一个行业共识正在加速形成：中国医疗数据的“信息孤岛”困局，已经到了非破不可的时候。
2026年全国两会期间，全国政协委员吴德沛指出，医疗健康数据长期分散在卫生健康、医保、药监、疾控等不同主体中，“导致数据重复建设、标准割裂、资源闲置并存”。委员霍勇更具体地建议，加快构建国民医疗健康高质量数据集，打破模型和数据孤岛。
两位委员的呼吁和行业共识，恰与杭州古珀医疗科技有限公司十年来聚焦解决的核心问题完全重合。
十年过去，这家公司交出的答卷是：治理覆盖超1.6亿人口的完整健康数据，累计对接超过250余家厂商的近千套医疗信息系统，沉淀8300多条数据质控规则；是国家卫健委首批健康信息团标参与单位、国家数据局高质量数据集先行先试参与者、海南三医协同可信数据空间的共建单位。
古珀科技董事长张强在接受动脉网专访时说：“医疗数字化的本质不是技术堆砌，而是数据价值的释放。古珀十年深耕，只做一件事：把分散、异构、质量不一的医疗数据治理成可用、可信、可合规流通的数据资产，让AI有料可学、让医疗有数可用。”
01
所有人追AI，他们选择“造地基”
2016年，古珀成立。那一年，移动医疗创业如火如荼，互联网医院、在线问诊、AI影像识别是资本追逐的热点。古珀却选择了一条截然不同的路径——医疗底层数据治理。
“当时我们有一个非常朴素但到今天依然成立的基本判断——医疗行业数字化最大的瓶颈，不是模型不够好、算法不够聪明，是数据根本出不来。”张强说。
这个判断并不复杂：一家三甲医院跑几十上百套信息系统，HIS、LIS、PACS、EMR，来自几十家不同厂商，彼此数据标准不统一。医生要看一个患者的完整病历，经常要登录好几个系统。
“这种‘信息孤岛’的状态不打破，上层再好的AI应用都是空中楼阁。所以我们从一开始就定了一个方向：先埋头把数据底座搭好，把脏活累活干了，让数据先‘活’起来。”
这也决定了古珀早期的蛰伏路线。没有爆款C端产品吸引市场目光，常年扎根各地卫健、医院做数据治理落地，埋头打磨适配各类老旧医疗系统的技术能力，外界很少听见古珀的声音，直到萧山“健康大脑”模式走红，行业才注意到这家藏在底层的服务商。
02
非接口分布式治理：数据不离院、反向做质控
行业主流的做法是接口模式——逐一对接不同厂商，协调开放接口文档，改造原系统表结构。一家医院几十个系统谈下来，大半年过去了，光接口费用几十上百万。一旦原厂商系统升级，接口随时可能断连。
一家医院如此，一个地区、一个省的数据要全量实时贯通，传统模式的成本呈指数级上升。这种复杂度下，传统接口模式存在成本高、周期长、稳定性受限等诸多痛点。
古珀的破局点在于自研的XTL-CDC非接口数据同构技术。这套技术框架的核心思路是“去耦合化”和“无感采集”，可拆解为三个层次：
第一层：无感数据采集。不依赖第三方厂商，不改造医院原有业务系统，通过数据库日志解析技术自动抓取多源异构数据。一家三甲医院的全量数据治理周期从行业平均的6个月以上压缩至15天。
第二层：数据标准化流水线。古珀在十年实战中沉淀了8300多条质控规则，覆盖字段映射、值域校验、逻辑纠错、主数据管理等环节。这条“流水线”实时运转，将各系统抓取来的“方言”数据统一翻译为“普通话”，完成清洗、标准化、质控全流程处理。
第三层：边缘计算与安全合规。古珀坚持“数据不离院”——原始数据保存在医院本地，仅脱敏、加工后的标准化指标按需流通。这种架构设计从源头规避了数据集中归集带来的合规风险，也从根本上消解了医院对数据共享的抵触心理。
此外，这套框架还有一个独特能力——“反向数据治理”。传统数据治理往往是“黑盒”操作，医院只知道数据出了问题，却不知道问题出在哪。古珀的系统能够精确定位异常数据出自哪个科室、哪条病历，生成详细质控报告。医院据此有的放矢地整改，数据质量持续提升。
这套方法论在实战中反复锤炼。十年下来，古珀累计适配全国250余家厂商的近千套医疗系统。这类在一线实战中积累的工程化能力，无法靠资本投入快速复刻，构成了古珀最扎实的技术护城河。
03
从萧山到海南，一套数据底座如何跑通省域级医疗治理
如果说XTL技术是古珀的“地基”，那么“萧山健康大脑”就是在这块地基上建起的第一栋楼。
2021年起，古珀助力萧山打通了全区医疗数据全量实时共享，开创了分级诊疗和智慧医疗并驾齐驱的数字化医共体“萧山路径”。7家区级医院、25家卫生服务中心、347家卫生服务站数据全部贯通，184万建档人口的健康数据实时可查。
数据贯通之后，价值开始显现。针对基层慢病管理，古珀落实了“慢病配药不出村、健康监测不出村、常规检验不出村、住院办理不出村、康复护理不出村”五个不出村。成效清晰可量：基层就诊率提升10.7%，两慢病药品目录扩了573%，人均医疗开支减少120元。
针对分级诊疗，服务萧山区各医共体建设了15个专慢病中心，累计筛查超85万人群，疾病早发现能力提升20倍。针对医防融合，传染病多点监测预警系统覆盖10类症状及50多种传染病。
但萧山只是起点。真正考验古珀工程化能力的，是海南省全省医疗数据质量提升工程。
100天攻坚，要对全省160家二级以上医疗机构，3055家基层卫生院，3675家民营诊所的数据进行全面提质治理——采集147个数据库、12057张数据表、46万个元数据，数据总量648.15亿条、存储量80.57TB，每日新增数据约2800万条。
“这意味着单体医院的数据治理要以小时计，非常考验我们的产品技术和工程能力，倒逼我们练出了一支‘特种兵’队伍，也沉淀了一套应急响应SOP。”张强说。最终，海南项目实现了“全量、实时、个案”的数据治理目标。
从萧山到海南，从浙江到重庆、四川、河南，古珀的业务版图正在不断扩大。
这套模式为何能复制？张强的回答很直接：“本质不是依赖某个地区的特殊政策，而是一套技术方法论加产品体系。哪个省、哪个市都有多家医院、多个信息系统、多套数据标准，我们就是解决这个共性问题的。”
这也意味着，同一套底层能力，可以长出不同的应用形态。
在信息化基础相对完善的区域，居民健康管理需求更加多元，古珀重点围绕慢病全周期管理、专病服务及AI辅助应用，推动医疗服务从“治病”延伸到“健康管理”。
而在基层医疗资源相对薄弱区域，团队则将重点放在疾病早筛、风险预警、医防协同等基础能力建设上，通过统一的数据底座，把有限的医疗资源配置到最需要的人群。
04
AI时代，数据底座的价值正在兑现
数据贯通之后，还能创造什么价值？这是古珀在完成数据基础设施建设后，开始思考的新命题。
在张强看来，医疗AI下半场的核心逻辑很清晰：算力是基础，模型是工具，智能体是载体，数据才是核心生产力。对此，他有三点判断：
判断一：基础算法层正在快速商品化。过去两年，开源大模型的性能突飞猛进，通用基座能力在快速收敛。单纯堆叠参数的竞赛已进入边际收益递减阶段。在医疗垂直领域，真正的差距在于谁能给算法喂入质量最高、维度最全、更新最及时的真实世界临床数据。
判断二：脱离场景的通用智能体在严肃医疗中缺乏可行性。医疗是高监管、高专业壁垒的行业。医生不需要一个“聊天机器人”。通用智能体如果不能在具体的业务流程中解决问题——比如自动识别高风险患者、生成符合医保规则的随访计划——就无法产生真实的业务价值。
判断三：“场景服务”是撬动数据飞轮的支点。“数据→模型→智能体”这个三层飞轮，其启动和加速的动能来自嵌入具体场景的AI服务。只有当AI服务真正被医生和患者用起来，产生新的高质量行为数据和结果数据，这些数据回流到底座，才能让下一个版本的模型更精准。
基于这样的判断，古珀决定利用数据底座优势，聚焦于两个高度场景化的AI服务方向：
一是面向医生的“伴行者”AI，已覆盖30余种慢病管理场景，深度嵌入基层医生工作站。与传统CDSS不同，由于底座拥有患者的完整健康档案，AI能自动识别高风险患者、生成个性化随访计划、实时提醒异常指标。
二是面向居民的“小古健康”智能体，以常见慢病为切入点，提供居民及家庭成员个性化的健康管理服务。当智能体能调阅个体完整的历年诊疗历程而非孤立的单次检查报告时，才真正实现了从一次性治病问诊到持续健康管理的转变。
古珀对自己的定位也由此升级——不止于一家数据治理企业，而是成为医疗AI时代的数据智能基础设施服务商。
随着2026年医疗数据合规流通、数据要素市场化配置等政策持续推进，古珀也迎来了新的发展窗口——在持续拓展省域级数据版图的同时，一方面为药企、商保、科研机构及AI企业提供开放、合规、安全的数据服务；一方面将成熟的B2C慢病管理智能体复制至更多城市，覆盖更多个人及家庭用户。
“先做通、再做深、再做活。”张强这样形容古珀的十年路径。如今回头看，通、深、活都走通了——那些发生在萧山、海南、重庆的真实变化，正在验证一个判断：数据底座通了，上层应用才能真正落地。
打通孤岛从来不是技术问题，是战略决心问题。
文｜陈茂雨
微信｜Chenraining_forever
添加时请注明:姓名-公司-职位
声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。
点喜欢
热门跟贴