ARTICLE · 1060488
AI替医生写病历之后,医院会少招人,还是让你早点下班?
AI替医生写病历之后,医院会少招人,还是让你早点下班?晚上8点，病房渐渐安静，你还坐在电脑前。 两份入院记录没写完，今天的病程还没补，明天还有三位患者出院。刚打开一份小结，手机亮了：“几点回来？” 你回复：“快了。” 然后继续翻检验结果。 每次看到“AI正在改变医疗”，你可能都会想到：既然它已经这么厉害，能不能先把这些活接过去？ 但还有一个问题： 如果AI真的替医生写完了病历，省下来的时间，会变成休息，还是更多的患者？ 
让医生有更多时间面对患者
一位心衰患者住院十几天，准备出院。 你需要翻查房记录、超声报告，核对肌酐和血钾变化，理清利尿剂调整，再把住院经过压缩成几段文字。 费时间的常常是找资料、对时间、确认最后采用了哪个方案。 现在的大模型已经可以根据提供的资料，整理时间线、归纳检查与治疗变化，起草出院小结。数字病历助手也已进入部分临床场景，将经授权记录的医患对话整理为文书草稿，交医生审核。 类似能力还能用于交班摘要、转诊材料和宣教单。 接班医生急着知道“今天出了什么问题、处理后怎样、哪些结果没回来”，AI可以协助从记录中提取。患者看不懂出院交代，AI可以把医生确定的安排改写成通俗表达。 检索指南、初读英文文献、起草教学病例和随访问卷，也已经可以获得AI帮助。 这些能力很实用，但前提是：输入资料可靠，输出内容有人核实。
因为它可能还看不到你的患者资料。 聊天软件不会自动知道患者哪天调整了药物，也未必拿得到完整的住院记录。你仍要从不同页面复制，再把回答粘贴回来。 而资料缺失时，模型可能给出看似合理的补充：没问过的过敏史被写成“无”，已经停用的药又出现在出院带药里。 一份流畅的初稿，距离可以签名的病历，还需要完整的数据、清楚的来源和逐项核对。 真正落地，通常需要几部分配合。 大模型负责理解与生成，例如DeepSeek、通义千问；知识库提供指定指南和院内规范，通过RAG让模型先检索再回答；Agent则在授权范围内调用工具，串起读取资料、整理、生成和提交审核等步骤。 医院可通过API调用获批服务，也可部署支持本地运行的开放权重模型。Dify等平台能协助搭建流程，固定任务也可以先用更可控的工作流。 但接通电子病历、检验和用药系统，还需要信息部门处理接口、权限、患者匹配和日志追踪。 从“演示时很好用”到“值班时靠得住”，还有不少工作要做。 
可能减少部分岗位的人力需求，但不能把“接手一项任务”直接等同于“替代一个人”。 自动整理出院资料，不能同时完成出院评估；自动收集随访信息，也不能承担发现病情变化后的全部处置。 一个岗位包含多种任务，受到的影响取决于其中哪些可以自动化。 以录入、转写、标准化资料整理为主的工作，可能更早面临调整。临床岗位也会变化，但变化未必首先表现为直接裁员。 它可能表现为减少新增招聘、人员离职后不再补充、岗位转岗，或者让原有团队承担更多服务。 另一方面，资料审核、系统维护、质量评估和异常处置，也会产生新的工作需求。最终需要多少人，要看这些变化如何相互抵消。 对个人而言，值得留意的信号可能是：岗位名称没变，工作内容和能力要求已经变了。
首先，节省的时间可能被新增工作填满。 如果病历书写更快，门诊号源随之增加，病房周转进一步加快，医生需要判断的病情、解释的方案、沟通的家属也会更多。 键盘敲得少了，一天却仍然排得满满当当。 其次，AI生成了内容，医生还要完成审核。 心衰患者的出院小结写好了，最终药物剂量对不对？肾功能变化有没有遗漏？“考虑诊断”有没有变成“确诊”？ 如果系统错误较多，医生可能从自己写一遍，变成对照原始资料重新核一遍。初稿生成得越快，也可能积压越多待审核内容。 第三，留下的任务可能更费脑。 复制结果、调整格式虽然繁琐，却通常有明确步骤。决定一位高龄、多病共存患者下一步怎样治疗，解释收益与风险，则需要持续集中注意力。 当简单任务减少、复杂问题接连出现，即使工作时长没有增加，疲劳感也未必下降。 还有一类负担，可能出现在下班以后。 AI可以持续收集患者的体重、血压和随访回答，但发现异常之后，仍需要有人判断、联系患者、安排复查。 如果系统不断发出提醒，却没有有效过滤和配套人员，工作就可能从诊室延伸到手机。 AI提高了处理能力，也可能让更多原本未被处理的需求进入医生的工作清单。 
技术进步与临床工作分工的变化
未来1—3年，较可能扩展的是文书初稿、资料汇总、检索和随访提醒。医生会更多参与审核、纠错和处理例外情况。 未来5—10年或更久，如果可靠性、数据互通和责任机制逐步完善，部分标准化任务可能进一步自动化，岗位配置也可能调整。这些时间范围是趋势推演，并非确定预言。 当整理资料、获取答案越来越容易，判断答案是否适用于眼前患者，会更加重要。 面对矛盾的检查结果，决定下一步；面对多病共存，权衡治疗代价；发现患者“指标变化不大，但状态不对”，重新走到床边——这些能力值得持续投入。
不必一上来就学编程。选一个重复出现、结果容易核对的任务，用虚构病例练习。 例如： “仅依据所给资料生成出院小结初稿；缺失信息标注待补充；不得编造诊断、查体和用药。” 然后记录：漏了什么，编了什么，修改花了多久。 生成十秒、修改二十分钟，暂时算不上减负。熟悉错误模式后，再学习知识库、API和工作流，与信息部门开展小范围试点。 真实患者资料只进入获批环境，正式病历、医嘱和处方提交保留人工确认。同时继续训练独立问诊、查体和推理，避免长期依赖摘要后，失去发现原始线索的能力。 
学习使用AI，保留独立临床判断
评价一套医疗AI，除了生成速度和接诊数量，还应看修改耗时、差错遗漏、下班后的工作时长，以及医务人员的实际疲劳程度。 如果系统可靠，能够消除重复录入，提醒得到合理过滤，节省的时间没有全部变成新增任务，AI完全可能让工作更轻松。 但如果效率提高之后，人员减少、任务增加、审核责任继续集中在一线，留下的人也可能更忙。 AI能替医生完成一部分工作，医生能否享受到这份进步，还需要体现在人员配置和工作安排中。 我们期待它帮忙写完出院小结，也期待忙碌一天以后，有时间再回答患者一个问题，有精力认真生活。 当家里再次问“几点回来”时，那句“快了”，终于是真的。
1.AI已经能做什么？先从最熟悉的出院小结说起
2.它已经会写，为什么还没有真正替你减负？
AI生成初稿，医生核对事实
3.AI会淘汰一部分医务工作人员吗？
4.为什么接手了一部分工作，留下的人却未必轻松？
5.未来几年，真正改变的可能是工作分工
6.医生现在怎么学？先验证一件小事