摘要
对医院管理者而言，这四个阶段既是路线图，也是体检表。本文逐阶段拆解核心目标、关键工作、实施路径与落地建议，帮你看清：自己站在哪一级，下一步该往哪走。
2026 年 SHAQ 大会上，国家卫生健康委统计信息中心调查评价处处长舒婷抛出一组读音相同、却内涵递进的关键词——"数至、数治、数质、数智"，并凝练为十二个字：这不是文字游戏，而是一条清晰的数智医院建设路径：先有数据，才能治理；治理到位，方有质量；质量扎实，方能智达。 它的背后，是"十五五"规划把数智化建设推上行业新前沿的大背景，更是国家卫健委将"三位一体"智慧医院评价与互联互通成熟度测评两套标准统筹整合、启动起草工作的政策强信号。与此同时，"4128"技术框架、国省两级平台、最小数据集、全国数智健康大赛等动作密集落地，行业正从"有没有系统"转向"数据用得好不好"。
数据从分散的业务系统中"到达"统一平台，实现应采尽采、应通尽通。这是数智化的地基——没有数据，一切无从谈起。，是让数据真正"到位"。- ：HIS、EMR、LIS、PACS、护理、物资、财务等核心系统数据，按统一接口接入数据中台/集成平台。
- ：以"最小数据集"为牵引，统一主数据与字典口径，消除"同名不同义"。
- ：参照互联互通标准化成熟度测评要求，实现院内系统间数据共享与业务协同。
数据资产盘点 → 明确采集范围与口径 → 搭建数据中台/集成平台 → 分批接入核心系统 → 建立数据流向监控与补采机制。完成核心业务系统数据接入、主数据字典统一、形成"医院数据一张图"。- ：设立或明确数据归口管理部门（如信息中心下设数据治理办公室），为核心数据指定"数据 owner"。
- ：优先选择支持标准化接口（互联互通标准）的集成平台，避免点对点硬编码对接，为后续扩展留余地。
- ：从最小数据集入手"小步快跑"，先打通高频、高价值数据，再逐步扩面。
- ：把"数据接入完成度"纳入新建/升级系统的验收硬指标，杜绝新增"数据孤岛"。
- ：培养既懂业务流程又懂接口标准的数据工程师，补齐"翻译官"角色。
过渡：数据"到"了，只是起点；要让它"好用"，必须进入下一阶段——治理。对汇聚来的数据进行治理——标准化、规范化、流程化，让数据可信、可管、可溯。治理不到位的数据，再多也是"带病资产"。- ：术语、编码、分类标准化（如 ICD、国家卫健委数据集标准），统一"语言"。
- ：建立质量规则与校验机制，治理缺失、重复、不一致、延迟等问题。
- ：分级分类、访问控制、脱敏与审计，守住安全底线（呼应大会"网络与数据安全"专题）。
- ：厘清"数据从哪来、谁负责、怎么用、流向哪"，沉淀数据血缘。
建制度 → 定标准 → 配工具（数据治理平台）→ 建流程（问题发现—分发—整改—复核闭环）→ 沉淀治理资产。发布医院《数据治理管理办法》、建成数据质量监测看板、核心数据质量达标率显著提升。- ：成立跨部门数据治理委员会，由院长或分管副院长牵头，信息、医务、病案、财务共同参与，打破"信息科单打独斗"。
- ：选择具备元数据管理、质量规则引擎、血缘追溯能力的治理平台，避免"只采不管"。
- ：把"谁产生、谁负责"写进科室 KPI，建立数据质量问题从发现到整改的闭环机制。
- ：质控前置到录入环节（如结构化病历、智能校验、必填项管控），从源头减少"脏数据"。
- ：培养数据治理专员与业务"数据管家"双线队伍，让每个科室都有人懂自己的数据。
过渡：治理让数据"干净"，但"干净"不等于"好用"——还要把质量提上去、沉淀成高质量数据集。在治理基础上提升数据质量，建设高质量数据集，为 AI 与决策应用提供"优质原料"。这一阶段回答的是"数据够不够好"，而非"数据有没有"。- ：围绕重点病种、重点场景，打造标准化、可复用的专题/专病数据集。
- ：建立质量指标体系（完整性、准确性、一致性、及时性等），常态监测与提升。
- ：将数据集编目、标签化，形成可查、可共享的数据资产目录。
- ：为 AI 训练所需的数据进行规范标注与复核，保障模型"吃"的是好料。
选场景 → 定数据集规范 → 清洗加工 → 标注质控 → 发布与迭代 → 支撑应用。建成首批高质量专病/专题数据集、数据质量指标体系上线、数据资产目录"可查可用"。- ：组建数据资产运营小组，联合临床专家共同定义数据集口径，避免"信息科闭门造车"。
- ：引入数据标注与质控工具，支持半自动化标注，提升加工效率。
- ：建立数据集"准入—加工—复核—退役"全生命周期管理，防止数据集"建而不管"。
- ：将数据集建设与临床科研需求直接挂钩，以用促建，避免"为建而建"。
- ：培养懂临床、懂数据、懂标注的复合型人才，建立医工协同的数据加工流水线。
过渡：有了高质量数据集这把"好米"，才能真正"煮"出数智化的应用成果。以前三阶段为前提，实现"便民、助医、辅政、促研"四大目标的数智化发展，让 AI、大数据真正落地业务场景，产生可感知的价值。- ：智慧服务、互联网诊疗、预约结算、主动健康服务，让群众少跑腿。
- ：临床决策支持（CDSS）、智能影像、病历质控、医护减负工具，让医生省心力。
- ：运营管理决策支持、DRG/DIP 精细化、绩效分析，让管理有数依。
- ：科研数据支撑、AI 模型训练与转化、多中心研究协同，让科研加速跑。
- ：脑机接口、具身智能、大模型等前沿探索（呼应大会专题方向），前瞻布局。
场景驱动 → 数据集就绪 → 模型开发与验证 → 试点 → 推广 → 持续迭代。上线一批高价值 AI 应用、形成"数据—模型—场景"闭环、数智化成效纳入医院评价体系。- ：设立数智化创新办公室或 AI 应用专班，推动业务与技术深度融合，避免"两张皮"。
- ：优先开放架构与可扩展的 AI 平台，避免被单一厂商锁定，保留自主迭代空间。
- ：建立模型训练数据的合规审查与可追溯机制，确保 AI 应用"用得合规、查得清楚"。
- ：以"小场景快验证"方式推进，先解决高频痛点（如影像辅助、病历质控），再逐步扩面。
- ：引入或培养算法工程师与 AI 产品经理，建立稳定的医工协同机制，让技术听得懂临床。
前一阶段是后一阶段的前提，后一阶段是前一阶段的检验。没有数据则治理无源，没有治理则质量无本，没有质量则智达无根。 舒婷处长"因至得治、以治提质、质及智达"的概括，正是这条主航道的精确导航。
需要强调：阶段划分是逻辑递进，而非要求每家医院都"卡着顺序逐个通关"。基础较好的医院可以并行推进某些环节，但底层逻辑不能跳跃——否则"智达"就会变成空中楼阁，AI 应用只能停在演示阶段。- ：用四阶段框架做一次"自评体检"，明确本院所处阶段与主要短板。
- ：数至、数治是必修课，欠账要补，切忌跳过地基直接上 AI。
- ：数据治理委员会 + 数据 owner + 闭环流程，制度先行于工具。
- ：以"便民、助医、辅政、促研"为坐标选高价值场景，以用促建。
- ：推动信息科向"数据 + AI"复合团队转型，建立医工协同。
- ：紧跟"数智医院建设与应用评价标准"起草进展，提前对标，少走弯路。
免责声明：
智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
