“新质生产力已被国家写入了‘十五五’规划。其实我在中国医院管理奖现场评审的时候，跟很多同仁在交流，医院的新质生产力是什么？大家都觉得，可能就是要把ai作为一个新的生产工具，创造更多的好应用。”山东第二医科大学第一附属医院（潍坊市人民医院）医疗部副主任李肖燕带领团队在第九季中国医院管理奖获得智慧医院主题的全国银案例，2026年1月，她在健康界直播中深度分享了医院以人工智能技术重构病案全链条管理的创新实践。
ai在医院的落地并非易事。“特别是ai用在哪个地方才能让它真正地在医院落地，是同仁们普遍面临的问题。”李肖燕坦言，在与全国同仁的交流中发现，部分医院的ai应用仍停留在概念层面或单点试水阶段，难以真正融入临床工作流。
而潍坊市人民医院之所以将病案管理作为ai技术落地临床场景的突破口，核心源于对临床需求的深刻洞察：“ai用在辅诊方面，目前讨论和顾虑比较多，但是在病历辅助生成方面，相对安全可控，收到了好的应用效果。”
传统病案管理模式的痛点，早已成为制约医疗质量提升与医生职业发展的核心瓶颈。国内调查数据显示，46%的医生每日需耗费4小时书写病历，单份入院记录书写耗时长达20到60分钟，繁重的文书工作严重挤压了医生的临床诊疗时间。
而电子病历的复制粘贴乱象，更是导致病历内涵严重缺失，因病历书写不规范、低级错误频发而让医院承担赔偿责任的案件占比高达34.38%，受医疗纠纷、费用支付、绩效考核等多重因素影响，医生病历书写不表达真实含义的情况更是屡见不鲜。质控环节的短板同样突出。传统人工病历质控覆盖度不足10%，且存在质控标准不统一、质控结果滞后等问题，难以实现全量病历的同质化管理。
病案编码环节更是行业难题，国内文献显示，主要诊断编码正确率国家标准要求≥90%，而国内实际水平仅为75到80%；区域内调查显示，编码员与床位比仅为1:298.6，部分医院甚至低至1:750，远低于1:200的国家标准，优秀编码员稀缺、培养周期长的问题普遍存在。
病历流转效率与患者体验也深受影响。数据显示，全国纸质病历2日归档率仅46.03%，电子病历也仅为49.23%，患者获取病历的时间普遍在7天以上，由此引发的患者投诉与医患矛盾时有发生。
正是基于对这些行业痛点的深刻认知，潍坊市人民医院在市卫健委的指导下，依托中央财政支持公立医院改革与高质量发展示范项目，开启了ai赋能病案全链条管理的系统性变革，最终实现了“4降2提升”的核心管理目标：降低医生文书工作时间、降低病历不合理复制发生率、降低患者等候时间、降低编码人力投入，提升病历内涵质量、提升病案编码正确率。
潍坊市人民医院的ai病案管理变革，并非一蹴而就的技术堆砌，而是遵循“筑基—重构—智变—共享”的四阶段进阶路径，从基础流程标准化到院内管理平台化，再到ai全链条智能化，最终实现区域生态共享化，完成了从基础建设到区域共享的智能化演进，形成了一套逻辑闭环、循序渐进的落地方法论。
阶段一：筑基
嵌入标准，构建病历质控全流程闭环
变革的第一步，是打破传统病案管理的流程断点，实现病历质控的无纸化、全流程闭环管理，为后续的智能化升级筑牢制度与流程基础。
医院首先构建了病历全生命周期的闭环管理体系，实现了病历从记录、提交、质控、回收、编目到归档的全流程追溯，每一步操作的操作人、操作时间都可精准溯源；同时搭建了质控消息处理的完整闭环，形成了“质控—发送—反馈—确认—追踪”的双向协同机制，打通了质控医师与临床医师之间的沟通壁垒，让质控问题能够实时反馈、及时整改、全程追踪。
在此基础上，医院完成了质控标准体系的全面标准化建设，针对不同专科、不同病历类型制定了精细化的质控评分细则，质控条目全面覆盖住院/出院病历、麻醉文书、输血病历、专科专病病历、病案首页、死亡病案、优秀病案等全品类，共计2300余条。其中既包含了心血管、产科、麻醉、输血等专科专项评分标准，也涵盖了住院病历质量评价、住院病案首页质量评价、优秀病案评选等通用规范，彻底解决了传统质控标准不统一、专科适配性不足的问题，实现了全院质控标准的同质化。
阶段二：重构
实现全量病历的数据化管控
在流程与标准闭环的基础上，医院开启了病案质控的平台化重构，搭建了全院级病案质控平台，彻底打破了人工质控的局限性，实现了病案质控从“人工抽查”到“全量覆盖”、从“事后整改”到“过程管控”的根本性转变。
该质控平台实现了病案管理质量控制指标的四级下钻，可按照全院—科室—医生—患者的层级进行数据穿透分析，系统指标提取符合率与人工抽查结果高度相近；数据更新采用t+1模式，实现了对全部住院病历的全覆盖，从根本上解决了传统病案统计依赖人工抽查、缺乏可靠数据源的行业难题。
平台严格对标国家医疗质量安全改进目标，围绕肿瘤分期、关键诊疗行为、专科病历质量三大核心管理重点，实现了质量分析报告的自动生成，让医院质量管理从经验管理走向数据驱动的精细化管理。数据显示，通过平台化管控，医院重点癌种首次治疗前临床tnm分期评估率实现了持续跃升，2025年第四季度，重点癌种肿瘤分期评估率93.69%，其中手术治疗前分期评估率95.17%。多重举措下，病历相关质控指标稳步改善5-10个百分点。
阶段三：智变
大模型重塑病案管理全流程
这是整个变革的核心阶段，医院以大语言模型为核心，打造了病历书写虚拟助手“乐道i书”，完成了从预问诊、语音病历、病历生成、内涵质控、病案编码到医疗安全管理的全链条ai重构，彻底重塑了传统病案管理的工作流程。“乐道i书”的命名，源于医院的前身“乐道院”，既承载了医院的百年历史底蕴，也彰显了以技术赋能医疗、以智慧守护健康的初心。
技术底座：本地知识库+多智能体架构+提示词工程的三维支撑
ai应用的落地，离不开坚实的技术底座。医院首先构建了完善的本地知识库体系，收录了各专业最新治疗指南、罕见病诊疗指南、院内病历质量评价标准、医疗卫生相关法律法规、病案编码规范等权威内容，为ai应用提供了权威、实时、本土化的规则支撑，解决了基础大模型知识滞后、专科适配性不足的问题。
“一般来说大模型的训练数据来源于公开网络，但是对于医院来讲，数据相对封闭，也是模型训练过程中缺失的。比如肿瘤诊疗指南每年都会更新，但基础模型更新相对滞后，所以必须依靠本地知识库，让ai应用更适配我们医院的管理要求。”李肖燕解释道。
在技术架构上，医院创新性地采用了multi agent多智能体架构，将复杂的病案管理任务拆解为多个专项智能体，形成了任务型智能体集群。
“病案管理工作，就像一个团队的协作，病历回收、质控、编码等环节需要不同的人员配合，这就形成了工作流。我们把这个过程类人化，让每个智能体对应一个专项工作，既能独立完成任务，也能多个智能体协作完成复杂工作。”截至目前，医院已搭建了60余个智能体组件，覆盖病历生成、质控、肿瘤评估、病案编码、三规范核查等全场景，甚至设置了“司令智能体”，用于解决多个智能体无法处理的复杂问题，进行高级别决策，彻底解决了主流大语言模型无法阅读超长病历、难以处理复杂医疗任务的行业痛点。
而提示词工程，则是管控模型输出、防范幻觉风险的核心抓手。“网络上有很多提示词模板，但是在病历书写这个场景里，提示词更多的是一种约束。就是让比较聪明的模型，规规矩矩地把病历按照书写要求写出来，而不是让它自由发挥。”李肖燕表示，医院由具有丰富管理经验的临床医生编写专属提示词，通过强约束让模型输出严格符合病历书写规范，同时大幅降低了幻觉发生率。“我们也想牵头和行业同仁一起，编写一个适合医院医生写病历的提示词范本，做技术上的交流。”
全场景落地：从诊前到归档的ai全链条赋能
基于坚实的技术底座，医院实现了病案管理全场景的ai深度赋能，六大核心功能全面覆盖病案管理的每一个环节：
门诊预问诊智能采集：患者挂号成功后，会收到预问诊提醒，通过ai机器人与患者的问答式交互，自动采集患者的症状、病史、既往诊疗史等信息，生成结构化的预问诊报告，在患者就诊前同步给接诊医生。这一功能不仅提前完成了病史采集工作，缩短了门诊问诊时间，也让医生能够提前了解患者病情，提升诊疗效率。
门诊语音病历智能生成：针对门诊医生文书工作繁重的痛点，医院打造了ai语音病历系统，通过声纹识别技术，实时采集医患问诊对话内容，自动完成文本转换，并按照病历书写规范，将对话内容结构化整理为主诉、现病史、既往史、体格检查、初步诊断、诊疗意见等完整的门诊病历内容，医生审核后即可一键导入病历系统。
“原来的语音录入只是把说的话转化成文字，而引入大模型之后，它可以按照病历书写的质量要求，把医患交流内容，整理成规范的结构化病历，直接嵌入到病历里，确实为门诊工作减轻了很多压力。”李肖燕表示。针对潍坊本地方言种类多、识别难度大的问题，潍坊市卫健委还专门建立了“普通话—方言”对照医学词库与医学知识图谱，有效解决了方言录入困难的问题。
住院病历全场景辅助生成：这是临床医生应用最广泛、认可度最高的功能，目前已实现整本住院病历的全内容辅助生成，覆盖入院记录、病例特点、诊断依据、鉴别诊断、诊疗计划、病程记录、上级医师查房记录、出院记录、出院医嘱等所有病历文书模块。
其核心实现路径，是基于ai云脑智能平台，通过任务分解模型融合病历书写规范构建专属提示词工程，“乐道i书”可自动获取上一次查房至本次查房期间，患者的医嘱、检查、检验、护理、手术麻醉、重症监护等多系统的全量数据，按照病历书写规范自动生成对应文书内容。
数据显示，该功能上线后，单份病程记录的书写时间从10分钟/份降至2分钟/份，单份入院记录书写时间减少30分钟以上；“乐道i书”单日调用峰值最高突破10万次，成为了临床医生离不开的文书助手。
“截止到现在，我们整本病历都可以辅助生成，但有一个核心原则：ai只帮助医生生成客观部分，诊断、诊疗决策这些核心医疗工作，必须由医生亲自完成，ai只做辅助工作。”李肖燕强调，所有ai生成的内容，都标注了“以上内容由ai生成，请医师审核，确保法律效力与临床准确性”，医生主动点击生成、审核后引用到病历中，最终签署医生姓名才会生效，既守住了医疗安全的底线，也大幅减轻了医生的文书负担。“虽然有专家说ai生成的内容‘ai味’有点重，但它能帮医生整理好基础的病历资料，让医生把更多精力放在诊疗思路的梳理上，这就是最大的价值。”
病历内涵质控全维度智能审核：区别于传统质控仅关注形式完整性，医院通过ai实现了从“形式质控”到“内涵质控”的全面跨越，质控维度覆盖病历低级错误筛查、上下文逻辑矛盾校验、主诉与诊断关联性核查、诊疗行为记录符合率评估、核心制度落实情况核查、手术指征合理性评估、抗菌药物使用合理性核查、肿瘤tnm分期质控、mdt会诊质控、“三规范”（规范检查、规范用药、规范收费）核查、非计划再次手术筛查、法律风险评估等全维度，真正实现了100%病历的全内涵质控。
“在病历质控方面，能力还是非常不错的，弥补了传统做质控不够灵活的问题。”李肖燕分享道。其中，非计划再次手术ai筛查功能，被团队视为2025年最成功的ai应用之一。
传统模式下，医院日均手术量达四五百台，人工核查非计划二次手术几乎无法实现，只能依赖临床医生主动上报，漏检率高、管理滞后。而通过ai初筛+人工复核的质控闭环，该功能实现了准确率≥99.2%、漏检率=0%的优异效果，人工复核耗时更是降至2分钟/例，彻底将事后的被动管理，转变为事前的主动预警，极大地保障了医疗安全。
针对医保监管要求的高额病历审核，ai同样发挥了巨大价值。2025年，管理部门对5万元以上的住院病历进行全量审核，传统模式下，一组人员审核一份高额病历平均需要3小时，且难以实现全量覆盖。而通过多智能体协同，医院解决了超长病历的ai阅读难题，将单份高额病历的审核时间从3小时降至15分钟，审核准确率≥90%，实现了高额病历的全量智能化审核。
同时，ai还解决了115个肿瘤专业质控指标的自动提取难题，通过对病理报告、手术记录的智能解析，精准提取淋巴结清扫数量等核心质控指标，为肿瘤规范化治疗提供了坚实的抓手。
此外，ai法律风险评估功能也深受临床医生欢迎，系统可基于本地法律法规知识库，对病历进行全维度法律风险筛查，详细指出风险点及对应的法律依据，为医生提供针对性的整改建议，从源头防范医疗纠纷风险。
病案首页智能质控与编码辅助：针对病案首页填写与编码这一核心难点，医院实现了drg/dip分组结果实时展示、编码智能推荐、首页填写质量智能审核，系统可自动核查诊断的高填、多填、低填、漏填问题，重点校验诊断是否成立、与病历内容是否匹配，将传统的规则审核升级为全维度智能审核，让临床医生在填写首页的过程中，就能实时看到质控提醒与drg/dip分组结果，从源头提升了病案首页填写质量。
阶段四：共享
区域标准共同体，构建ai病案编码生态
在院内应用成熟的基础上，医院并未止步于单点突破，而是在潍坊市卫健委的统筹下，将ai编码技术向全市推广，搭建了“潍智码—潍坊市ai病案编码云平台”，构建了区域病案管理标准共同体，打破了医疗ai“局部创新活跃、整体统筹不足”的行业困境。
“对于我们潍坊来说，这不是一家医院的尝试，是整个潍坊市的探索。我们希望把整个区域病案编码准确率低、优秀编码员稀缺、工作量大的问题，在区域内得到系统性解决。”李肖燕表示。该平台依托“数智潍坊健康大脑”数据底座，结合模型微调、rag、cot等核心技术，对区域内3112个病种、1767个术种进行了深度分析，最终形成了成熟的“病案编码智能体”，打造了国内领先的市级ai病案编码云平台。
平台采用六层架构设计，从下到上分别为数据源层、数据集成层、数据治理层、专业技术支持层、应用层、用户层，全面打通了全市各医院的his、emr、病案系统等数据源，内置智能编码推荐、编码质控校验、多版本映射、质控分析报表、跨院协同管理等核心功能。其核心创新在于，实现了编码过程的全追溯，每条编码推荐都会同步输出原文依据与编码依据，确保编码的可解释性、可追溯性，彻底重塑了传统病案编码流程。
2025年6月26日，“潍智码，智慧医疗・编码未来”潍坊市ai病案编码云平台发布会成功举行，线上线下累计超18万人次关注；潍坊市卫健委同步发布官方文件，在全市范围内推广使用该平台，选定首批试点医院稳步推进全域落地。为了实现平台的规模化推广，医院打造了完善的标准化推广体系：提供“标准化推广工具包”，帮助各级医院快速落地；创新“三级医院赋能、二级医院承接、基层医院适配”的推广模式，大幅降低不同层级医院的部署成本；建立线上线下培训+“1对1帮扶”机制，确保医院上线后1个月内即可熟练使用。
截至目前，平台已在2家医院正式落地，6家医院完成复制上线进入试运行阶段。“我们希望2026年，能把区域内二级以上医院都通过市级平台覆盖掉，在潍坊，ai应用不是一家高亮，而是百家齐放的状态。”李肖燕说道。
范式革新
五大体系构建医疗ai落地的“潍坊模式”
区别于行业内多数医院单点、零散的ai应用，潍坊市人民医院的ai病案管理实践，构建了一套体系化、全闭环、可复制的创新模式，形成了五大核心创新体系，为医疗ai在公立医院的深度落地，提供了极具参考价值的“潍坊模式”。
一、三层架构+五位一体的组织保障创新
任何技术变革的落地，都离不开完善的组织保障体系。医院构建了“决策层—执行层—支持层”三层权责清晰、目标一致的组织保障体系，为项目推进提供了全方位支撑。
决策层由院领导挂帅成立专项工作小组，将项目纳入医院智慧医院高质量发展重点工作，提供全面的“人财物”政策保障；执行层由“临床专家+it工程师+病案专家”组成跨学科核心团队，采用mdt协作机制抓落地执行；支持层则构建了“政产学研用”五位一体的协同模式，联合卫健委、高校、科研机构、企业，获得了算力支持、高校合作、企业技术赋能，形成了协同创新的强大合力。
同时，医院与中国海洋大学共建智慧医疗联合研究中心，与国家健康医疗大数据研究院开展深度科研合作，与企业签订技术开发合作合同，形成了“政府监管指导、医院临床落地、高校科研支撑、企业技术赋能”的良性协同生态。
二、全链条闭环的场景创新：从诊前到归档，从院内到区域的全流程覆盖
行业内多数ai病案应用，仅聚焦于病历生成或编码辅助的单点突破，而潍坊市人民医院则实现了“患者预问诊—门诊语音病历—住院病历全场景生成—病历内涵全维度质控—病案首页智能审核—ai智能编码—区域编码标准共建”的全链条闭环，打通了his、emr、pacs、lis、护理、手术麻醉、重症监护等所有相关业务系统，实现了患者就诊全流程数据的全链路贯通，让ai技术真正融入了病案管理的每一个环节，而非游离于临床工作流之外。
这种全链条的场景创新，不仅实现了病案管理全流程的效率与质量双提升，更让病案数据从静态的医疗文书，转变为驱动医疗质量提升、医院精细化管理、临床科研创新的动态价值数据，真正实现了病案管理从“成本中心”到“价值中心”的质变。
三、多智能体协同的技术创新：破解医疗ai落地的核心技术痛点
通过multi agent多智能体架构的创新应用，医院彻底破解了医疗ai落地的两大核心行业痛点：一是主流大语言模型无法阅读超长病历、难以处理复杂长周期住院病历的问题，通过多智能体分工协作，实现了对高额长周期病历的全量、精准审核；二是解决了单一模型难以适配病案管理多场景、多任务的问题，通过专项智能体的独立训练与协同工作，实现了不同场景下的最优应用效果，同时避免了模型微调带来的基础能力下降问题。
“我们通过多智能体协作的方式，解决了对超长病例阅读和ai应用的难题，让智能审核的时间大幅缩短，准确率能稳定在90%左右。”李肖燕表示，这种类人化的多智能体工作流设计，让ai应用真正适配了医院的管理流程，而非让临床流程去适配技术，这也是项目能够快速被临床接受、顺利落地的核心原因。
四、人机协同的安全管控创新：构建医疗ai全流程风险防控体系
ai医疗应用的核心底线，是医疗安全与数据安全。针对行业普遍关注的模型幻觉、临床依赖、数据隐私等核心风险，医院构建了全流程的人机协同安全管控体系，实现了创新与安全的平衡。
针对模型幻觉问题，医院通过本地知识库收敛、提示词强约束、高质量数据集治理、多智能体交叉校验四大手段，将幻觉发生率控制在极低水平，同时建立“ai生成—医师审核—终末质控”的三级审核机制，所有ai生成内容均需执业医师审核确认后方可生效，从制度上守住了医疗安全底线。“幻觉是ai应用中无法完全避免的话题，现阶段不可能完全消除，但通过一年多的磨合，我们已经实现了完全可控，没有出现过出格的问题。”李肖燕说道。
针对临床对ai的依赖与抵制问题，医院坚持不做强制推广，而是通过培养“临床代言人”，让科室主任、先锋医生率先使用、反馈优化，通过实际的减负效果带动临床主动应用，同时明确ai的助手定位，核心诊疗决策始终由医生主导，既避免了临床对ai的过度依赖，也化解了医生对ai的抵触情绪。
针对患者隐私与数据安全问题，医院制定了《诊室使用ai语音辅助系统的告知书》，向患者充分告知系统功能、信息采集范围，给予患者充分的知情选择权，患者可自主选择是否开启该功能，且诊疗质量与权益不受选择影响；所有录音文件均进行加密存储，仅限用于本次诊疗服务；所有数据均采用本地化部署，严守医疗数据安全底线。
五、区域协同的标准化推广创新：实现医疗ai的普惠化发展
多数医院的ai应用，仅停留在院内优化层面，难以向基层医院推广，导致医疗ai出现“大医院越用越强，基层医院难以触及”的马太效应。而潍坊市人民医院通过市卫健委统筹，搭建统一的云平台，创新了“市级平台统一建设—三级医院技术输出—二级及基层医院分级适配”的推广模式，通过轻量化版本适配基层医院需求，大幅降低了基层医院的ai部署成本与技术门槛。
同时，平台建立了全市统一的编码标准与疑难编码跨院会诊机制，通过“编码地图”实时监控各医院编码工作情况，通过“编码小课堂”推送典型案例开展常态化培训，实现了全市病案管理能力的整体提升，而非单点突破，为全国区域医疗ai协同发展、医疗资源均衡化提供了可复制的样板。
迈向“以患者为中心”的本质回归
让病案成为医院价值中心
“我们做ai应用，始终坚守‘为医生赋能、让患者获益’的初心。ai不是要替代医生，而是医生最好的助手，最终目标是让医疗回归‘以患者为中心’的本质。”李肖燕在分享中反复强调，ai在医疗场景中的定位，始终是辅助工具，而非替代者。“现阶段是初级人工智能应用阶段，核心是人机协同、互为校验。它的价值是提质增效，而不是替代医务人员。我们希望通过ai，让编码员减少重复的阅读和编码工作，让医生把节省下来的时间，回归到和患者的沟通与临床诊疗中，这才是最核心的价值。”
对于医疗ai的落地路径，团队也总结出了核心经验：摒弃“大而全”的盲盒式落地，坚持“试点—评估—优化—推广”的渐进式策略，用“小而快”的迭代方式，解决临床实际痛点。“很多医院ai落地失败，是因为追求一步到位，而我们是从最基础的流程闭环做起，每个阶段都解决实际问题，验证成效后再进入下一阶段，让临床真正感受到ai的价值，才会主动接受和使用。”
同时，团队也正视ai应用中仍存在的挑战，并制定了针对性的解决方案：针对方言识别难题，持续完善“普通话—方言”医学词库；针对模型生成效果不理想的问题，通过优化算力分配、提升数据质量、完善提示词约束持续优化；针对模型幻觉，通过多智能体交叉校验、高质量数据集治理持续降低发生率；针对算力需求，通过区域统筹规划、流式处理技术优化算力使用效率；针对隐私保护，持续完善知情告知机制与数据加密体系，严守数据安全底线。
对于未来，团队也制定了清晰的持续改善计划。一是持续优化智能化工具精度与临床信任度，深化“人机协同、互为校验”的良性机制；二是推动“精简病历 回归本质”，剥离非诊疗需要的内容，保留并强化核心诊疗内容，让病历真正服务于诊疗，而非形式主义；三是转变质控模式，从传统的医生书写质量质控，转变为ai生成质量的质控，构建适配ai时代的病案质控新体系；四是持续深化ai在临床科研、患者服务等更多场景的应用，让ai真正成为医疗质量的“助推器”，开创医院高质量发展的新篇章。
回顾潍坊市人民医院的探索之路，其成功并非源于单一技术的引入，而是一套涵盖顶层设计、组织变革、路径规划、工具创新、生态构建及文化思考的系统工程。他们坚守的初心始终明确：“为医生赋能、让患者获益”。
通过ai的全链条赋能，病案管理成功地从后台的成本中心，转变为了驱动医疗质量持续提升的价值中心。它不仅保障了医疗安全、提升了运营效率，更通过释放医生的生产力、改善患者的就医体验，深刻践行了“以患者为中心”的服务理念。
李肖燕在总结中展望：“持续深化ai在科研、患者服务等更多场景的应用，让ai真正成为医疗质量的‘助推器’，开创医院高质量发展的新篇章！” 这不仅是这家百年老院面向未来的宣言，也为广大公立医院在数字化、智能化转型浪潮中，如何务实创新、坚守本分、提升内涵，提供了一套以患者为中心、以临床需求为导向、以技术创新为支撑、以安全可控为底线的“潍坊模式”。其探索证明，当技术与医疗本质深度融合，人工智能方能真正成为照亮医院高质量发展前路的明灯。
健康界出品，未经授权禁止转载。
若违规转载，必追究法律责任！
