AI医疗场景落地：从技术到临床的价值闭环实践

从五年前的技术探索到如今的临床必备，AI与医疗的结合已跨越概念验证阶段，深入解决实际痛点的核心领域。其目标不再是替代医生，而是成为减轻工作负担的智能助手——行业对话揭示，AI医疗落地的首要任务并非说服医院领导，而是赢得一线科室主任的信任；成功的关键不在于单一功能突破，而在于多元数据联动形成完整服务闭环。

行业讨论直面AI融入医疗体系的现实挑战：系统对接复杂、医生使用顾虑、责任界定模糊。左医科技基于九年深耕经验，从北京协和医院到宁夏中卫的实践，展现了分层实施的差异化路径——为三甲医院提升效率，为基层医疗补充人力。以电子病历生成这一普遍需求为枢纽，向前连接智能分诊，向后衔接患者随访，使“前沿科技”转化为医生每日愿用的实用工具。

以下为圆桌讨论内容，经编辑整理：

张戈丨华弋数智创始人&CEO（主持人）

韩旭丨左医科技医学合伙人

张戈：各位来宾、线上观众大家好，我是本轮对话主持人华弋数智张戈。热烈欢迎韩总的到来。今天我们将探讨一个非常务实的话题：AI医疗究竟如何实现落地。首先请韩总向大家问好，并用30秒简要说明，左医科技当前的工作与五年前的AI辅助医疗热潮有何本质区别？

韩旭：感谢张总，感谢主办方邀请。左医科技自2016年起深耕AI医疗领域，完整见证了国内行业发展的多个阶段。五年前的热潮主要由技术和资本驱动，焦点多在于如何利用AI改造乃至替代医生，视角偏重技术本身，对临床真实痛点的关注不足，因此落地困难。现今则不同，行业共识是必须从临床真实需求出发，关注医生的日常困扰，利用AI技术缓解其工作压力，实现质量与效率的双重提升，同时优化患者就医体验。

张戈：从韩总的分享中，我们能感受到医疗AI正不断向纵深和实处发展。我们首先关注场景落地问题。AI医疗进入医院，您认为第一步应打通哪个环节？是自上而下争取院领导支持，还是培训医生，或是与医院信息系统（HIS/EMR）对接？其中最主要的障碍是什么？

韩旭：根据我们多年的实践经验，AI医疗进入医院的第一步，并非急于说服院长，也不是匆忙对接HIS或EMR系统，或开展全员培训。首要步骤是深入临床一线科室，争取科室主任及骨干医生的支持，邀请他们进行试点。只有让他们亲眼看到实效，后续的推广和系统对接才具有说服力。

谈及具体障碍，主要有几点。首当其冲是系统对接。医院内部系统繁多、品牌混杂，接口与数据格式缺乏统一标准，加之当前医院对数据安全高度重视，协调信息科、医务科等多部门的过程往往漫长且复杂，极易在此环节受阻。

其次是医生的接受度。医生群体普遍较为审慎，风险意识强。面对新工具，他们首要担忧的是改变既有工作流程、增加学习负担，反而可能影响效率。此外，他们对AI产品的准确率及潜在风险也存在顾虑。因此，如何让医生从心理上接纳并愿意使用，是落地过程中一个非常实际的难点。

张戈：您提到的这些落地细节非常关键，信息系统对接、权限管理等，确实是所有信息化项目中的核心挑战。左医科技既有对接协和等顶级三甲医院的经验，也有服务宁夏中卫“云上卫医”这样的基层项目。针对基层医疗与三甲医院的落地，逻辑有何不同？是困难更大，还是因信息化水平差异而需采用不同切入点？

韩旭：北京协和这类顶尖三甲医院与宁夏中卫的基层医疗机构，需求点截然不同，因此落地路径和切入点也自然相异。

三甲医院专家资源宝贵，医生时间高度紧张，他们更关注如何提升院内运营效率，优化门诊、病历书写等各环节，使之更精细、更省时。因此，AI产品在此主要解决的是“效率提升”问题。

基层医疗机构则面临“人力不足”的困境。医生数量少，事务繁杂，还需承担大量家庭医生签约和居民健康管理服务，工作压力巨大。因此，AI产品在此的角色，一方面是帮助他们自动化处理病历、随访等繁琐流程性工作，另一方面是辅助他们更好地服务辖区居民，尤其是院外的健康管理。这是两种不同的逻辑。

张戈：不同医生群体确实有各自诉求。通过解决他们的实际需求、提升工作效率，可以提高他们对AI产品的接受度。在实际推广中，是否遇到过医护人员较为抵触使用AI产品的情况？您们是如何应对，以提升一线人员接受度的？

韩旭：抵触和观望情绪确实常见。原因如前所述，主要是怕增加负担和担心风险。我们的应对思路集中在几个方面：第一，产品设计必须极度贴合医生工作流，追求“无感融入”，尽可能不增加额外操作，避免医生在不同系统间频繁切换。第二，权责界定必须清晰。所有AI生成的内容，都必须经过医生审核确认后方可生效，医生拥有完全的修改权和最终决策权。将风险把控的主动权交还给医生，能显著提高他们的接受度。

张戈：这正是AI辅助诊疗的核心价值——提升医务工作者真实的工作效率。

回到开场的问题，五年前AI医疗曾兴起一波热潮，当时主要聚焦于AI辅助诊断、AI读片等。今天左医科技所做的工作，与那时相比，核心区别在哪里？是技术能力发生了变革（AI技术日新月异），应用场景随时间推移而演变，还是行业对医疗本身的理解发生了变化？

韩旭：核心区别首先在于行业对医疗的认知发生了转变。五年前大家往往追求“一步到位”，试图直接切入最核心的诊疗环节，例如辅助诊断疑难杂症、推荐肿瘤治疗方案。想法虽好，但壁垒过高，医生不敢轻易采用，效果也难以验证。

如今行业更加务实。仔细观察便会发现，诊疗本身只占医生工作中相对较小的一部分，大量时间被文书、病历书写、沟通、随访等流程性事务所占据。因此，思路转变为：先当好医生的“智能助手”，接手这些重复、繁琐的工作，让医生能将更多精力投入到真正的诊疗和患者沟通中。所以，应用场景从单一的“诊中”延伸到了“诊前、诊中、诊后”的全流程。

当然，技术发展是重要的基础。尤其是大模型和多模态能力的成熟，使得AI能够处理文本、影像、语音等多种信息，从而能在更多环节为医生提供支持。

张戈：从技术本身的演进，到多年来业务数据的整合，这确实是一个复杂且由量变引发质变的过程。您提到一个产品叫“多元数据联动”，将预问诊、对话转写、电子病历信息、院外OCR等多种数据整合生成病历。这种能力是之前就具备的吗？如果没有这种多元联动，仅靠AI病历生成能否达到您刚才提到的较高准确率？

韩旭：预问诊、OCR、语音转写、院内数据处理这些单点能力我们之前都已具备。但问题在于，任何单一工具生成病历都存在缺陷。例如，仅依靠诊中语音，可能因问诊时间短而遗漏关键信息；仅依赖患者填写的预问诊，可能存在描述不专业或夸大病情的情况；若没有OCR，院外带来的检查报告就需要手工录入。

我们将这四个环节的数据联动起来，核心带来两大好处：一是互补。一个环节缺失的信息，可以用另一个环节的数据来补充。二是校验。不同来源的数据可以进行交叉验证，能够发现矛盾之处，这在一定程度上可以缓解大模型可能出现的“幻觉”问题。可以说，如果没有这种多维度数据的联动与校验，病历生成的质量和可靠性很难达到当前的水平。

张戈：这正是多重维度交叉关联校验，结合技术迭代，最终形成的结果。

谈到技术更新，从左医科技与协和医院的合作，到地坛医院的传染病诊疗智能体，再到重庆医科大学附属儿童医院的“重儿小乙”专科智能体，以及宁夏中卫的AI家庭医生项目，在这些场景中，哪个是AI介入最深的，哪个又是介入最浅的？您认为是什么因素决定了AI介入的深度？

韩旭：在我们看来，像地坛医院的传染病智能体、重医儿童医院的专科智能体这类垂直专科或专病场景，对AI介入深度的要求最高。因为它需要匹配专科特有的问诊逻辑、诊疗路径和病历规范，必须构建专门的知识库，因此AI的参与度自然更深。

其次是协和这类项目，其主要目标是提升门诊全流程效率，例如精准预约、病历生成等，不直接涉及核心诊疗决策，对医学专业深度的要求相对较低。

介入最浅的是宁夏中卫的AI家庭医生项目，它主要面向居民提供普惠性的健康咨询、科普和常规随访服务，属于健康管理范畴。

张戈：这是一项非常了不起的工程，通过AI时代的技术普惠，将优质医疗资源赋能至千家万户。从医院管理者的角度出发，在投资回报率（ROI）方面，我们应如何与医院院长们沟通，展示项目的转化价值？

韩旭：与医院管理者沟通，应避免谈论技术参数，直接聚焦于他们关心的实际收益。短期收益清晰可见：一是节约人力成本。例如，一个试点科室，原本需要一两名人员负责文书随访工作，现在可以节省下来。二是提升运营效率。医生接诊效率提高，单位时间内可服务更多患者，直接增加医院收入。三是提升病历规范性，有助于减少医保检查中的扣分罚款。

长期价值则体现在专科能力建设和风险管控上。例如，专科智能体有助于医院打造特色标杆科室；全流程数据留痕，也能在发生医患纠纷时提供依据。关键在于，在科室试点阶段就拿出实实在在的数据，这样在与院长洽谈全院推广时才更具说服力。

张戈：在回溯与风险管控机制上，有一个无法回避的问题：谁应为AI的错误负责？我们知道生成式人工智能具有内容不确定性的技术特点。如果AI生成病历出错，医生未能发现错误细节而直接采用，责任应如何界定？左医科技在与医院签订合同时，积累了丰富的商务层面经验，请您就此分享一下。

韩旭：根据现行法律法规，医疗行为的责任主体始终是医生和医疗机构。在我们的合同中会明确约定：AI生成的所有内容，医生必须进行审核确认。若因医生未履行审核职责导致问题，责任由医疗方承担。

厂商承担的是产品和服务缺陷责任。例如，因模型本身缺陷、数据问题或未明确告知的产品限制所引发的问题，我们会负责并持续优化。具体而言，责任主要分为四部分：医疗责任（医方）、产品与服务责任（厂商）、使用责任（要求医院按规范操作）、数据安全责任（双方通过保密协议约定）。权责清晰是合作的基础。

张戈：非常感谢您从商务角度进行的详细解构。

宁夏中卫项目服务了20多万用户，是否出现过因AI误判导致患者延误就医的情况？如果发生此类事件，您们会如何处理？

韩旭：截至目前，宁夏中卫项目尚未发生因AI误判导致延误就医的情况。这得益于多层设计保障：首先，产品定位清晰，所有界面均明确提示“AI建议仅供参考，不能替代专业医疗诊断”。其次，设置了安全红线。一旦患者描述胸痛、严重腹痛等危急症状，系统会立即触发提醒，建议紧急就医。对于症状描述模糊的情况，也会建议线下就诊。用药指导则严格依据药品说明书或已有医嘱，绝不越界。

当然，我们也有完整的应急预案。万一发生不良事件，将立即启动应急小组，协调当地医疗资源确保患者得到及时救治。随后，当地卫健委专家小组会进行责任判定。我方则会全面排查问题，进行整改并更新模型，力求避免同类事件再次发生。

张戈：听起来保障机制非常完善，形成了PDCA（计划-执行-检查-处理）管理闭环，并配备了相应的兜底方案。

前面我们探讨了诸多落地细节，现在聊一个更宏观的话题：未来AI+医疗能否真正替代真人家庭医生？从宁夏中卫卫健委主任的反馈来看，这套系统相当于为每个家庭配备了一位主任医师级别的全科智能医生。但家庭医生的工作不仅限于看病，还包括建档、随访、健康教育及心理疏导等。AI能替代其中哪些部分？哪些又是无法替代的？

韩旭：主任的赞誉是对我们方向的肯定。AI在基层医疗中能够承担的，主要是标准化、流程化的工作：例如标准化的健康咨询、电子健康档案的建立与更新、常规慢病随访、健康科普等。这些是AI的强项。

但无法替代的部分也很明确：一是需要线下实际操作的服务，例如上门测量血压血糖、伤口处理、康复理疗等。二是需要情感连接和心理关怀的工作，AI目前无法提供真正的人文温度。三是与居民建立长期信任关系，这需要真人医生的持续互动。四是为特殊群体制定高度个性化的健康管理方案，这需要丰富的临床经验和综合判断能力，目前AI尚无法胜任。

张戈：我们谈到特殊群体，现实中，往往更需要上门服务、更需要家庭医生的恰恰是老年朋友，而他们对智能化设备的接受度、与机器对话的适应能力可能相对较弱。如何解决这一“数字鸿沟”问题？

韩旭：这确实是一个现实挑战，尤其在西部地区。我们的思路是多管齐下：第一，产品设计极简化。摒弃复杂的文本输入和多级菜单，核心功能力求实现“语音交互即可完成”，让老年人通过说话就能顺畅沟通。第二，优化方言识别能力。针对当地口音进行模型训练，让老人能用家乡话交流。第三，发动“人”的力量。鼓励家庭医生、社区志愿者或家属协助老年人使用设备。第四，保留“人机协同”出口。如果老人实在无法适应或AI无法理解其需求，可以一键转接至真人家庭医生。我们既追求效率，也努力保留服务的温度。

张戈：考虑得非常周到细致，充满了温情与人文关怀，这正是AI与医学结合应有的温度。

左医科技目前产品线丰富，业务覆盖范围较广，从智能分诊、预约、预问诊到病历生成、辅助诊断、AI儿科、AI家庭医生等。如果只选择一个场景进行极致深耕，您会押注哪个赛道？原因是什么？

韩旭：如果只选择一个，我们会押注“智能病历生成”。原因如下：第一，这是所有医生的通用痛点，无论医院级别、医生资历，都存在强烈需求。第二，效果立竿见影，能直接提升工作效率，医生和医院管理者都能迅速感知其价值。第三，病历处于诊疗流程的“中枢”位置。向前可以连接智能分诊、预问诊，向后可以对接患者随访、疾病管理，还能与院内各类数据联动。将这个核心场景做深做透，其他场景可以顺势拓展。第四，相对风险较低。病历生成不直接涉及诊疗决策，权责清晰，医生审核是关键环节。

张戈：感谢韩总。我们非常期待与左医科技一同见证，在未来AI驱动下，医疗服务将变得更加高效且充满温度。

今天我们探讨了四个主要方面：AI医疗如何落地、与过去的区别、如何证明其场景有效性，以及未来的赛道与方向。我印象最深的是“联动”二字。单一的AI应用，如AI读片、AI分诊，许多公司都在做。左医科技将预问诊对话、电子病历信息等多种数据联动起来，形成一个完整闭环。这个闭环，正是AI医疗从展厅里的“黑科技”走向诊疗室“落地解决方案”的关键。

感谢韩总，感谢大家。