《国务院关于深入实施“人工智能 +”行动的意见》一发布，就成了街谈巷议的焦点，引爆国内的AI市场。不少人就好奇，这个意见跟普通人有关系吗？人工智能+怎样让每一个普通人都切切实实地受益呢？

我们注意到，在 “人工智能 + 民生福祉” 板块中，明确提出要靠AI打造更有品质的美好生活，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用。

健康医疗，与每一个人都息息相关。而“人工智能+医疗”这一政策导向，正在医疗一线涌现出生动的实践。

就在近日，中山大学肿瘤防治中心（下称 “中山肿瘤”）做到了一件了不起的事情：给鼻咽癌患者调整一次精准放疗计划，从过去几天的时间缩短到了20.8分钟。这是什么概念？患者接受放疗时，肿瘤每天都在发生细微变化，若依据 3 天前的影像制定方案，正常组织很可能被误照。过去调整一次治疗计划，需医生、物理师、计划师辗转完成 5 个步骤，全程要折腾 3 到 5 天，等方案最终确定时，肿瘤位置或许已经变了。

如今，中山肿瘤借助 AI 打通全流程，医护团队每天只需 20 多分钟，就能为患者量身定制最贴合当下病情的治疗方案。这不仅是效率的飞跃，更实实在在帮患者少受伤害。在这场与生命赛跑的征程中，大数据与 AI 成为精准诊疗的加速引擎。为何中山肿瘤能将 AI 如此高效地应用于临床？这背后离不开坚实的基础设施支撑。中山肿瘤以华为OceanStor Pacific全闪分布式存储+DME Omni-Dataverse统一数据空间为基础，搭建起了融合医疗 AI 数据湖，触碰深藏诊疗价值的 “数据冰山”。

想了解“人工智能+”如何造福民生？我们不妨一同探寻数据冰山下涌动的生命之火。

世界卫生组织2022年数据显示，我国每年肿瘤新发患者已高达482万。而来自疾控机构和临床一线的数据显示，截至2023年我国癌症患者5年相对生存率约为40.5%。

同一种病、同样的治疗方案，为什么不同患者的效果会天差地别？因为人体是个复杂的系统，基因、免疫状态、生活习惯等多重变量相互影响，要破译每个人的生命密码，并不容易。

因此，“同病异治” 既是传统医学的理想追求，也是现代精准医疗的目标。但这一目标的实现，始终面临一个关键难题：数据。

传统的手术切除、放疗、化疗等治疗手段，着眼的只是疾病的 “可见部分”，就像海面上的冰山一角。而真正影响治疗效果的核心因素，其实是潜藏在海面之下的海量生命数据。

中山大学肿瘤防治中心副院长孙颖教授说得很实在：让患者做大量检查，不是为了折磨人，而是只有从内镜、病理、影像、组学全维度数据中，对肿瘤有个精准判断，治疗才能有的放矢。单张病理切片超过1.5GB，做一次CT要拍上千张图，加上基因检测、每次复诊的记录，十几年下来，一个患者就能攒出成百上千GB的数据，这么多数据，刚好能让AI派上用场。

从个体特有的基因变异、动态变化的免疫状态，到复杂的分子生物学改变，这些海量个人健康数据，是决定治疗效果的关键，更是精准医疗、智慧医疗的前提。像鼻咽癌这类数据密集型疾病，正是精准医学与智慧医疗的最佳试验场。

但过去，受限于技术局限，这些数据一直没能被深入挖掘，这也是 “同病同治不同效” 的重要原因。

到底是什么束缚了数据在医疗场景的高效应用呢？我们来一探究竟。

中山大学肿瘤防治中心历时10多年的数字化建设，完成了从有纸化向无纸化的转型，病理玻片沿着 "信息化-数字化-平台化" 的演进路径持续发展。

如今，在中山肿瘤门诊时，过去需翻阅厚厚一摞纸质病历，如今通过时间轴功能，像全景图一样，医生一眼就能看清患者二三十年开在本院的完整诊疗轨迹。

数据越来越多，对诊疗判断来说是件好事，却也对医院的数字基础设施提出了严峻考验：

首要问题是放不下。以前没有大数据平台支撑时，临床工作虽然也能开展，但过程极为繁琐。医生需在10个不同系统间反复切换，点击多次，才能完整调取患者诊疗数据。加上中山肿瘤的日均接诊量大，数据资源呈指数级增长，每位患者的医疗影像、检验报告等资料往往形成上千个碎片化文件。面对如此量级的数据洪流，传统存储架构明显力不从心。

其次是跑不快。孙颖教授提到，数字化之后，医生最怕卡。以前看病理波片是用光学显微镜，医生扭旋钮就能10倍、40倍的轻松放大，数字化以后，病理切片一张就有1.5GB，加载时如果总转圈，速度跟不上，医生手一动画面全是格子，就会严重拖慢工作节奏。

不难看到，要让更多患者受益，必须得释放数据价值，让数据放得下、读得快、传得稳。唯有如此，才能借助 AI 技术深度挖掘数据背后的关键信息，为患者量身定制个性化诊疗方案。

历经十五年，中山肿瘤已完成了信息化、数字化建设，那么下一步的目标就是整合汇聚数据资源，通过高性能存储，构建大数据与AI双平台，为精准医疗发展筑牢数据根基。

构建了大数据和AI双平台之后，中山肿瘤唤醒了沉睡的数据冰山，智能化水平也大幅飞跃。

就说看片子这件事，以前医生围着一套影像忙前忙后，现在AI自动标出可疑病灶，大幅提高工作效率。AI还能帮医生智能生成病历，中山肿瘤把DeepSeek嵌在工作站里，节省 60% 的写病历时间。医院还建了不少智能体，能回答患者像 “手术后吃什么” 这类简单问题。这样一来，医生从机械劳动中解放出来，能有更多时间和患者聊专业问题；医生有更多时间看片子、交流病情，患者就诊体验也更好了。

这些智能化带来的改变，都离不开数据基础设施，那就是中山肿瘤以华为OceanStor Pacific全闪分布式存储+DME Omni-Dataverse为基础构建大数据和AI平台，落地的融合医疗AI数据湖建设方案。

为什么这套方案能把数据冰山的潜能，给释放出来呢？

先说说最让医生头疼的卡顿问题。靠OceanStor Pacific全闪分布式存储和DPC分布式并行客户端，就像把小水管换成大口径管道，多个存储节点并行传输，让调病理切片能 “一秒千片”，看 CT 影像能 “一秒千张”，医生想翻多快都行。

这套存储还特别省空间。中山肿瘤每年要产生超 1PB的 数据，医疗数据越存越多，要是用传统存储，机房得堆满柜子。但OceanStor Pacific有两个办法：一是高密硬件设计+30.72TB大容量 SSD盘，一个机柜能装下传统设备3倍的数据；二是无损数据压缩技术，针对数字化病理和PACS影像等不同场景智能选取最佳的压缩策略，不影响诊断精度还能省空间。

再说说数据共享难的问题，这就得靠DME Omni-Dataverse统一数据空间。为中山肿瘤三院区的数据搭了个统一空间，改变各院自存、调不到、调得慢等局面。

具体来说，DME Omni-Dataverse支持全局可视，统一存储资源池汇总了各个院区数据。支持跨院直连，数据不用搬家，通过统一链路直接访问，既省时间又保安全。支持智能归档和实时访问分院数据会自动汇总到中心归档，这样跨区协作时，调阅数据不用人工跑腿，也不用长时间等待，工作效率高了不少。此外，这一空间还支持数据不出域、可用不可见，让敏感数据始终待在安全区域，既解决了共享效率问题，又守住了合规底线。

可以看到，在中山肿瘤探索平台化、智能化过程中，融合医疗AI数据湖建设方案扎扎实实地解决了基础设施问题，相当于给数字系统打了个好地基。有了这个地基，大数据和AI 双平台才能跑起来，支撑肿瘤专科医院的一院多区高质量发展。

“有时去治愈，常常去帮助，总是去安慰”， 这句流传百年的医疗箴言，道出了大家对看病的朴素期待，也是医疗的人文初心。而中山大学肿瘤防治中心的智能化实践，正让这种有温度的医疗，从理想变成了现实。

这一目标的前提，就是对数据这座庞大冰山的深入挖掘。

有了以高性能存储作为统一数据湖构建的大数据和AI双平台，医生不用再为读图卡顿、切换系统而浪费时间，能腾出更多功夫跟患者聊病情，缓解求诊者的顾虑，真正做到“总是去安慰”。

而对于患者来说，帮助也是实实在在的。AI数据湖把病理切片、影像、基因这些分散的数据聚在一起，数据多跑腿，医生点开屏幕就能看到完整治疗记录，不用患者自己抱着一沓片子跑断腿，治疗方案也能更精准。

更重要的是，有了大数据和AI的助力，有望增加治愈的几率。孙颖教授分享，发生率只有0.01%的罕见肿瘤，过去一个医生一辈子可能也就碰到1~2例。但现在，有了大数据支撑，从上千万的病历里，一下子找出了几百个相似病例。医生通过分析这些病例的规律，就能探索出更有效的治疗方案，或许以前无法治愈的疾病，就有了新的希望。

中山肿瘤从信息化起步，历经数十年，逐步迈向数字化、平台化，最终突破了数据整合与应用的壁垒，实现智能化飞跃。这条数智化征程中，全闪分布式存储犹如一艘坚实的生命方舟，稳稳托举着每一份CT影像、每一页病理报告、每一组基因序列。

曾散落在各院区的数据，如今在AI数据湖里奔涌着、流动着，化作守护生命的希望之火。这，就是科技最动人的温度。