人工智能赋能疾病预防控制标准化建设现状及建议

doi:10.12114/j.issn.1007-9572.2026.0094

中国全科医学 ›› 2026, Vol. 29 ›› Issue (29): 4193-4199.DOI: 10.12114/j.issn.1007-9572.2026.0094

• 述评 • 下一篇

人工智能赋能疾病预防控制标准化建设现状及建议

陈澄¹, 陈开元²^,³, 孙乃玲⁴, 曾华堂¹^,⁵, 雷苏文⁴^,^*(), 梁万年²^,⁵^,⁶^,^*()

1．518028　广东省深圳市卫生健康发展研究和数据管理中心
2．100084　北京市，清华大学万科公共卫生与健康学院
3．100190　北京市，中国科学院自动化研究所
4．102206　北京市，中国疾病预防控制中心卫生标准处
5．100084　北京市，清华大学生物医学工程学院
6．518055　广东省深圳市，南方科技大学全科医学院

收稿日期:2026-04-26 修回日期:2026-07-10 出版日期:2026-10-15 发布日期:2026-09-02
通讯作者: 雷苏文, 梁万年
作者贡献：
陈澄提出主要研究目标，负责研究的构思与设计，研究的实施，撰写论文；陈开元、孙乃玲、曾华堂进行论文的修订；雷苏文、梁万年负责文章的质量控制与审查，对文章整体负责，监督管理。
基金资助:
清华大学文科建设"双高"计划项目(2024TSG06402); 生成式人工智能赋能卫生健康的标准体系构建和政策策略研究项目（中国疾病预防控制中心资助项目）

Status and Suggestions on Standardization Construction of Artificial Intelligence-enabled Disease Prevention and Control

CHEN Cheng¹, CHEN Kaiyuan²^,³, SUN Nailing⁴, ZENG Huatang¹^,⁵, LEI Suwen⁴^,^*(), LIANG Wannian²^,⁵^,⁶^,^*()

1. Shenzhen Health Development Research and Data Management Center, Shenzhen 518028, China
2. Vanke School of Public Health, Tsinghua University, Beijing 100084, China
3. Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China
4. Division of Health Standards, Chinese Center for Disease Control and Prevention, Beijing 102206, China
5. School of Biomedical Engineering, Tsinghua University, Beijing 100084, China
6. College of General Practice, Southern University of Science and Technology, Shenzhen 518055, China

Received:2026-04-26 Revised:2026-07-10 Published:2026-10-15 Online:2026-09-02
Contact: LEI Suwen, LIANG Wannian

摘要/Abstract

摘要： 本研究旨在分析我国人工智能赋能疾病预防控制标准化建设的现状与问题，为推动人工智能与疾病预防控制深度融合、规范该领域标准化建设提供科学支撑。通过梳理我国人工智能赋能疾病预防控制标准化组织与标准供给现状，从标准层级、产业链、业务环节、融合技术内容4个维度对334项标准进行系统分析，发现存在组织体系割裂、跨领域协同不足、融合型标准短缺等问题。基于上述问题，从建立跨领域标准化技术委员会常态化协同机制、构建融合型标准体系框架、补齐关键领域标准短板、强化复合型人才队伍建设4个方面提出发展建议，以期为我国人工智能赋能疾病预防控制标准化工作提供理论参考与实践路径，助力疾控事业高质量发展。

关键词: 人工智能, 疾病预防与控制, 标准化, 标准体系

Abstract:

This study aims to analyze the current status and problems of standardization construction for AI-enabled disease prevention and control in China, to provide scientific support for the deep integration of artificial intelligence (AI) and disease prevention and control, and for regulating standardization construction in this field. By analyzing the current status of standardization organizations and standard supply for AI-enabled disease prevention and control in China, and systematically analyzing 334 standards from four dimensions including standard hierarchy, industry chain, business segments, and integrated technical content, we identify problems including fragmented organizational systems, insufficient cross-domain collaboration, and a shortage of integrated standards. In view of the above-mentioned problems, development suggestions are put forward from four perspectives: establishing a regular collaboration mechanism for cross-field standardization technical committees, constructing an integrated standard system framework, filling standard gaps in key areas, and strengthening interdisciplinary talent team building. This study aims to provide theoretical references and practical pathways for the standardization of AI-enabled disease prevention and control, and boost the high-quality development of the disease control sector.

Key words: Artificial intelligence, Disease prevention and control, Standardization, Standard system

陈澄,陈开元,孙乃玲,等. 人工智能赋能疾病预防控制标准化建设现状及建议[J]. 中国全科医学, 2026, 29(29): 4193-4199. DOI: 10.12114/j.issn.1007-9572.2026.0094.
CHEN Cheng,CHEN Kaiyuan,SUN Nailing, et al. Status and Suggestions on Standardization Construction of Artificial Intelligence-enabled Disease Prevention and Control[J]. Chinese General Practice, 2026, 29(29): 4193-4199. DOI: 10.12114/j.issn.1007-9572.2026.0094.

图/表 5

参考文献 34

[1]	国务院办公厅.国务院办公厅关于推动疾病预防控制事业高质量发展的指导意见[EB/OL]. (2023-12-26)[2026-04-07].
[2]	中共中央关于进一步全面深化改革　推进中国式现代化的决定[EB/OL]. [2026-04-07].
[3]	徐新，袁元. 疾病预防控制机构信息化建设现状与建议[J]. 办公自动化, 2023, 28(2): 6-8. DOI: 10.3969/j.issn.1007-001X.2023.02.002.
[4]	孙静轩，王莹，张玲, 等. 大数据及人工智能下疾病预防控制机构数字化到智能化转型研究[J]. 实验室检测, 2024, 2(5): 94-99.
[5]	赵自雄，马家奇. 数智化在传染病预防控制中的应用与进展[J]. 中国卫生信息管理杂志, 2024, 21(5): 635-640. DOI: 10.3969/j.issn.1672-5166.2024.05.01.
[6]	苏雪梅，王崴，赵自雄, 等. 数智化疾控建设现状、应用与挑战[J]. 医学信息学杂志, 2025, 46(5): 1-6, 12. DOI: 10.3969/j.issn.1673-6036.2025.05.001.
[7]	欧敬东，陈婉怡，邵红芳. 人工智能赋能慢性病防控的研究热点与发展趋势[J]. 护理研究, 2026, 40(10): 1679-1685. DOI: 10.12102/j.issn.1009-6493.2026.10.009.
[8]	人工智能赋能卫生健康服务专家共识制订专家组，梁万年，曾华堂. 人工智能赋能卫生健康服务——2025年红树林健康大会专家共识[J]. 中国全科医学, 2026, 29(7): 817-822, 829. DOI: 10.12114/j.issn.1007-9572.2025.0396.
[9]	李成媛，潘丽，王依, 等. 人工智能技术在重点寄生虫病监测预警中的应用与挑战[J]. 疾病监测, 2025, 40(10): 1327-1336. DOI: 10.3784/jbjc.202504290334.
[10]	刘民，梁万年. "医学+AI"赋能健康中国建设[J]. 人民论坛, 2026(4): 68-73.
[11]	Abd-alrazaq A, Alsaad R, Alhuwail D, et al. Large language models in medical education: opportunities, challenges, and future directions[J]. JMIR Med Educ, 2023, 9: e48291. DOI: 10.2196/48291.
[12]	Du H R，Zhao J N，Zhao Y, et al. Advancing real-time pandemic forecasting using large language models: a COVID-19 case study[PP/OL]. V1. arXiv (2024-04-10)[2026-04-07].
[13]	Yang R, Tan T F, Lu W, et al. Large language models in health care: Development, applications, and challenges[J]. Health Care Sci, 2023, 2(4): 255-263. DOI: 10.1002/hcs2.61.
[14]	Nutbeam D, Milat A J. Artificial intelligence and public health: prospects, hype and challenges[J]. Public Health Res Pract, 2025, 35: PU24001. DOI: 10.1071/PU24001.
[15]	Borham A, Kamal L T, Chun S. Artificial intelligence in epidemic watch: revolutionizing infectious diseases surveillance[J]. Front Digit Health, 2025, 7: 1692617. DOI: 10.3389/fdgth.2025.1692617.
[16]	de Angelis L, Baglivo F, Arzilli G, et al. ChatGPT and the rise of large language models: the new AI-driven infodemic threat in public health[J]. Front Public Health, 2023, 11: 1166120. DOI: 10.3389/fpubh.2023.1166120.
[17]	Jo E, Epstein D A, Jung H, et al. Understanding the benefits and challenges of deploying conversational AI leveraging large language models for public health intervention[C]//Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems. ACM, 2023: 1-16. DOI: 10.1145/3544548.3581503.
[18]	中共中央　国务院印发《国家标准化发展纲要》[EB/OL]. (2021-10-10)[2026-04-07].
[19]	GB/T 20000.1—2014标准化工作指南　第1部分:标准化和相关活动的通用术语[S].
[20]	中华人民共和国标准化法[EB/OL]. [2026-04-07].
[21]	全国专业标准化技术委员会管理办法[EB/OL]. [2026-04-07].
[22]	国家卫生健康委关于印发"十四五"卫生健康标准化工作规划的通知(国卫法规发〔2022〕2号)[J]. 中华人民共和国国家卫生健康委员会公报, 2022(1): 7-12.
[23]	工业和信息化部专业标准化技术委员会管理办法[EB/OL]. (2022-12-30)[2026-04-07].
[24]	王成中，谈在祥，刘逸天, 等. 我国卫生健康行业标准化建设的现状及对策研究[J]. 卫生软科学, 2024, 38(3): 40-43, 46. DOI: 10.3969/j.issn.1003-2800.2024.03.009.
[25]	魏鹏燕. 中国卫生标准体系及制度发展回顾[J]. 中国卫生标准管理, 2019, 10(14): 168.
[26]	第九届国家卫生健康标准委员会成立大会在京召开[EB/OL]. (2025-05-23)[2026-04-07].
[27]	国家发展改革委等部门关于印发《国家数据标准体系建设指南》的通知[EB/OL]. (2024-09-25)[2026-04-07].
[28]	工业和信息化部　中央网络安全和信息化委员会办公室　国家发展和改革委员会　国家标准化管理委员会关于印发国家人工智能产业综合标准化体系建设指南(2024版)的通知[EB/OL]. (2024-07-02)[2026-04-07].
[29]	国家标准化管理委员会　中央网信办　国家发展改革委　科技部　工业和信息化部关于印发《国家新一代人工智能标准体系建设指南》的通知[EB/OL]. (2020-07-27)[2026-04-07].
[30]	国家标准化管理委员会，国家发展和改革委员会，科学技术部，等. 关于印发《国家机器人标准体系建设指南》的通知[EB/OL]. (2017-05-22)[2026-04-07].
[31]	工信部发布《工业和信息化领域人工智能安全治理标准体系建设指南(2025版)》[J]. 自动化博览, 2026, 43(2): 2. DOI: 10.3969/j.issn.1003-0492.2026.02.004.
[32]	李希，刘珏. 《可信赖且可部署的医疗健康人工智能国际共识指南》FUTURE-AI解读[J]. 中华流行病学杂志, 2026, 47(2): 207-212. DOI: 10.3760/cma.j.cn112338-20250703-00458.
[33]	国家卫生健康委关于印发卫生健康标准管理办法的通知[EB/OL]. (2019-06-26)[2026-04-08].
[34]	GB/T 13016—2018标准体系构建原则和要求[S].

技术成熟度分布	人工智能领域标准数量	疾病预防控制领域标准数量	融合型标准数量	合计
基础层	6（6.59）	84（92.31）	1（1.10）	91（100.00）
框架层	3（100.00）	0	0	3（100.00）
模型层	5（100.00）	0	0	5（100.00）
应用层	2（1.03）	188（96.41）	5（2.56）	195（100.00）
运行保障	37（92.50）	2（5.00）	1（2.50）	40（100.00）

技术成熟度分布	人工智能领域标准数量	疾病预防控制领域标准数量	融合型标准数量	合计
基础层	6（6.59）	84（92.31）	1（1.10）	91（100.00）
框架层	3（100.00）	0	0	3（100.00）
模型层	5（100.00）	0	0	5（100.00）
应用层	2（1.03）	188（96.41）	5（2.56）	195（100.00）
运行保障	37（92.50）	2（5.00）	1（2.50）	40（100.00）

标准编号	标准名称	所属产业链层级	核心技术内容
GB/T 42420—2023	智慧城市基础设施突发公共卫生事件居住社区基础设施数据获取和报送规范	应用层	本文件规定了突发公共卫生事件居住社区基础设施数据获取和报送的基本要求、居住社区基础设施数据的内容和特征、数据获取和报送以及个人信息保护与数据安全的要求本文件适用于突发公共卫生事件下的居住社区基础设施数据的获取和报送
GB/T 42458—2023	智慧城市突发公共卫生事件数据有效利用评估指南	应用层	本文件确立了智慧城市场景下突发公共卫生事件数据有效利用的基本原则和评估框架，描述了评估要素并给出了其选择因素、适用对象与场景本文件适用于智慧城市场景下突发公共卫生事件预防、应急处置和事后恢复等工作中数据有效利用的规划、设计、实施、评价、审计、报告和持续改进
GB/T 42882—2023	城市和社区可持续发展智慧城市运行模型应对突发公共卫生事件的指南	应用层	本文件提供了城市和社区基于智慧城市运行模型应对突发公共卫生事件的应用框架、实施流程以及提供智慧成熟度等方面的指南本文件适用于利用智慧城市运行模型应对突发公共卫生事件的各类城市和社区
GB/T 43581—2023	智慧城市突发公共卫生事件应急管理平台通用要求	应用层	本文件确立了突发公共卫生事件应急管理平台的基本功能框架，包括数据、服务、接口、运维和安全等基本功能，规定了这些基本功能的通用要求本文件适用于指导突发公共卫生事件应急管理平台的设计、建设和运维
GB/Z 42759—2023	智慧城市人工智能技术应用场景分类指南	应用层	本文件描述了智慧城市领域人工智能技术应用场景的分类方法，给出了民生服务、城市治理、产业经济、生态宜居中的人工智能技术应用场景类别与描述本文件将智慧医疗按照患者、医务人员、医药科研人员、卫生健康管理部门进行了分类，涉及疾病预防控制领域包括疫苗研发、疫情防控、健康防治、医疗机构医疗卫生风险监测与管理。但仅给出场景框架性描述，并未给出具体功能要求，且缺乏传染病救治、实验室检测检验、行政执法、宣传教育等相关业务板块
YD/T 4897—2024	智慧医院专网融合组网架构与技术要求	基础层	本文件适用于电信网络运营商、医院网络建设者、设备制造商对5G网络与医院现有网络融合演进的智慧医院专网进行研发、建设、运营
YD/T 6285—2024	医疗健康大数据平台数据安全能力成熟度评估要求和方法	运行保障	本文件规定了医疗卫生机构、公共卫生机构、医疗信息化服务商、互联网医院、第三方医疗服务机构、健康管理服务提供商等医疗健康大数据运营单位/责任单位/所有者应具备的数据安全治理能力，包括安全规划、安全管理、数据全生命周期管理、基础安全和安全保障等方面本文件适用于第三方机构对相关单位的数据安全治理能力进行评估，并为各级医疗卫生机构选择处理医疗健康大数据的第三方机构提供参考

标准编号	标准名称	所属产业链层级	核心技术内容
GB/T 42420—2023	智慧城市基础设施突发公共卫生事件居住社区基础设施数据获取和报送规范	应用层	本文件规定了突发公共卫生事件居住社区基础设施数据获取和报送的基本要求、居住社区基础设施数据的内容和特征、数据获取和报送以及个人信息保护与数据安全的要求本文件适用于突发公共卫生事件下的居住社区基础设施数据的获取和报送
GB/T 42458—2023	智慧城市突发公共卫生事件数据有效利用评估指南	应用层	本文件确立了智慧城市场景下突发公共卫生事件数据有效利用的基本原则和评估框架，描述了评估要素并给出了其选择因素、适用对象与场景本文件适用于智慧城市场景下突发公共卫生事件预防、应急处置和事后恢复等工作中数据有效利用的规划、设计、实施、评价、审计、报告和持续改进
GB/T 42882—2023	城市和社区可持续发展智慧城市运行模型应对突发公共卫生事件的指南	应用层	本文件提供了城市和社区基于智慧城市运行模型应对突发公共卫生事件的应用框架、实施流程以及提供智慧成熟度等方面的指南本文件适用于利用智慧城市运行模型应对突发公共卫生事件的各类城市和社区
GB/T 43581—2023	智慧城市突发公共卫生事件应急管理平台通用要求	应用层	本文件确立了突发公共卫生事件应急管理平台的基本功能框架，包括数据、服务、接口、运维和安全等基本功能，规定了这些基本功能的通用要求本文件适用于指导突发公共卫生事件应急管理平台的设计、建设和运维
GB/Z 42759—2023	智慧城市人工智能技术应用场景分类指南	应用层	本文件描述了智慧城市领域人工智能技术应用场景的分类方法，给出了民生服务、城市治理、产业经济、生态宜居中的人工智能技术应用场景类别与描述本文件将智慧医疗按照患者、医务人员、医药科研人员、卫生健康管理部门进行了分类，涉及疾病预防控制领域包括疫苗研发、疫情防控、健康防治、医疗机构医疗卫生风险监测与管理。但仅给出场景框架性描述，并未给出具体功能要求，且缺乏传染病救治、实验室检测检验、行政执法、宣传教育等相关业务板块
YD/T 4897—2024	智慧医院专网融合组网架构与技术要求	基础层	本文件适用于电信网络运营商、医院网络建设者、设备制造商对5G网络与医院现有网络融合演进的智慧医院专网进行研发、建设、运营
YD/T 6285—2024	医疗健康大数据平台数据安全能力成熟度评估要求和方法	运行保障	本文件规定了医疗卫生机构、公共卫生机构、医疗信息化服务商、互联网医院、第三方医疗服务机构、健康管理服务提供商等医疗健康大数据运营单位/责任单位/所有者应具备的数据安全治理能力，包括安全规划、安全管理、数据全生命周期管理、基础安全和安全保障等方面本文件适用于第三方机构对相关单位的数据安全治理能力进行评估，并为各级医疗卫生机构选择处理医疗健康大数据的第三方机构提供参考

人工智能赋能疾病预防控制标准化建设现状及建议

Status and Suggestions on Standardization Construction of Artificial Intelligence-enabled Disease Prevention and Control

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 34

相关文章 15

编辑推荐

Metrics

留言

[1]	黄牧, 张道春, 阳维, 钟丽明, 袁文静, 贾子琪, 谭相良, 段小慧, 刘岘, 陈维翠. 基于融合三维U-Net与Transformer的深度学习网络对腹部CT图像中结直肠癌病灶的自动分割：一项多中心、多设备研究[J]. 中国全科医学, 2026, 29(29): 4281-4287.
[2]	陈毓婧, 王岩, 李光, 董本超, 杨培川, 马剑雄. 数字技术在亚洲地区老年人肌少症干预中应用的范围综述[J]. 中国全科医学, 2026, 29(29): 4200-4210.
[3]	东勇飞, 陈昭燕, 孙培元, 黄璜, 胡卓伦, 刘真岑, 陈海畅, 李学朝, 田韫菏, 李紫君, 刘雅丹, 雷馨逸, 张维, 严天明, 周聪俊, 吴凤仪, 李里诗洛, 张冠群, 闫琪, 吴梦瑶, 付瑞瑛, 林宇冰, 马修齐, 朱彩蓉, 张亚玮. 癌症一级预防核心知识知晓问卷的开发与验证：一项Delphi与网络应答驱动抽样研究[J]. 中国全科医学, 2026, 29(28): 4147-4156.
[4]	邓玮, 黄梦婷, 易胜利, 林杨, 许力丹, 任哲学, 朱秀琼, 李烨莎, 任梦鸽, 柯大智, 李桂琼, 吴志勤, 骆傲然, 何发培. AI赋能全科临床思维的培养与实施效果研究[J]. 中国全科医学, 2026, 29(28): 4078-4085.
[5]	解霄芸, 刘晨曦, 柳羽姝, 周艺涵. 中国基层医疗卫生机构人工智能研究实践及潜在数据贫困问题：一项范围综述[J]. 中国全科医学, 2026, 29(28): 4067-4077.
[6]	周雨涵, 闵钰琦, 郭洲, 杨敏, 岳露, 何美忱, 周海蓉, 王永晨. 人工智能时代全科医生的机遇与挑战[J]. 中国全科医学, 2026, 29(25): 3563-3568.
[7]	王洪川, 张剑波, 马伟, 赵司迪. 数字政策引领医疗数据空间的治理逻辑与生态构建：基于"技术-管理-法律"的分析框架[J]. 中国全科医学, 2026, 29(24): 3416-3422.
[8]	欧阳微娜, 王露, 张璇, 唐薇, 范咏梅. 基于动态多尺度特征融合与注意力机制的心房颤动筛查研究[J]. 中国全科医学, 2026, 29(23): 3281-3286.
[9]	熊丹, 刘圆, 刘思敏, 吴建炜, 胡笑霞. 新媒体遗书中挖掘年轻人存在感空虚及其应对行为：人工智能辅助的内容分析[J]. 中国全科医学, 2026, 29(22): 3182-3191.
[10]	陈开元, 王洪川, 葛袆, 孙乃玲, 陈澄, 王天然, 曾华堂, 雷苏文, 梁万年. 生成式人工智能赋能卫生健康标准体系构建现状与挑战[J]. 中国全科医学, 2026, 29(22): 3073-3078.
[11]	汪洋, 邹川, 郭梦若, 何柳华, 陆许航, 桂贤忠, 徐志杰, 林恺, 金花, 姚弥, 杨辉, 于德华. 全科医务人员在人工智能的辅助下提炼高质量研究问题的五个步骤[J]. 中国全科医学, 2026, 29(22): 3094-3102.
[12]	胡敏, 吕向东. 远程心电人工智能诊断的准确性研究[J]. 中国全科医学, 2026, 29(18): 2498-2503.
[13]	许庆洪, 王静, 黄元, 祝辞, 操文兵, 李盈. 基于深度学习的结直肠息肉实时测量系统测量结直肠息肉尺寸的验证研究[J]. 中国全科医学, 2026, 29(14): 1873-1877.
[14]	张涵予, 顾洁, 林嬴男, 黄延焱. 基于人工智能技术构建模拟情景标准化病人在全科专业住院医师规范化培训教学中的应用研究[J]. 中国全科医学, 2026, 29(13): 1726-1731.
[15]	杨蕾, 关华. 生成式人工智能在体重管理中的应用进展[J]. 中国全科医学, 2026, 29(12): 1533-1540.