数字化医疗快速发展的背景下，我国医疗人工智能应用正面临关键转型期；全国人大代表、常德市第一人民医院内分泌科主任甘胜莲通过深入调研发现，虽然近年来国家出台多项政策支持"互联网+医疗健康"发展，但医疗AI技术的规模化应用仍存在明显障碍。 当前主要问题集中在三个上：首先是医疗数据标准化程度不足。不同医疗机构采用的数据采集规范、存储格式差异显著，导致形成大量"数据孤岛"。其次是资源共享机制缺失，学科语料集缺乏有效流通渠道，造成重复建设和资源浪费。第三是协同创新生态不完善，模型开发各自为战，难以形成合力。 这些问题产生的深层次原因于：一上，我国医疗信息化建设起步较晚，各地发展不均衡；另一方面，缺乏国家级的数据标准体系作为支撑，涉及的激励机制和法律法规也不够健全。这种状况直接影响了AI技术在基层的推广应用，使得优质医疗资源难以有效下沉。 针对这些问题，甘胜莲代表提出系统性解决方案：建议由国家卫健委牵头，从三个维度突破发展瓶颈。在数据层面，建立全国统一的医疗AI语料集标准体系；在模型层面，组建医疗AI联盟组织，打造基础模型共享服务平台；在生态层面，推动建立开放协同创新机制。同时，她还建议开展创新项目试点，强化学科专项研究，通过示范效应带动全国推广。 业内专家指出，这个建议切中了当前医疗数字化转型的关键痛点。随着《"健康中国2030"规划纲要》的深入实施，构建标准化、共享化的医疗数据体系将成为推动智慧医疗发展的重要基础。预计未来3-5年，随着相关政策的落地和完善，我国医疗AI应用将进入快速发展期。
推动智慧医疗普惠下沉，在于通过制度建设和治理能力打通技术应用的"最后一公里"；只有夯实数据标准、共享协作等基础，将创新成果转化为基层可用的公共服务能力，才能让技术进步真正服务于公平可及的医疗体系建设，持续提升民生福祉。