张楠：医疗信息化领域的AI实践认知与核心要义

认知误区：医疗场景中，模糊需求让AI价值落空

提及人工智能，多数人的第一反应往往是：“可以用AI从网上找资料”“能用AI帮孩子批改作业”。在这些日常应用场景中，AI的表现确实合格，但放到医疗信息化工作中，若仍仅将其视作“增强版搜索引擎”或“做题小助手”，无异于用法拉利当电三轮，完全浪费了其助力医疗效率提升、优化服务流程的核心潜力。

很多人使用AI时，习惯抛出笼统需求——比如“写一篇关于医院信息化建设的文章”，便期待完美结果。可现实往往是，AI生成的内容千篇一律、空洞无物，与网络零散素材毫无二致。

这不禁让医疗信息化从业者疑惑：既然AI被称为“改写人类文明的跨时代创举”，为何在医疗数据统计、流程优化、系统开发等实际工作中总显得“不够聪明”，未能发挥应有的赋能价值？

核心真相：AI赋能医疗的关键——精准传递需求

经过多次医疗信息化相关的AI实践验证，笔者似乎找到答案：并非AI能力不足，而是未掌握面向医疗场景的AI正确使用逻辑——核心就是精准、完整地传递需求。

这就像请教资深信息化建设专家：若仅笼统要求“做个医院信息化方案”，却不告知医院床位数量、重点专科优势、现有系统短板、临床核心痛点（如门诊挂号拥堵、住院数据统计繁琐）等关键信息，再顶尖的专家也只能给出标准化答案。AI亦是如此——它不是无所不知的医疗先知，而是能精准匹配医疗需求的专业技术伙伴。

面向医疗领域的AI，本质是“全能型医疗跨界专家”：懂临床诊疗知识、通医疗信息化技术、晓医院管理理论，既能协助规划医院信息系统架构，也能帮忙编写医疗数据统计代码，甚至能通过临床需求推导隐性的管理诉求。但有一个核心前提：你需要像对接真人专家一样，把医疗项目背景、临床核心需求、系统约束条件（如现有硬件环境、数据安全要求）等信息清晰、完整地告知它。

延伸到医疗场景举个直观例子：同样是“制定医院门诊流程优化方案”，针对儿科门诊与老年病门诊的方案必然天差地别；是解决高峰时段挂号难问题，还是优化检查检验预约流程？是否需要对接现有电子病历系统？预算范围是多少？只有将这些医疗场景专属细节明确告知AI，它给出的方案才能真正贴合需求——甚至能细致到为儿科门诊规划亲子等候区配套系统、为老年病门诊优化自助设备操作流程，这绝非一句笼统的“做个门诊优化方案”就能实现的。

实践落地：AI辅助医疗信息化工具开发的标准化流程

实践是检验AI赋能医疗价值的唯一标准。医院信息部门每天要应对源源不断的医疗相关需求：临床科室突然需要专科数据统计工具、行政部门亟需医疗耗材管理系统、设备科希望拥有医疗设备故障记录与追溯平台……这些贴合医疗场景的小工具若委托专业软件公司开发，要么排期漫长耽误使用，要么报价高昂超出预算，难以快速满足医疗工作的即时需求。

抱着用AI解决医疗信息化痛点的心态，笔者开始尝试用AI辅助医疗相关软件工具开发。最初的尝试并不顺利：第一个需求是开发医疗设备故障记录系统，AI确实生成了代码，但不仅无法运行，还存在数据字段缺失等漏洞。更令人困扰的是，在后续修复过程中，AI甚至擅自更改了软件开发框架，导致整个项目不得不中途放弃。经过多次失败与摸索，笔者逐渐意识到：医疗信息化工具开发需遵循专业流程，AI并非万能，必须以精准的医疗需求为导向。在不断试错后，笔者梳理出一套基于AI开发医疗小工具的标准化流程，效率大幅提升：

第一步：撰写技术需求文档

用自然语言清晰阐述医疗场景下的核心需求与参数，无需复杂专业术语。以医疗设备故障记录系统为例，笔者会明确标注：“需记录设备名称、型号、故障现象、发生时间、处理措施、完成时间、处理人、设备所属科室；开发语言为Python；数据库选用SQLite（适配医院小型数据存储需求）；前端采用Bootstrap框架（保障在医院不同终端的兼容性）”。这些贴合医疗场景的“琐碎信息”，恰恰是AI精准理解医疗需求的关键。

有一点需要注意，使用者必须清楚所选技术的能力范围、优缺点与适用场景。有时AI推荐的技术路线并不适合，特别是将一些“高大上”的技术用于简单开发场景，不但增加代码量，也提高了复杂度。

第二步：生成并核查产品需求文档（PRD）

让AI将模糊需求转化为结构化PRD文档，这一步能让需求更具体。AI会按照文档格式逐个模块生成需求内容，但必须仔细核查——AI可能“自由发挥”，添加超出需求的功能或代码，需及时修正。

有时PRD文档会比较长，但一定要根据自己的目标逐条审查。AI的确会想当然地认为某些功能是你需要的，就自作主张添加进去。尽管只是一小点内容变化，却可能导致整个项目趋向失败。

第三步：确认需求共识

让AI复述对需求的理解，确保双方认知一致。如同手术前的“术前讨论”，避免后续出现“开发结果与需求不符”的问题。很多开发工具提供了澄清命令，能够让使用者在此阶段同AI就需求进行讨论。即便没有专门命令，直接通过自然语言进行澄清也是可以的，AI能够明白使用者的意图。尽管如此，也只是尽可能让AI少犯错误。

第四步：生成项目文件结构

AI会依据PRD规划目录结构、模块划分、文件组织方式，虽简单却能让后续开发条理清晰，少走弯路。在此阶段一定要明确，只是按照文档让AI生成对应文件结构，而不是直接生成代码。许多AI会“好心”地自动执行代码生成，在用户一不留神的情况下完成好几百行代码的书写，但可能完全写错了地方，进行修复还不如废弃重来。

第五步：生成初版代码

明确要求AI严格按PRD开发，通常20分钟左右即可完成初版，是整个流程中效率最高的环节。在此阶段不用给AI提供额外的指示，要求按照文档开发即可。

第六步：调试与优化（最耗时环节）

AI生成的代码无法直接使用，需反复测试、修正漏洞、优化逻辑与性能。一个简单工具从需求到可用，约需3-4小时，其中开发仅占10多分钟，其余时间均用于调试。

有些简单应用一上来是可以顺利运行的，但是不要掉以轻心，AI可能只是把首页制作并渲染完成，所有按钮点击都会报错，因为AI没有做下级页面。因此，使用者必须确认系统的所有功能。目前还没有经历过一次成型就完美运行的AI开发案例。

依托这套流程，笔者一周内独立完成7个效率工具：网络资产管理系统、合同管理工具、故障记录系统、人员管理系统、TODO任务管理工具、Markdown编辑器、技术灵感记录工具，全面覆盖日常工作场景，效率显著提升。

第七步：做好备份

AI有时会把已经开发成型的应用改得一塌糊涂。有时仅仅是一个小需求的修改，它就会对软件的框架大动干戈，导致程序崩溃、报错。你眼睁睁看着几个小时的努力付之东流，那种心情无法言表。因此当AI完成了阶段开发并且使用者认为基本可用的时候，务必做好备份。无论是复制文件夹、打包文件，还是用Git提交代码，总之一定要进行备份。

价值变革：AI赋能下医疗信息化的技术平权与行业升级

AI辅助医疗信息化开发带来的最大变革，是“技术平权”——曾经高门槛的医疗专用软件开发，如今只需信息科人员能清晰表达临床需求，就能借助AI实现构想，让懂医疗、懂管理但缺乏编程技能的从业者也能落地创意，快速响应临床一线需求。

这对医疗信息化从业者而言，堪称“福音”：

● 过去：临床科室提数据统计、流程优化等信息化需求，信息部门要么协调厂商漫长排期，要么手工统计耗时耗力，无法及时响应临床诊疗需求；

● 现在：临床提需求后，信息科可通过AI快速开发专属工具，并随时根据临床反馈调整优化，真正实现“临床需求即提即用”，让信息化工具精准匹配诊疗服务。

这种高效响应不仅能让临床医生专注诊疗工作，更让信息科从四处“救火”的应急部门，转型为主动对接临床需求、驱动医疗服务优化的创新核心部门，显著提升信息科在医院运营中的价值。熟练运用AI辅助开发，让HITer从单纯的“系统管理员”“技术支持”，升级为真正以医疗需求为核心、为医院创造诊疗价值的“医疗信息化工程师”。

行动倡议：以精准需求开启医疗AI实践之旅

人工智能不会自动解决医疗领域的问题，但掌握“精准传递医疗需求”的正确方法后，它会成为医疗信息化工作的强大智能助手——帮助HITer突破技术限制、释放创新潜力、提升服务临床的效率。

人工智能的进步日新月异，从2025年上半年AI写的代码不堪用，到下半年氛围编程逐渐规范化、流程化，已经能够完成简单的应用，进步是显而易见的。可以预测在未来的几年里，人工智能的能力将会越来越强。

笔者的建议是，从今天起，用AI解决一个医疗信息化工作中的“小问题”。选一个真实、具体、贴合临床需求的任务：可能是专科数据导出脚本、门诊流量统计工具，也可能是简单的医疗耗材领用登记表单，把具体的医疗场景、核心需求、约束条件清晰告知AI，让它在你的指导和监督下完成。

你正在阅读的这篇文章，就是用笔者开发的Markdown编辑器完成的。从想法到可用，仅用了几个小时——既节省了89元商业软件授权费，又能根据自身习惯随时调整功能。

这就是AI赋能医疗信息化的核心力量：它让“医疗需求”到“技术落地”的距离，前所未有地缩短。你准备好开启自己的医疗AI实践之旅了吗？

作者简介

张楠，CHIMA委员，河北省卫生信息协会副会长，河北省抗癌协会理事，河北肿瘤防治联合会信息专委会主任委员，河北抗癌协会肿瘤信息专委会主任委员，河北省抗癌协会第一届青年理事会常务理事，河北省临床医学工程学会医学信息工程与保障分会委员。