王安莉：智能电子病历驱动医疗数智化变革

创建于1989年的中南大学湘雅三医院（简称“湘雅三医院”）历经多年发展，形成了“一体三翼”的发展新格局。医院信息化建设于2002年启动，历经基础建设、数据治理、无纸化成型和智能+智慧四个阶段，推动智慧医院建设逐年发展和提升。对此，医院医学信息研究中心主任王安莉强调：“信息化作为重要的技术支撑，在推动医院高质量发展过程中起到了明显的应用效果。”

推动电子病历变革

湘雅三医院秉持“智能创新、注重原创、实用推广”的原则，上线了电子病历系统，历经三个阶段变化：

第一阶段，2019—2021年：通过无缝对接互联互通、数据采集模板化、无死角高度集成共享、对接数据可靠追溯和电子签名五大功能，实现电子病历的基础无纸化，夯实发展基础；

第二阶段，2021—2024年：从无纸化迈向高质化，消除信息孤岛，破解临床堵点，激发科室主任主动参与，实现无纸化全周期全覆盖；

第三阶段，2025年至今：实现全面智能化，开展智能电子病历“四位一体”融合建设，涵盖AI病历生成、AI质控、AI医保、AI辅助诊疗，让智能体“活水”形成自身良性循环，帮助医生从写病历中解脱出来。

“在‘四位一体’智能电子病历的助力下，医生一旦确认患者此前已有病情记录，即可在系统中一键生成患者病史信息，降低医生60%的重复性文书工作量。”王安莉介绍，系统根据既往诊疗方案及本次就诊数据，自动抓取基本信息、出院小结等内容，辅助医生快速生成完整的电子病历记录，显著提升文书效率。

医院在电子病历中应用了大模型，可基于入院记录、体格检查、诊断等信息，快速生成首次病程记录，自动构建70%的内容，由医生补充缺失项，为患者制定诊疗计划。

医院“四位一体”的AI病历质控体系，将AI深度融合于书写全流程，实现从事前、事中、事后到管理、统计的全覆盖，将传统的“纠错式质控”转变为“帮助式质控”。通过AI与人工复核结合，AI病历质控有效解决了诊断依据不足等复杂的内涵性问题，实现了质控工作前移，提高了病历质量与修改效率，切实减轻了临床医生的文书负担。

在王安莉看来，虽然AI生成病历的内容全面客观，严格遵循了病历模板，但必须要经过医生的校验。她强调：“AI在此过程中仅扮演辅助角色，负责结构化整理和提供详实素材，最终必须由医生结合临床实际情况进行人工审核确认，确保病历的准确性与安全性。”

医院将AI辅助诊疗融入门诊和住院全流程诊疗行为中，其核心目标是提高机器和医生的学习能力。系统底层由诊疗建议知识库、警示提醒知识库和静态医学知识库提供支撑，向医生提供动态推送、信息推送和静态查询三种交互方式，不仅保障了医疗质量与安全，也通过持续的知识沉淀与推送，有效强化了临床决策支持能力。

打造智能化服务

王安莉介绍，医院以数据+知识+模型驱动，构建了基于湘雅大数据的一体化大模型服务体系，核心特色包括：通过优化访问策略提升私有化部署大模型的性能，降低算力成本，保障业务稳定及持续；覆盖广度和深度的医学知识库与知识图谱；建立数据质量标准，实施自动化清洗与人机协同标注，保障高质量数据基础；提供标准化大模型SaaS平台，支持统一AI标准及多场景Agent接入；从模型微调、测试、部署到监控的全流程管理，持续提升应用准确性和质量。

“我院智能化的最大优势在于引进了‘湘雅名医大脑’，通过模型微调服务与持续校验，使其诊疗能力接近真实临床水平。”王安莉谈到，医院建立临床专家专班，以临床安全为底线对医疗大模型进行微调，覆盖40余个专病，并融合知识图谱、人工审核和多轮验证机制来保障其可靠性，推动其从“通用智能”向“医学专家”演进。

基于湘雅大数据的一体化大模型服务共有两大特色：一是平台自主可控，基于Agent智能体开发SaaS平台，提供可视化工作流编排工具，让医生能轻松设计复杂流程，也方便医院信息科人员自主编排和扩展平台功能，摆脱厂商依赖；二是功能完备，涵盖Prompt管理、优化、推荐、自生成等工程能力，并适配智能体开发、循证思维链设计及插件工具库等场景服务。

医院打造了可追溯、透明的负责任AI，核心支撑是全面、权威的医学知识库。该知识库覆盖风湿免疫、儿科、感染、影像等40余个临床专科，整合了数百本人卫教材等权威资源。通过融合多源结构化知识，确保大模型输出有据可查、过程可溯，提升临床决策的透明度和可信度，为“医学专家”级智能体奠定坚实的数据基础。

自2019年起，医院持续基于大语言模型进行电子病历与辅助诊疗系统研究，现已集成DeepSeek、OpenAI GPT、Grok、Qwen四种大模型，并融合疾病知识图谱、诊疗指南、专科知识库、历史病历等丰富医学向量数据库。通过RAG（检索增强生成）架构，系统为医生快速生成结构化、规范化、符合医学逻辑及病历书写规范的文书，支撑病历文书生成、风险评估、辅助诊疗、科研等智能体应用，同时保障数据安全与合规性，满足国家对医疗AI的监管要求。

借助AnythingLLM等工具，医院整合PDF、OFD、Word、Markdown等多格式文档，构建可检索的本地向量知识库，支持权限管控和多用户协作。通过Ollama部署本地模型，医院结合DeepSeek实现数据完全本地化处理，保障医疗敏感数据安全。

医院上线了基于大语言模型的病历质控系统，对入院记录、查房记录、手术记录等文书进行实时质控，确保其及时性、完整性、一致性及合规性。

通过对包括首次病程、查房记录、术前讨论、交接班、出院小结在内的5819份临床文书的书写时间进行统计分析，湘雅三医院医生在使用AI辅助后，各类文书平均耗时显著下降，文书书写效率的大幅提升，使医生得以将更多时间用于临床接诊、查房、手术等核心医疗活动，有效提升了整体工作效率。

“推进医疗AI实践应用，应重点关注以下方面：医生深度参与是确保系统贴合临床需求的根本前提；性能优化是落地成功的关键因素之一，直接影响辅助决策的可靠性；可追溯查询功能有助于增强医生信任，在实际应用中广受认可；AI并未影响对医生的培养，合理运用反而能赋能年轻医生成长。”王安莉谈到，“当前，医疗AI仍面临模型幻觉（生成不实信息）及多模态数据融合处理的技术挑战，不过，通过与临床不断磨合和持续优化，已在诸多场景中显著提升了病历质量和文书处理效率。”