**医疗数据“不出院、模型出院”的物理隔离机制，使AI医疗的训练与迭代在数据原地完成，这一约束恰恰为国产化数据闭环与自主可控技术路线创造了现实空间。**医疗数据的所有权理应属于患者，实际权属基本在医院方；也有观点认为所有权在患者个人、控制权在医院、管理权在政府，第三方机构需借助政府支持和医院配合方能进行商业化开发利用。在这一权属格局下，数据不出院成为通行做法，本土技术栈因此获得了明确的适配方向。

权属约束如何塑造技术路线

AI的三大基石是数据、算法、算力，而数据被称为AI时代的“石油”。医疗数据属于患者隐私，目前AI模型训练所需的医疗数据，大都通过企业与医院签署研发协议获得。实际操作中会有专门模块进行数据清洗，只保留必要的数据；在数据收集到模型建立的过程中，医院和企业会做好物理隔离，通常是数据不出院、模型出院。

这一机制意味着，模型必须能够进入医院侧完成训练与迭代，而非把原始数据搬运到外部。对技术提供方而言，适配院内环境、在隔离条件下完成模型交付与更新，成为参与AI医疗的基础能力。国产化技术栈在这一约束下具备天然的落地场景。

数据流通的探索与难点

国内各个大数据交易所已有不少将“医疗卫生”数据纳入交易品类。目前仅有贵州大数据交易所上架了一款“儿童构音障碍早筛语音数据”产品，售价25万元，已交易两笔；该产品介绍显示，早筛数据主要为82个音节组成，主要用于3-6岁儿童在自闭症、构音障碍、发育迟缓以及言语障碍等疾病的早期筛查AI算法训练。

医疗数据是AI医疗的第一驱动力，但对现阶段的AI医疗产品来说，理解医疗数据远比获得数据更重要也更困难。《深度医疗》在分析IBM医疗AI沃森的失败时认为，“最基本的失误之一，就是将获取数百万页的医疗信息等同于理解或使用这些信息。”如果不能深刻理解所服务的行业，再多的数据也只是徒耗电力。

自主可控的现实边界

在《深度医疗》中，埃里克·托普将自动驾驶汽车与人工智能的医学实践相提并论。目前在理想的环境和交通条件下，自动驾驶汽车已经可以达到L3水平，但AI医疗仍处在L1到L2的路上。与智能驾驶相比，AI医疗面临更严重的伦理问题。托普认为，AI医疗不太可能超越自动设备的3级水平——有很多诊断工作、阅片工作可以用AI辅助完成，但就医学整体而言，绝不能容忍没有人类医生和临床医生的监督。

因此，数据闭环的自主可控，指向的是数据在院内完成训练迭代、模型合规出院的能力，而非替代临床决策。人工监督始终是AI医疗不可逾越的前提。

常见问题

“数据不出院、模型出院”具体指什么？

指医院与企业合作训练AI模型时，原始医疗数据保留在院内，通过专门模块清洗后仅保留必要数据，企业带走的是训练完成的模型而非数据。这一物理隔离机制是当前AI医疗数据合规利用的通行做法。

医疗数据到底归谁所有？

医疗数据属于患者隐私，所有权理应属于患者，但实际权属基本在医院方。也有观点认为所有权在患者个人、控制权在医院、管理权在政府，第三方机构需借助政府支持和医院配合方能进行商业化开发利用。

AI医疗目前发展到什么阶段？

按《深度医疗》的类比，在理想环境和交通条件下自动驾驶汽车已达到L3水平，而AI医疗仍处在L1到L2的路上。诊断、阅片等工作可由AI辅助完成，但医学整体上必须保留人类医生和临床医生的监督。