中山大学肿瘤防治中心&华为 “一院多区融合医疗AI数据湖”创新实践

中山大学肿瘤防治中心(以下简称中山肿瘤)联合华为打造的“一院多区高质量协同发展的融合医疗AI数据湖建设方案”，以其创新示范作用的应用效果被工业和信息化部、中国信息通信研究院联合主办的2025中国算力大会上评为“创新先锋”案例。

核心技术：

分布式存储结合统一数据空间打通数据孤岛

中山肿瘤三个院区年增数据约10PB，影像、病理、基因等多模态数据分散存放，跨区调阅依赖人工，形成“调不到、调得慢”的瓶颈。院方构建统一数据湖，以全闪分布式存储结合统一数据空间为底座，打通数据孤岛，支撑后续大数据与AI双中台运行。

采用分布式全闪架构，充分发挥闪存低延迟、高IOPS和高吞吐的优势，满足医疗数据高并发访问与分析需求。同时，闪存介质能耗较传统硬盘降低70%，助力建设绿色数据中心。

通过高密硬件与智能压缩算法，对PACS影像、病理切片等数据实施场景压缩，在保障影像质量的前提下显著提升存储效率。

采用跨院区数据共享和流动方案，构建全局可视资源池，汇总三院区数据，实现“数据不出域、可用不可见”的统一访问，满足合规要求。

图 1中山大学肿瘤防治中心AI数据胡存储示意图

应用场景：

跨区域医疗资源协同调度与智能诊疗

跨院区影像即时调阅：患者在一院区检查，他院医生可直接调阅原始影像。

AI影像辅助诊断：每日处理5.6万张新增影像，基于全量数据日更训练，自动识别病灶。

罕见病例相似性检索：对于发生率为0.01%的病理切片，平台可在74.8亿条历史记录中秒级返回相似病例，并给出对应治疗方案与随访结果。

病理-基因-影像联合建模；融合医疗AI数据湖把患者的三种检测文档自动对齐，形成多模态样本，支撑跨组学AI模型训练。

应用效果：

多点提升医疗资源利用效率

融合医疗AI数据湖投用后，影像跨院调阅从40分钟压缩到3分钟，AI辅诊让单例阅片时间缩短35%，诊疗流程加速使平均住院天数由3.2天降至1.1天。

未来，院方将在融合医疗AI数据湖基础上扩展实时联邦学习、区域医疗协同等场景，并持续验证全闪分布式存储在基因测序等高带宽业务中的稳定性。