郭成：从“精准质控”到“无界服务”——人工智能重构医疗新范式

安徽医科大学第二附属医院（安医大二附院）作为一所集医疗、教学、科研于一体的现代化综合性三甲医院，拥有3个国家临床重点专科项目、14个省级临床重点专科建设项目。作为安徽省首批互联网医院之一，其信息化建设从建院初期的HIS系统起步，逐步迈向智慧医疗新阶段。“人工智能正在重构医疗服务的底层逻辑。”安徽省医院协会信息管理专业委员会主任委员、安医大二附院医院管理研究所所长郭成谈到，“我们正从‘信息化’走向‘智慧化’，这不仅是技术的迭代，更是医疗服务范式的根本转变。”安医大二附院也在实践中积极推进人工智能的应用，重构医疗新范式。

AI医疗演进三阶段：从辅助诊断到生成式智能

回顾AI在医疗领域的发展历程：从2010年前基于规则的专家系统，到深度学习推动的影像识别精准医疗时代，再到如今以多模态大模型为代表的生成式AI阶段。他认为，当前医疗体系正面临资源分配不均、供需不匹配等核心挑战。随着人口老龄化加剧、医疗需求持续攀升、医保支付压力增大，医疗资源分配不均衡等问题短期内难以解决。以AI为代表的新兴技术，为“以健康为中心”的医疗体系改革与健康发展注入了新活力。在“AI+医疗”趋势与医改政策引导下，医疗服务各参与方将推动医疗服务、支付、生产、流通等体系的变革，促进医疗服务提质增效、降本增益、模式创新，并向以人为本的整合式服务目标演进。

落地之难：数据、信任与流程的挑战

尽管前景广阔，AI在医院的实际落地仍面临多重挑战，主要有四个方面：一是数据之困。HIS、LIS、PACS等信息系统数据标准不一、结构化程度低，导致AI训练数据质量参差不齐；医疗数据高度敏感，共享与脱敏技术尚未成熟，合规成本高昂；二是适配之难。模型泛化能力不足，不同医院病种分布、诊疗习惯差异大，通用模型难以满足个性化需求；对“黑箱”AI的信任度低，需可视化证据支持；三是流程之阻。AI工具与电子病历（EMR）等系统整合不深，额外操作增加医生负担；AI误诊责任界定模糊，法律与伦理框架有待完善；四是投入之虑。临床医生缺乏AI素养，技术团队缺少医学背景，跨学科协同机制缺位；硬件采购、系统运维、能源消耗等综合投入巨大。

“医疗AI的成功落地，离不开高质量数据、稳定算力保障与跨领域协同创新生态。”郭成强调，“医院必须量力而行，坚持需求导向、临床为先，让技术真正服务于患者。”

人机协同：构建精准质控与诊疗范式

面对挑战，安医大二附院选择以病历内涵质控与临床决策支持系统（CDSS）为突破口，探索出一条可行的实践路径。

通过与电子病历及专科诊疗系统深度耦合，AI能够对海量医疗数据进行实时抓取与结构化处理，融合院内数据与外部医学知识库，借助模型训练、多模态融合与迁移学习等技术持续迭代。系统不仅能实现病历书写格式的自动化评分，更能深入病历内涵，开展智能分析与实时交互式质控。

当医生完成病历书写，系统会自动触发AI预警，通过弹窗提供基于大模型分析的病情解读、相关临床指南及最新文献的诊疗推荐。通过多轮问答与反馈机制，AI辅助医生提升病历质量，甲级病历率显著提高。同时，AI在科研领域也能快速分析总结文献，效率提升数倍。值得注意的是，所有数据均采用本地化部署，确保“数据不出院”，在最大化挖掘数据价值的同时，严守信息安全与隐私保护底线。

郭成特别强调：“AI在医疗领域的应用，可能会生成看似合理实则虚构的诊断依据，因此必须建立医生主导、AI赋能的人机协同机制。”在他看来，“AI的价值在于提供可解释、可追溯的全面决策支持，而非替代医生的专业判断与最终决策权。医疗AI的核心价值在于构建强大的数据智能能力从而成为医生的伙伴，将医生从繁琐的信息筛选中解放出来，使其更专注于核心诊疗决策，同时配套建立动态验证、责任共担的闭环管理体系。”

无界服务：全链条赋能患者体验

在安医大二附院，AI的赋能已贯穿患者服务全链条：在诊前，智能导诊与智能问病系统能够基于患者主诉，精准推荐科室，提前生成初步信息并融入病历，优化就医路径；在诊中与诊后，AI能够整合预约挂号、候诊、缴费、取药、报告查询、随访指导等环节，实现从“人找功能”到“功能找人”的转变，主动引导患者完成全流程，极大改善就医体验，尤其适用于门诊量远超设计负荷的医疗机构。这意味着，AI正推动医疗服务从单点疾病治疗，向线上线下一体化、覆盖全生命周期的主动式健康管理演进。

未来已来：技术融合与生态共建

展望未来，生成式人工智能的涌现能力将为医疗健康打开无限想象空间。“以‘AI+大数据’为核心的个人健康管理平台，结合可穿戴设备，可能使个体比以往任何时候都更了解自身健康状况，从而推动精准医疗与个性化干预成为常态。”

郭成认为：“在临床决策支持和医疗信息管理领域，医学自然语言处理与知识图谱是关键技术，其中知识图谱是重要的底层基础设施，为智能化语义检索和知识推理提供支撑，在疾病风险评估、智能辅助诊疗、医疗质量控制、医学科研辅助、医院管理决策等场景具有广阔应用前景。与此同时，深度学习和大语言模型的发展正在重塑技术范式，推动医疗AI向多技术融合方向演进。”

谈及医疗AI的未来方向，郭成总结道：“医疗AI的未来需突破三大维度：多模态技术融合、服务场景延伸、治理体系构建。其规模化落地依赖于政产学研用金（政府、产业、学术、医院、患者、支付方）六位一体的协同机制，在数据安全可控、知识产权清晰、责任归属明确的前提下，推动测评标准与接口规范的开放共享，探索审慎包容的监管模式，方能让AI真正成为提升医疗质量、优化服务体验、惠及医患双方的革命性力量。这不仅是技术的演进，更是一场关乎生命健康的范式革命。”