人工智能在医疗领域的应用价值已得到广泛认可。
近年来，我国在辅助诊断、精准治疗、高效管理等方面涌现出一批创新成果，一些影像分析、慢病管理类产品已获批上市，部分基层医疗机构通过AI技术提升了首诊率，群众逐步体验到"好看病"的便利。
国家层面也持续加强政策支持，《"健康中国2030"规划纲要》等文件明确提出要推动人工智能在医疗领域的创新应用。
然而，在调研走访中，甘胜莲发现了制约AI技术规模化应用的深层次问题。
首先是数据基础薄弱。
医疗语料是训练高质量AI模型的核心基础，涵盖电子病历、影像报告、检验数据等多类型数据。
但目前不同医疗机构间的数据采集规范、存储格式、标注标准存在显著差异，缺乏全国统一的标准体系。
部分医疗机构采用自定义数据格式，导致数据结构混乱、元数据缺失，跨机构数据无法直接对接，形成使用上的"数据孤岛"。
这使得我国医疗领域数据丰富，却难以形成被业内普遍使用的高质量标准数据集。
其次是模型开发缺乏协同。
当前各医疗机构、科技企业在AI模型研发上存在重复投入现象，共享协作机制不完善，学科语料集共享和奖励机制缺失，数据流通不畅。
这种"各自为政"的局面导致资源浪费，也阻碍了AI技术的快速迭代升级。
此外，AI模型应用还急需标准化规范，以确保其在不同场景下的安全性和有效性。
这些问题的存在，使得我国AI医疗呈现"局部化、单点化"特征，难以形成规模化应用，不利于人工智能技术向各级各类医疗机构普及渗透，无法短时间内切实惠及广大群众，特别是基层群众。
针对这些问题，甘胜莲提出了系统性的解决方案。
她建议国家卫生健康委员会牵头统筹，聚焦"标准化、共享化、普惠化"目标，强化高质量数据集、医疗基础模型研发与应用的顶层牵引和指导。
具体包括：统筹推进数据标准化工作，建立全国统一的医疗AI语料集标准体系，规范数据采集、存储、标注流程；加强数据合规治理和数据合成技术应用，破解数据流通壁垒；推动模型共建共享，组建医疗AI联盟组织，打造AI基础模型共享服务平台，构建开放协同生态。
在此基础上，甘胜莲建议开展医疗AI创新项目试点，推动成果全国推广；强化学科专项AI研究创新，健全学科数据标准化与共享体系；通过构建标准化、共享化、协同化的AI医疗生态体系，打破行业壁垒，优化资源配置，推动AI技术创新成果下沉基层，实现AI医疗从"试点示范"向"全面普惠"的转变。
智慧医疗的普惠之路，本质是技术创新与制度创新的双轮驱动。
在推进健康中国建设的背景下，既要突破"数据枷锁"的技术瓶颈，更需构建"共建共享"的医疗生态。
当标准化数据流与人性化服务流深度融合，我国分级诊疗体系才能真正筑牢根基，让亿万群众在家门口享受优质医疗服务。