本文内容来自迪安诊断流程与数智中心副总经理范晓华在“共建数字生态-2025医药数字化巡展之走进迪安诊断”活动上的分享

范晓华 迪安诊断 流程与数智中心副总经理

大家好，我是范晓华。非常欢迎各位专家到访迪安诊断，也非常荣幸能够带来本次分享，今天的分享内容我将聚焦于迪安诊断的数字化战略，以及在大数据和AI领域的布局，希望能够为大家带来一些借鉴。

首先简要介绍一下迪安诊断公司及目前业务情况。

迪安诊断技术集团股份有限公司以第三方诊断服务为核心业务，致力成为“医学诊断智能解决方案引领者”。公司创立于1996年，以“让国人平等地分享健康”为使命，积极布局产业生态链，业务涵盖医学诊断服务、诊断技术研发、诊断产品生产及营销、司法鉴定、健康管理、冷链物流等领域。从成立到上市，迪安诊断持续聚焦核心业务，服务对象主要是三甲医院和相关医疗机构，其开设的检测项目非常多，数量可以达到三甲医院的三到四倍。为了满足检测需求，我们搭建了丰富的医学技术平台，此外还建立了临床基因组中心、血液诊断中心、临床质谱中心、感染性疾病检测中心、病理诊断中心、神经免疫检测中心等6大中心，有效覆盖基因类、血液类、感染类、免疫类等检测项目，同时对于肿瘤、感染、慢病、妇幼遗传等重点学科，也实现了全方位的覆盖。

我们的研发中心下设医学转化中心，基于技术可行性、商业价值和市场潜力等维度开展概念验证，协同医疗机构科研人员迈出科技成果转化的“最先一公里”。同时结合迪安诊断产学研医一体化的能力，促进了科研成果从专利、样品到产品的转化闭环，实现科技创新与产业发展的有机融合。

另外我们还设有独立的医学检验中心和医学实验室，作为一家检测企业，迪安诊断在全国范围内的样本量非常大，也积累了大量的数据，随着AI和大数据的快速发展，我们也在思考和探索如何发挥数据的价值，将大数据和AI应用到日常检测中，未来应用到临床医学的诊疗和治疗中。

从业务模式的角度来说，迪安诊断与常规药企也有不同，“合作共建”是迪安诊断业务模式最大的特点。通过服务各级医疗机构，共建运营体系、集约化供应链平台、信息化建设能力，导入迪智^®服务，以“服务+产品+数字化”整体化解决方案，对实验室建设和运营提供全方位的咨询和管理输出，满足客户的技术、质量和管理能力提升需求，有效助力企业助力实现降本增效。

在大健康行业，企业对于精准的需求也在不断提升，迪安诊断精准医学中心以基因组学、代谢组学、蛋白组学等多组学技术平台力量为支撑，结合生物样本库、医学大数据平台资源优势，提供平台建设、运营服务、科研转化等实验室整体解决方案，有效提升医院精准诊断技术，助力精准医学在临床及科研上的应用。

讲到AI+大数据驱动的数智化战略模式，我认为首先应明确IT的定位。客观来看，IT的定位会随着组织和环境的变化不断演进，过去IT的角色更像是“网管”，而今天对于IT的需求是提供服务，从成本中心转型为利润中心，并且从支撑业务走向持续创新。

因此我们通过”一体两翼”的战略，将AI和大数据作为基础和驱动，对内进行卓越赋能，对外为客户提供解决方案的支撑，将IT的产出作为产品输出，为客户带来价值。

1、用一场大赛激励协同创新

AI赋能卓越运营，主要是企业内部。当ERP、CRM、EHR等系统将企业的流程驱动起来以后，如何通过AI来赋能？我们认为首先要从每一个员工开始。因此我们举办了「未来定义者计划」的首届AI训练营及创新大赛活动。此次活动覆盖全集团及子公司，职能条线申报项目31个，入围决赛项目18个，孵化了一批创新案例和先锋员工。

每周五我们还会开展一个1-2小时的技术培训会，所有员工都可以报名和参与学习，在过程中，我们会选拔出各自条线中想要改善的点子，例如项目管理协同和数据自动化分析处理等都是一些实际工作中的需求。同时我们与人力协调，选拔出先进个人。整体来说目前的反响还是比较不错的。

2、AI训练营为迪安诊断带来的“改变”

我们的AI训练营聚焦六大业务条线、九大核心场景。开展AI提效试点应用，从个人效率革命到组织降本提质增效，使创新落地为实际生产力。通过训练营，我们做了企业级的AI助理，“财智小C”以AI驱动财务答疑提效7.5倍，支持7×24小时响应，周服务能力达150人次。

举例来说，过去如果有人有财务相关的问题，是通过手册和员工须知来答疑，但效率非常低。通过AI助理，能够非常方便的辅助业务，用户提出的问题AI助手能够自动进行回答，这加快了共享中心的响应速度。此外机器人能够提供7×24小时的工作，全天候进行服务，随时帮助用户解决问题。

据我了解，很多企业都在推进AI助理相关的建设，AI背后我们看到的痛点和挑战是企业知识库的搭建，目前我们还没有形成大而全的统一知识库，而是分模块各自建设各自的学科，不同的部门有不同的工作习惯，我们希望未来能够将多知识库变为成熟的统一知识库，将散落在各个部门的工作方式收集起来，整合为企业级的大型知识库。

对于检测企业来说，质量是生命线，所以对于质量的把控是尤为重要的，我们通过构建质量工作台，实现质量问题的全流程闭环管理，显著提高问题处理的效率与规范性。同时搭建交付中心重点任务跟进平台，直观展示进展，自动提醒与派发任务，减少人工干预，保障执行时效与准确性。在自动化方面，我们借助RPA能力，进行数据的处理。此外通过RPA与AI表格实现实验室数据的自动比对与自动审核推送，提效80%。

1、从算力、数据、模型到应用的AI全栈布局

在数据筑基释放要素价值板块，我们希望能够将AI整合进来，在数据层和AI模型上做了很多研发和设计。从算力、数据、模型到应用的AI全栈布局，希望未来能够将数据不仅用于检测工作，甚至可以应用到合作伙伴的科研和临床中。

2、全生命周期数据资产管理

我们自研了医检大数据平台，经过几十年的数据积累，将多模态数据整合起来，用数据工程的方式实现资源化，这也契合了我们在建设大数据平台时不仅想要打造一个数据库，而是要实现资源利用的初衷和前瞻性布局。通过数据产品目录，数据集的管理，来形成资产化的运作。

目前我们的医检大数据平台，数据自动对接超过5000+家各类医院、疾控中心、体检中心、科研单位等机构，最后通过结合AI，贯通上下游全链路数据的自动化对接体系，构建迪安医检大数据平台的全域数据汇聚能力。

3、启迪索微-流式DiFlowAI

我们在模型层自研了启迪索微多模态大模型，这并不是一个通用的大模型，而是把它作为一个垂直切口，作为一个领域去开发。例如做流式DiFlowAI，该AI模型在这个领域上用临床样本的数据进行训练，做出流式细胞的分析，自动化的数据读取与分析，样本分析效率大大提升。

4、启迪索微-细胞病理基础模型

另外一个模型是细胞病理，这是我们检测领域一个比较大的内容。大量的图像图形，在做影像识别时，通过医学专家标注，标注后用高质量的数据集进行训练，从而训练出细胞病理的基础模型。这些基础模型在实验室生产过程中，做病理识别，TCT识别，微生物样本识别中发挥了很大的作用，人效可提升3-5倍。

5、启迪索微-基因基础模型

基因基础模型是另外一个板块，基因类的数据非常多，如何与检测结合起来，我们选择的接口是做了一个基因类的模型，解决耐药预测的问题，耐药有大量的数据，通过算法和数据的积累，耐药预测和病原体鉴定的时长大大缩短，准确度大幅提高。

除了做好自身的数字化建设，迪安诊断也在推进对外赋能，打造差异化的数智产品。我们希望通过数据要素和外部的资源进行整合和对接，能够在一个可信的空间下，利用高质量的数据，实现资本化、资产化和产品化的运作。

为了能够使数据资源在更广的范围和生态内进行流通，我们的数据集也在数交所得到了产权认证，此外迪安诊断已在杭数交上架数据产品、数据集、数据工具、数据服务超过15个。

从数字产品来说，在B端我们有多模态医检大数据平台，以及临床病理大模型。在C端我们探索健康管理产品和智能体。“迪晓智”就是我们打造的AI 健管专家，但它不是一个范式的智能体，我们在这个智能体上做了一些接口，例如肠道微生态和肠道健康能力的解读。

此外通过对体检报告的解读，智能体能够进行高效的评估和分析，我们通过做大量的数据标注，并让医学专家解读这些报告，形成了良好的数据集和优质的数据库。通过这些数据库，用大模型进行训练和学习。目前“迪晓智”对于体检报告和肠道生态菌群报告的解读能力是非常强的。原因在于其背后有大量的技术支撑和专家的知识，再结合模型能力，使得“迪晓智”具备极高的准确率。

以上是迪安诊断在数字化领域的部分实践，未来我们希望能够进一步推动IT向业务赋能，引领创新业务转变。以上是我的分享，谢谢大家。

特别声明：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，同时并不代表赞成其观点或证实其描述，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。

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。