從五年前的技術炫技到今天的臨床剛需，AI+醫(yī)療終于走過了“證明我能”的喧囂，進入“解決痛點”的深水區(qū)。不做替代醫(yī)生的空想，只做減輕負擔的助手——這場對話告訴我們，AI醫(yī)療落地的第一步不是說服院長，而是贏得科室主任的信任；關鍵不是單點突破，而是多元數據聯(lián)動形成閉環(huán)

圓桌對話直面AI進醫(yī)院的真實卡點：系統(tǒng)對接難、醫(yī)生怕麻煩、責任劃不清。從左醫(yī)科技深耕九年的實戰(zhàn)出發(fā)，從協(xié)和到寧夏中衛(wèi)，揭示了分層落地的差異化邏輯——三甲提效率，基層補人力。用病歷生成這一通用痛點作為中樞，往前接分診，往后連隨訪，讓“黑科技”變成醫(yī)生愿意每天打開的工具。

以下為圓桌演講內容，經36氪整理編輯：

張戈丨華弋數智創(chuàng)始人&CEO（主持）

韓旭丨左醫(yī)科技醫(yī)學合伙人

張戈：各位來賓和直播前的各位朋友大家好，我是本輪對話主持人華弋數智張戈，非常歡迎韓總的到來，今天會聊一個特別實在的話題，AI醫(yī)療到底是怎么落地的，首先請韓總給大家打個招呼，用30秒告訴我們一件事，左醫(yī)現在做的跟五年前那波AI輔助醫(yī)療熱潮有什么本質區(qū)別？

韓旭：謝謝張總，謝謝主辦方的邀請，今天能在這兒跟大家做一個交流分享，左醫(yī)科技從2016年開始深耕AI+醫(yī)療行業(yè)，我們也經歷了AI醫(yī)療在國內發(fā)展的不同階段，就我們理解五年前AI醫(yī)療更多的是技術和資本驅動的，大家想的是如何用AI技術來改造醫(yī)療甚至代替醫(yī)生，做的東西更多是從技術角度出發(fā)，沒有解決臨床真正的問題，很難落地，現在更多是從臨床真正的需求出發(fā)，關注的是醫(yī)生每天日常工作中他們真正頭疼的點是什么，想著用AI技術來降低醫(yī)生的工作壓力，提質增效，同時也讓患者能夠更順暢地就醫(yī)。

張戈：從韓總的總結里我們感覺到醫(yī)療AI不斷走深走實，首先我們非常關注場景落地的問題，AI醫(yī)療進入到醫(yī)院，您覺得第一步要打通什么環(huán)節(jié)或者從什么地方入手，比如說要從上到下說服領導，還是培訓醫(yī)生，還是跟醫(yī)療的信息系統(tǒng)去進行對接，這里面哪個環(huán)節(jié)是卡點？

韓旭：從我們的經驗來看，AI醫(yī)療進醫(yī)院，第一步肯定不是去說服院長，也不是對接HIS、EMR系統(tǒng)、全員培訓，第一步應該是深入到臨床一線、科室，爭取到科室主任包括骨干醫(yī)生的支持，讓他們愿意做試點，在這個過程中真正見到效果以后，才涉及到去做后續(xù)的推廣，剛才說到去對接EMR HIS系統(tǒng)，有一定的技術難度，同時做多方協(xié)調，成本、時間周期都很高，一上來做系統(tǒng)對接很容易成為卡點。

醫(yī)生培訓沒有實際的東西、沒有實際效果，做培訓也只是一種形式，沒有實際意義，至于做全院推廣，你在做科室試點，有一定的效果以后，拿著真實的數據去跟醫(yī)院領導溝通，去做全院整體的推廣，才會更有說服力。

第二個卡點，1、系統(tǒng)對接，醫(yī)院各個系統(tǒng)非常多，品牌、廠家也非常多，也不是標準的接口，數據格式包括字段、權限管控都不一樣，現在醫(yī)院對數據安全也非常重視，如果做對接需要協(xié)調信息科、醫(yī)務科多個科室反復協(xié)調，這個過程很長，是非常大的卡點。

2、落地過程中會遇到的問題，醫(yī)生的接受度，醫(yī)生群體還是屬于相對保守的群體，規(guī)避風險意識很強，有一個新的工具使用，他們是不愿意更改固有的工作習慣，怕工具上了以后會增加自己學習使用的負擔，反而會增加工作量。再一個對AI產品的準確率、風險也會有一定的顧慮，實際項目落地過程中是有一個很難的點，怎么讓醫(yī)生接受、愿意使用。

張戈：您說到落地過程中的細節(jié)非常實際的痛點，信息系統(tǒng)對接、權限管控，這些都是在信息類的項目里非常重要，要解決的卡點類的問題，既有對接協(xié)和這樣頂級的三甲醫(yī)院，也有您給寧夏中衛(wèi)做的云上衛(wèi)醫(yī)，基層醫(yī)療的落地邏輯和三甲醫(yī)院的落地邏輯有什么不同，是存在更大的困難，還是不同的醫(yī)院不同信息化建設的水平，這里面是不是有不同的切入點。

韓旭：像協(xié)和三甲醫(yī)院和基層醫(yī)療機構，從需求來說，引入AI醫(yī)療系統(tǒng)，使用AI醫(yī)療產品，需求點是不一樣的，落地路徑包括切入點也是有差別的。比如像三甲醫(yī)院，更聚焦于院內，主要解決的問題，專家資源很寶貴，醫(yī)生時間很緊張，他更關注的是如何提高院內的效率，精細化把各個流程環(huán)節(jié)的效率提高，這些是三甲醫(yī)院的需求。基層醫(yī)療機構面臨的問題，醫(yī)生少，日常工作也很繁重。雖然面臨的疾病比如常見病，瑣碎的事務也很多，但基層醫(yī)療機構有家庭醫(yī)生簽約服務的壓力，每個人要簽約一兩千個居民，這個數量是服務不過來的，并且居民對于家庭醫(yī)生簽約服務也有一定的需求或者要求，服務能力是達不到的。

對于基層醫(yī)療機構來使用AI醫(yī)療產品的特點。一方面通過AI的產品，病歷生成、智能隨訪包括智能健康檔案來幫助他做日常瑣碎流程性的工作，也希望通過AI產品來幫助他服務患者。在院外服務患者對于三甲醫(yī)院，協(xié)和這樣的醫(yī)療機構需求不是很大，更多聚焦于解決院內的效率問題。

張戈：不同醫(yī)生群體有自己不同的訴求，我們通過解決他的需求，提升他工作效率，讓他對AI產品有更好的接受度，這里面有沒有遇到過比較抵觸使用AI產品的場景，您這邊怎么讓一線的醫(yī)護人員更加接受，這一塊有沒有經驗？

韓旭：這也是一個很重要的卡點，醫(yī)護人員對很多新的工具一開始是抵觸、觀望的，有幾種原因。第一個他會擔心給自己增加負擔，他需要學習、操作，醫(yī)生工作站里的系統(tǒng)很多，HIS、EMR等系統(tǒng)，他要切換系統(tǒng)非常麻煩。第二個風險，生成的內容有問題會給他造成一定的風險。從幾個方面入手解決，第一個我們的產品盡量做到更貼合他日常的工作，不是強行綁定，盡量做到不打擾，等于跟他原有的系統(tǒng)是融合，不是需要單獨學習、操作，降低在使用學習新系統(tǒng)的心理負擔。

第二個在責任權責、界定，所有AI生成內容必須經過醫(yī)生確認才可以發(fā)出的，他也可以隨時修改，最終的決策權是在醫(yī)生手里，他能對風險把控，這樣會好很多。

張戈：AI輔助診療，提升真正醫(yī)者工作的效率。

回到開場的問題，五年前AI醫(yī)療也火過一波，那時候講的是AI輔助診斷、AI讀片，今天左醫(yī)科技您這邊做的跟那時候相比核心區(qū)別在哪里，是技術能力變了，AI現在技術日新月異，應用場景隨著時間的變化有變化，還是大家對醫(yī)療本身的理解有變化。

韓旭：第一點對于醫(yī)療行業(yè)理解認知，AI醫(yī)療行業(yè)的理解認知發(fā)生了很大的變化，五年前，聚焦輔助診療，主要就想一下子切入診療環(huán)節(jié)，醫(yī)療診療是他的核心環(huán)節(jié)，通過技術，直接解決最難的問題，比如疑難雜癥的輔助診斷，包括腫瘤治療方案的推薦，專業(yè)壁壘最高的場景下，想在這上面發(fā)力，其實會面臨很多問題，首先它的實現難度很大，醫(yī)生也不太敢用，效果也不是特別好。現在更多的是大家逐漸認識到醫(yī)療，從醫(yī)生角度日常工作來說，診療只是占用了其中很小的一部分時間，他在醫(yī)院的大部分時間都是在處理文書類的病歷、病史整理、隨訪、跟患者溝通，去做流程性工作、上報材料等工作占用了他很多時間。現在我們轉變了思想，想去解決最核心的診療問題，轉變?yōu)閹椭t(yī)生來處理日常流程性、重復性、事務性工作，作為他的助手，幫助他把更多的時間用到真正的診療環(huán)節(jié)上，從場景上也會發(fā)生變化。之前大家都在做輔助診斷、影像識別病灶。現在診前、診中、診后不同環(huán)節(jié)去做分導診、預問診、病例生成、疾病管理等。

技術發(fā)展很重要，在剛才說的兩點基礎上來幫助實現的，大模型技術成熟、具備多模態(tài)能力，從最開始只能處理文本到現在的圖片、影像、語音等，讓整個AI能夠輔助醫(yī)生做的服務工作，更多、更完善。

張戈：從技術本身的演進再到我們做了這么多年業(yè)務的數據整合，確實是復雜演進的過程，由量變引發(fā)質變的過程，您這邊有一個產品叫作多元數據聯(lián)動，把預問診、對話轉寫、電子信息病例、院外OCR多種數據整合一起生成病例，這個能力是以前就有的嗎？如果沒有多元聯(lián)動，我們AI病例生成也能達到剛才提到90%的準確率。

韓旭：預問診、OCR、語音生成病例、院內數據的處理，這是單點的能力，這個都是我們逐步在研發(fā)的。我們之前有單獨預問診的產品，也給醫(yī)院院內數據做病例結構化處理，OCR提取、語音電子病例生成，每個單點工具對于最終病例生成，都是有一定的缺陷。如果單純診中語音電子病例生成，只根據醫(yī)患單次對話生成單次電子病例，醫(yī)生問診時間很短，會習慣性地不問一些東西，這樣會遺漏一些關鍵點。只根據患者自己填寫的東西，患者由于自己認知的問題，不具備醫(yī)學專業(yè)的知識，可能會夸大自己的病情，也可能會遺漏掉重要信息。如果院內的數據，沒有OCR能力，很多患者會帶著大量院外的檢查報告、化驗單來就診，沒有這個能力，醫(yī)生只能手工錄入或者語音重復結果再說一遍，這樣也浪費了很多的時間。

我們把四個單獨能力串在一起，首先起到互補，能把缺失的，單個環(huán)節(jié)缺失的信息，通過另外一個環(huán)節(jié)補充進來，不同的環(huán)節(jié)，診前預問診環(huán)節(jié)，診中語音環(huán)節(jié)、既往病例院內數據的環(huán)節(jié)，能夠起到互相校驗。比如會發(fā)現有一些矛盾的點，AI大模型會有幻覺的問題，會通過互相校驗的形式，盡量避免掉這樣的問題。首先這是多維度數據的補充，再一個對于病例生成質量的效果也是一個保障，沒有多維度數據補充，病例生成質量肯定是達不到現在的程度。

張戈：這個是多重維度交叉關聯(lián)校驗，以及技術的迭代更新，最終形成了結果。

說到技術的更新，從協(xié)和到地壇醫(yī)院做傳染病診療智能體再到重醫(yī)兒童醫(yī)院做的重兒小乙，再到寧夏中衛(wèi)做AI家醫(yī)，這幾個場景哪個是AI介入最深的，哪個是AI介入最淺的，您覺得什么決定了AI介入的深度？

韓旭：在我們看來，做專科智能體，比如像地壇傳染病智能體，重慶醫(yī)科大學附屬中醫(yī)院做的專科智能體，相對來說對AI要求會更高。專科或者專病垂直，需要去匹配專科專病問診、診療、治療方案，包括病歷書寫的特殊邏輯，需要建立專科專病知識庫，以及適配，AI會介入得更深一些。

其次像協(xié)和，他更多做的是門診整個流程效率的提升，精準預約、病例生成、分導診、預問診，不涉及診療的核心環(huán)節(jié)，更多是臨床外圍的事情，對于醫(yī)學專業(yè)的要求稍微低一些。

寧夏中衛(wèi)的AI家庭醫(yī)生，更多做的是面向區(qū)域性老百姓普惠性的健康服務，患教、科普、常規(guī)隨訪，介入是最少的。

張戈：這是非常偉大的工程，從AI時代的技術平權賦能到優(yōu)質資源走進千家萬戶這是非常了不起的事業(yè)，站在醫(yī)院的角度，ROI部分，我們怎么跟醫(yī)院院長們聊轉換率？

韓旭：跟醫(yī)院的管理者溝通項目的收益，首先一個原則，我們盡量避免使用模型、參數、技術路線專業(yè)，從這個角度溝通是盡量避免的。

更多是站在管理者關心的角度，短期收益。像協(xié)和項目短期收益，最明顯的是人力成本節(jié)約，試點科室，一個科室他之前做病歷、病史的整理、隨訪包括日常事務性的工作，需要一到兩個人力成本來做這個事。AI系統(tǒng)能幫他節(jié)約一到兩個成本，很容易算出來給醫(yī)院帶來的人力成本節(jié)約多少。

第二點，從醫(yī)院經營，營收通過診室效率提升，醫(yī)生接診效率提升，在不擴邊，不增加診室的情況下，在單位時間內能夠接診更多的患者，提高了他營收的效率。病例生成，通過規(guī)范性病例生成，醫(yī)保檢查、評分，減少醫(yī)保扣分罰款等方面，也是有一個明顯的收益。長期來看，專科智能體的建設，幫助醫(yī)院在區(qū)域性或者在區(qū)域，對于專科標桿的建立，起到促進作用，有助于他打造自己的特色科室，從風險管控，他是全程留痕，所有對話數據都存在，比如醫(yī)患糾紛、醫(yī)療責任劃分的情況，他是有數據源的，盡量避免糾紛發(fā)生等，從這幾點來溝通。原則在科室試點有一定數據的情況下，來做全院的推廣，算清楚這筆賬。

張戈：在回溯的機制上，從風險管控角度確實有一個躲不開的問題，誰來為AI錯誤負責？我們知道生成式人工智能有一個特點，生成內容的不確定性，這是它存在的技術特性，AI生成病歷出錯，醫(yī)生沒有發(fā)現錯誤細節(jié)，直接采用，這種責任如何進行劃定？左醫(yī)跟醫(yī)院簽合同的時候，有非常多商務層面的經驗，這部分也請您給我們講解一下。

韓旭：現有法律法規(guī)的情況，醫(yī)療行為最終責任主體是醫(yī)生和醫(yī)療機構，跟醫(yī)院簽訂的合同里會有明確的約定，AI生成的所有內容，病歷，醫(yī)生都是要經過審核的，如果因為醫(yī)生沒有審核產生的問題，由醫(yī)生和醫(yī)院承擔主體責任。我們承擔的責任，對于產品和服務缺陷的責任，比如因為模型的問題或者因為數據的問題，或者因為有一些本身AI產品就會有限制，沒有約定清楚產生的問題，廠商需要承擔相應的責任，后續(xù)是要不斷優(yōu)化。

合同中主要的責任，主要有四個責任，第一個醫(yī)療責任，醫(yī)療責任完全由醫(yī)院跟醫(yī)生來承擔；第二個產品服務責任，這是由廠商來承擔；第三個使用的責任，我們交付的時候肯定會有相應使用的參數，包括具體詳細的說明書，會要求在合同里約定醫(yī)院要求醫(yī)生要按照說明書來使用，不能超范圍使用，這個是雙方的責任；第四個數據安全的責任，雙方簽訂數據安全保密協(xié)議來約定。

張戈：非常感謝您詳細的商務層面的解構。

寧夏中衛(wèi)有20多萬用戶，有沒有出現過因為AI誤判導致患者出現延誤就醫(yī)的情況，一旦發(fā)生了，我們又怎么進行處理的？

韓旭：寧夏中衛(wèi)目前還沒有出現因為誤判導致患者延誤就醫(yī)就診情況的發(fā)生，首先定位很明確，我們只是輔助，我們在產品界面上都會有清晰明確的提示，AI所有的建議只是參考，不能替代真實的醫(yī)生，這是第一點。第二點產品設計層面也會有所謂的安全紅線，如果患者他提到有一些胸痛、嚴重的腹痛，涉及到危及生命的癥狀，產品會馬上明確提醒要去急診或者叫120。

第二個遇到診斷模糊的情況，也會建議他去線下醫(yī)療機構就診，用藥指導嚴格按照藥品說明書或者他上傳了醫(yī)生的醫(yī)囑來指導用法用量，不會直接給他除此之外的用法用量，會涉及相應的紅線。目前雖然沒有發(fā)生不良事件，我們是有應急的響應方案，一旦發(fā)生AI誤判，患者出現了緊急情況，首先我們會有相應的應急處理小組協(xié)調當地醫(yī)療資源，首先保證不耽誤患者的救治。當地衛(wèi)健委也會成立專家小組判定相應的責任，看這個事誰的責任，包括后續(xù)的賠償問題。

第三個，我們也會針對此次問題進行排查，看有沒有同類風險點后續(xù)要避免，包括有相應的整改報告提交給相應的整改部門。

第四個，也會把這次不良事件案例放到系統(tǒng)模型里學習、提升，以后做到盡量避免此類事件的發(fā)生。

張戈：聽起來特別有信心，PDCA閉環(huán)已經達成了，還有一定的兜底方案解決。

前面聊了詳實落地層面的事情，聊一個宏觀的敘事，未來AI+醫(yī)能真的替代真人家庭醫(yī)生嗎，從寧夏中衛(wèi)衛(wèi)健委主任那里看到，這套系統(tǒng)相當于給每個家庭免費配備一個主任醫(yī)師級別的全科智能醫(yī)生，家庭醫(yī)生的工作不只是看病，包括建檔、隨訪、健康教育以及心理疏導，AI能替代哪一個部分，替代不了的是什么？

韓旭：衛(wèi)健委主任說的是客氣，對我們謬贊，他想表達的意思AI醫(yī)生具備高年資醫(yī)生專業(yè)的知識以及處理標準化問診的能力，不是真正代替醫(yī)生職能的。AI醫(yī)生在基層醫(yī)療能夠承擔的標準化事務，比如標準化問診，健康咨詢、健康檔案的建立以及動態(tài)更新，常規(guī)三高慢病的隨訪，健康科普，相對標準化的工作，現在由AI醫(yī)生代替真人醫(yī)生去做的。

至于代替不了的，首先需要去線下服務的，上門尋診，量血壓、測血糖，除了傷口，做一些康復理療需要線下實操的，肯定是替代不了的，需要做一些心理關懷、人文關懷、目前AI是做不到的。

第三個基層醫(yī)療的醫(yī)生，有一個比較重要的工作，跟居民建立信任鏈接，他跟他管的居民有一個信任的建立，目前AI也是很難替代的。

再一個針對特殊群體去做個性化健康管理方案的調整，這也是目前替代不了真人醫(yī)生的。

張戈：我們講到特殊群體，在現實里來看，很多時候需要上門服務、需要家庭醫(yī)生的反而是老年朋友，反而接受智能化水平，包括跟機器對話的接受度反而會更差，信息數字鴻溝的問題您覺得怎么解決的？

韓旭：這是很現實的問題，尤其是在中衛(wèi)試點，他屬于西部地區(qū)，相對來說不那么發(fā)達，尤其是老年人接觸智能化產品也是很少的，第一點在產品層面盡量做得簡單，去掉需要文本輸入，點擊菜單，復雜跳轉這些流程都去掉，只保留基本功能，盡量做到只用語音就可以做溝通，老年人只通過說話就可以實現這些功能。

第二點，還涉及到口音的問題，我們針對當地方言做了模型優(yōu)化，讓這些老年人做到他可以用他日常說話就可以，不用刻意說普通話，就可以跟AI交流。

第三點，我們也會推動或者建議家庭醫(yī)生、志愿者、家屬、子女來幫助他來使用傳遞他的訴求，他實在操作不了由家人代操作。

再一個我們也做了一鍵轉接，AI聽不懂他說什么或者他聽不懂AI說什么，他覺得AI不可靠，可以一鍵轉接真人家庭醫(yī)生，人機協(xié)同，既能保證醫(yī)療服務的高效，也能保持真人醫(yī)生的溫度，這是一個長遠的形式。

張戈：細節(jié)考慮得非常周到，非常有溫情、溫度，AI跟醫(yī)學的結合。

左醫(yī)現在產品線很多，整個業(yè)務流程覆蓋比較廣，從分診、預約、預問診再到病例生成、輔助診斷、AI兒科、AI家醫(yī)，如果只選一個場景做到極致深耕，您會押住哪個賽道，原因是什么？

韓旭：現在重點方向是智能病歷生成，主要原因有幾點，第一點是對醫(yī)生來說所有的醫(yī)生都是需要的，不管是三甲醫(yī)院還是基層醫(yī)療機構，不管是高年資的主任還是低年資的醫(yī)生，都是需要寫病例，這是他們通用的痛點。

第二個病例生成這個事，他的效果最顯而易見，也最容易上手，確實能夠提高醫(yī)生的效率，他會非常愿意用的，不管是醫(yī)生自己還是科室主任，醫(yī)院領導能夠明顯看到產品帶來的好處、收益。

第三個病例環(huán)節(jié)在整個診療的鏈條上屬于中樞環(huán)節(jié)，往前可以連接到分導診、預問診，往后可以連接到隨訪、疾病管理，同時可以和院內數據做聯(lián)動，屬于數據中心，如果我們深耕把病例生成場景做好以后，其他場景是自然而然的事。

再一個相對它的風險比較低，病歷生成不涉及診療，權責明確，醫(yī)生需要審核，風險比較低，主要考慮這幾點。

張戈：謝謝韓總，非常期待與左醫(yī)共同見證在未來AI驅動下更加有溫度的醫(yī)學服務。

今天我們聊了四個事，一個是怎么落地，與之前有什么不同，怎么證明醫(yī)療AI場景的有效性，包括未來賽道和走向哪里，我印象最深的是聯(lián)動兩個字，單點AI，AI讀片、AI分診，很多公司都在做，左醫(yī)把預問診對話、電子信息全部聯(lián)動起來形成一個閉環(huán)，這個閉環(huán)才是AI醫(yī)療從展示廳的黑科技走向診療室落地解決方案的關鍵。

感謝36氪，感謝大家。