数据混乱、人才招不起，AI“杀入”基层医院，是帮忙还是添乱？

日期：2026-02-06 18:24:36 / 人气：28

2024年前后，几乎所有医院的信息科和院长办公室里，都弥漫着一种相似的情绪——焦虑。“DeepSeek出来那段时间，说实话，很多人都快焦虑到抑郁了。”关院长后来在一次公开分享中半开玩笑地说，台下一排排基层医院的信息科负责人、分管副院长，几乎人人点头附和。

那是一种被技术浪潮追着跑，却又手足无措的焦虑：一边是媒体、朋友圈里铺天盖地的“三分钟接入大模型”“AI自动写病历”“医生将被替代”；另一边，是基层医院最真实的琐碎日常——门诊挤爆、病历质量参差不齐、年轻医生诊断能力薄弱、质控靠人盯、随访没人管。

“别人说DeepSeek一接就能干很多事，但我到底该用在什么地方？能解决什么问题？”关院长回忆，那段时间，每天都有人来问她“院长，我们是不是也得搞一个”。但她心里清楚，若只是为了“给领导看”，大概率只会再多一个无人问津的闲置系统。她反复叩问自己：如果什么都不做，三年后，这家基层医院会变成什么样？

非计算机背景出身的关院长，对AI的理解全靠“磨”。真正点燃她对AI落地兴趣的，并非医疗系统内部，而是一次调研中的意外收获——跟着省卫健委去浙大调研时，她“偷偷溜”进公安系统分会场，听他们讲解如何用AI做道路影像识别、车辆标注，那一刻她猛然醒悟：“人工智能不是空中楼阁，它一定是有具体场景的。”

从那以后，她琢磨的核心问题只有一个：把AI放进基层医院，最先该解决什么？答案无关“最炫的算法”“最先进的模型”，而是基层最痛、却长期悬而未决的难题。

疫情后，关院长所在区域启动全科医生“尖兵班”培训，入学考试的结果让她记忆犹新：“最低分只有二十几分。”这不是个例，而是基层医疗的系统性短板——大量基层医生在诊断思维、病历书写、规范操作上存在不足，且短期培训难以补齐。

更隐蔽也更致命的，是病历质量问题。为应付高强度门诊，不少医生依赖模板复制粘贴，导致病历千篇一律，难以真实反映诊疗过程，质控部门疲于事后补救。“我们的问题从来不是医生不努力，而是整个系统，已经不支持人靠体力去扛了。”关院长坦言，AI要在基层落地，必须嵌入工作流程，而非沦为“外挂”。

1. AI技术足够先进，但用起来存在门槛

关院长遇到的困境，是大模型爆发后整个医疗行业的缩影——AI与医疗的结合虽被证实潜力巨大，但技术能力与实际落地之间的鸿沟，仍是行业共同的痛点。

一方面，OpenAI、Google、腾讯、阿里等科技巨头纷纷布局，推出临床文本理解、医学图像处理等解决方案，技术成熟度持续突破。谷歌DeepMind的AI系统在乳腺癌、视网膜疾病筛查中，准确率堪比甚至超越专科放射科医生；微软“Diagnostic Orchestrator”在复杂病例诊断中表现突出，Dragon Copilot医疗助理更能自动生成病程摘要，减轻医生文书负担。

另一方面，AI从实验室走进基层医院，还横亘着算力、算法、数据、人才四道门槛。尤其2027年“县域医共体基本实现人工智能全覆盖”的政策目标，让基层医院的缓冲期骤缩，AI从“可选项”变成“必答题”，而“怎么做、谁来做、能不能做成”，成为摆在所有基层医院面前的现实考题。

资源错配的问题愈发突出：医院有临床数据却无算法能力，企业有算法技术却脱离医疗场景，算力可购买但长期成本高昂，懂医疗、算法、合规的复合型人才，更是集中在高校和头部企业，与基层医院几乎绝缘。“我想合资供养一个算法工程师，都没人理我。”关院长的坦言，道出了基层医院的无奈——既付不起高薪，也给不了人才成长空间，独立组建AI团队更是天方夜谭。

等待成熟方案，只会让基层医疗永远被动；自己下场摸索，又处处受限。最终的转机，来自医院、企业、政府的协同共建——医院提供真实场景和高价值数据，企业贡献算法和工程化经验，政府协调资源、对接政策，各方跳出“利益最大化”的单一思维，纳入长期协作框架。“单点最优往往意味着系统失效，医疗AI的复杂程度，决定了必须多方合力。”关院长说。

在这场协同中，浪潮信息的“平台+生态”思路，解决了核心的工程化门槛。其元脑企智EPAI平台不直接提供应用，而是将模型调用、算力调度等底层技术封装，通过低代码、零代码能力，让医院无需“从头造轮子”，专注于业务创新。“0到1解决了，1到100才有意义。”浪潮信息广东区副总经理陈逸聪解释，平台解决共性难题，生态伙伴适配场景需求，形成“平台筑基、场景赋能、业务反哺技术”的良性循环。

算力瓶颈的突破，同样走的是“适配融合”路线。医疗数据的隐私合规要求，决定了它无法依赖公有云算力，本地化、专用化算力成为刚需。浪潮信息选择将AI与医院现有HIS、EMR系统深度结合，依托原有结构化流程和数据，通过流程重构减少“堆算力”的浪费，让算力聚焦在高价值诊疗环节，真正嵌入医生工作流，而非停留在表面演示。

2. AI给谁用？患者还是医生？

协同机制成型后，一个更现实的问题浮出水面：AI该优先服务患者，还是医生？市面上主流思路是从患者端切入，预问诊、智能导诊等C端产品成熟易落地，但关院长很快发现，这条路径解决不了基层医疗的核心痛点。“病人线上问完，来医院还是不知道找谁，医生端也用不上，AI成了‘鸡肋’。”

为此，他们定下了更激进的目标：让AI贯穿患者建档、医生诊间、质控随访、管理全流程，覆盖C端、B端、管理端，形成完整闭环——从建卡主诉采集、预挂号，到诊间结构化病历自动生成，再到诊疗全流程质控、慢病随访，AI深度融入每一个环节。“我不想做一个工具，我想做的是一个‘智能团队’。”关院长说。

这个定位，让项目难度陡增。2024年3月启动模型训练，病例清洗、标注持续到年底，合作方多次提议上线测试，都被关院长拒绝——“脏话训练还没做完”。在医疗场景中，任何细节疏漏都可能引发信任危机，她坦言：“我怕有人在系统里辱骂、闲聊，AI识别不出来，整个项目就毁了。”

2025年DeepSeek的横空出世，让既定技术路线被迫调整，项目节奏再次放缓，但关院长并未急于追风口：“慢一点，让它长得更好。”直到2025年4月，系统才正式上线。

上线只是开始，问题接踵而至。最早推出的完整预问诊流程，因“问十几道题仍挂不到号”遭到患者投诉，团队迅速调整，保留主诉驱动挂号，优先解决“看病难”；这又引发医生不满，科主任直言“主诉挂号要求太高”，关院长只能反复协调，边优化边推进。她深刻意识到，AI落地的最大阻力，从来不是技术，而是使用者的习惯与感受。

关院长坚持“本土训练”，核心是贴合基层诊疗实际：既用三甲医院高质量病历训练模型，也将基层逻辑混乱、质量不佳的病历纳入训练，让AI明确“什么是对的，什么是错的”。面对“AI会把基层医生养废”的质疑，她不以为然：“就像计算机取代算盘，工具升级提升的是行业下限，而非抹杀人的价值。AI不是替医生思考，而是把规范的诊断思维显性化，帮更多医生成长。”

这种思路，在病历质控环节体现得淋漓尽致。过去靠人工对照规则库质控，效率低、覆盖面窄；如今AI通过自然语言理解，直接指出病历中的信息缺失、表述不规范、逻辑断裂，从“事后补救”变成“事中提醒”，AI不再是审查者，而是医生的协作者。

数据不会说谎，截至2025年底，这套AI原生智慧医疗系统累计服务12万次，完成智能导诊8万+、转挂号2万+、预问诊1.4万+，仅收到3次投诉，退号率从30%降至20%。这些不惊艳的数字，却让一线医生真正感受到：AI是来帮忙的，不是来添乱的。

3. 这种模式可复制吗？

AI成功嵌入基层医院工作流后，一个更关键的问题摆在面前：这套由南海人医、天锐医健、浪潮信息共建的模式，能在更多基层医疗机构复制吗？这不仅关乎技术落地，更决定着其商业模式的可持续性。

在陈逸聪看来，复制的核心前提，是标准化。“如果每家医院、每个场景都高度个性化，复制就意味着‘到一个地方重新开发一次’，成本和周期都会失控。”因此，浪潮信息在元脑企智EPAI平台上，优先搭建标准化技术基座，统一开发工具、算力调度、模型调用等基础能力，再通过场景适配快速落地应用，避免从零搭建的浪费。

其次，是清晰稳定的产业分工。这套模式中，各方角色边界明确：医院提供脱敏真实数据和明确需求，开发商负责算法适配与场景融合，浪潮信息提供算力、平台与生态支持，天锐医健负责串联整个产业链，各司其职、优势互补，形成可持续运转的协作体系。这种分工，从合作初期就被预设为“走向产业化”的基础。

第三个关键，是全流程合规与本地化适配。医疗数据不出域是底线，决定了AI模型必须在院内部署，无法复用互联网“云端统一模型”的路径；同时，基层医疗存在大量本地化需求，比如南海地区粤语与普通话混用的问题，若无法解决，复制只能停留在PPT上。

事实上，通用大模型若仅作为“商品”出售，往往只能充当演示工具，难以真正落地。而深入基层场景，解决具体问题的过程，恰恰能积累可复制的能力——标准化API、开箱即用的工具链，以及经过验证的协作模式。

说到底，AI+医疗落地基层的真正门槛，从来不是模型能力，而是如何在复杂、保守的医疗体系中，将技术转化为可持续运转的基础设施。那些看似繁琐的标准化、分工协作、合规适配，恰恰是模式可复制的核心。当AI不再是“炫技工具”，而是嵌入诊疗全流程、解决基层真痛点的“得力助手”，它给基层医院带来的，就不再是焦虑，而是突围的希望。

作者：杏鑫娱乐