在近期动脉网举办的肿瘤大模型专题圆桌上，医渡科技（2158.HK）高级算法架构师焦增涛系统分享了公司在该领域的落地实践与方法论，指出肿瘤大模型正从技术探索走向临床深耕，而实现这一跨越需攻克数据、场景与生态三重挑战。
数据筑基：从“孤岛”到“知识”的系统工程
“数据是模型的基石，但医疗数据的价值释放仍面临三重障碍：可及性、可用性与可学性。”焦增涛指出。
对此，医渡科技凭借十余年积累构建了核心优势：通过助力医院及区域建设数据平台，在隐私合规前提下连接全国4000余家医疗机构；建立包含数百项标准化指标的数据治理体系，将多元异构数据转化为高质量结构化数据；在数据精加工环节，融合医学专家知识与算法辅助标注，并对专业文献中的图表等非文本信息进行专项处理，为模型提供可靠的“知识燃料”。
场景深耕：让医院成为需求定义者，而非被动接受者
焦增涛强调，AI医疗不能“拿着锤子找钉子”。医渡科技探索出四步落地法：由医院主导明确高频、高负荷或高风险的临床场景；医企共同定义业务需求；综合评估技术路径，平衡效果与成本；完成系统与医院业务流程、信息系统和合规要求的深度耦合。
这一路径已在多家医院验证。在中山大学肿瘤防治中心，双方快速完成大模型本地化部署，上线的肿瘤专科AI诊疗助手已深度融入工作流，支持智能病历生成、TNM分期评估与辅助决策。更值得一提的是，该院上线的“我的智能助手”功能允许医生零代码自定义，医护人员已自主创建超140个个性化智能助手，有效解决了不同专科、不同年资医生的需求分化问题。
生态共建：推动行业从单点突破到体系化发展
面对未来，焦增涛从三个维度提出展望：
数据侧，建议联合行业专家、医疗机构共同探索发布更多脱敏公共专病数据集，并呼吁在政府指导下推进跨机构数据联盟建设。
算法层面，需重点突破可解释性、幻觉控制等难题。医渡科技通过多重技术手段，已将大模型幻觉发生率控制在1%以内。
生态建设上，他强调需建立临床问责机制与保险兜底制度，这需要政府、医院、企业、保险机构多方协同，共同构建可持续发展的产业环境。
“肿瘤大模型的价值不在于技术炫技，而在于解决临床真问题。”焦增涛总结道。目前，医渡科技AI中台已落地30余家知名三甲医院，并正将大模型应用拓展至结直肠癌、胰腺癌早筛等更多关键癌种，通过扎实的临床深耕，为精准医疗注入智能动力。
