2017年，当大多数医疗机构还在讨论电子病历的便利性时，NYU Langone Health的首席数字与信息官Nader Mherabi已经看到了更远的地方。他意识到，AI的潜力不在于模型本身，而在于支撑模型的东西——数据质量。

Mherabi有个反复提及的比喻：想要干净的水，先修水管，别指望在最后过滤。这句话成了NYU Langone数据战略的核心。八年过去，这个策略正在产生实际效果：急诊室的实时临床决策支持系统已经在阻止误诊发生。

打开网易新闻 查看精彩图片

NYU Langone的路径确实与众不同。他们并非从零开始——这个学术医疗系统原本就有统一的数据湖和企业级数据仓库。但"有数据"和"能用数据"是两回事。Mherabi团队发现，传统架构能跑报表，却跑不了7×24小时的安全可靠的AI模型。于是他们迁移到了Databricks平台，最近刚退役了本地数据湖，正在迁移企业数据仓库。

结果是一套横跨临床、运营、研究的广泛用户生态：医生、分析师、科学家、企业员工都在同一平台上工作。这不是技术升级，是组织能力的重构。

医疗行业可能是AI最大的受益者之一——数据量巨大，潜在价值巨大，但"生成数据"和"用数据改善诊疗、加速研究、提升运营效率"之间的鸿沟同样巨大。NYU Langone的答案是：先填鸿沟，再谈模型。工具和模型永远在变，但围绕统一数据构建价值创造能力的组织，才能真正获益。