出品 | 子弹财经

  作者 | 张珏

  编辑 | 蛋总

  美编 | 倩倩

  审核 | 颂文

  当外界还在讨论AI会不会取代医生时，一些大型医院已经开始思考一个更现实的问题：如何让有限的医疗资源覆盖更多患者。

  在温州医科大学附属第一医院（下文简称“温医大附一院”），这种压力尤为明显。

  这家位于浙江南部的三甲医院并不处于北京、上海等医疗资源最集中的城市，却长期位列全国公立医院第一梯队。2025年，医院门急诊量达到718万人次，开放床位超过4200张，在国家三级公立医院绩效考核中多年保持全国20名左右水平。

  对于一家非省会城市医院而言，这样的体量并不常见。庞大的患者规模背后，是越来越复杂的运营挑战。

  温医大附一院约七成患者来自温州市区之外。对于许多人来说，一次就诊往往意味着数小时甚至更长时间的往返。过去十多年，中国医院信息化建设解决了挂号、缴费、检查预约等流程效率问题；但随着患者数量增长、疾病管理需求增加，新的问题开始显现：

  肿瘤患者术后需要长期营养干预，肥胖人群需要持续体重管理，慢病患者需要院外随访，而这些工作往往发生在患者离开医院之后。相比门诊和住院环节，真正决定患者长期疗效的很多时间，其实是在医院之外度过的。

  但将医疗服务从院内延伸至院外，从疾病治疗延伸至健康管理，这意味着医院需要服务更多患者、更长周期和更多场景，而医疗资源始终有限。

  AI因此成为医院管理者眼中的新变量。2023年起，温医大附一院开始与京东健康展开合作，其中，业内首个医院全场景AI大模型产品“京东卓医”，已在温医大附一院完成从1.0到2.0的全场景落地验证。

  双方试图回答的是一个更深入的问题：当AI真正进入一家年门急诊量超过700万人次的大型医院，它究竟能够改变什么？

1、重新定义“患者入口”

  温医大附一院是国内较早推进数字化转型的公立医院之一。早在2010年前后，医院便围绕预约挂号、预存预缴、自助机等系统推进信息化建设，一度成为全国公立医院学习交流的样板。此后，医院又通过“一日清”等模式压缩患者往返医院的次数，希望让诊疗流程尽可能在一次就诊中完成。

  但随着医疗意识的不断提升，以及医疗需求愈加复杂，患者真正消耗的成本并不只是候诊时间。如何找到合适的科室、如何描述自己的病情、如何理解医生给出的诊疗方案，以及离院后如何继续完成治疗和管理，同样构成了医疗服务的重要组成部分。

  这也是温医大附一院与京东健康合作最早落地智慧门诊场景的原因。基于“京东卓医”1.0，温医大附一院于2023年底开始应用AI技术推进精准预约，并于2024年4月上线试运行。

  在很多人的理解中，AI导诊更像一个升级版搜索框。但在医院看来，它承担的其实是医疗服务入口的角色。

  传统挂号模式下，患者需要先判断自己可能患有什么疾病，再找到对应专科和医生。这种逻辑本质上要求患者具备一定医学知识。而对于大型综合医院来说，科室划分越来越细，亚专科越来越复杂，普通患者往往很难完成这样的判断。

  温医大附一院上线的AI精准预约系统试图改变这种模式。患者不再需要先研究医院科室设置，而是直接描述症状和需求。

  系统通过多轮对话完成病情信息收集，再匹配对应专科和医生。看似只是挂号方式的变化，背后反映的却是医院服务逻辑的转变——从过去“人找服务”，逐渐转向“服务找人”。

  这种变化随后被延伸到整个门诊链条。过去，患者到达诊室后，医生往往需要花费大量时间完成基础病史采集；诊疗结束后，患者又要在缴费、检查、取药等多个环节之间来回奔波。

  而在京东健康参与构建的智慧门诊体系中，病史采集被前移至诊前阶段，AI陪诊则串联起签到、候诊、检查、缴费和取药等流程，诊后还会自动生成就诊清单，并通过AI药师、AI医生追问等工具延续服务。

  这些变化看似发生在门诊外围，却恰恰是医院运行效率最容易受到影响的部分。

  截至2026年6月，温医大附一院基于京东卓医构建的AI服务体系累计服务患者已超过910万人次。相比单个智能体的准确率，这个数字更值得关注。它意味着AI已经开始以基础设施的形式进入医院运行体系，并承担起部分过去依赖人工完成的服务工作。

2、从营养管理切入，驶向临床“深水区”

  对于温医大附一院而言，智慧门诊只是起点。

  过去几年，随着肿瘤、慢病以及老龄化患者持续增加，“全病程管理”逐渐成为医疗行业频繁提及的概念。但现实情况是，大部分医院仍然擅长治疗疾病，患者的长期管理却容易被忽视。

  营养管理就是其中最典型的例子。在多数人印象中，营养更像是疾病治疗的辅助环节。但在临床实践中，营养状态往往直接影响患者的治疗效果和长期预后。尤其是在肿瘤治疗领域，营养不良与术后并发症、住院时间以及生存率密切相关。

  温医大附一院相关负责人表示，很多患者的问题并不是手术做得不够好，而是在进入手术室之前，营养风险就已经被忽视。

  “如果患者存在中重度营养不良，根据国际指南，往往需要先进行7到14天的营养干预，再进入手术流程。”上述医院负责人介绍称，如果医生没有进行精准筛查和评估，贸然进行手术，不仅会增加患者并发症风险，也可能延长住院时间和治疗成本。

  营养筛查、评估、方案制定和出院后随访都需要大量专业人力，而现实中营养师数量有限，很多临床医生也难以投入足够时间完成这些工作。结果是，大量患者虽然存在营养风险，却始终没有被发现。

  且相比直接挑战诊断和治疗决策，营养管理既有成熟指南体系，又拥有大量标准化流程，同时对连续管理要求极高，是最适合AI率先进入的临床场景之一。

  温医大附一院依托国家卫生健康委临床营养与干预重点实验室，长期积累临床营养研究与真实病例经验。基于京东健康旗下“京医千询”医疗大模型，温医大附一院建设了临床营养大模型，可以自动读取患者病历、检验指标、体重变化和饮食摄入情况，识别营养风险来源，辅助制定个体化营养方案，并在患者出院后持续跟踪执行情况。

  据介绍，这一大模型围绕临床营养构建了一套融合筛查评估、影像识别、预后预测等，通过数据驱动、知识驱动与案例驱动的融合模型，实现从风险预警、方案制定到效果追踪的闭环管理。

  例如，在住院场景中，系统已能够结合CT影像自动评估患者肌少症风险。根据温医大附一院团队介绍，其肌少症辅助诊断技术此前已被写入《中国肿瘤营养治疗指南》，如今，这类影像组学能力正进一步被纳入AI体系之中。

  数据显示，目前温医大附一院风险筛查率接近100%，全院风险检出率达35%，营养师效率提升50%。

  支撑这一探索的，是温医大附一院过去十余年积累的数字化基础。目前医院拥有专业的信息化团队，自主研发运营超过百套信息系统；自建约190P算力平台，建立了10个专病数据库，并正在推进新一轮基于人工智能的专病数据库建设等。

  对于温医大附一院来说，临床营养大模型的价值并不只是多了一个AI工具，而是在真实医院场景中验证了一条新的路径：当高质量数据、专业知识和大模型开始结合，AI开始在临床中发挥更大能力。

3、医疗AI从辅助工具走向系统嵌入

  随着人口老龄化加速、创新药和高值耗材不断增加，医保基金面临越来越大的支付压力。对于医院而言，如何在保障医疗质量的前提下提升效率，已经成为数字化建设的重要方向。

  为此，温医大附一院自主研发了医疗费用智能监管平台，将临床决策支持系统与医保审核深度融合。

  当医生开具药品、耗材或诊疗项目时，系统会实时结合医保支付规则进行提醒和预警。例如针对部分创新药、高值耗材或存在严格适应症限制的药物，AI能够自动结合病历内容、疾病分期和检验指标进行判断，为医生提供参考意见。

  据介绍，目前该系统已覆盖352项耗材、167项药品以及215项诊疗项目规则库。实施以来，医院医保疑点数据同比下降约80%，最终确认违规问题同比下降约76%。

  这也反映出，AI正在从辅助诊疗延伸至资源配置甚至医院运营，逐渐成为医疗体系中的基础能力。

  过去，医疗AI更多被理解为帮助医生看病，而在温医大附一院的实践中，AI开始同时承担资源配置、流程优化和质量管理等职责。它既服务患者，也服务医院本身。

  这也正是京东健康致力于发展的方向：打造面向用户、医院、医生的最专业医疗AI。

  京东健康技术产品部负责人指出，医疗行业并不缺模型，而是缺少能够进入真实诊疗流程的数据和场景。相比单纯依赖公开数据训练模型，医疗AI更需要来自医院、医生和患者的高质量数据，以及在真实场景中的持续验证和迭代。

  过去多年，京东健康已经积累了在线问诊、药品供应链、用户健康档案、互联网医院以及医检诊药服务闭环等能力，这些原本分散在不同业务中的资源，为医疗AI提供了真实场景和持续反馈机制。

  “模型决定AI应用的上限，而场景决定AI应用的下限。”上述负责人表示。

  温医大附一院正是这种模式的集中体现。一端是医院提供的真实临床场景、专家资源和高质量数据；另一端则是京东健康提供的医疗大模型、产品化能力以及院外履约体系。双方合作的重点已经不再是开发某一个智能体，而是在探索如何将AI嵌入医院核心业务流程之中。

  事实上，温医大附一院的临床营养大模型只是其中一个开始。目前，温医大附一院已经将类似思路进一步扩展至更多领域。

  2025年11月，温医大附一院智慧体重管理中心正式开诊。联合京东卓医2.0的“AI+体重管理”能力，中心推动传统减重门诊向智能化、连续化、精准化管理转变。系统能够结合患者代谢状况、合并症、生活习惯以及减重意愿，辅助生成个性化管理方案，并通过持续随访和行为干预提升患者依从性。

  温医大附一院还在推进创面修复专病大模型建设。该模型已能够结合创面图像、病历信息以及相关指南进行辅助诊断和风险评估，并通过远程协同模式帮助基层医疗机构提升诊疗能力。数据显示，相关试点中基层医生诊断准确率提升至92%，单病例评估分析效率提升约6倍。

  温医大附一院相关负责人表示：“未来医院的核心，不是让AI替代医生，而是让AI帮助医院把服务做得更精准、流程做得更顺畅、管理做得更精细。”

  继温医大附一院之后，京东卓医已陆续在华中科技大学同济医学院附属协和医院、苏州市立医院等多家三甲医院落地。相比过去几年围绕模型参数和榜单排名展开的竞争，中国医疗AI的发展重点正在逐渐转向另一个问题——谁能够真正深入医院流程，并持续创造价值。

  从温州这家大型三甲医院的实践来看，医疗AI在医院系统内嵌入落地的时代，已经正式开始了。

  *文中配图来自：摄图网，基于VRF协议。