南昌大学第一附属医院：数智赋能重大慢病全周期智能防治与精准服务项目

一 项目简介

南昌大学第一附属医院（简称“南大一附院”）数智赋能重大慢病全周期智能防治与精准服务项目立足于我国慢病管理领域长期存在的服务碎片化、干预精准度不足与患者依从性偏低三大核心痛点，系统构建了以医院为核心、覆盖合作医联体单位的数智化协同防治体系。项目以 “防、筛、诊、治、管、康” 一体化闭环管理为核心理念，通过整合无创监测、AI辅助诊断、智能随访与康复指导等全流程功能，推动健康服务模式实现从“被动治疗”向“主动预警、精准防控”的战略转型。

项目依托人工智能大模型、多智能体协作、大数据分析与物联网感知技术，构建了多源健康数据的实时采集、融合分析与智能研判机制，动态生成个性化干预方案。项目严格遵循《医疗卫生机构信息化建设基本标准》与《数据安全法》，通过“数据不动模型动”的创新机制打通医联体内医疗系统壁垒，实现健康数据的安全共享与价值释放。在实践层面，项目不仅显著优化了医联体内医疗资源配置效率，减少不必要急诊人次，降低慢病管理年人均成本，同时通过标准化服务模式推动南大一附院优质医疗资源向医联体单位有效延伸，显著提升医联体全域慢病同质化管理水平，缩小院际间慢病管理服务差距。作为健康中国战略在区域医联体落地的创新实践，项目为区域内医联体慢病同质化管理提供了可复制、可推广的数智化解决方案，兼具显著的社会效益与经济效益，成为数智健康赋能医联体分级诊疗的标杆范式。

二 建设与开发

本项目为面向重大慢病全周期管理的数智化软件系统专项建设，以“防未病、强协同、全闭环、可复制”为核心设计理念，严格遵循重大慢病防治临床规律与循证医学准则，深度契合国家数字健康、分级诊疗、慢病综合防控的政策导向，以数智化技术为核心抓手，靶向破解医联体内慢病管理领域长期存在的服务碎片化、成员单位诊疗能力不足、干预精准度不够、患者长期管理依从性偏低等核心行业痛点，构建标准化、同质化、可推广的慢病全周期智能管理体系。

项目建设“防、筛、诊、治、管、康”全周期临床路径，严格遵循《国家基层高血压防治管理指南》《中国2型糖尿病防治指南》等国家级专科临床指南规范，基于百万级脱敏慢病临床数据集与全周期健康管理数据，构建经多中心临床验证的慢病风险预警与辅助决策模型体系；依托领域大模型和多维度大数据分析技术，生成符合临床规范的辅助诊断建议与个性化干预方案，从源头保障系统功能的医学严谨性、临床有效性与操作规范性。软件开发采用“敏捷迭代+里程碑管控”的开发模式，覆盖需求评审、架构设计、代码开发、单元测试、集成测试、系统压力测试、临床场景验证、安全等级保护测评等全流程管控，确保系统的高可用性、高稳定性、高安全性与业务适配性。

本系统采用云边端一体化协同的分层技术架构，各层级间实现数据双向安全流转与功能逐级协同支撑，整体架构具备高扩展性、高兼容性与高可靠性，四大核心层级设计如图1所示。

图1 平台架构图

物联感知层：构建多协议兼容的物联网感知体系，支持NB‑IoT、4G/5G等主流通信协议，可以无缝适配血压、血糖、心电、血氧、体脂等各类医用级无创健康监测设备，实现居民全维度健康体征数据的实时、连续、无感采集；依托边缘计算节点完成采集数据的本地预处理、异常值过滤、降噪与本地缓存，在保障数据采集时效性的同时，大幅降低云端算力负载与传输带宽压力。

数据中台层：构建医疗级全链路数据治理与管控体系，完成医联体内多源异构健康数据的标准化、归一化处理；对数据进行全生命周期分类分级管控，实现数据脱敏、加密传输与加密存储，配套构建全链路数据追踪、细粒度权限管控与操作审计机制，实现医疗健康数据的合规管控、安全共享与高效调用。

AI引擎层：构建面向慢病全周期管理的多任务AI模型体系，基于医疗专科知识图谱对通用大模型进行领域适配与微调，通过临床指南规则嵌入、小样本学习优化与联邦学习持续迭代，打造包含慢病发病风险预测模型、患者精准分层模型、个性化干预方案生成模型、智能随访交互模型等在内的核心模型矩阵，为系统提供风险预警、患者分级、辅助决策、个性化干预、智能交互等核心智能能力，模型输出具备完整的临床可解释性，符合医疗AI应用合规要求。

应用服务层：基于微服务架构构建模块化、可配置的应用服务体系，面向医联体内全角色、全场景提供标准化慢病管理功能，核心分为两大端口：一是移动端，为群众提供健康体征自查、个性化健康宣教、智能用药提醒、康复运动指导、异常体征预警、在线问诊协同等全流程自我健康管理服务；二是医护管理端，提供患者分级分类管理、智能随访、诊疗路径标准化指引等核心功能，实现医联体内上下级医疗服务的无缝衔接，并提供医联体全域慢病防控态势可视化、服务质量全流程监管等决策支撑能力。

基于上述分层架构，项目构建了“数据采集‑智能分析‑干预执行‑随访反馈‑模型迭代”的全链路闭环业务流，实现业务流与数据流的深度融合，完整覆盖慢病“防、筛、诊、治、管、康”全周期临床路径，形成数据驱动的持续优化机制。

在服务流程重塑层面，如图2所示，项目针对医联体内慢病管理核心痛点，构建了全链条系统性解决方案：一是以“数据不动模型动”创新模式打破医联体内院际间医疗服务壁垒，贯通南大一附院与医联体合作单位的分级诊疗服务网络，实现医院诊疗资源与医联体单位健康管理服务的双向联动、无缝衔接，重塑慢病全周期连续服务流程，破解医疗服务碎片化难题；二是以轻量化、易操作的AI辅助工具与物联网感知设备全面赋能医联体合作单位，构建基于风险等级的患者分层分类管理机制，为医务人员提供标准化诊疗指引、智能辅助决策与自动化管理工具，补齐医联体成员单位慢病专科服务能力短板，实现医联体内慢病管理的同质化、精准化；三是以多模态智能交互技术构建全周期患者管理体系，通过AI语音智能随访、个性化健康宣教、用药与康复智能提醒、实时异常预警等功能，匹配患者个性化健康管理需求，显著提升患者自我管理能力与长期治疗依从性，构建全闭环、可持续的慢病管理体系。

图2 慢病管理业务图

本项目建设完全契合 《“健康中国2030”规划纲要》《“十四五”国民健康规划》 中关于慢病综合防控、分级诊疗体系建设、基层医疗服务能力提升、数字健康创新发展的核心要求，通过标准化、模块化的建设模式，形成了可复制、可推广的医联体慢病数智化管理解决方案，有效推动优质医疗资源扩容下沉和区域均衡布局，为健康中国战略在区域医疗场景的落地实践提供了坚实的数字化支撑。

三 关键技术或产品描述

本项目聚焦数智技术在医联体慢病管理中的深度应用，构建了以人工智能为核心、多模态数据融合为支撑的软件技术体系，重点突破了医联体内 “数据孤岛”、“干预精准度不足”等关键瓶颈。

在算法层面，基于医疗知识图谱对大模型进行领域适配，通过临床指南嵌入与小样本学习优化，有效提高慢病风险预测准确率。同时构建了多智能体协作系统，包括患者管理智能体、临床辅助智能体等多类智能体，在数据不出域、不跨院的前提下完成联合优化，有效解决医联体内各医疗机构间的数据孤岛与合规共享难题。

产品层面，形成模块化服务包，包含AI语音随访模块、智能干预模块、健康宣教模块等，可实现“医联体定制、成员单位易用”。将健康管理从“事后响应”转变为“事前预防”，为医联体医疗数字化转型提供了可复用的软件技术范式。

四 应用效果

在社会效益方面，项目全面覆盖南大一附院及合作医联体单位，赋能医联体内各级合作医疗机构，有效提升慢病规范管理率，显著降低并发症发生率。项目打通医院优质医疗资源向医联体单位延伸的高效通道，补齐成员单位慢病诊疗能力短板，缩小医联体内院际间医疗服务差距，促进区域内健康服务公平可及。同时，通过智能健康指导、慢病科普，提升居民慢病自我管理能力与健康素养，为区域医联体慢病防控提供可复制样本，助力健康中国建设。

在经济效益方面，项目通过全周期慢病闭环管理，降低并发症发生率，减少患者重复就医，实现医保控费增效。依托AI智能工具替代传统人工随访、档案管理等重复性工作，大幅降低医联体内医疗机构人力与运营成本，提升服务效率。同时，项目沉淀的合规医疗数据资产可实现合规价值转化，带动医联体内智慧医疗服务能力协同提升，释放可持续的医疗服务价值。

五 总结

本项目立足我国慢病防控的现实需求与医联体慢病管理的核心痛点，以数智化技术为核心引擎，构建贯通南大一附院与医联体合作单位的慢病全周期智能防治与精准服务体系。项目严格遵循循证医学规范与国家医疗信息化、数据安全相关标准，通过人工智能大模型、多智能体协作与联邦学习、物联网感知等核心技术的深度融合，既破解了医联体内医疗数据孤岛、服务碎片化、成员单位能力不足、患者依从性偏低等行业顽疾，实现慢病管理从“被动治疗”向“主动预警、精准防控”的转型。未来，项目将持续深化技术迭代与服务延伸，不断拓展数智健康的服务边界，为推进健康中国战略落地、筑牢区域全民健康防线持续贡献创新力量。

（来源：CHIMA 2026医院新兴技术创新应用典型案例集）