匹茨堡大学医学中心创新部门（UPMC Enterprises）与企鹅人工智能公司（Penguin Ai）近日宣布建立战略数据合作伙伴关系。企鹅人工智能专注于通过智能体AI平台优化医疗编码、理赔和计费等流程的效率，此次合作旨在共同开发并加速新型医疗专用AI模型的演进。
通过此次协作，企鹅人工智能将接入匹茨堡大学医学中心创新部门的Ahavi数据平台。该平台提供安全、去标识化且定制化的测试环境，用于验证新型AI模型以应对医疗工作流程、运营及患者结局中的关键挑战。在Ahavi平台上，企鹅人工智能将创建并测试至少三个医疗系统，旨在强化医患关系并促进及时获得医疗服务。
我们采访了匹茨堡大学医学中心创新部门数据分析与信息学总监德普安·卡马拉吉博士（Dr. Deepan Kamaraj），他就此类AI模型的研发工作及合作细节进行了深入解读。
问：是什么挑战促使双方开展合作？
答： 在医疗领域，推进AI创新的最大挑战之一是负责任地测试和验证新模型所需的时间。许多AI开发者在获取可用数据前往往需要等待数月甚至数年。复杂的治理流程、隐私顾虑和技术孤岛常常阻碍进展，即使算法优秀的团队也难以避免。结果是大量有前景的模型因无法在真实环境中快速测试而停滞于临床验证阶段。创新受阻并非源于人才或技术匮乏，而是无法及时获取可信数据。
匹茨堡大学医学中心等医疗机构深知AI在减轻临床工作负担、增强决策能力及改善患者结局方面的巨大潜力。但实现这一潜力需要更高水平的敏捷性——开发者需要安全、高质量的数据管道，使模型开发与验证周期从数年缩短至数周。同时，患者隐私和机构完整性必须得到绝对保障。挑战的核心不仅是数据获取，更在于加速负责任的数据访问，同时维护伦理与操作规范。
Ahavi平台正是为解决此问题而构建。凭借其强大的基础设施与治理体系，Ahavi使创新者能在2-4周内获取涵盖数月甚至数年患者诊疗历程的纵向数据集。这极大缩短了从概念到验证的时间，让企鹅人工智能等公司能近乎实时地迭代测试AI模型并确保合规。通过融合速度、安全与科学严谨性，Ahavi重构了创新周期：原本需数月协商与数据处理的工作如今可在数周内负责任地完成，推动整个行业更接近可操作、可信赖的医疗AI应用。
问：请描述Ahavi数据平台及其运作机制。
答： Ahavi是匹茨堡大学医学中心创新部门打造的安全真实世界数据与分析平台，旨在规模化支持研究、AI模型开发及临床创新。它将匹茨堡大学医学中心生态系统中的纵向去标识化患者数据聚合至单一安全环境中，符合最高标准的数据治理与隐私保护要求。每条记录均经过严格去标识化处理，在确保合规的同时保留分析价值。
Ahavi的独特之处在于其设计理念。它远非普通数据仓库，而是赋能型平台，允许创新者在合规的沙盒环境中探索、测试和验证创意。研究人员和开发者可直接在Ahavi的受控环境中运行高级分析和机器学习流程，实现"代码靠近数据"而非相反的模式。这种"安全计算"机制确保创新在负责任的前提下推进，同时维护患者隐私与机构信任。
Ahavi架构还支持可扩展协作。无论企鹅人工智能等初创公司还是大型制药企业，平台均提供统一基础：安全接入标准化真实世界数据集及衍生洞见的计算基础设施。本质上，Ahavi将组织使用真实世界数据的方式，从碎片化、合规负担重的流程转变为可扩展、合乎伦理的创新管道。
问：请说明此次合作目标及双方期望达成的成果。
答： 匹茨堡大学医学中心创新部门与企鹅人工智能的合作基于共同愿景：负责任地大幅加速AI概念到临床验证的进程。企鹅人工智能正优化现有模型或开发新AI系统，包括"患者360视图"（提供患者病历快照）和"增强型预先授权"系统，旨在帮助临床医生加快运营决策并减少行政负担。这些系统依赖大规模、具代表性的真实世界数据集进行算法训练与测试。
传统上，获取此类数据需数月乃至数年，团队需历经复杂的治理审查、隐私检查和多系统集成。这种延迟会阻碍创新并限制快速迭代能力。Ahavi改变了这一局面：作为数据访问加速层，它使企鹅人工智能等创新者能在2-4周内安全获取去标识化的纵向患者数据集，且无需接触实时临床系统。
这一压缩的时间线使开发者能以现代创新速度从假设推进至验证。以往需冗长数据共享谈判和定制化ETL（提取、转换、加载）流程的工作，如今可在Ahavi受控的去标识化环境中安全完成。结果是模型开发生命周期的优化，在保障隐私的同时释放速度与可扩展性。
匹茨堡大学医学中心创新部门与企鹅人工智能正共同示范医疗AI中负责任加速的实践路径。通过结合Ahavi快速提供合规真实世界数据的能力与企鹅人工智能的临床技术专长，该合作为未来协作创建了可复制的蓝图。目标不仅是更快构建更优AI，更在于重新定义负责任的创新方式，证明治理与敏捷性可以共存。借此，Ahavi定位为推动整个医疗生态系统更快、更安全、更透明AI开发的关键基础设施。
问：最终，这些进展如何通过AI变革医疗？预期成果是什么？
答： 企鹅人工智能的使命是通过尖端AI系统削减医疗行政低效导致的每年万亿美元成本，优化医疗运营、降低成本，并为患者和提供者创造更佳结局。Ahavi通过作为数据访问加速层，将传统AI开发周期从数月或数年压缩至数周，从而放大这一使命。凭借提供受控的去标识化纵向数据集，Ahavi使企鹅人工智能能在单一开发周期内从基础模型推进至验证模型，同时不牺牲合规性或临床保真度。
这种快速、安全、反复迭代的能力，对创新常受数据访问速度制约的行业具有变革意义。"洞察时效"窗口的缩短改变了AI开发的节奏：企鹅人工智能的数据科学家无需等待数月获取整理好的数据集，即可在Ahavi安全环境中持续测试优化算法，从反映真实复杂性的纵向患者历程中学习。
这种敏捷性使其能构建新AI模型并精炼现有小型语言模型，从而产出更新或改进的AI系统。这些新智能体基于鲜活、具代表性的数据开发，确保企鹅人工智能的每个新模型与真实临床现实同步演进。结果是准确、可解释且及时适应医疗持续变化的AI模型。
从更广视角看，此次合作标志着负责任AI加速的新开发框架。Ahavi赋予创新者实现有意义进展所需的速度，同时保留医疗行业要求的治理规范。对企鹅人工智能及后续参与者而言，这意味着开发、验证和部署可信AI的周期将从数年缩短至数周，使AI赋能的公平高效医疗从遥远目标变为近期现实。
【全文结束】
