量问题。这些仍需专门的工程工作来解决。
第二，建立与实际预期用途相匹配的隐私保护与去标识化流程。并非所有记录在进入训练环境前都需要移除全部受保护的健康信息。根据美国 HIPAA 隐私规则，受保护的健康信息在包括某些研究目的在内的特定情况下，允许以特定方式使用或披露。
当需要去标识化时，HIPAA 认可两种方法：专家判定法和安全港法。自动化 NLP 可以帮助标记文本中的标识符，但仅靠基于规则的 NLP 系统并不保证符合 HIPAA 合规要求。
第三，检查训练数据是否真正代表了你要服务的患者群体。数据集大并不意味着具有代表性。需关注缺失值模式、不同站点间的差异、测量实践，以及关键子群体是否有足够数量的样本。
工程师与临床医生之间的鸿沟
临床 AI 的成功不能仅靠工程实现。临床背景塑造了一切：模型应该预测什么、何时这些预测有用、谁将阅读结果、以及他们如何处理这些结果。一个技术强大但不符合临床工作流程的模型，将根本无人使用。
病历中的一个数字，不仅仅只是一个数字。它是从真实的人身上采集的测量值，采集环境往往是繁忙的医院，甚至是在时间压力下完成的。如果模型丢失了这个背景信息，就可能看起来纸面上没问题，但实际运行中出问题。
研究反复表明，临床医生的接受度和工作流适配度是阻碍医疗 AI 落地的最大障碍之一。这就是为什么预期使用者应该从一开始就参与设计与评估，而不是等到最后才让他们签字确认。
AI 智能体正承担越来越多的临床行政事务。这反而让"人在环路"的验证变得更重要，而非更不重要。模型输出需要在工作流中合适的节点进行人工核查，不能只是走个过场，而应成为一个真正的安全层。
这类问题很容易在细微处犯错。想象一个团队构建了用于预测患者再入院的强力模型。但模型用到的诊断代码，只有在患者出院之后才会最终确定。在模型本应发挥预测作用的那一刻，这些代码根本还不存在。模型因此无法实时运行。
这就是时间泄漏，只有在仔细思考临床工作流中数据何时真正可用时，才会暴露出来。
三个值得了解的实际经验
临床记录中的缺失数据往往本身有意义，而非随机丢失。医疗资源可及性差异、文档习惯和诊疗模式的差异，都会决定哪些信息被记录，哪些被遗漏。
NIST AI 风险管理框架提供了关于管理 AI 风险的自愿性指导，包括偏差管理，但并没有具体规定医疗开发者应如何解读病历的完整性问题。
合成数据对真实病例稀少的罕见病有帮助。但使用需谨慎。在将合成样本用于训练之前，团队应评估其临床合理性、潜在的偏差放大效应，以及生成的样本是否保留了有意义的医学关系。合成数据无法直接替代真实患者病历。
最后，让临床领域专家参与数据标注、需求收集和可用性测试，并不是可有可无的锦上添花。这是保证模型输入输出与临床实际需求真正一致的关键步骤。
同时处理多种数据类型
医疗 AI 常常需要同时处理类型截然不同的数据。CT 或 MRI 影像的处理流程，和医生笔记、实时 ICU 遥测数据流完全不同。这些格式没有共通的处理逻辑，也不可能有。
搭建医学影像处理流程时，工程师要在数据进入模型之前，先处理 DICOM 元数据、像素间距、图像方向、灰度约定和空间对齐等问题。预处理该怎么做，取决于影像类型和具体任务。
医生笔记里的文本则是另一类挑战。临床 NLP 需要处理否定表达（如“无发热”）、缩写、本地缩略语、时间指代，以及通用语言模型未必能很好理解的专业术语。
随着agentic AI 承担越来越复杂的多步骤临床工作流，底层系统还需要在这些不同模态之间保留并统一上下文，而不是各自孤立地处理。任何一种数据类型预处理或整合不到位，都会拉低模型性能，有时甚至会让输入完全无法进入模型。
构建经得起时间考验的系统
在临床 AI 中，安全、隐私、数据质量和合规要求不是事后补充，而是结构性要求。而且它们因司法辖区、数据类型和系统实际功能的不同而不同，并非所有医疗 AI 产品都受同样的监管。
每个系统都应该清晰记录数据来源、软件版本和模型版本，以支持可复现性、问题排查，以及各类合规义务。这并不意味着每次预测都要有加密签名，而是说你要有足够的信息，把某个结果追溯到它的源头。
临床 AI 的可扩展性不只是能应对高并发请求，还要考虑：当患者群体发生变化、文档书写习惯改变，或医院更换了检验设备和影像扫描仪时，模型性能是否依然可靠。
这些变更会影响模型输入。在新配置上线前，必须对其进行检测、评估和测试。受监管的 AI 医疗器械可能还需遵循正式的变更控制要求，这需要额外考量。
通用的 AI 应用程序 可以根据成本或任务类型在不同模型间动态路由。临床系统也可借鉴类似思路，但其所需的验证、治理和安全控制远超普通软件系统。
提升治理水平的工程步骤
从一开始就建立数据和模型漂移的监控机制。跟踪模型输入、患者群体、采集系统和文档实践的变化。一旦发生变更，需调查其是否影响模型性能。合理的监控阈值应取决于系统的风险等级和预期用途，而非一刀切的规则。
维护可审计的数据血缘和完整性控制。记录数据来源、转换过程、访问者及系统处理方式。某些架构中可采用加密技术，但这并非 HIPAA 对每条记录的普遍要求。
从设计之初就明确人工监督机制。当临床医生需要审查 AI 建议时，界面应便于理解建议的依据、局限性及所用信息。正确的覆盖或升级路径取决于系统功能及其监管要求，这并非后期可随意添加的功能。
真正的挑战始于数据
大多数构建医疗 AI 的团队将大部分时间花在模型上：架构、训练循环、评估指标。这些固然重要，但并非大多数临床 AI 项目失败的根本原因。
项目失败往往是因为数据从未被真正理解。记录中存在无人深究的缺口；标注由不了解临床背景的人员完成；训练集未能反映系统最终服务的患者群体。等到这些问题暴露时，模型往往已经构建完成。
做好临床 AI 的关键，在于把数据视为核心工程问题，而非单纯的预处理环节。这意味着要构建能应对杂乱、多模态且持续变化的输入流的管道；要在早期而非后期与临床医生协作；更要在问题发生前就建立完善的管理、监控与人工监督机制。
临床场景毫不留情，风险极高。但那些优先投入数据基础建设的团队，才是最终能打造出临床医生真正信任并愿意使用的系统的那一群。
希望你喜欢这篇文章。你可以在 LinkedIn 上与我 建立联系。