AI如何进入动物诊室?Heidi Health产品体验与宠物医疗落地分析

在一次中文犬科模拟问诊中，我对着麦克风描述：Molly是一只8岁的贵宾犬，最近频繁出现“小羊跳”动作，主人怀疑是髌骨脱位。停止录音后，Heidi Health很快把这段口语整理成了结构化记录：日期、主诉和病史被分别放进对应位置，页面上方还显示了与髌骨脱位相关的会话主题。

这次体验很短，生成结果也不复杂，但它让我直观感受到一件事：AI医疗记录产品处理的并不只是“语音转文字”。它还在尝试理解谁是患者、发生了什么、哪些内容属于主诉，哪些属于病史，再按照临床文书的结构组织信息。

不过，一次成功生成还不能回答更重要的问题：这种为临床医生设计的AI病历助手，能不能真正进入动物医院？

动物医院里的医生同样需要接诊、查体、开检查、给药、写病历和向主人解释治疗计划。宠物不会自己描述症状，医生面对的实际上是一场由宠物、主人、护士和医生共同参与的信息收集。即便AI能准确听懂一句“最近经常羊跳”，它还要处理物种、品种、体重、绝育状态、药物剂量、主人陈述与医生判断的区别，最后把结果写进医院原有系统。

因此，这篇文章不准备证明“Heidi一定适合所有动物医院”，而是想回答一个更具体的问题：Heidi已经跑通的“录音—结构化病历—人工审核”链路，在宠物医疗中可以解决哪些问题，又需要补齐哪些产品能力？

本次体验时间为2026年8月9日，使用中文普通话和一小段的犬科模拟病例。体验结果只能用于观察产品流程和提出后续测试问题，不能代表Heidi在真实诊疗、长对话或复杂病例中的整体表现。

一、动物医院需要的不是更快打字，而是少做一遍重复工作

病历不是诊疗结束后的附属品，而是诊疗工作的一部分。

英国皇家兽医学院（RCVS）2026年更新的职业指导要求，兽医和兽医护士应保留清晰、准确且足够详细的记录。临床记录不仅要包括动物的健康和治疗信息，还应记录检查、治疗、检验结果、后续调查计划、提供照护的人员以及给客户的建议。记录还需要及时填写、安全保存，并在修改时保留审计痕迹。RCVS临床与客户记录指导

这些要求有充分理由。完整病历关系到连续诊疗、转诊协作、用药安全、客户沟通和纠纷处理。但在实际工作中，记录越重要，医生需要投入的时间就越多。

兽医职业倦怠的成因很复杂，不能简单归结为写病历。工作量、时间压力、值班、情绪劳动、安乐死以及与宠物主人的沟通都会产生影响。不过，针对兽医职业压力的研究综述也提到，在家完成记录和邮件会妨碍从工作中脱离；研究者将简化病历系统、使用记录员或记录软件列为值得进一步验证的组织改善方向。与此同时，作者明确指出，兽医领域针对电子病历和AI记录工具的专门证据仍然有限。Frontiers兽医职业压力综述

这正是讨论AI病历产品时需要保持的边界：医生确实存在文书负担，但“存在负担”不等于“接入AI就一定解决”。产品必须进入原有流程，生成结果必须可用，医生审核所花的时间还要少于从头写一份病历。

如果医生在问诊时先记录关键信息，结束后再回忆并补写，实际上完成了两次信息处理。环境式AI记录工具的机会，是在诊疗对话发生时捕捉信息，先生成草稿，再让医生只处理确认、修正和补充。

它减少的不是打字这个动作，而是医生在诊后重新组织整场问诊的认知成本。

二、Heidi是什么：从AI Scribe走向临床工作流助手

Heidi最初进入用户视野的身份是AI medical scribe，即AI医疗记录助手。它在诊疗过程中记录对话，生成逐字稿，再按照选定模板整理为结构化病历。

但从目前的产品结构看，Heidi已经不只提供转写和病历生成。它的主要工作流包括：

Scribe与Transcript：记录诊疗对话并保留逐字稿，供医生回看。
Context：补充没有在对话中说出的信息，例如既往记录、检查报告、医生观察和上传文件。
Templates：决定输出采用SOAP、病程记录、转诊信还是其他结构，允许医生自定义标题、详略和表达方式。
Ask Heidi：通过自然语言修改记录、调整格式或生成一次性文档。
Documents、Tasks与Coding：从基础病历继续生成转诊信、出院说明、待办事项和医疗编码建议。
Verify与人工审核：帮助用户对照录音、上下文和生成结果，最终由医生确认。
导出与系统集成：将审核后的记录复制、导出或传入电子病历系统。

官方上手指南把一次使用分成诊前、诊中和诊后：

诊前添加患者信息和Context，诊中开始转写，结束后在Note和Transcript之间核对，再调整模板、详略程度或使用Ask Heidi修改，最后导出记录。Heidi官方上手指南

这套流程背后包含几类不同能力。语音识别负责听懂对话，大模型负责抽取和生成，模板负责限制结构，产品界面负责提供修改入口，最后还需要导出或集成能力把结果送到医院系统。

因此，不能把“模型会生成一份SOAP”直接写成“产品完成了病历工作”。只有当结果能够被医生发现错误、快速修改并进入正式档案，产品才完成一次交付。

商业模式也服务于这条路径。Heidi当前免费方案提供不限量的转写、标准模板病历生成和独立Evidence查询，但自定义模板、Ask Heidi、表单、患者关联等高级操作共享每月10次额度。付费的Clinician和Practice方案再增加个性化、团队模板、完整集成与管理能力。Heidi方案说明

这是一种典型的“个人先用、机构后买”路径：先让医生低成本体验，形成使用习惯；当同一家机构出现多个用户，再销售团队标准化、权限管理和系统集成。医疗软件通常要面对管理者、IT、合规部门和临床人员多方决策，免费核心功能降低了医生个人开始尝试的门槛。

三、我的体验：一段短时录音如何变成犬科记录

这次测试使用的是中文普通话和一个模拟犬科病例。录音内容非常简短，主要信息包括患者名称、年龄、品种、症状和主人怀疑的原因。

停止转写后，Heidi没有只返回一段连续文字，而是把内容放进两个字段：

主诉：8岁贵宾犬，频繁出现“羊跳”发作；

病史：主人怀疑是髌骨脱位。

这里有三个值得注意的细节。

1. 它识别了口语，而不只是医学名词

“小羊跳”是宠物主人可能使用的行为描述，不是完整诊断。系统保留了这个表达，并没有在正文中直接把它改成已经确诊的髌骨脱位。这说明生成结果至少在这一次测试中区分了“观察到的症状”和“主人怀疑的病因”。

但页面顶部出现了“髌骨脱位”的会话主题。仅凭截图无法判断这是自动抽取的标题、人工命名，还是其他生成逻辑。因此，文章不能把它写成“系统自动给出诊断标签”。更准确的说法是：Heidi基于对话生成了结构化病历草稿，并可能用相关主题帮助整理会话；诊断仍需由医生确认。

2. 模板不仅影响排版，也影响AI关注什么

在临床模板页面中，我还看到了“学生临床学习记录”结构。它把信息分成所见患者、主诉、查体、已送检项目、鉴别诊断、计划和学习要点。

这说明模板的价值不只是把标题变粗或调整顺序。它实际上是在告诉模型：这一类场景中哪些信息应该出现、应该放在哪里、输出需要达到什么详细程度。

对动物医院来说，这一点尤其重要。犬猫普通门诊、急诊、牙科、手术、麻醉、住院交接和异宠诊疗，不可能共用完全相同的记录结构。如果产品只提供一个通用SOAP，即使内容大致正确，医生仍然需要大量整理。

3. 产品把审核责任留给用户

生成结果下方提示用户在使用前审核记录，确保它准确反映本次就诊。这个提示看似普通，却揭示了医疗AI产品的责任结构：AI负责起草，医生负责最终确认。

问题是，仅有一句免责声明不够。医生需要知道哪里最容易错、每条内容来自哪里，以及修改后是否会影响其他文档。尤其在药物剂量、过敏史、否定信息和诊断状态上，产品需要比普通写作工具提供更强的校验能力。

这段短时录音能够说明的，是Heidi可以识别中文犬科描述并生成可读的结构化草稿。它不能证明长时间、多说话人、复杂病例下的稳定性，也不能证明生成结果能够直接进入正式病历。

这也是后续体验必须补充失败案例的原因。

四、从模型到产品：Heidi为什么不只是一个录音按钮

如果只看表面，AI病历助手的流程非常简单：打开录音，结束录音，得到病历。

但决定产品能否落地的，恰恰是按钮之外的设计。我把它拆成五层。

从现场对话、语音捕捉到结构化草稿、医生审核和系统归档，模型生成只是整条链路中的一环。

第一层：输入

输入不只有现场录音，还包括医生手动补充的信息、既往病历、检查结果、转诊材料和患者档案。录音只能捕捉被说出来的内容，无法自动知道医生没有出声的查体观察。

因此，Context不是附加功能，而是完整病历的重要输入通道。对兽医来说，体重、体温、疫苗状态、化验指标和医生触诊结果，可能来自不同设备或人员，不能假设都会自然出现在对话里。

第二层：理解与生成

系统需要完成语音识别、说话人区分、医学实体提取、时间线整理和文档生成。不同错误的后果并不相同：把宠物名字听错通常容易发现，把“没有呕吐”写成“出现呕吐”，或者把每千克剂量写错，则可能改变临床判断。

因此，产品评测不能只给一个总体准确率，而要按照字段风险分层。

第三层：结构约束

Template决定一段非结构化对话怎样转成正式记录。好的模板可以减少遗漏、统一团队标准，也可能带来“为了填满模板而生成内容”的风险。模型在原始对话没有提供信息时，应该留空、标记未提及，还是尝试推断，需要被明确设计。

第四层：审核与纠错

Transcript、编辑器、Ask Heidi和Verify共同承担人机协作。医生不仅要能修改，还需要快速定位问题。否则，“AI生成一分钟、医生审核十分钟”并没有创造价值。

第五层：履约

一份写在Heidi里的记录还不是正式病历。它需要进入电子病历或动物医院的PIMS（Practice Information Management System，诊所信息管理系统），还可能继续生成处方、转诊、出院说明和复查任务。

模型能写出来，只是能力；产品能把它安全送进下一步，才是履约。

五、Heidi能不能直接进入动物医院？

这不是一个完全假设的问题。Heidi已经把Veterinarians列为支持的专业场景，并提供兽医记录、住院交接等社区模板。其兽医页面描述的使用环境包括混合动物诊所、移动诊疗、急诊以及不同物种和操作，也提到手术报告、麻醉记录、术前检查、术后护理和出院小结等文档。Heidi兽医解决方案

但“官方支持兽医”不等于“人医版本可以原样搬过去”。动物医院至少有四个不同点。

1. 患者和信息提供者不是同一个主体

人类医疗中，患者通常可以直接描述自己的感受。动物医疗中，主人负责描述行为和变化，医生负责观察和判断，宠物本身无法确认信息。

产品必须区分：主人说了什么、医生观察到什么、护士记录了什么、检查结果显示什么。若把主人猜测直接写进Assessment，病历的事实层和判断层就会混在一起。

2. 基础数据结构不同

兽医病历需要物种、品种、年龄、性别、绝育状态、体重、用途及饲养环境等信息。给药还常与体重相关。不同物种的正常指标、常见疾病和药物禁忌并不相同。

这意味着“患者年龄＋症状＋诊断”的通用结构不够。兽医版本需要专门的数据字段和高风险规则。

3. 使用环境更复杂

动物医院可能存在叫声、多人交谈、医生边查体边移动等情况；大型动物和移动诊疗更不一定发生在安静诊室。产品需要面对噪声、距离、离线使用以及佩戴设备等问题。

4. 下游系统不同

动物医院使用PIMS管理病历、收费、库存、处方和客户沟通。如果医生仍需把AI病历逐项复制到原系统，节省的时间会被重新消耗。

这一点也能从兽医专用竞品看出来。ScribbleVet除了生成SOAP，还强调一键传入ezyVet、Pulse、Vetspire等PIMS，提供犬猫牙科图表、宠物主人摘要和Plumb's药物资料集成。ScribbleVet官方功能这些功能说明，垂直竞争已经从“能不能写记录”走向“是否理解兽医的特定任务”。

Heidi的优势可能在于通用临床工作流、语言、模板、免费入口和跨专业能力；兽医专用产品则可能在PIMS、药物知识、牙科图表和客户沟通上更深入。对于动物医院来说，最终选择不一定取决于谁生成的文字更漂亮，而取决于谁减少了更多后续操作。

六、目前最值得警惕的四类风险

主人陈述、医生观察与检查结果需要分别溯源；高风险字段在进入正式病历前仍应由医生确认。

1. 把怀疑写成确诊

“主人怀疑髌骨脱位”“医生考虑髌骨脱位”和“已确诊髌骨脱位”是三个不同状态。AI如果压缩语言时丢失信息来源和不确定性，就可能改变病历含义。

产品需要把信息标记为主人陈述、医生评估或客观结果，并保留“疑似、考虑、排除”等状态。

2. 遗漏没有说出口的信息

AI只能处理获得的输入。如果医生没有说出体重、查体结果或给药剂量，系统不应该为了完成模板而自行补全。更好的做法是明确提示缺失的高风险字段，让医生补充。

3. 自动化依赖

当产品连续多次生成正确结果，用户可能逐渐减少审核。单纯在底部提示“请审核”不能解决这个问题。高风险信息需要主动突出，低置信度内容需要明确标识。

4. 隐私与数据责任

宠物本身不是人类患者，但动物医院的客户记录仍包含主人姓名、联系方式、财务信息和沟通内容。RCVS指导也把识别信息和财务信息纳入客户记录，要求安全、保密地保存，并在共享包含个人数据的病史前取得客户同意。

Heidi表示对数据进行加密和去标识化，不使用患者敏感健康数据训练模型，并按地区提供数据本地化。不过，诊所仍需确认当地法律、数据保留政策、供应商协议、访问权限以及主人同意流程。Heidi数据保护说明

对AI产品经理而言，合规认证是进入医疗市场的门票，不是产品安全的最终证明。

七、如果继续做兽医场景，我会优先解决什么

基于这次体验和公开资料，我会把机会点排成四个优先级。

P0：建立高风险信息溯源

医生点击药物、剂量、过敏史、否定信息和诊断时，应能直接回到对应的录音片段、Transcript或Context。系统还应区分主人陈述、医生观察和检查结果。

它解决的是“医生怎样快速发现错误”，预期改善审核时间和高风险错误率。难点是对齐语音、文本和生成内容，并设计不会增加认知负担的界面。

P0：提供缺失与冲突提醒

当模板要求体重和剂量但输入没有体重，或主人说法与既往记录冲突时，系统应提示医生确认，而不是静默生成。

这比继续增加更多文档类型更优先，因为它直接影响记录是否可安全使用。

P1：建立兽医专用数据结构和模板

针对犬猫普通门诊、急诊、牙科、麻醉、手术和住院交接，提供物种、品种、体重、绝育状态、疫苗、驱虫、饮食和行为等字段。模板需要允许医院统一标准，也保留医生个人表达。

P1：连接PIMS和诊后任务

先解决高频复制粘贴，再考虑更复杂的自动执行。第一阶段可以支持字段映射和一键传入；第二阶段再连接处方、复查、客户摘要和收费流程。

这项工作的商业价值较高，但实现依赖不同PIMS的接口、权限和地区规则，因此需要从使用量最高的系统开始。

八、怎样判断产品真的创造了价值

如果后续要在动物医院做小规模验证，我不会把“生成了多少份记录”作为唯一指标。更值得观察的是：

目标	建议指标
效率	从问诊结束到病历确认的时间、诊后补写时间
可用性	首次生成可接受率、医生平均修改次数、修改字数比例
完整性	关键字段遗漏率、模板缺失项数量
准确性	无依据内容比例、否定信息错误率、说话人归因错误率
安全	药物和剂量错误率、疑似诊断被写成确诊的比例
留存	第4周仍持续使用的医生比例、每周完成会话数
履约	生成结果成功进入PIMS的比例、复制粘贴步骤减少量

测试可以从四组脱敏或模拟病例开始：单一症状、多症状与慢性病、中英文术语混合，以及医生—护士—主人三方对话。每组都保留原始脚本，再对比Transcript、生成病历和人工修改结果。

如果能进一步访谈动物医院从业者，应该重点了解一名医生每天写多少份病历、通常何时补写、哪些字段最容易遗漏、现有系统如何录入，以及他们最不能接受AI写错什么。一位受访者的观点不能代表整个行业，但可以帮助判断问题是否真实发生在目标流程中。

人类医疗领域已有研究发现，环境AI记录工具与减少诊后文书时间和认知负担有关。例如一项覆盖6个美国医疗系统的质量改进研究，在使用30天后观察到参与者自报的倦怠、记录相关认知负担和诊后记录时间下降。但这是人类医疗研究，不能直接证明兽医场景具有相同效果，只能作为产品假设的邻近证据。JAMA Network Open研究摘要

兽医场景仍需要自己的评测数据。

结语：AI进入动物诊室，靠的不只是一份生成正确的病历

这次短时模拟测试让我看到了一个清晰的产品起点：医生自然说话，Heidi把内容整理成主诉和病史，用户再审核结果。相比从空白页面开始写，这种交互明显降低了第一次整理信息的成本。

但从“一次生成可用”到“每天稳定使用”，中间还有很长的产品链路。AI需要理解宠物主人、医生和护士的不同角色，需要处理物种、体重、药物和诊断的不确定性，还要进入动物医院已有的PIMS、处方和复查流程。

因此，我目前的判断是：Heidi的基础能力可以迁移到动物医院，甚至已经具备兽医模板和官方解决方案；决定它能否形成长期价值的，不是模型能不能写出一份漂亮的SOAP，而是医生能否快速验证内容、医院能否安全接入、生成结果能否减少后续工作。

医疗AI的落地不发生在“生成完成”的那一刻，而发生在医生审核后愿意把这份记录放进正式病历的那一刻。

研究说明

文中的产品体验来自一次中文犬科模拟病例和两张产品截图，属于小样本体验，不代表全面准确率测试。

Heidi的功能、方案和兽医支持范围以2026年8月可访问的官方资料为依据，产品功能和价格可能继续变化。

动物医院部分结合兽医职业规范、研究文献和竞品公开资料进行产品分析，尚未加入正式从业者访谈，不能视为行业调查结论。