【AI前沿】圆桌对话:看见实效:从技术到处方,AI +医疗的场景落地与价值闭环| 2026AI Partner·北京亦庄AI+产业大会
圆桌对话:看见实效:从技术到处方,AI +医疗的场景落地与价值闭环| 2026AI Partner·北京亦庄AI+产业大会未来一氪·2026年05月22日 15:38AI医疗从技术炫技入临床痛点,分层落地解决需求从五年前的技术炫技到今天的临床刚需,AI+医疗终于走过了“证明我能”的喧嚣,进入“解决痛点”的深水区。不做替代医生的空想,只做减轻负担的助手——这场对话告诉我们,AI医疗落地的第一步不是说服院长,而是赢得科室主任的信任;关键不是单点突破,而是多元数据联动形成闭环圆桌对话直面AI进医院的真实卡点:系统对接难、医生怕麻烦、责任划不清。从左医科技深耕九年的实战出发,从协和到宁夏中卫,揭示了分层落地的差异化逻辑——三甲提效率,基层补人力。用病历生成这一通用痛点作为中枢,往前接分诊,往后连随访,让“黑科技”变成医生愿意每天打开的工具。以下为圆桌演讲内容,经36氪整理编辑:张戈丨华弋数智创始人&CEO(主持)韩旭丨左医科技医学合伙人张戈:各位来宾和直播前的各位朋友大家好,我是本轮对话主持人华弋数智张戈,非常欢迎韩总的到来,今天会聊一个特别实在的话题,AI医疗到底是怎么落地的,首先请韩总给大家打个招呼,用30秒告诉我们一件事,左医现在做的跟五年前那波AI辅助医疗热潮有什么本质区别?韩旭:谢谢张总,谢谢主办方的邀请,今天能在这儿跟大家做一个交流分享,左医科技从2016年开始深耕AI+医疗行业,我们也经历了AI医疗在国内发展的不同阶段,就我们理解五年前AI医疗更多的是技术和资本驱动的,大家想的是如何用AI技术来改造医疗甚至代替医生,做的东西更多是从技术角度出发,没有解决临床真正的问题,很难落地,现在更多是从临床真正的需求出发,关注的是医生每天日常工作中他们真正头疼的点是什么,想着用AI技术来降低医生的工作压力,提质增效,同时也让患者能够更顺畅地就医。张戈:从韩总的总结里我们感觉到医疗AI不断走深走实,首先我们非常关注场景落地的问题,AI医疗进入到医院,您觉得第一步要打通什么环节或者从什么地方入手,比如说要从上到下说服领导,还是培训医生,还是跟医疗的信息系统去进行对接,这里面哪个环节是卡点?韩旭:从我们的经验来看,AI医疗进医院,第一步肯定不是去说服院长,也不是对接HIS、EMR系统、全员培训,第一步应该是深入到临床一线、科室,争取到科室主任包括骨干医生的支持,让他们愿意做试点,在这个过程中真正见到效果以后,才涉及到去做后续的推广,刚才说到去对接EMR HIS系统,有一定的技术难度,同时做多方协调,成本、时间周期都很高,一上来做系统对接很容易成为卡点。医生培训没有实际的东西、没有实际效果,做培训也只是一种形式,没有实际意义,至于做全院推广,你在做科室试点,有一定的效果以后,拿着真实的数据去跟医院领导沟通,去做全院整体的推广,才会更有说服力。第二个卡点,1、系统对接,医院各个系统非常多,品牌、厂家也非常多,也不是标准的接口,数据格式包括字段、权限管控都不一样,现在医院对数据安全也非常重视,如果做对接需要协调信息科、医务科多个科室反复协调,这个过程很长,是非常大的卡点。2、落地过程中会遇到的问题,医生的接受度,医生群体还是属于相对保守的群体,规避风险意识很强,有一个新的工具使用,他们是不愿意更改固有的工作习惯,怕工具上了以后会增加自己学习使用的负担,反而会增加工作量。再一个对AI产品的准确率、风险也会有一定的顾虑,实际项目落地过程中是有一个很难的点,怎么让医生接受、愿意使用。张戈:您说到落地过程中的细节非常实际的痛点,信息系统对接、权限管控,这些都是在信息类的项目里非常重要,要解决的卡点类的问题,既有对接协和这样顶级的三甲医院,也有您给宁夏中卫做的云上卫医,基层医疗的落地逻辑和三甲医院的落地逻辑有什么不同,是存在更大的困难,还是不同的医院不同信息化建设的水平,这里面是不是有不同的切入点。韩旭:像协和三甲医院和基层医疗机构,从需求来说,引入AI医疗系统,使用AI医疗产品,需求点是不一样的,落地路径包括切入点也是有差别的。比如像三甲医院,更聚焦于院内,主要解决的问题,专家资源很宝贵,医生时间很紧张,他更关注的是如何提高院内的效率,精细化把各个流程环节的效率提高,这些是三甲医院的需求。基层医疗机构面临的问题,医生少,日常工作也很繁重。虽然面临的疾病比如常见病,琐碎的事务也很多,但基层医疗机构有家庭医生签约服务的压力,每个人要签约一两千个居民,这个数量是服务不过来的,并且居民对于家庭医生签约服务也有一定的需求或者要求,服务能力是达不到的。对于基层医疗机构来使用AI医疗产品的特点。一方面通过AI的产品,病历生成、智能随访包括智能健康档案来帮助他做日常琐碎流程性的工作,也希望通过AI产品来帮助他服务患者。在院外服务患者对于三甲医院,协和这样的医疗机构需求不是很大,更多聚焦于解决院内的效率问题。张戈:不同医生群体有自己不同的诉求,我们通过解决他的需求,提升他工作效率,让他对AI产品有更好的接受度,这里面有没有遇到过比较抵触使用AI产品的场景,您这边怎么让一线的医护人员更加接受,这一块有没有经验?韩旭:这也是一个很重要的卡点,医护人员对很多新的工具一开始是抵触、观望的,有几种原因。第一个他会担心给自己增加负担,他需要学习、操作,医生工作站里的系统很多,HIS、EMR等系统,他要切换系统非常麻烦。第二个风险,生成的内容有问题会给他造成一定的风险。从几个方面入手解决,第一个我们的产品尽量做到更贴合他日常的工作,不是强行绑定,尽量做到不打扰,等于跟他原有的系统是融合,不是需要单独学习、操作,降低在使用学习新系统的心理负担。第二个在责任权责、界定,所有AI生成内容必须经过医生确认才可以发出的,他也可以随时修改,最终的决策权是在医生手里,他能对风险把控,这样会好很多。张戈:AI辅助诊疗,提升真正医者工作的效率。回到开场的问题,五年前AI医疗也火过一波,那时候讲的是AI辅助诊断、AI读片,今天左医科技您这边做的跟那时候相比核心区别在哪里,是技术能力变了,AI现在技术日新月异,应用场景随着时间的变化有变化,还是大家对医疗本身的理解有变化。韩旭:第一点对于医疗行业理解认知,AI医疗行业的理解认知发生了很大的变化,五年前,聚焦辅助诊疗,主要就想一下子切入诊疗环节,医疗诊疗是他的核心环节,通过技术,直接解决最难的问题,比如疑难杂症的辅助诊断,包括肿瘤治疗方案的推荐,专业壁垒最高的场景下,想在这上面发力,其实会面临很多问题,首先它的实现难度很大,医生也不太敢用,效果也不是特别好。现在更多的是大家逐渐认识到医疗,从医生角度日常工作来说,诊疗只是占用了其中很小的一部分时间,他在医院的大部分时间都是在处理文书类的病历、病史整理、随访、跟患者沟通,去做流程性工作、上报材料等工作占用了他很多时间。现在我们转变了思想,想去解决最核心的诊疗问题,转变为帮助医生来处理日常流程性、重复性、事务性工作,作为他的助手,帮助他把更多的时间用到真正的诊疗环节上,从场景上也会发生变化。之前大家都在做辅助诊断、影像识别病灶。现在诊前、诊中、诊后不同环节去做分导诊、预问诊、病例生成、疾病管理等。技术发展很重要,在刚才说的两点基础上来帮助实现的,大模型技术成熟、具备多模态能力,从最开始只能处理文本到现在的图片、影像、语音等,让整个AI能够辅助医生做的服务工作,更多、更完善。张戈:从技术本身的演进再到我们做了这么多年业务的数据整合,确实是复杂演进的过程,由量变引发质变的过程,您这边有一个产品叫作多元数据联动,把预问诊、对话转写、电子信息病例、院外OCR多种数据整合一起生成病例,这个能力是以前就有的吗?如果没有多元联动,我们AI病例生成也能达到刚才提到90%的准确率。韩旭:预问诊、OCR、语音生成病例、院内数据的处理,这是单点的能力,这个都是我们逐步在研发的。我们之前有单独预问诊的产品,也给医院院内数据做病例结构化处理,OCR提取、语音电子病例生成,每个单点工具对于最终病例生成,都是有一定的缺陷。如果单纯诊中语音电子病例生成,只根据医患单次对话生成单次电子病例,医生问诊时间很短,会习惯性地不问一些东西,这样会遗漏一些关键点。只根据患者自己填写的东西,患者由于自己认知的问题,不具备医学专业的知识,可能会夸大自己的病情,也可能会遗漏掉重要信息。如果院内的数据,没有OCR能力,很多患者会带着大量院外的检查报告、化验单来就诊,没有这个能力,医生只能手工录入或者语音重复结果再说一遍,这样也浪费了很多的时间。我们把四个单独能力串在一起,首先起到互补,能把缺失的,单个环节缺失的信息,通过另外一个环节补充进来,不同的环节,诊前预问诊环节,诊中语音环节、既往病例院内数据的环节,能够起到互相校验。比如会发现有一些矛盾的点,AI大模型会有幻觉的问题,会通过互相校验的形式,尽量避免掉这样的问题。首先这是多维度数据的补充,再一个对于病例生成质量的效果也是一个保障,没有多维度数据补充,病例生成质量肯定是达不到现在的程度。张戈:这个是多重维度交叉关联校验,以及技术的迭代更新,最终形成了结果。说到技术的更新,从协和到地坛医院做传染病诊疗智能体再到重医儿童医院做的重儿小乙,再到宁夏中卫做AI家医,这几个场景哪个是AI介入最深的,哪个是AI介入最浅的,您觉得什么决定了AI介入的深度?韩旭:在我们看来,做专科智能体,比如像地坛传染病智能体,重庆医科大学附属中医院做的专科智能体,相对来说对AI要求会更高。专科或者专病垂直,需要去匹配专科专病问诊、诊疗、治疗方案,包括病历书写的特殊逻辑,需要建立专科专病知识库,以及适配,AI会介入得更深一些。其次像协和,他更多做的是门诊整个流程效率的提升,精准预约、病例生成、分导诊、预问诊,不涉及诊疗的核心环节,更多是临床外围的事情,对于医学专业的要求稍微低一些。宁夏中卫的AI家庭医生,更多做的是面向区域性老百姓普惠性的健康服务,患教、科普、常规随访,介入是最少的。张戈:这是非常伟大的工程,从AI时代的技术平权赋能到优质资源走进千家万户这是非常了不起的事业,站在医院的角度,ROI部分,我们怎么跟医院院长们聊转换率?韩旭:跟医院的管理者沟通项目的收益,首先一个原则,我们尽量避免使用模型、参数、技术路线专业,从这个角度沟通是尽量避免的。更多是站在管理者关心的角度,短期收益。像协和项目短期收益,最明显的是人力成本节约,试点科室,一个科室他之前做病历、病史的整理、随访包括日常事务性的工作,需要一到两个人力成本来做这个事。AI系统能帮他节约一到两个成本,很容易算出来给医院带来的人力成本节约多少。第二点,从医院经营,营收通过诊室效率提升,医生接诊效率提升,在不扩边,不增加诊室的情况下,在单位时间内能够接诊更多的患者,提高了他营收的效率。病例生成,通过规范性病例生成,医保检查、评分,减少医保扣分罚款等方面,也是有一个明显的收益。长期来看,专科智能体的建设,帮助医院在区域性或者在区域,对于专科标杆的建立,起到促进作用,有助于他打造自己的特色科室,从风险管控,他是全程留痕,所有对话数据都存在,比如医患纠纷、医疗责任划分的情况,他是有数据源的,尽量避免纠纷发生等,从这几点来沟通。原则在科室试点有一定数据的情况下,来做全院的推广,算清楚这笔账。张戈:在回溯的机制上,从风险管控角度确实有一个躲不开的问题,谁来为AI错误负责?我们知道生成式人工智能有一个特点,生成内容的不确定性,这是它存在的技术特性,AI生成病历出错,医生没有发现错误细节,直接采用,这种责任如何进行划定?左医跟医院签合同的时候,有非常多商务层面的经验,这部分也请您给我们讲解一下。韩旭:现有法律法规的情况,医疗行为最终责任主体是医生和医疗机构,跟医院签订的合同里会有明确的约定,AI生成的所有内容,病历,医生都是要经过审核的,如果因为医生没有审核产生的问题,由医生和医院承担主体责任。我们承担的责任,对于产品和服务缺陷的责任,比如因为模型的问题或者因为数据的问题,或者因为有一些本身AI产品就会有限制,没有约定清楚产生的问题,厂商需要承担相应的责任,后续是要不断优化。合同中