「新質生產力已被國家寫入了『十五五』規劃。其實我在中國醫院管理獎現場評審的時候，跟很多同仁在交流，醫院的新質生產力是什麼？大家都覺得，可能就是要把ai作為一個新的生產工具，創造更多的好應用。」山東第二醫科大學第一附屬醫院（濰坊市人民醫院）醫療部副主任李肖燕帶領團隊在第九季中國醫院管理獎獲得智慧醫院主題的全國銀案例，2026年1月，她在健康界直播中深度分享了醫院以人工智慧技術重構病案全鏈條管理的創新實踐。
ai在醫院的落地並非易事。「特別是ai用在哪個地方才能讓它真正地在醫院落地，是同仁們普遍面臨的問題。」李肖燕坦言，在與全國同仁的交流中發現，部分醫院的ai應用仍停留在概念層面或單點試水階段，難以真正融入臨床工作流。
而濰坊市人民醫院之所以將病案管理作為ai技術落地臨床場景的突破口，核心源於對臨床需求的深刻洞察：「ai用在輔診方面，目前討論和顧慮比較多，但是在病歷輔助生成方面，相對安全可控，收到了好的應用效果。」
傳統病案管理模式的痛點，早已成為制約醫療質量提升與醫生職業發展的核心瓶頸。國內調查數據顯示，46%的醫生每日需耗費4小時書寫病歷，單份入院記錄書寫耗時長達20到60分鐘，繁重的文書工作嚴重擠壓了醫生的臨床診療時間。
而電子病歷的複製粘貼亂象，更是導致病歷內涵嚴重缺失，因病曆書寫不規範、低級錯誤頻發而讓醫院承擔賠償責任的案件佔比高達34.38%，受醫療糾紛、費用支付、績效考核等多重因素影響，醫生病曆書寫不表達真實含義的情況更是屢見不鮮。質控環節的短板同樣突出。傳統人工病歷質控覆蓋度不足10%，且存在質控標準不統一、質控結果滯後等問題，難以實現全量病歷的同質化管理。
病案編碼環節更是行業難題，國內文獻顯示，主要診斷編碼正確率國家標準要求≥90%，而國內實際水平僅為75到80%；區域內調查顯示，編碼員與床位比僅為1:298.6，部分醫院甚至低至1:750，遠低於1:200的國家標準，優秀編碼員稀缺、培養周期長的問題普遍存在。
病歷流轉效率與患者體驗也深受影響。數據顯示，全國紙質病歷2日歸檔率僅46.03%，電子病歷也僅為49.23%，患者獲取病歷的時間普遍在7天以上，由此引發的患者投訴與醫患矛盾時有發生。
正是基於對這些行業痛點的深刻認知，濰坊市人民醫院在市衛健委的指導下，依託中央財政支持公立醫院改革與高質量發展示範項目，開啟了ai賦能病案全鏈條管理的系統性變革，最終實現了「4降2提升」的核心管理目標：降低醫生文書工作時間、降低病歷不合理複製發生率、降低患者等候時間、降低編碼人力投入，提升病歷內涵質量、提升病案編碼正確率。
濰坊市人民醫院的ai病案管理變革，並非一蹴而就的技術堆砌，而是遵循「築基—重構—智變—共享」的四階段進階路徑，從基礎流程標準化到院內管理平台化，再到ai全鏈條智能化，最終實現區域生態共享化，完成了從基礎建設到區域共享的智能化演進，形成了一套邏輯閉環、循序漸進的落地方法論。
階段一：築基
嵌入標準，構建病歷質控全流程閉環
變革的第一步，是打破傳統病案管理的流程斷點，實現病歷質控的無紙化、全流程閉環管理，為後續的智能化升級築牢制度與流程基礎。
醫院首先構建了病歷全生命周期的閉環管理體系，實現了病歷從記錄、提交、質控、回收、編目到歸檔的全流程追溯，每一步操作的操作人、操作時間都可精準溯源；同時搭建了質控消息處理的完整閉環，形成了「質控—發送—反饋—確認—追蹤」的雙向協同機制，打通了質控醫師與臨床醫師之間的溝通壁壘，讓質控問題能夠實時反饋、及時整改、全程追蹤。
在此基礎上，醫院完成了質控標準體系的全面標準化建設，針對不同專科、不同病歷類型制定了精細化的質控評分細則，質控條目全面覆蓋住院/出院病歷、麻醉文書、輸血病歷、專科專病病歷、病案首頁、死亡病案、優秀病案等全品類，共計2300余條。其中既包含了心血管、產科、麻醉、輸血等專科專項評分標準，也涵蓋了住院病歷質量評價、住院病案首頁質量評價、優秀病案評選等通用規範，徹底解決了傳統質控標準不統一、專科適配性不足的問題，實現了全院質控標準的同質化。
階段二：重構
實現全量病歷的數據化管控
在流程與標準閉環的基礎上，醫院開啟了病案質控的平台化重構，搭建了全院級病案質控平台，徹底打破了人工質控的局限性，實現了病案質控從「人工抽查」到「全量覆蓋」、從「事後整改」到「過程管控」的根本性轉變。
該質控平台實現了病案管理質量控制指標的四級下鑽，可按照全院—科室—醫生—患者的層級進行數據穿透分析，系統指標提取符合率與人工抽查結果高度相近；數據更新採用t+1模式，實現了對全部住院病歷的全覆蓋，從根本上解決了傳統病案統計依賴人工抽查、缺乏可靠數據源的行業難題。
平台嚴格對標國家醫療質量安全改進目標，圍繞腫瘤分期、關鍵診療行為、專科病歷質量三大核心管理重點，實現了質量分析報告的自動生成，讓醫院質量管理從經驗管理走向數據驅動的精細化管理。數據顯示，通過平台化管控，醫院重點癌種首次治療前臨床tnm分期評估率實現了持續躍升，2025年第四季度，重點癌種腫瘤分期評估率93.69%，其中手術治療前分期評估率95.17%。多重舉措下，病歷相關質控指標穩步改善5-10個百分點。
階段三：智變
大模型重塑病案管理全流程
這是整個變革的核心階段，醫院以大語言模型為核心，打造了病曆書寫虛擬助手「樂道i書」，完成了從預問診、語音病歷、病歷生成、內涵質控、病案編碼到醫療安全管理的全鏈條ai重構，徹底重塑了傳統病案管理的工作流程。「樂道i書」的命名，源於醫院的前身「樂道院」，既承載了醫院的百年歷史底蘊，也彰顯了以技術賦能醫療、以智慧守護健康的初心。
技術底座：本地知識庫+多智能體架構+提示詞工程的三維支撐
ai應用的落地，離不開堅實的技術底座。醫院首先構建了完善的本地知識庫體系，收錄了各專業最新治療指南、罕見病診療指南、院內病歷質量評價標準、醫療衛生相關法律法規、病案編碼規範等權威內容，為ai應用提供了權威、實時、本土化的規則支撐，解決了基礎大模型知識滯後、專科適配性不足的問題。
「一般來說大模型的訓練數據來源於公開網路，但是對於醫院來講，數據相對封閉，也是模型訓練過程中缺失的。比如腫瘤診療指南每年都會更新，但基礎模型更新相對滯後，所以必須依靠本地知識庫，讓ai應用更適配我們醫院的管理要求。」李肖燕解釋道。
在技術架構上，醫院創新性地採用了multi agent多智能體架構，將複雜的病案管理任務拆解為多個專項智能體，形成了任務型智能體集群。
「病案管理工作，就像一個團隊的協作，病歷回收、質控、編碼等環節需要不同的人員配合，這就形成了工作流。我們把這個過程類人化，讓每個智能體對應一個專項工作，既能獨立完成任務，也能多個智能體協作完成複雜工作。」截至目前，醫院已搭建了60余個智能體組件，覆蓋病歷生成、質控、腫瘤評估、病案編碼、三規範核查等全場景，甚至設置了「司令智能體」，用於解決多個智能體無法處理的複雜問題，進行高級別決策，徹底解決了主流大語言模型無法閱讀超長病歷、難以處理複雜醫療任務的行業痛點。
而提示詞工程，則是管控模型輸出、防範幻覺風險的核心抓手。「網路上有很多提示詞模板，但是在病曆書寫這個場景里，提示詞更多的是一種約束。就是讓比較聰明的模型，規規矩矩地把病歷按照書寫要求寫出來，而不是讓它自由發揮。」李肖燕表示，醫院由具有豐富管理經驗的臨床醫生編寫專屬提示詞，通過強約束讓模型輸出嚴格符合病曆書寫規範，同時大幅降低了幻覺發生率。「我們也想牽頭和行業同仁一起，編寫一個適合醫院醫生寫病歷的提示詞範本，做技術上的交流。」
全場景落地：從診前到歸檔的ai全鏈條賦能
基於堅實的技術底座，醫院實現了病案管理全場景的ai深度賦能，六大核心功能全面覆蓋病案管理的每一個環節：
門診預問診智能採集：患者挂號成功後，會收到預問診提醒，通過ai機器人與患者的問答式交互，自動採集患者的癥狀、病史、既往診療史等信息，生成結構化的預問診報告，在患者就診前同步給接診醫生。這一功能不僅提前完成了病史採集工作，縮短了門診問診時間，也讓醫生能夠提前了解患者病情，提升診療效率。
門診語音病歷智能生成：針對門診醫生文書工作繁重的痛點，醫院打造了ai語音病歷系統，通過聲紋識別技術，實時採集醫患問診對話內容，自動完成文本轉換，並按照病曆書寫規範，將對話內容結構化整理為主訴、現病史、既往史、體格檢查、初步診斷、診療意見等完整的門診病歷內容，醫生審核後即可一鍵導入病歷系統。
「原來的語音錄入只是把說的話轉化成文字，而引入大模型之後，它可以按照病曆書寫的質量要求，把醫患交流內容，整理成規範的結構化病歷，直接嵌入到病歷里，確實為門診工作減輕了很多壓力。」李肖燕表示。針對濰坊本地方言種類多、識別難度大的問題，濰坊市衛健委還專門建立了「普通話—方言」對照醫學詞庫與醫學知識圖譜，有效解決了方言錄入困難的問題。
住院病歷全場景輔助生成：這是臨床醫生應用最廣泛、認可度最高的功能，目前已實現整本住院病歷的全內容輔助生成，覆蓋入院記錄、病例特點、診斷依據、鑒別診斷、診療計劃、病程記錄、上級醫師查房記錄、出院記錄、出院醫囑等所有病歷文書模塊。
其核心實現路徑，是基於ai雲腦智能平台，通過任務分解模型融合病曆書寫規範構建專屬提示詞工程，「樂道i書」可自動獲取上一次查房至本次查房期間，患者的醫囑、檢查、檢驗、護理、手術麻醉、重症監護等多系統的全量數據，按照病曆書寫規範自動生成對應文書內容。
數據顯示，該功能上線後，單份病程記錄的書寫時間從10分鐘/份降至2分鐘/份，單份入院記錄書寫時間減少30分鐘以上；「樂道i書」單日調用峰值最高突破10萬次，成為了臨床醫生離不開的文書助手。
「截止到現在，我們整本病歷都可以輔助生成，但有一個核心原則：ai只幫助醫生生成客觀部分，診斷、診療決策這些核心醫療工作，必須由醫生親自完成，ai只做輔助工作。」李肖燕強調，所有ai生成的內容，都標註了「以上內容由ai生成，請醫師審核，確保法律效力與臨床準確性」，醫生主動點擊生成、審核後引用到病歷中，最終簽署醫生姓名才會生效，既守住了醫療安全的底線，也大幅減輕了醫生的文書負擔。「雖然有專家說ai生成的內容『ai味』有點重，但它能幫醫生整理好基礎的病歷資料，讓醫生把更多精力放在診療思路的梳理上，這就是最大的價值。」
病歷內涵質控全維度智能審核：區別於傳統質控僅關注形式完整性，醫院通過ai實現了從「形式質控」到「內涵質控」的全面跨越，質控維度覆蓋病歷低級錯誤篩查、上下文邏輯矛盾校驗、主訴與診斷關聯性核查、診療行為記錄符合率評估、核心制度落實情況核查、手術指征合理性評估、抗菌藥物使用合理性核查、腫瘤tnm分期質控、mdt會診質控、「三規範」（規範檢查、規範用藥、規範收費）核查、非計劃再次手術篩查、法律風險評估等全維度，真正實現了100%病歷的全內涵質控。
「在病歷質控方面，能力還是非常不錯的，彌補了傳統做質控不夠靈活的問題。」李肖燕分享道。其中，非計劃再次手術ai篩查功能，被團隊視為2025年最成功的ai應用之一。
傳統模式下，醫院日均手術量達四五百台，人工核查非計劃二次手術幾乎無法實現，只能依賴臨床醫生主動上報，漏檢率高、管理滯後。而通過ai初篩+人工複核的質控閉環，該功能實現了準確率≥99.2%、漏檢率=0%的優異效果，人工複核耗時更是降至2分鐘/例，徹底將事後的被動管理，轉變為事前的主動預警，極大地保障了醫療安全。
針對醫保監管要求的高額病歷審核，ai同樣發揮了巨大價值。2025年，管理部門對5萬元以上的住院病歷進行全量審核，傳統模式下，一組人員審核一份高額病歷平均需要3小時，且難以實現全量覆蓋。而通過多智能體協同，醫院解決了超長病歷的ai閱讀難題，將單份高額病歷的審核時間從3小時降至15分鐘，審核準確率≥90%，實現了高額病歷的全量智能化審核。
同時，ai還解決了115個腫瘤專業質控指標的自動提取難題，通過對病理報告、手術記錄的智能解析，精準提取淋巴結清掃數量等核心質控指標，為腫瘤規範化治療提供了堅實的抓手。
此外，ai法律風險評估功能也深受臨床醫生歡迎，系統可基於本地法律法規知識庫，對病歷進行全維度法律風險篩查，詳細指出風險點及對應的法律依據，為醫生提供針對性的整改建議，從源頭防範醫療糾紛風險。
病案首頁智能質控與編碼輔助：針對病案首頁填寫與編碼這一核心難點，醫院實現了drg/dip分組結果實時展示、編碼智能推薦、首頁填寫質量智能審核，系統可自動核查診斷的高填、多填、低填、漏填問題，重點校驗診斷是否成立、與病歷內容是否匹配，將傳統的規則審核升級為全維度智能審核，讓臨床醫生在填寫首頁的過程中，就能實時看到質控提醒與drg/dip分組結果，從源頭提升了病案首頁填寫質量。
階段四：共享
區域標準共同體，構建ai病案編碼生態
在院內應用成熟的基礎上，醫院並未止步於單點突破，而是在濰坊市衛健委的統籌下，將ai編碼技術向全市推廣，搭建了「濰智碼—濰坊市ai病案編碼雲平台」，構建了區域病案管理標準共同體，打破了醫療ai「局部創新活躍、整體統籌不足」的行業困境。
「對於我們濰坊來說，這不是一家醫院的嘗試，是整個濰坊市的探索。我們希望把整個區域病案編碼準確率低、優秀編碼員稀缺、工作量大的問題，在區域內得到系統性解決。」李肖燕表示。該平台依託「數智濰坊健康大腦」數據底座，結合模型微調、rag、cot等核心技術，對區域內3112個病種、1767個術種進行了深度分析，最終形成了成熟的「病案編碼智能體」，打造了國內領先的市級ai病案編碼雲平台。
平台採用六層架構設計，從下到上分別為數據源層、數據集成層、數據治理層、專業技術支持層、應用層、用戶層，全面打通了全市各醫院的his、emr、病案系統等數據源，內置智能編碼推薦、編碼質控校驗、多版本映射、質控分析報表、跨院協同管理等核心功能。其核心創新在於，實現了編碼過程的全追溯，每條編碼推薦都會同步輸出原文依據與編碼依據，確保編碼的可解釋性、可追溯性，徹底重塑了傳統病案編碼流程。
2025年6月26日，「濰智碼，智慧醫療・編碼未來」濰坊市ai病案編碼雲平台發布會成功舉行，線上線下累計超18萬人次關注；濰坊市衛健委同步發布官方文件，在全市範圍內推廣使用該平台，選定首批試點醫院穩步推進全域落地。為了實現平台的規模化推廣，醫院打造了完善的標準化推廣體系：提供「標準化推廣工具包」，幫助各級醫院快速落地；創新「三級醫院賦能、二級醫院承接、基層醫院適配」的推廣模式，大幅降低不同層級醫院的部署成本；建立線上線下培訓+「1對1幫扶」機制，確保醫院上線後1個月內即可熟練使用。
截至目前，平台已在2家醫院正式落地，6家醫院完成複製上線進入試運行階段。「我們希望2026年，能把區域內二級以上醫院都通過市級平台覆蓋掉，在濰坊，ai應用不是一家高亮，而是百家齊放的狀態。」李肖燕說道。
範式革新
五大體系構建醫療ai落地的「濰坊模式」
區別於行業內多數醫院單點、零散的ai應用，濰坊市人民醫院的ai病案管理實踐，構建了一套體系化、全閉環、可複製的創新模式，形成了五大核心創新體系，為醫療ai在公立醫院的深度落地，提供了極具參考價值的「濰坊模式」。
一、三層架構+五位一體的組織保障創新
任何技術變革的落地，都離不開完善的組織保障體系。醫院構建了「決策層—執行層—支持層」三層權責清晰、目標一致的組織保障體系，為項目推進提供了全方位支撐。
決策層由院領導挂帥成立專項工作小組，將項目納入醫院智慧醫院高質量發展重點工作，提供全面的「人財物」政策保障；執行層由「臨床專家+it工程師+病案專家」組成跨學科核心團隊，採用mdt協作機制抓落地執行；支持層則構建了「政產學研用」五位一體的協同模式，聯合衛健委、高校、科研機構、企業，獲得了算力支持、高校合作、企業技術賦能，形成了協同創新的強大合力。
同時，醫院與中國海洋大學共建智慧醫療聯合研究中心，與國家健康醫療大數據研究院開展深度科研合作，與企業簽訂技術開發合作合同，形成了「政府監管指導、醫院臨床落地、高校科研支撐、企業技術賦能」的良性協同生態。
二、全鏈條閉環的場景創新：從診前到歸檔，從院內到區域的全流程覆蓋
行業內多數ai病案應用，僅聚焦於病歷生成或編碼輔助的單點突破，而濰坊市人民醫院則實現了「患者預問診—門診語音病歷—住院病歷全場景生成—病歷內涵全維度質控—病案首頁智能審核—ai智能編碼—區域編碼標準共建」的全鏈條閉環，打通了his、emr、pacs、lis、護理、手術麻醉、重症監護等所有相關業務系統，實現了患者就診全流程數據的全鏈路貫通，讓ai技術真正融入了病案管理的每一個環節，而非遊離於臨床工作流之外。
這種全鏈條的場景創新，不僅實現了病案管理全流程的效率與質量雙提升，更讓病案數據從靜態的醫療文書，轉變為驅動醫療質量提升、醫院精細化管理、臨床科研創新的動態價值數據，真正實現了病案管理從「成本中心」到「價值中心」的質變。
三、多智能體協同的技術創新：破解醫療ai落地的核心技術痛點
通過multi agent多智能體架構的創新應用，醫院徹底破解了醫療ai落地的兩大核心行業痛點：一是主流大語言模型無法閱讀超長病歷、難以處理複雜長周期住院病歷的問題，通過多智能體分工協作，實現了對高額長周期病歷的全量、精準審核；二是解決了單一模型難以適配病案管理多場景、多任務的問題，通過專項智能體的獨立訓練與協同工作，實現了不同場景下的最優應用效果，同時避免了模型微調帶來的基礎能力下降問題。
「我們通過多智能體協作的方式，解決了對超長病例閱讀和ai應用的難題，讓智能審核的時間大幅縮短，準確率能穩定在90%左右。」李肖燕表示，這種類人化的多智能體工作流設計，讓ai應用真正適配了醫院的管理流程，而非讓臨床流程去適配技術，這也是項目能夠快速被臨床接受、順利落地的核心原因。
四、人機協同的安全管控創新：構建醫療ai全流程風險防控體系
ai醫療應用的核心底線，是醫療安全與數據安全。針對行業普遍關注的模型幻覺、臨床依賴、數據隱私等核心風險，醫院構建了全流程的人機協同安全管控體系，實現了創新與安全的平衡。
針對模型幻覺問題，醫院通過本地知識庫收斂、提示詞強約束、高質量數據集治理、多智能體交叉校驗四大手段，將幻覺發生率控制在極低水平，同時建立「ai生成—醫師審核—終末質控」的三級審核機制，所有ai生成內容均需執業醫師審核確認後方可生效，從制度上守住了醫療安全底線。「幻覺是ai應用中無法完全避免的話題，現階段不可能完全消除，但通過一年多的磨合，我們已經實現了完全可控，沒有出現過出格的問題。」李肖燕說道。
針對臨床對ai的依賴與抵制問題，醫院堅持不做強制推廣，而是通過培養「臨床代言人」，讓科室主任、先鋒醫生率先使用、反饋優化，通過實際的減負效果帶動臨床主動應用，同時明確ai的助手定位，核心診療決策始終由醫生主導，既避免了臨床對ai的過度依賴，也化解了醫生對ai的抵觸情緒。
針對患者隱私與數據安全問題，醫院制定了《診室使用ai語音輔助系統的告知書》，向患者充分告知系統功能、信息採集範圍，給予患者充分的知情選擇權，患者可自主選擇是否開啟該功能，且診療質量與權益不受選擇影響；所有錄音文件均進行加密存儲，僅限用於本次診療服務；所有數據均採用本地化部署，嚴守醫療數據安全底線。
五、區域協同的標準化推廣創新：實現醫療ai的普惠化發展
多數醫院的ai應用，僅停留在院內優化層面，難以向基層醫院推廣，導致醫療ai出現「大醫院越用越強，基層醫院難以觸及」的馬太效應。而濰坊市人民醫院通過市衛健委統籌，搭建統一的雲平台，創新了「市級平台統一建設—三級醫院技術輸出—二級及基層醫院分級適配」的推廣模式，通過輕量化版本適配基層醫院需求，大幅降低了基層醫院的ai部署成本與技術門檻。
同時，平台建立了全市統一的編碼標準與疑難編碼跨院會診機制，通過「編碼地圖」實時監控各醫院編碼工作情況，通過「編碼小課堂」推送典型案例開展常態化培訓，實現了全市病案管理能力的整體提升，而非單點突破，為全國區域醫療ai協同發展、醫療資源均衡化提供了可複製的樣板。
邁向「以患者為中心」的本質回歸
讓病案成為醫院價值中心
「我們做ai應用，始終堅守『為醫生賦能、讓患者獲益』的初心。ai不是要替代醫生，而是醫生最好的助手，最終目標是讓醫療回歸『以患者為中心』的本質。」李肖燕在分享中反覆強調，ai在醫療場景中的定位，始終是輔助工具，而非替代者。「現階段是初級人工智慧應用階段，核心是人機協同、互為校驗。它的價值是提質增效，而不是替代醫務人員。我們希望通過ai，讓編碼員減少重複的閱讀和編碼工作，讓醫生把節省下來的時間，回歸到和患者的溝通與臨床診療中，這才是最核心的價值。」
對於醫療ai的落地路徑，團隊也總結出了核心經驗：摒棄「大而全」的盲盒式落地，堅持「試點—評估—優化—推廣」的漸進式策略，用「小而快」的迭代方式，解決臨床實際痛點。「很多醫院ai落地失敗，是因為追求一步到位，而我們是從最基礎的流程閉環做起，每個階段都解決實際問題，驗證成效後再進入下一階段，讓臨床真正感受到ai的價值，才會主動接受和使用。」
同時，團隊也正視ai應用中仍存在的挑戰，並制定了針對性的解決方案：針對方言識別難題，持續完善「普通話—方言」醫學詞庫；針對模型生成效果不理想的問題，通過優化算力分配、提升數據質量、完善提示詞約束持續優化；針對模型幻覺，通過多智能體交叉校驗、高質量數據集治理持續降低發生率；針對算力需求，通過區域統籌規劃、流式處理技術優化算力使用效率；針對隱私保護，持續完善知情告知機制與數據加密體系，嚴守數據安全底線。
對於未來，團隊也制定了清晰的持續改善計劃。一是持續優化智能化工具精度與臨床信任度，深化「人機協同、互為校驗」的良性機制；二是推動「精簡病歷 回歸本質」，剝離非診療需要的內容，保留並強化核心診療內容，讓病歷真正服務於診療，而非形式主義；三是轉變質控模式，從傳統的醫生書寫質量質控，轉變為ai生成質量的質控，構建適配ai時代的病案質控新體系；四是持續深化ai在臨床科研、患者服務等更多場景的應用，讓ai真正成為醫療質量的「助推器」，開創醫院高質量發展的新篇章。
回顧濰坊市人民醫院的探索之路，其成功並非源於單一技術的引入，而是一套涵蓋頂層設計、組織變革、路徑規劃、工具創新、生態構建及文化思考的系統工程。他們堅守的初心始終明確：「為醫生賦能、讓患者獲益」。
通過ai的全鏈條賦能，病案管理成功地從後台的成本中心，轉變為了驅動醫療質量持續提升的價值中心。它不僅保障了醫療安全、提升了運營效率，更通過釋放醫生的生產力、改善患者的就醫體驗，深刻踐行了「以患者為中心」的服務理念。
李肖燕在總結中展望：「持續深化ai在科研、患者服務等更多場景的應用，讓ai真正成為醫療質量的『助推器』，開創醫院高質量發展的新篇章！」 這不僅是這家百年老院面向未來的宣言，也為廣大公立醫院在數字化、智能化轉型浪潮中，如何務實創新、堅守本分、提升內涵，提供了一套以患者為中心、以臨床需求為導向、以技術創新為支撐、以安全可控為底線的「濰坊模式」。其探索證明，當技術與醫療本質深度融合，人工智慧方能真正成為照亮醫院高質量發展前路的明燈。
健康界出品，未經授權禁止轉載。
若違規轉載，必追究法律責任！
