夜雨聆风2026年6月 · 阅读约8分钟 · 作者：王旭
一、背景
过去三年，只要去医疗信息化展会，满耳朵都是"AI赋能医疗"、"AI辅助诊断"、"智慧医院"。
国家政策也在推。2025年国务院《关于深入实施"人工智能+"行动的意见》明确把智能体与具身智能列为重点方向，多省出台基层医疗AI补贴政策。资本市场也跟着热闹，医疗AI赛道的融资消息一条接一条。
但现实是什么？
社区医院的医生依然忙得脚不沾地，患者依然抱怨"看病三分钟、排队两小时"，公共卫生的季度随访依然靠打电话而不是数据追踪，签约家庭医生依然是"签而不管"。
这是一个值得认真复盘的问题。
二、目标
我们最初想用AI解决几件事：
让医生少写病历，多看病
让公卫随访从"打电话"变成"看数据"
让患者离开医院后还能被"管"起来
让社区医院真正具备"健康管理者"的能力，而不是"药品分发站"
这些目标说大不大，说小不小。本质上是把"管理"这两个字真正塞进诊疗流程里。
三、结果
叫好不叫座。
医疗圈的人见面聊AI，一半在讲大模型有多厉害，另一半在讲自己医院买了什么系统、用没用起来。真正用起来的，有几家？
我见过投入几十万上AI系统的社区医院，最后用得最熟练的模块是"打印化验单"。
我也见过院长兴致勃勃装了智能随访系统，三个月后跟我说："随访率是上来了，但数据都是假的，下面的人填的。"
数据BCG 2026年预测报告
利好：80%以上医疗高管认为Agentic AI会在2026年带来中到极高价值
挑战：医疗AI落地的难度，远高于金融和客服
问题出在哪？
四、问题
我把障碍分成三类。
第一类：技术问题，但不是最核心的
早期的AI模型不够准，语音识别对医疗术语识别率低，辅助诊断建议不够可靠。这些问题随着大模型能力的提升，2025年之后已经有了根本性改善。但技术问题解决之后，事情变好了吗？也没有。
第二类：系统对接问题，这个很现实
社区医院的信息系统是一块"百衲衣"。HIS系统是十年前买的，EMR是另一套，公卫系统是省里统建的，三个系统之间互相不连通。AI要干活，得先把这些系统全接一遍。有些医院的HIS系统甚至没有开放接口，要接就得让原来的服务商来改，报价吓人，时间更吓人。
这一类问题，MCP协议（模型上下文协议）的出现正在缓解，但医疗行业的系统标准化程度远低于金融和电商，彻底解决还需要时间。
第三类：流程问题，这才是根本，而且被严重低估
这是我要重点讲的。
五、原因
为什么说"管理"二字根本不在诊疗流程里？
我讲一个真实的场景。
社区医院的医生，每天看四十到五十个病人。每个病人分配到的时间，不到十分钟。这十分钟里，医生要问病史、要写病历、要开药、要交代注意事项。
请问，在这十分钟里，哪一个动作是"管理"？
没有。
十分钟只够完成一次诊疗行为。登记、开药、嘱托。结束。下一个人进来。
"管理"意味着什么？意味着我要知道这个病人的历史、跟踪这个病人的指标、在他没有来医院的时候提醒他、在他的指标出现异常趋势的时候就介入。
但诊疗流程里根本没有这个位置。
不是医生不想做，是流程设计不支持。十分钟一个病人，你让医生怎么做健康管理？
这不是人的问题，是系统设计问题。
六、分析
我们来拆解一下医疗AI落地难的系统性问题。
问题一：公卫随访是"打电话"，不是"看数据"
国家推家庭医生签约，配套有公卫随访要求。但随访怎么做？打电话。问一句"血压怎么样了"，记录一个数字，上报系统。
这套机制从第一天起就跟"数据化管理"没有关系。
打电话的时候对方说"挺好的"，你记录"挺好"。对方说"还行"，你记录"还行"。没有任何可验证的数据支撑，没有任何客观指标。AI来了之后想干什么？想分析这个病人的血压趋势、血糖变化、用药依从性。但你输入的是"挺好"和"还行"，输出只能是垃圾。
这不是AI的问题，这是数据源的问题。而数据源的问题，是流程设计的问题。
问题二：患者每月来一次，剩下29天完全失联
慢病患者的主要场景是什么？是每天在家的自我管理，而不是每月一次的去门诊。
但现有的医疗系统只服务"到院行为"。患者踏进医院大门，系统激活；患者走出医院，系统休眠。
这意味着什么？意味着医生的诊疗决策永远是"片段式"的——他看不到患者每天的状态，只能看到每月来一次的那几分钟采样。这种采样本身就有偏差，加上没有连续性数据支撑，AI分析出来的结果参考价值大打折扣。
核心盲区29天的空白
影响：这是医疗AI最大的盲区。患者离开医院后完全失联，AI无法获取连续性数据，分析结果参考价值大打折扣。
问题三：AI改造的是"工具"，不是"流程"
过去几年医疗AI的改造逻辑是什么？是给医院加一个AI模块。病历写不完，加一个语音输入；影像看不过来，加一个AI辅诊；随访忙不过来，加一个自动外呼。
但这些都是"工具替换"，不是"流程再造"。
工具替换的结果是什么？医生多了一个工具，但工作流程没变。三分钟一个病人的节奏没变，该签而不管还是签而不管。
真正的AI改造，应该是重新设计流程。把"管理"的动作拆解出来，用AI承接那些不需要医生本人出马的部分：数据采集、趋势分析、异常提醒、用药提醒、下次随访时间预约。这些事情AI能干，而且能干得比人更稳定、更持续。
医生从"执行者"变成"决策者和监督者"。
但这个转变，需要医院管理层的推动，需要流程的重新设计，需要考核机制的配套。不是买一个AI系统能解决的。
七、改进
说了这么多问题，不是为了唱衰医疗AI，而是要把真问题摆出来，才能找到真解法。
第一，先做流程诊断，再上AI系统
建议所有想推进医疗AI改造的医院，先问自己一个问题：我们医院/卫生服务站的流程里，"管理"这个动作，目前是由谁在什么环节完成的？
如果答案是"没人"，那就不要急着买AI系统。先把流程设计搞清楚。
我见过最有效的做法，是先花两周时间把社区医院的核心工作流画出来：病人进门→挂号→分诊→候诊→问诊→检查→取药→离院→随访。把每个环节里"信息记录"和"决策判断"的动作拆出来，看看哪些是AI可以接手的，哪些必须由医生完成。
这个动作做完，AI选型和系统对接的思路就清晰了。
第二，从"没有数据"的场景切入
很多医院的AI改造优先选了"AI辅诊"作为切入点。这个方向没有错，但难度最大——因为辅诊需要的数据质量最高、实时性最强、对接系统最多。
更容易出效果的方向是什么？是"随访管理"和"患者提醒"。
但前提是先把数据源的问题解决。让患者在家里量的血压血糖数据，能够自动上传到系统里，而不是靠打电话问"挺好的还是不太好"。
这一步需要硬件配合（可穿戴设备、联网血压计），也需要患者端的配合。推进起来有阻力，但一旦跑通，数据质量是真实的、可分析的。
第三，用"人机协作"而不是"AI替代"来定义目标
最忌讳的宣传口径是"AI代替医生"。这句话一说出来，医生群体天然的抵触情绪就起来了，项目推进难度翻倍。
正确的说法是：AI负责那些不应该占用医生时间的事情，医生专注做只有医生能做的事情。
什么是只有医生能做的？问诊、诊断、治疗方案、病情解释、情感支持。
什么是AI能做的？病历整理、数据采集、指标追踪、异常提醒、下次随访安排、健康教育内容推送。
这个分工一旦清晰，医护人员的接受度会高很多。
第四，ROI要从"省了多少时间"算到"多创造了多少健康产出"
现在医疗AI项目最难过的关是什么？是院长拿着预算报告问IT："这玩意儿一年能给我省多少钱？"
但医疗AI的价值往往不是直接体现在财务数据上，而是体现在"避免了本该发生的并发症"、"提前干预了本该恶化的指标"、"减少了本该住院的患者"。
这些东西没法直接算账，但可以通过指标体系的设计来间接衡量。
建议在AI改造项目启动前，就跟医院管理层一起确定一套"健康产出指标"：随访完成率、慢病控制率、再入院率、患者满意度。这些指标的改善，才是医疗AI真正的价值证明。
八、总结
回到最初的问题：医疗AI为什么一直叫好不叫座？
因为我们一直在用"技术改造"的思路做"流程改造"的事情。
买系统、接接口、上AI模块——这是技术思路。但真正的障碍不是技术，是三个系统性问题：诊疗流程里没有"管理"的位置、公卫随访是"打电话"不是"看数据"、患者每月来一次剩下29天完全失联。
这些问题不解决，AI系统装得再多，也只是给一艘设计有问题的船换了更好的发动机。
2026年开始，情况会有变化。
原因有三：一是推理模型的能力提升，让AI可以"想很久"，多步骤任务不再轻易崩溃；二是MCP协议的出现，让系统对接的成本开始下降；三是B端ROI焦虑，终于让医院管理层开始愿意为"结果"买单，而不是为"工具"买单。
但变化只会发生在那些愿意先做流程诊断、再上AI系统的医院。
那些指望买一个AI系统就能解决问题的地方，大概率还会继续叫好不叫座。
