李巍：医院信息科工程师如何应对AI大潮

AI浪潮抵达医院信息科的速度，比许多人预想的要快。2023年以来，大模型以可见的速度进入医疗场景，智能预问诊、临床决策支持、影像AI、病历质控先后出现在医院的采购清单里。信息科过去承担的多是系统运维与接口对接的工作，如今却越来越多地被要求评估、引进和管理AI应用。不少中年工程师发现，自己在HIS和电子病历上积累的十几年经验正在贬值，而数据治理、模型评测这些新的领域，自己还非常的陌生。

职业瓶颈被AI浪潮放大了。信息科的晋升空间本就有限，科长、副科长的职数少，职称评定又偏向于论文和课题。年轻同事上手新工具快，也更愿意承接新项目，若仍停留在“系统维护人员”的旧角色里，上升空间就会进一步收窄。更现实的问题是，多数医院的晋升机制里还没有为技术专家留出通道。

医疗AI大潮初启

1.医院信息化发展方式面临变革

医疗信息化正在从“建系统”转向“用数据”。电子病历应用水平评级、智慧医院分级评价、DRG/DIP支付改革三根指挥棒，共同推动医院加大对数据治理和AI应用的投入。医院的需求从买系统变成用数据，信息科的工作重心随之迁移。

供给端的变化更快。有些医疗信息化企业发布了医疗大模型产品，也有部分企业带着影像AI、病历质控等单点应用进场。信息科的角色从“接系统、做运维”转向“选方案、做集成、管评估”，这一转变给信息科带来了抬升自身价值的机会。

2.医院工程师面临新挑战

竞争格局正在医院内外同时重塑。院内，年轻工程师上手新工具更快；院外，厂商的实施团队承接了越来越多技术工作。中年工程师的优势在于对医院业务的理解——临床路径、医嘱流程、医保结算规则，编码速度从来不是他们的主战场。这一优势若不激活，在激烈竞争环境下，彼此之间的差距容易进一步拉大。

信息工程师应对之策

1.转变能力要求

学习AI，先“用起来”，再“懂一点”。先用AI工具提升自己的工作效率，写代码、查数据、拟文稿，在使用中建立手感；再补齐数据分析基本功和大模型应用的边界知识，比如SQL与Python、提示词设计、RAG与私有化部署。不少医院AI项目失败，并非因为模型本身，而是院方没有人能提出验收标准所致。能评估、能集成AI，正是信息科工程师该承担的角色。

2.定位发展目标

AI的落点在临床痛点与技术的交汇处，而业务理解正是信息科工程师的长项。科室里的真实需求：病历书写负担重、患者领取影像报告排队、门诊分诊压力大，这些都是可以着手的切口。已有同行从病历书写入手引入AI辅助生成，医生每天能省下半小时，正是这类小切口最容易做出示范效应。谁能把临床痛点翻译成可执行的项目方案，谁就掌握了这一轮的主动权。

3.提升数据能力

数据治理与安全合规，是信息科最不可替代的部分。数据是AI的前提，主数据管理、标准化与质控，可以决定AI项目的上限。数据安全与隐私合规——个人信息保护法、数据安全法、医疗数据分级等——则是AI产品进院必须跨过的生命线。能够接住这两类工作，就接住了AI时代信息科最该承担的职责。

4.思考职业规划

把AI浪潮变成换道窗口，用三年时间明确方向。技术专家的方向，是聚焦AI应用集成与数据治理；管理方向则承接信息科管理和项目管理；复合方向则侧重厂商对接与产品管理。无论选哪条，都要设定好阶段目标，并每年评估调整一次。因为规划的方向远比规划的完整更重要。

焦虑没有用，要先行动起来！与其担心被替代，不如先让AI承担自己的一部分重复劳动，让工具先为自己服务。与年轻同事多协作，用经验换速度，也用速度换经验。当AI成为常态化工作工具，人们对新技术的危机感，便会转变为主动驾驭的掌控感。

信息工程师生存之道

1.主动适应新环境

AI在医疗领域的渗透才刚刚开始。政策端，对智慧医院建设的推动仍在持续，各地评审细则也陆续落地，AI应用的权重还在不断提高；需求端，医院降本增效的需求强烈，今后AI的落地应用只会持续扩容，覆盖范围进一步扩大。懂临床、懂数据、懂集成的工程师，则会在这一过程中成为稀缺资源，脱颖而出。

2.注重能力积累

经验的价值并没有贬值，只是要重新定位。中年工程师在系统建设、科室协调、项目管理上积累的十几年经验，恰是能促成AI落地的土壤。落地一个AI应用项目并取得成果，远比考取十个证书更具实践说服力。AI变革浪潮不会等待任何人完全准备就绪，主动投身实践，打造一两个真实落地项目，远比陷入空想焦虑更有价值。

作者简介

李巍，河北省秦皇岛妇幼保健院医疗设备与计算机服务中心副主任，担任CHIMA委员、河北省肿瘤防治联合会医疗信息专业委员会副主任委员等社会职务，秦皇岛市网络安全和信息化专家库入库专家。承担国家级课题一项，市级课题一项，发表SCI等论文3篇。