DoNews11月24日消息，11月20日，东软解决方案论坛2025以“数据创造社会价值”为主题在福州启幕。论坛上，东软研究院院长、东软智能医疗科技研究院院长张霞在接受媒体采访时表示，东软的临床决策支持系统（Clinical Decision Support System, CDSS）其最新版本已经支持10158种疾病的智能辅助诊断，而且在生成式人工智能技术的帮助下，其知识库基本上实现了实时更新，其Top5的诊断准确率已经达到91.54%，超越人类。
张霞表示，这是技术带来的突破和全新的可能性，正因为如此，这项新技术在临床当中获得了很多基层医院医生支持和接受。
以下为访谈记录，DoNews有整理删节。
记者：现在不管是国内还是国外，特别是国外，在AI的应用，在医疗方面也有一些做的比较好，各方面都表现比较好的。咱们跟他们比的话，比如说刚才做应用，一个是比如类似于开发基础模型转到这个上面去做的。咱们跟这些类型的企业去比的话，咱在医疗行业的AI核心的一些抓手或者驱动是什么？
张霞博士：医疗领域AI现在大的框架，大概分成三类，国外我估计也是这种情况，一块是基于临床数据做临床辅助决策的，做CDSS，就是在这个领域涨上来的。
另外一块是医学影像的AI。再有一块是涉及医疗数据的利用，比如说做科研，做智能体的开发，三大赛道相当于，在医疗领域，在国外也是这样的一个情况。
如果你看CDSS，这个实际上不是一个新市场，是一个老市场。但是现在CDSS大家面临的就是技术升级，原来之前的技术路线，从最开始1972年斯坦福发布第一个医疗的决策支持系统是1972年就开始了。
他那个时候是基于规则的，就是做感染病的辅助决策。从那个时候开始，实际上持续的有公司在这个领域投入，包括大家可能也都知道IBM，中间也都有投。
这个领域主要解决的是弥补人的知识和现实的知识，医疗知识的knowledge gap，现在医疗知识处于大爆炸的阶段，每三天医疗知识翻一番，任何一个专科专家都不可能记住所有领域的知识。所以一直需要一个辅助的手段，在他需要的时候能够帮他找到相应的证据。现在基本上西医我们是循证医学，都需要辅助。
过去大家做了长期的努力，最开始是用规则，后来用知识图谱来做知识的组织，但是知识图谱也有问题，它的更新的限制。所以现在到了这一代大语言模型的技术，实际上从技术上我们跟上一代技术比，已经有了很大的飞跃。
所以这块可以做的比过去更好。我们自己的产品也是。我们2023年开始做技术路线的升级，我们之前基于知识图谱的版本，我们支持1158种疾病的辅助诊断。但是每次更新这个知识图谱是需要大量的投入的。
现在我们新的版本是支持10158种疾病的智能辅助诊断，而且知识库的更新基本上是实时动态的，用了新的现在的生成式人工智能，就是大语言模型+向量的模型的技术来去做，就可以做的很快，而且我们现在，目前我们在天翼系统里头，用的临床辅助决策的系统，它的Top5的诊断准确率已经超过了人类。
人类的标准是80多，现在它是91.54%，这样的一个程度。实际上还是整个技术带来的突破和可能性。所以它在临床当中医生的接受度会比我们之前的版本要高很多。但是之前的版本大家可能觉得，技术既然达不到，为什么还会用？这个是跟卫健委的指挥棒是有关的。因为国家一直要求大量的用人工智能的技术，不一定是人工智能，就是提高电子病历的水平。
你在达到5级以上的水平是需要有临床辅助决策的能力的，你的电子病历的应用水平。所以很多公司都是在投入建设。东软当然也在里头，我们现在在这个里头市场份额，我们看了一下，我们是已经通过五级评估的医院里头，我们是超过了20%市场份额。但是好多还都用上一代的技术。但是从去年开始，我们的客户基本上都转到新的技术里头了。这是这个领域。
另外一个领域是数据利用，因为临床数据，尤其是高端医院，大量的临床数据实际上是可以支撑科研的。通过他们的案例里头，是可以研究出新的方法，对疾病诊断的新的方法，或者是比如说我们之前跟医科大学的校长团队，他是医大一的胃外科，就是肿瘤外科的专家，我们做了一个科研的合作，实际上他用多模态的数据做分析，为什么有的患者可以在胃癌手术之前接受新辅助疗法，就是先做化疗，为什么有的人不行？这个就通过大量的临床数据做分析，找到了规律。
有的人适应症是可以在手术之前先用化疗把这个病灶缩小，然后再做手术的。但是有一些人是不行的，他做了辅助疗法反倒延误了手术的机会。那他利用这个临床数据把这个规律发现，我们的成果去年年底发在（SCI）期刊上，好像影响力还很大，上了澎湃新闻。
实际上下一步我们做的工作，正在做的是把它作为工程化，形成一个智能体，医生只要把患者的信息，当然他有他的各种检查，有病历的，有CT的，有病理的检查数据，给我们的智能体做分析，它会给一个推荐，说这个人是否适应做新辅助疗法。这就是一个例子。
像这种例子，像这种应用成千上万，在医疗的场景，实际上是很多的。所以这个工作实际上大量的工作是往前推进的。我们还有一个例子是做脑胶质瘤的手术规划。我们很多患者在做脑胶质瘤的外科手术的时候，他实际上是要在他的胶质瘤外边要多切一些，避免复发。但是怎么做这个决策？实际上很重要。
因为脑部你在做手术的时候，有的时候可能会碰功能区，所以这个也是要通过大量的病例的分析和学习，来去给出这样的规划，我们这个也是有一个成果出现。
现在也正在做工程化，最后把它转化到临床可以用。这种场景非常多。它是基于多模态数据去做分析，这个基本上我们是都跟顶级的专家团队合作，相当于把他的经验，他也积累了大量的临床数据，把这些东西做数字化工程化。
首先第一步得把方法找出来，规律找出来。然后第二步就是要把这个方法，这个规律，变成一个软件系统，可以在医生临床过程当中用的，像这种场景，非常非常的多。这是关于数据的利用。这是属于刚才讲的第二个赛道的。
第三个赛道是医学影像的智能辅助诊疗。大家可能也都能了解到，咱们现在有很多的新的医疗AI的（star），大家做很多的应用，包括有一些也拿了证。
但是你看拿证的，基本上同质化也挺厉害的。可能好多家拿的肺结节的辅助诊断等等。但实际上医学影像数据能够通过人工智能提高医学影像的诊断水平的场景，美国放射学院实际上在组织全美的医生做梳理，他们已经梳理出来的是两百多，但是大家预计未来是上千种都不止，这种场景。
所以现在我们看，在这个领域的问题空间也足够巨大，但是目前的问题是我们现在的技术是否是一个合适的技术，你做少量的可以，但是投入大产出也不是那么高。因为大家可能看，所有的AI的医学影像公司全部都亏损。我们现在也是在观察，我们自己也在观察，不断的去研究这些新出现的技术，是否可以把AI的影像的辅助诊断的研发投入降低。真正实现规模化的产业。
所以东软我们自己在医学影像这块，我们是只选那些比较重要的，前景属于，第一能展示我们这方面能力比别人还强的领域，做了很少，比如说我们可能大家很少有人选血管，我们做了血管的分析，从脑血管到颈动脉，到主动脉，到肾动脉，到下肢动脉的整个的评估。因为第一我们认为血管是人体衰老最先开始的，很多病都跟血管的病变有关，这是一个非常大的领域。
你看现在比如说做脑血管是神经内科，做心血管是神经内科，神经外科。但它实际上整个循环是一个系统，比如说可能颈部有斑块，你腿抬不起来，或者是你腰动不了，跟颈部斑块有关。所以我们做了整个这个的人工智能的辅助分析。目前不但能分析血管的形态，还能分析血管的血流的情况。我们叫形态学和功能学的分析。
通过功能学的分析，因为CT数据是多张的，立体的数据，你完全可以通过血流（动物学）的仿真，你可以通过CT的或者是核磁的数据，把血管当中血流的情况仿真出来。
我们的一些case，比如说我们的一些合作伙伴，他拿了患者的术前和术后的评估，如果从形态学分析，手术以后，这个case做的挺好，没啥问题。
但是如果要用血流一仿真，觉得这个手术有问题。我们是有两个实实在在的例子。现场我们在交流的时候，他把他原来的两个术后患者，回去以后，他们去随访，追了一下那个患者后期的随访，几年以后的随访数据，发现确实。
但是他在当时手术完，一般术前拍一个片，术后拍一个片，你单从形态看，觉得这手术做的很好。但是如果你要通过血流去仿真，这个手术做的就不怎么样。
但是他如果早知道，早去干预，可能这个患者还会有希望，不会导致后期病演化的那么厉害。所以这个也是我们发现，医学影像数据，实际上里头有一些东西，还有我们没发现的，我们选这样的领域。
当然在这个过程当中，我们也跟很多的医院，上午因为我只有十分钟的时间，我就没展示。在这个领域，我们实际上跟很多的，目前国内的顶级的相关的领域的医疗专家团队，在开展科研合作。实际上是希望通过这种技术，能够让他发现更多的疗法，有更多的可能性去支持他开展科研，影像的这一块。
您看东软目前我们除了在缺血性脑卒中的定量分析这块我们拿了证，还有慢阻肺的早筛我们拿了证，其他的产品我们都没去拿证。是因为我们现在觉得投入产出没有看到更多的平衡，或者是说现在的技术不足以支持我们投一个产品，很快的我们就能收回这个投入的循环，我们没看出来。
但是在这个方向上，我们会选一些比较重要的领域，我们去投入，包括我们跟专家团队去合作把这个问题探索的更清楚。这是医学影像这一块。
从跟同业的对比，因为最近有一些公司也在准备上市，因为它不上市的话，我们不知道它的收入情况，它在准备IPO的时候我们才能够看到它的情况。
包括我们跟IDC的沟通，不知不觉我们看了一下，号称是医疗人工智能的公司，它的业务范围和它的市场的份额，收入跟我们比起来，实际上我们更应该是医疗人工智能公司。所以今天我们上午发的新产品，我们就直接叫智慧医院解决方案。
因为这里头大量的人工智能的技术，已经在我们的解决方案里头了。未来还会越来越多。
记者：我提一个行业性的问题，因为您是两个身份，一个是计算机软件国家工程院副主任，又是高管，我提一个行业问题。您觉得可以说您再说。
我们这个行业十年前差不多提出软件定义世界，咱们东软也提出软件就是奇妙，但是我们这个行业非常奇怪。很多企业本来是做传统软件的，开始逐渐的去软件化，从公司名字开始改，不知道为什么改成什么科技公司，网络公司，但咱们东软一直在坚持，我们就是做软件的，而且我们做外包就做外包，就有外包的业务。因为原来我们做外包的很多企业，也是把外包隐藏起来了，不承认外包。对这么一种行业现象，您怎么看？东软是一个什么的。
张霞博士：我们是软件公司，软件如此奇妙，那个实际上真正的背后的理解是软件成就精彩世界。我们因为当时对应的中文的翻译，大家开始没太想好，实际上我们做的这个软件能让世界更精彩的这样的一个意思。实际上核心我们定位还是软件公司，帮助客户更好的用软件的技术去成就他的业务，是这一块。
但是为什么有些公司中间变成网络公司，这个跟时代有关。如果从信息化，整个信息行业的视角来，我们信息化的时代第一段叫数字化，实际上大家还没有系统，没有建IT系统。
我们举个例子，拿医疗行业为例，真正的中国开始启动医疗信息化建设是1995年，大家原来都是拿纸写病历，拿纸挂号，后来变成用电子系统挂号，这是第一阶段，我们叫数字化阶段。
第二个阶段我们叫网络化阶段，网络化阶段那个是互联网的力量推动整个行业的进步。在那个阶段可能有些公司为了适应时代的要求，它就说我是什么.com，我是什么网络公司，但本质上还是整个IT技术进步导致。
现在大家认为我们处在数智化时代，就是大的主题，是数智化时代，这个时候很多公司会说我是人工智能公司或者是大数据公司。比如东软现在还做医疗业务，但是医疗现在的投资主体是数据利用和数据的生态化，以及智慧医院的建设，我们肯定必须是满足这个时代的要求，我们也必须得是做这些事，那个时候我们也是数字公司。我觉得这跟整个行业的变迁有关。
当然东软可能是今天才生的，可能我们就叫什么数智公司或人工智能的公司，也可能，因为每个公司的定位和命名都有时代的背景。但是我觉得东软我们这批人觉得要与时俱进，我们的名字在那，我们的主张，我们是软件创造客户价值，这个是没变的，包括软件成就精彩世界，现在智能世界的合作伙伴，实际上讲的是在智能化的世界里头我还跟我们的客户同行，成为你的最可信赖的合作伙伴。实际上意思都差不多，但是要跟时代同频共振。
记者：今天大会主题叫作数据创造社会价值。确实是行业的共识，因为我一直在跟数据技术领域，数据库公司，大数据公司，包括数据治理等这些公司我都会有接触。今天上午有一张PPT展示到，数据要素可能是增长最快的一个市场，其中数据处理占比最高。
但是我观察到一个现象跟这个完全相反，很多深耕数据技术的软件公司，但他们日子过得并不好或者说并不好过，基本还在怎么活下去上挣扎。实际上处在一种叫好不叫座的阶段，客户可能认可数据的价值，但是他在买单的时候却特别谨慎。您怎么看待这种行业共识和商业落地之间的落差呢？
张霞博士：现在我们做的数据处理和数据的业绩不是今天才有，我记得当年我们东软做第一个ICDC参考架构是2006年。实际上开始阶段我们在建系统的阶段，相当于做生产系统，有大量的数据出现了，然后有了这些数据以后，就带来了下一个问题，如何利用这个数据来赋能整个经营的过程，面临分析这类业务，早期叫Business Intelligence，在企业的领域。
但是BI领域大量需要服务，做这种类型的业务特点需要服务，包括咨询服务和工程服务，但是在中国的情况客户不愿意为服务买单，这个导致这个业务大家都很难，很纠结。
过去东软在做这块业务的时候，我们也试图把一些共性的东西转化成工具，我们这些工具帮助业务单元去积累它这个领域的数据资产，那么我们在做项目的时候，做第一个项目如果客户给的钱不够一定是亏，但是我们在做下一个项目，通过复用，能让这个收入归正，通过这种方式来解决这个问题。但是这个问题到现在还是存在，如果就是产品的事好办，只要涉及服务的在中国就是一个比较挑战的事。
记者：我有两个问题跟您探讨，您刚才其实已经有回答第一个问题了。我沿着您的思路，您讲了两个，第一个关于肺癌的手术，先期进行化疗，我们每个人家里遭遇到这样的情况肯定会问，先手术还是先化疗，这是一个决策，这个决策决定咱们患者未来的预期，这是很重要的事。
第二个，您刚刚讲到了神经胶质瘤，神经胶质瘤这个手术完全是看医生，在此前，他的决策决定这个人的生死。但现在如果有这么好的思路，我觉得是非常造福临床。我们原来临床的路径或者我们用药选择，以及怎么处理的方案等等，原来也有我们的临床路径，会按照这个来做。您现在在做的这个事情，我跟您探讨，现在想这么做，未来指着各个大的PI吗？是这么一个思路吗？我们还可以做几个更大类型的内容，我想问的第一个问题关于PI的事，是这么个方式来进行。并非医院给我们所有的病历来做整合，比如说盛京和北京宣武，宣武一年几十万的病例是有的，那么全国病历整合之后，关于胶卷流大约会有15万。这些基于自己的数据如何来做合作？未来我自己可以依据它来做，第二个，可以做更好地发展。
张霞博士：对。这个方式实际上未来有可能改变，因为比如说北京，北京现在已经做健康医疗数据空间，北京的健康医疗数据把所有北京的各大医院的数据全部汇集，目前还没拿影像数据，但是影像数据也在计划里，这样我们拿到的不仅仅是宣武的数据，是北京所有其他医院的数据全在这里面。这样可以让我们整个过程大大加快。
记者：另外一个问题，您提到了关于血管分析，因为您知道其实除了皮肤之外血管是人体最大的器官，当然血管病可能比皮肤病更致命。您刚才讲到那个话题的时候我想问一下，像您刚才讲的那样，是它的一个疾病的诊断应用，还是说未来也可以进军到健康筛查？
张霞博士：我们实际上主要盯的是健康筛查。最早提出来这个需求也是一个心血管病医院的院长，他实际上想挣高端健康人的钱，就是做整个衰老的评估，先去看一下你这个全身血管的情况，是他最早给我们的想法，我们开始做这个项目。
记者：张院长，我这边也有两个问题。您刚才回答了，我觉得还有一些补充，第一个，去年尤其是刘老师说东软从技术的提供者转变成价值创造者，能不能请您介绍一下东软在为医院创造价值方面有哪些成果？第二个，我们也公布了很多跟三甲医院DeepSeek大模型本地化的工作，过了这段时间，现在有什么新的进展吗？大模型在这些三甲医院的部署，因为过了一段时间了。
张霞博士：我先回答一下后面的问题，大模型应用的部署，去年我们在推，最早的应用是做互联网医院里面的患者预问诊，是去年就开始上。
但是上的时候我们是在推，跟医院说，我们第一个大连妇儿集团，我们跟院长说可以上这个来推。包括昆医附一，上互联网医院，包括病历生成，我们都是在推，今年DeepSeek帮助我们做了一个特别好的市场教育，然后今年开始对大模型的应用是变成了医院来找，现在据不完全统计应该是到中期，我们先签的客户要大模型应用的已经超过100家。其中智能预问诊，病历生成，CDSS和病历内涵质控，病历内涵质控我们都升级了，都是用大模型升级，还有医保限制支付的审核，这个都是特别好的场景。
我给一个例子，我们去年做病历生成的时候第一版跟一家医院肿瘤一个科合作，然后做完了，我们给他们做Demo演示的时候，他们特别惊喜，说这个技术太不得了了，你们好像写得几乎跟我们医生写的一模一样，但是那科主任也是一个副院长，他说了，你们的是挺好，好像跟我们写得几乎一样。
但是我们科的病历写得很烂，你跟我一样其实对我来讲我觉得不够，就是很烂。然后回去我们就升级了一下，我们让大模型学了病历书写的指南和规范，这一轮我们写得更好了，这回我们没在那家医院试，我们正好有一个项目，就是武汉中南，说你们这个写得太好了，是符合的，因为我们让大模型学了病历书写的指南，不是按照它的历史数据学的，我们没学它的历史数据，是学的指南要求，然后写完以后说真好。但不是说大模型有幻觉吗？你怎么能让我相信你这个东西不是胡说八道呢？然后我们又做了一个工作，每生成的病历旁边出了一个小泡泡，你想点的时候就点一下，你这段病历我从哪段摘出来，相当于溯源了，这个现在应用非常好。
同样一个技术我们在广医应的时候，他们是因为跟黄院长本人是发烧友有关，他在上这个技术之前得要求评估，就是让他们很多医生去给评估，评我们的，评的都是90多分，就是非常好。
如果这个技术可以用的话，实际上在我们整个住院患者病历的书写上可以大大减少医生的工作负担，把医生的时间省出来。一般一个住院医在写一个出院小结病历15分钟左右，我们生成可以把他这15分钟减了。每天住院医处理10个病人，半小时乘十就是300分钟，就省了。把特这个时间拿出来给谁呢？他可以多去管理他的患者，我觉得这本身就是价值。
记者：之前跟刘老师聊他也说过，大模型最终不是取代人，它是帮助人，让80%不太行的人具备20%比较厉害的人的水平，可能现在来说腰部和基层医院的这些应用下面并不是很好。咱们工作中未来帮助腰部医院和基层的医疗机构，去提升他们医护人员的水平，这方面有没有什么布局，还是已经有应用的产品呢？
张霞博士：对，我们有基层的智能医生助理的产品，具体的案例挺多，但给我印象比较深的是南京的雨花区，这是一个比较特殊的地方，好像是新区，那个区基层医院特别多，而且基层医院规模也非常大，但是基层医院实际上医生的能力比大三甲肯定有差别，所以它大量用我们全科的智能医生助理去做辅助的诊疗，现在应用非常好。
您说得非常对，这个对于三甲以下还有基层的医院，这个临床辅助决策价值更大。因为我们还有一个案例我们跟深圳华南医院合作，它是面向基层医院，辅助基层医生问诊，因为我们跟他们交流以后发现很多基层医生都不知道怎么跟患者去做咨询，问诊他不知道。比如我发烧了，下一个问啥他都不知道，我们又做了一个辅助问诊的工具辅助他。
记者：我想问一个关于医院的数据安全问题，我们这块怎么保证数据安全？第二个，您说在数据共享上面现在能实现跨院共享，还是会受到监管？我不太清楚，会受到国家监管，就说最终数据在我们数据库里了，医院之间不能实现互相共享？
张霞博士：现在是这样，在医院的数据安全，我们今天只是秀了一下，但没有具体讲。我们现在做这种分析服务我们提供的平台是可以保证数据不出院，如果对一个医院来讲，全部的数据都在它的内部，假设我们做影像多模态分析首先要做标注，过去的方法有开源可以做标注，尽管不是特别好，但也能用，但需要把影像数据下载到你的电脑上，标注完了再传给你，根本谈不到任何的隐私安全，数据满天飞。
我们提供的工具是云原生，就可以部署在医院的数据中心，它的所有数据都不离院，这个是首先要基本保证。然后训练完模型跟数据无关，所以数据肯定是在医院里面，在医院内部有一系列的安全保护，因为医院都有等保，都有保护的措施，这是单个医院的情况。
然后做城市级的就是省市级的医学数据空间，它也要求把数据全部汇集，在汇集前是脱敏，但脱敏也不完全，在有些场景下，比如我在建实体数据空间的时候要对齐，所以我肯定知道是谁，在空间内是不脱敏，但一旦出来以后一定是脱敏的，现在我们也有跟一些专家团队在合作，因为有些case，比如我们之前跟个广医一搞呼吸有一个项目，当时也是一个国家项目，这个项目里面东西南北有很多医院在里面参与，但是其中有一家医院数据就到最后项目结束都没拿出来，因为从Policy上那个医院的数据就是不能出院，现在这个很严格。所以我们做了数据沙箱，实际上搞的是联邦学习，你的数据还在你这儿，我用你的数据做训练，然后把这整个合成，但这个是在做研究的阶段是这样在做。
记者：回到医疗智能体上，将来会有很多的专业。实际上人体都是很复杂，很多的都是综合性的内容。将来关于垂直的智能体上怎么打通呢？这方面也需要做哪些工作呢？
张霞博士：我们现在实际上正在研究这个事，比如说一个PI，现在拿影像为例，现在每一个影像的AI无论叫AI应用还是智能体，它就看一种病。我们现在正在研究的是我这个AI可以把你胸片所有的病全给分析出来，就是正在做这个事，这个现在也有一些最新的技术可以支持做这个工作了。
过去比如说肺栓塞，我给你检出来了，但是我只告诉你这个人有肺栓塞的，但是你治疗的时候它在哪儿，它堵了哪一段，不知道，这个不但把你的算子计算出来，还得精准定位。
再有就是人可能拍一个胸片，它有好多种病，过去得需要把这个片送到这个模型里分析一下，把这个片送到那个模型里面再分析一下，现在可以一个模型全分析出来，这个都是我们正在研究。实际上过去这个技术在不是特别准备好的时候，医疗领域就在大量应用人工智能技术，那么现在技术不断快速迭代进步，应用机会越来越多，而且效果会越来越好。
记者：在AI时代，数据价值化有没有抓手？您刚才也说了投入大产出小。是不是它是分行业，比如医疗行业我们搭下来了这个专病库作为行业的抓手，还是像智能体和数据空间可以作为更广泛的抓手？
张霞博士：我觉得哪个行业都有抓手，你只要发现它的价值就能找到它的抓手，只是最近这段时间我在医疗行业深耕，所以我举的都是医疗行业的例子，其他行业也都是一样，因为本身数据里面有大量的知识，有大量的规律，一旦你发现了，实际上都会给这个Business带来很大的收益，那有收益当然就有价值，那只是你怎么兑现这个价值，你怎么找到兑现价值的方式而已，这个是不同的。
医疗至少在当前这个阶段我们通过科研，把这些数据变成它未来的疗法，能够提高它的诊疗效率和同质化，这个本身就是价值。我觉得吉校长推的脑卒中强基层的理念非常有价值，这个也是靠IT才能帮他实现这个理念。我觉得这个价值是非常非常明显。
记者：我还想问一个小问题，因为其实我们3月就发了添翼的算力解决方案，但是在那个大框架下面包含了非常多的应用和助手，您提到了很多的案例，我想问一下，现在咱们在跟这些医疗机构做部署的时候，他们在这么多的内容当中，他们现在最关心的场景或者最想先部署的内容是什么呢？
张霞博士：首先不同的医院不太一样，因为有的医院现在提升客户体验，它的用户来提升用户的客户体验，可能他就愿意部署预问诊、陪诊和随访的应用。
有的医院核心系统需要升级，在核心系统升级过程当中，它一定要CDSS所有的应用。因为整个电子病历的能力水平涉及，涉及我们辅助医生做诊疗的，比如辅助诊断、病历生成，因为病历生成有很多的环节，你在门诊的病历、住院病历等各个环节，包括医生查房过程中大量的病历需要生成，这个环节它也会上，这是跟医院不同的诉求有关。
像我们今年有一个客户要做患者的全程管理，做患者的全程管理实际上设计随访，在它的随访做智能随访，自动的患者纳排纳入，这块它也需要，它就会上这个应用，这个跟每个医院在这个阶段关心的问题有关，如果特别关心患者体验的提升就会上患者服务的应用；如果特别关心它的医疗质量医疗安全就会上辅助医生的这一套；实际上这不一样。
记者：那我们有没有针对现在医院的不同阶段的情况去做一些分析呢？
张霞博士：有，今天上午李东在讲的时候，我们现在都是咨询先行，在给客户提方案的时候我们是先帮他们现在的痛点、堵点、难点先梳理清楚，然后再推荐方案。
我们对不同类型的医院都有一套菜谱，这类客户先推哪个，那类客户先推哪个。比如盛京医院上午邵主任讲到了，十五年没有升级，当然跟他们过去策略有关，这回想升级我们就没有直接推荐他升级，而是推荐他先做全量数据中心，先把他的数据都抽出来，这样比较安全。
在抽这个数据过程当中再把他的业务流程再重新梳理一遍，明年再给它升级新业务系统。今天发布的添翼智慧医院解决方案跟3月份发的添翼智能化解决方案不一样，3月份发的全是智能化部分，今天发的是我们新一代的系统，但是新一代的系统是一体化了，智能化也在里面，系统也在里面。
今天他没太讲，我们新一代系统的架构跟传统的架构不一样，过去传统的架构是流程驱动，医生看病的时候他的界面是他的处理流程，我们这个架构是事件驱动，医生该看什么，我们把它弹到医生的桌面，然后你去点，整个架构有了特别大的变化，因为今天只给他十分钟，他就没讲那么多。
这个过程当中给医生所谓极致的体验，过去医生看诊，因为医院的业务逻辑还是挺麻烦，点一下等半天，后面算半天才出来。现在在中南医院的情况比原来的HES系统开太多了，点一下立即出来，这是架构上整个的改变。今天因为时间短，要讲的内容太多了，就没真正讲这块。