我們不在意“數據的多少”，而是讓“數據會說話”。

撰文丨王曉

雖是藥學出身，但從畢業到創業，吳海林二十年來大部分時間都在投身一件事——用數字技術服務臨床醫療。

2003年暴發的“非典”，暴露出醫療信息嚴重缺失、調度效率低下等諸多問題。當時，全國三甲醫院大多僅配備基礎HIS系統，許多醫院都是手寫病歷與文書。

吳海林敏銳地感知到，這不僅是公共衛生應急的短板，更是臨床信息化 能力 的 缺位。

2006年，他加入了以提供臨床醫療信息系統的新興公司——麥迪科技，正式從“藥學人”轉型為“數字醫療人”。此后的十余年，吳海林見證并參與了公司及全行業從“信息化”向“智能化”“數字化”的飛躍式發展。2016年，麥迪科技登陸A股市場，成為醫療信息化細分市場的頭部企業。

人到中年的吳海林開始思考自己的人生“下半場”。2019年，國家將“大數據與人工智能”寫入政府工作報告，吳海林將目光瞄準了最復雜、最需要數字化能力賦能的急危重癥、手術、麻醉等臨床場景。

2019年5月，他從工作了十余年的麥迪科技離任，同年12月創辦藍想大數據科技（上海）有限公司（簡稱“藍想數科”），正式走上了創業路。

為什么是急診、手術、重癥？

在中國醫院的信息化浪潮中，急診、手術、ICU這些高風險場景，長期處于信息化“灰區”——設備最多、流程最復雜、風險最高，卻也恰恰是系統最割裂、效率最低的部分。

吳海林坦言，早在他任職于麥迪科技期間，就已觀察到這些臨床痛點。醫療機構雖不斷嵌入各類信息系統，但很多僅僅是將線下流程信息化，缺乏整合和智能判斷能力。在高強度場景中，醫生常常需要在6～7個系統間頻繁切換，才能獲得一組完整的患者信息。

“這既是信息化的成果，也是它的‘并發癥’?！?/p>

對吳海林而言，這些“難啃的骨頭”也意味著入局機會，更關鍵的判斷基礎來自臨床現實。急危重癥這類高復雜度場景，每一秒都關乎生死，任何數據延遲、流程斷層、協同失效都可能帶來不可逆的后果。吳海林指出，在這些關鍵臨床場景中，醫生最需要的不是圖表和指標，而是一個真正能幫他們提前識別風險、快速做出判斷、協調多方行動的系統。

此時，?？茟脠鼍暗臄底只?，也開始進入政策視野。《“健康中國2030”規劃綱要》《關于推動公立醫院高質量發展的意見》等文件，將急診、重癥、麻醉等?？屏袨椤疤嵘龂裔t療服務能力”的重點方向，進一步強化了吳海林對這類賽道長期價值的判斷。

因此，藍想數科明確將業務重心放在“急危重癥”領域——這個看似“小眾”、實則具備臨床戰略地位的核心場景。

用“數字孿生+AI智能體”

重構急危重癥的臨床決策鏈

藍想數科提出的“數字孿生+AI智能體”整體解決方案，意在構建一個具備實時感知、推演預測與閉環干預能力的智能化臨床基礎設施。

吳海林將其比喻為“醫生的第二大腦”。

“數字孿生的本質不是酷炫3D，而是讓物理世界中的患者在數字空間中擁有一個實時鏡像；而AI智能體就是這個鏡像上的思考引擎，替醫生預演風險、推薦路徑，最后把決策結果反饋到臨床現場?！?/p>

基于此，藍想數科團隊合力打造了三大核心產品：數字孿生急診中心、手術中心、重癥中心，分別面向三種高強度醫療場景。通過接入患者生命體征、檢驗結果、影像信息、病歷文本、設備數據等多模態輸入，構建“數字患者”，并在虛擬空間中進行狀態監測、風險預測、診療建議生成等。

以數字孿生急診中心為例，系統可在患者進入急診科前就接收120平臺數據，預判風險等級，并聯動急診搶救、影像檢查、檢驗預約等環節。當患者進入搶救階段后，智能體則會自動追蹤生理參數變化，提前識別潛在休克、呼吸衰竭等風險，甚至能調用電子病歷和藥物歷史，推薦個性化搶救路徑，并實時觸發如備血、手術室預定、會診通知等流程聯動。

在手術室場景中，智能體可以基于術中監測數據實現閉環控制，提示異常指標、優化麻醉方案；在ICU場景中，則具備病情演化因果鏈建模能力，實現并發癥預警、治療路徑推薦等功能。

吳海林強調，通用大模型不是藍想數科的“特長”，他們正在做的是基于真實臨床數據訓練出來的“?？浦悄荏w集群”，這更貼合醫護的實際需求。同時，藍想數科構建了“底座+網絡+場景”三極架構，確保系統能以模塊化組件快速部署，又能滿足醫院定制化場景適配。

目前，藍想產品已在復旦華山醫院、上海市中醫醫院等多家三甲醫院試點落地。在上海申康醫院發展中心牽頭的“平急結合急危重癥數字孿生平臺”中，藍想數科系統覆蓋全市30家市級醫院的急診科，形成了跨院級聯動機制，其在新冠疫情期間發揮了重要作用。“這些系統不是實驗室產品，而是真實落地、醫生正在用的工具?！眳呛Ａ謴娬{。

同時，藍想數科也在構建清晰的醫療產業協同圖譜。在吳海林看來，它們與GE、飛利浦、西門子以及國內崛起的設備廠商間保持技術互通與接口兼容。

“我們不是傳統意義上的競爭關系，而更像是對同一現場能力的協同補足。”他指出，藍想數科想要實現的是為傳統設備提供“智能決策層”支撐，在數據分析和場景落地層面，推動更多設備“數智化”的可能性。

吳海林認為，未來的醫療信息化不再是信息展示層面的數字工具，而要成為“面向患者全周期管理、面向醫護全流程決策支持、面向醫院全場景協同”的核心能力建設。這也對系統的縱深覆蓋和橫向打通提出了更高要求。

從“深耕一域”到“走出上?！?/strong>

自2019成立5年多，藍想數科一直堅持“專注臨床、厚植數據”的策略，拒絕浮于表面的千院復制，而是選擇醫院急危重癥救治全場景，把一個“微縮型臨床智能生態”真正跑通。

“我們不在意‘數據的多少’，而是讓‘數據會說話’， 這兩者之間隔著十幾道臨床門檻。 ” 吳海林說道。為此，公司在產品設計時始終與醫護共情，以“角色+場景”為原則，在同一醫院內部打通從院前急救到術后康復的閉環，最大程度還原“數據與生命真實互動”的場景。

這一策略也帶來了數據質量的極大提升：在同一數據邏輯下，藍想沉淀了一整套適用于急危重癥的“病情因果鏈模型”“術中狀態演化模型”“跨科室協同模型”，構建了領先的臨床智能圖譜。

“我們要用的不是‘存起來的數據’，而是‘在臨床互動中產生的數據’。”吳海林指出，只有嵌入醫療流程、實時服務于臨床決策的動態數據，才能真正具備指導價值。這類“伴隨式數據”更加精準，能真實反映醫生在急危重癥場景中的判斷過程，也為模型訓練和持續優化提供了堅實基礎。

在商業模式上，藍想選擇則選擇跳出傳統License銷售邏輯，轉向“平臺服務+數據運營+專屬定制”的長期合作模式。

當然，前路并非無阻。吳海林坦言，藍想數科當前仍面臨諸多挑戰：如多源異構數據標準不統一、實時性與計算資源的平衡、臨床醫學與人工智能復合人才的稀缺等。

2025年被醫療業內視為“AI智能體元年”， WAIC 2025世界人工智能大會暨人工智能全球治理高級別會議將于7月26日在上海啟幕。作為大會AI醫療領域示范服務商，藍想數科將重磅發布“數字孿生臨床醫療暨LAN-AI Agents急危重癥?？浦悄荏w” ，通過現場實景演示與專家對話，展示其在“數據－流程－價值”三層結構上的落地能力。

“如果有一天，醫生在搶救臺上被系統托舉起來，而不是被它拖累，那我們就成為了真正的醫護助理?！眳呛Ａ挚偨Y道。

醫學界急診重癥領域交流群正式開放！

加入我們吧！

*“醫學界”力求所發表內容專業、可靠，但不對內容的準確性做出承諾；請相關各方在采用或以此作為決策依據時另行核查。