10月25 - 26日，2025 年广东省医学会医学信息学学术年会暨首届 “南方数智医疗健康大会”在广州开幕。会议围绕人工智能、数字孪生、大模型等新一代信息技术在医疗健康领域的前沿交叉研究应用与高质量发展开展。

和宇健康在大会主论坛带来“医疗智能化新路径：边缘计算赋能智慧医疗”主题演讲分享，深度解析在AI大时代下，本AI边缘计算如何破解医疗数字化进程中的痛点，为智慧医疗发展注入新动力。

传统计算遇瓶颈，本地AI边缘计算成新选择

传统医疗计算模式存在显著短板，具体体现在两大核心场景中。在云服务器应用方面，其不仅存在数据隐私泄露的隐患，还因高度依赖网络导致实时响应能力较弱，加之集中式存储架构易成为攻击目标，安全性堪忧；更关键的是，云端数据往返产生的延迟，会直接影响急救等对时效要求极高的场景，在偏远地区或移动环境下，服务稳定性更是难以保障。而在本地中心服务器应用上，问题则集中在成本层面——一次性建设造价高昂，若要满足全院医疗AI应用与科研的需求，前期投入堪称巨额，后续每年的维护、电费等运营成本也同样惊人。

在此背景下，本地AI边缘计算作为中心化模式的补充，凭借端侧智能的优势逐渐凸显。它契合算法模型轻量化部署的趋势，能够实现多模态数据实时处理与生命体征流式分析，还可覆盖社区家庭医疗等长尾场景，为医疗智能化提供了全新方向。

轻量化边缘AI架构：小身材有大能量

和宇健康打造的本地轻量化医疗边缘AI计算架构，在硬件、运行架构与算法层均有适配医疗场景的设计：

•            硬件层：采用定制化系统与异构计算架构，通过CPU与GPU协同加速AI推理，保障大模型运行需求，同时兼顾低功耗设计，降低运营成本。

•            运行架构：实现数据就近处理，减少传输延迟与带宽压力；敏感数据不出设备或本地节点，强化隐私保护；内建算力支持断网环境下的基础AI推理，保障服务不中断；多接口设计可接入多种医疗传感器，丰富数据来源。

•            算法层：通过模型剪枝与量化压缩模型体积，根据场景需求选择合适参数的模型，还能依据设备算力动态调整模型复杂度，平衡性能与资源消耗。

此外，该架构可整合医院内网、传感器、用户导入等多源数据，形成用户全生命周期医疗数据副本，为AI分析提供全面支撑。

多场景落地，赋能医疗服务

本地轻量化医疗边缘AI计算可实现在多个医疗场景实用化落地：

•            智能病房：基于相关技术实现快速跌倒预警，本地完成心电图异常分析，用药提醒系统在离线状态下仍可正常执行定时提醒，全方位守护患者安全。

•            医疗AI助手（Ai-MediX）：结合边缘计算能力，支持边缘端眼底筛查、超声设备实时胎心监测与异常标记，还能连接家庭医疗设备自动生成健康趋势报告，助力基层医疗与慢病管理。

•            应急救援：救护车搭载边缘计算节点后，可在转运途中完成医疗影像预处理，患者到院后数据能快速与医院系统交互，节省诊断准备时间，同时支持预警可穿戴设备与离线病历相关功能，提升救援效率。

直面挑战，展望未来

本地轻量化医疗边缘AI计算在医疗领域的落地进程中，仍需应对技术与合规两大核心挑战。在技术层面，首要任务是实现算力、功耗与续航三者的动态平衡，同时还需着力提升模型对不同医疗机构数据特征的适配能力，以满足医疗场景对系统可靠性的严苛要求；而在合规层面，突出问题集中在边缘AI医疗器械审批标准与认证体系的缺失，此外，相关的责任认定与过错追溯机制尚未完善，这些都成为了其落地的重要阻碍。

面对这些挑战，未来和宇健康将重点推进相关产品与本地AI边缘计算的融合升级，通过构建云协同架构来智能分配计算任务，加速产品在生产端的落地进程。这一系列举措不仅能为智慧医疗发展夯实支撑，更将以持续的技术创新推动医疗智能化进程，助力医疗健康行业实现数字化转型。