张琨随笔2026.08.17

医院与AI公司合作的舍与得

医疗AI落地前，先想清楚合作中的取舍

从 5400 亿参数门槛到 RAG 实战，一篇讲清底座该买还是该自建

医疗 AI合作治理

上个月，一家大型三甲医院的信息科主任问我：“张所，我们院里到底要不要自己搞个大模型？不搞，怕被厂商绑定；搞，又怕花了上千万，买回来是个‘套壳’。我们应该怎么取舍？”

这困惑几乎每家上点规模的医院领导都纠结过。我在负责华润医疗集团信息化工作时，也反复权衡过“自建还是外包”这道题。今天就把这道题解一解，聊聊医疗机构和大模型公司合作前，必须想清楚的“舍”与“得”。

01

PART

三种纠结与六档光谱

THREE DOUBTS · SIX TIERS

第一怕，是隐私。患者数据出了院门，出了事谁担？——这一点在中国还有一条红线：临床数据出境、尤其涉及人类遗传资源的信息，受 《数据安全法》《个人信息保护法》和《人类遗传资源管理条例》多重约束，材料出院/出境要审批，信息对外提供要备案甚至安全审查。

第二念，有自建冲动。既然大模型“不就是数据加算法”，那我们自己的病历最多，自己训一个，又出名，又省钱，没准儿还能赚钱。

第三疑，害怕被骗——市面上那么多医疗专有大模型，会不会就是通用模型换身皮高价卖给我？

这三种情绪都真实，但都只说对了一半。更隐蔽的误区是：很多人把“合作还是自建”当成一道二选一的题。其实它是一道从最重到最轻的六档决策光谱，每一档的“舍”与“得”都完全不同：

• 全自训底座：从零训练一个医疗大模型——任何医院都没有技术和财力完成；

• DAPT（领域继续预训练）：拿通用底座用医学语料接着训，把“通用”洗成“专科”；

• SFT（指令微调）：用医学问答和指令数据微调现成底座，不碰预训练；

• RAG（检索增强）：不动模型权重，把医院自己的指南、病历、路径接上去；

• 纯提示工程：连检索都不接，靠提示词和思维链驾驭通用模型；

• 采购 SaaS：直接买厂商封装好的医疗 AI 产品，开箱即用。

越往重投入那头走，你“得”的是名义上的独占性，“舍”的是算力、人才和一道追不起的窗口；越往轻量化那头走，你“舍”的是对模型的绝对控制，“得”的是性价比和把精力放回临床本身。后面整篇，就是沿着这条线把每一档的账算清楚。

02

PART

把六档打开看证据

EVIDENCE BY TIER

前面说的六档，落到技术语言就是一条连续光谱：通用模型加提示词、加检索增强（RAG）、加指令微调（SFT）、加领域继续预训练（DAPT），一直到医学多模态加安全对齐。（全自训底座是光谱左侧更上游的“造轮子”，采购 SaaS是右侧更下游的“直接用”——中间四档，就是这条光谱本身。）

但光谱上有一个规律：越往重投入那头走，边际收益越薄；越往轻量化那头走，性价比反而越高。文献里的每一项发现，都能钉到具体的档上。

重投入端（全自训 / DAPT）

2023 年《自然》那篇 Med-PaLM 研究说明：在 PaLM 5400 亿（540B）参数的底座上做医学对齐，单家医院根本训不动——这是 DAPT 这一端的门槛。（注：初代 Med-PaLM 基于 PaLM，Med-PaLM 2 则换了 PaLM 2 基座。）它换来的回报确实存在：Med-PaLM 2 在 MedQA 上做到 86.5% 的专家级水平，比初代整整高出 19 个百分点。问题是，这份回报本身正在贬值。MedQA 这类考试式基准已经接近“饱和”，GPT-4 不靠医学微调就能拿到 86.1%，不少通用模型不靠专门微调也能越过及格线，基准本身区分模型高下的意义在变弱。换句话说，医院砸重金追的那个“专有模型优势”，窗口正在关闭。

SFT 档

OpenMedLM的研究证明：光靠提示词工程，就能在开源模型上在多数医学基准上超过依赖大量算力和专门数据微调的模型——该团队用提示工程让 Yi-34B在 MedQA、MedMCQA、MMLU 医学子集上胜过微调模型 Meditron-70B（四项里赢了三项，唯一没赢的是 PubMedQA）。作者的结论是——微调所需的计算成本显著且高昂，未必是唯一的路。

RAG 档

几组证据叠在一起，指向同一个判断：真正该投入的地方，是光谱上最贴近医院自身资产的那一段。

2025 年一项覆盖十个大模型的研究显示，接上医院自己的术前指南做检索增强，表现最好的 GPT-4-RAG 模型在“手术适用性评估”上准确率冲到 96.4%（对比人工 86.6%），且没有出现幻觉。这是唯一一处“重投入换来对等回报”依然成立的地方——因为投入的不是算力，是医院自己独有的知识资产。

纯提示工程档

在更难的医学任务上，2026 年《Communications Medicine》一项针对癫痫诊断推理的研究，让 GPT-3.5、GPT-4 等通用模型和 OpenBioLLM、Med42 等医学专用模型同台竞技（共 8 个模型），结果是：多数模型经过提示工程（尤其是临床医生指导下的思维链推理）之后，表现能够接近临床医生水平——通用模型和专用模型之间的差距，被提示策略大幅拉平了。当然，该研究也敲了警钟：正确答案背后可能是幻觉推理。

采购 SaaS 档

封装好、开箱即用，但代价藏在合同与监管里——这正是后面要算的账。

重投入三档（全自训 / DAPT / SFT）回报薄或不划算，轻量化三档（RAG / 纯提示 / SaaS）性价比更高。那每一档具体舍什么、得什么？

03

PART

六档技术层面的舍与得

THE LEDGER

这才是“舍与得”的题眼。把六档摊开，一档档对账：

• 全自训底座：舍的是亿级算力、顶尖 AI 团队和数年窗口；得的是理论上的完全自主。结论——我认为任何医院都不该选这一档，因为医院的主业是治病救人，硬核技术要由专业团队完成。

• DAPT：舍的是海量医学语料、算力与数据治理体系；得的是一个“专科底座”。结论——除非有国家级语料与算力托底，否则不划算。

• SFT：舍的是标注数据与微调工程；得的是一个贴近本院场景的小模型。结论——可以做，但性价比常不如RAG加提示工程。

• RAG：舍的是把知识库整理成结构化、并持续维护的工时；得的是用本院独有资产、数据不出院、质量可控，且有 96.4% 的实证支撑。结论——医院最该投入的一档。

• 纯提示工程：舍的几乎为零（不改模型权重）；得的是用最低成本撬动通用模型。结论——轻量场景首选，但要防幻觉。

• 采购 SaaS：舍的是对模型与数据的控制权，以及长期被锁定的风险；得的是开箱即用、把工程风险转嫁给厂商。结论——适合成熟场景，但合同红线必须抠死。

这里要分清两层账：以上说的是“技术档位”本身的舍与得；无论你选哪一档，只要和厂商合作，还有一层“契约”的舍与得——这层账算不清，前面六档白选。

04

PART

契约层面的舍与得

RED LINES

要“舍”的， 首先是原始数据去隐私后的广泛使用权。这一步可以用 联邦学习对冲：原始数据始终留在本地，只交换模型更新（含梯度），多家联合训出的效果与集中式统计模型精度相当，且没有显著增加计算成本——这个结论来自 2021 年 npj Digital Medicine 上一项在单中心和多中心健康研究上复现验证的实测（注意：是在联邦设定下复现，含模拟多站点，并非多机构实时联合部署）。 其次是专家标注与流程改造的工时——这是刚性投入，合同里要算进对价。还有 一部分联合模型的IP，归属须在合同里写死、写清退出时可携转。

要“得”的，是合规底座、持续的技术迭代，以及把算力与工程风险转嫁给专业方。

但有三样绝不能“舍”：数据出院/出境的红线、算法的审计与人工终审权，还有临床责任外包不出去。

WHO 2021 年《人工智能健康伦理治理指南》把“透明、可问责”放在设计核心；而现实里，同一家 EHR 厂商内部系统的互操作得分也只有 0.68（跨厂商更是只有 0.22，均为按系统数量加权的均值，未加权为 0.57 与 0.20）——2022 年 JAMIA 一项覆盖 68 家肿瘤中心、5 家 EHR 厂商的实测数据。医院与技术公司深度绑定后想换人，成本高得吓人。所以合同里一定要细抠“开放接口”和“标准化数据”这两个条款。

这里要补一句：LLM 时代的锁定，更多发生在 prompt、知识库、IP 和数据格式上，EHR 的 0.22 是参照警示，不是直接证据。但逻辑是通的——把“算法审计权 + 人工终审权”写进合同，正是把“责任攥在手里”的法律落点，也和后面要讲的 FDE 队伍形成闭环。

05

PART

医院要培养一支“前哨”队伍

THE FDE SQUAD

最后说落地。截至目前，我还没见过医疗领域的“最佳实践”：2025 年 JAMIA 一项覆盖 43 家美国医疗系统的调查发现，77%的受访者把“工具不成熟”列为 AI 落地的最大障碍，影像放射这类场景虽然 90%都已部分部署，但真正报告“高成功度”的却很有限。瓶颈不在模型，在部署。

这就是为什么我要大声说一句： 医院最该自建的，不是模型权重，而是一支能驾驭 AI 工具，把模型接进诊室和运营的队伍——无论你选了六档里的哪一档，最后都得靠这支队伍接进流程。

业界管这类人叫 FDE（前哨部署工程师）——嵌入场景、写生产代码、对落地结果负责，这个职衔源自 Palantir 早年因客户是情报机构、无法走常规产品调研路径，而把工程师直接派驻客户现场的实践。在医疗里，它的化身是认证临床信息学专家：懂数据治理、懂工作流、懂变革管理，还能做上线后监测——2025 年《Applied Clinical Informatics》一篇文章专门论述了这一角色，认为临床信息学专家的知识背景正好覆盖了美国卫生与公众服务部（HHS）倡导的 AI 应用“公平、适当、有效、安全”（FAVES）原则。

他们干的事是把临床医生的诉求翻译成工程问题，搭数据管道，按 SALIENT这样的五阶段框架—— 定义、回顾性研究、静默试验、小规模试点、大规模推广——逐级验证，再把模型嵌进流程、培训、持续监测。这个框架出自 2023 年 JAMIA 的两篇论文：一篇提出框架本身，另一篇在脓毒症预测系统上做了实证检验。