最近,行业里最热的是案例。11月4日,CHIMA发了华山医院的AI MaaS平台实践,讲的是从“模型部署”到“能力运营”;10月30日,兰州大学第一医院把智医MaaS平台定位成“中央厨房”与“智能调度中心”;更早一些,北京大学肿瘤医院的可溯源AI病历系统,把“短语级溯源”写成了核心指标。三家医院路径不同,但都没有“一键上线”这回事。
原因很简单:模型部署是几周的事,让临床敢用是几个月甚至一年的事。信息科真正缺的不是算法,是一套能挡住风险的表格。下面四张表,可以在科室内部先用起来。
1
采购的终点是签合同,上线的终点是“医生愿意用、用了不出事”。中间隔着三件事:场景选得对不对、数据合不合规、效果能不能被证明。任何一件没做,上线都会变成一次演示。
更麻烦的是责任边界。AI给了一条建议,医生采纳了,出了问题是医生的责任还是系统的责任?这个问题在合同里没有答案时,临床科室最理性的选择就是不用。所以四张表不只是管理工具,它们的作用是提前把责任写清楚。
2
八个问题,逐条打勾,缺一条就不进下一步。场景名称与使用科室;这个场景替代的是哪一步人工(写、查、算、提醒,四选一);出错后果的可逆性(可逆、难逆、不可逆);有没有金标准可以对照;是否影响计费或病历法律效力;谁签字负责(科室主任、医务、信息科三方);停用之后业务能否继续;预期收益怎么衡量(时间、人力、质量三个维度选一个)。
八个问题里最关键的是第三个。可逆的场景先做——病历辅助生成、随访提醒、导检路线、编码建议,这些错了可以改,代价低。不可逆的场景后做——诊断建议、用药推荐、危值判读,错一次可能就是一条命。顺序错了,项目一定卡在伦理与医务审核上。
第八个问题也常被跳过。很多AI项目做了半年,说不清到底省了什么。建议在准入阶段就把收益口径定死,例如“门诊病历书写平均时长从8分钟降到5分钟”,验收时才有得比。
3
这张表的依据是两份文件。2025年11月,《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》印发,明确了重点应用与规范要求;2026年2月,《医疗卫生机构数据安全和个人信息保护管理办法(试行)》实施,对数据全生命周期提出了具体要求。两份文件叠起来,落到AI场景上是四个问题。
第一问,数据从哪来。是院内历史病历、还是外部采购的语料、还是厂商自带的预训练数据?含不含患者标识?第二问,在哪处理。本地服务器、专有云、公有云,三者对应的合规路径完全不同,公有云基本要排除患者原始数据。
第三问,留不留。推理日志留多久、训练样本留多久、留存的目的是审计还是迭代。办法要求重要数据处理活动的日志留存不少于一年,涉及对外提供、委托处理的不少于三年。第四问,谁审计。是有内部审计岗,还是委托第三方,频率是季度还是年度。
有一个常见误解要纠正:去标识化不等于匿名化。把姓名换成编号、把身份证号打码,数据仍然是个人信息,仍然在监管范围内。真正可以出域的,是经过评估、无法 re-identify 的数据,而这件事需要评估报告,不是一句承诺。
4
验收不能只看一个“准确率”。建议分四组指标。第一组是效果:召回率、精确率、结构化字段填充率。第二组是风险:幻觉率、越界建议率(超出授权范围给出的结论)、拒答率。第三组是使用:医生采纳率、二次修改率、平均节省时间。第四组是稳定性:同一输入的输出一致性、峰值并发下的响应时间。
测试集要自己建,不能全靠厂商提供。建议每个场景不少于200例,覆盖三类样本:常见病例、疑难病例、边界病例(信息缺失、多个诊断并存、跨科就诊)。厂商自带的测试集几乎都是“好样本”,用它验收,等于自己给自己发合格证。
上线后还要有抽检机制。每月随机抽50例人工复核,记录三类问题:事实错误、遗漏关键信息、格式不合规。抽检结果直接进第四张表,作为模型是否继续使用的依据。没有抽检,模型的效果只会越来越说不清。
5
这张表管四件事。版本台账:模型版本、提示词版本、知识库版本,三者必须绑定记录,任何一次变更都要留痕。这一点兰大一院的实践说得很直白——他们建平台的初衷之一,就是解决“版本混乱、维护困难”。
漂移监测:输入分布变了没有(比如新开了某个专科)、采纳率掉了没有、投诉多了没有。这三个信号任意一个异常,就该触发复核。日志:谁在什么时候用了哪个功能、看到了什么建议、采纳还是拒绝。这份日志既是效果评估的原料,也是出事时的证据。
回滚:必须有一个“30分钟内切回人工”的开关,而且要在上线前演练过一次。很多医院把回滚写在方案里,从来没试过,真出事时发现关不掉——因为流程里还有三个系统依赖它。
6
第一句,数据权属与使用边界:训练与推理产生的数据归院方,厂商不得用于其他客户或自有模型训练,除非另行书面授权。
第二句,模型更新告知:厂商每次更新模型或提示词,须提前告知并提供变更说明,院方有权拒绝本次更新。
第三句,责任划分:临床决策责任在院方与医师,厂商承担系统可用性、缺陷修复与文档完整性;因厂商未披露的模型缺陷导致的损失,按合同约定处理。
第四句,退出交付:合同终止时,交付模型卡、测试集、接口文档、日志格式说明与配置基线。
这四句写进去,谈判会难一些,但能省掉后面很多事。尤其是第二句——不写,厂商半夜升级一次模型,第二天全院的效果都可能变,而你连原因都查不到。
7
华山医院的路径是“从部署到运营”,核心判断是:AI能力要像水电一样被调度,而不是一个项目一个项目地建。兰大一院把它做成了“中央厨房”,统一纳管模型、统一接口调用、统一服务化运行,解决的正是版本与维护的问题。北京大学肿瘤医院则把“可溯源”放在第一位,AI生成的病历要能逐短语回溯到原始依据。
三家做法不同,共同点很清楚:都把“可核查”放在“更聪明”前面。这恰好是四张表的顺序——准入决定做不做,合规决定能不能做,验收决定敢不敢用,监护决定能用多久。四张表全过,才谈得上“规模化落地”。
写在最后: AI进医院,最难的一步从来不是把模型跑起来,而是让它在出错的时候有人兜、在被质疑的时候有据可查、在版本变化的时候有账可对。这四张表不复杂,难的是有人真的按它执行。 你们医院现在有几个AI应用在跑?有没有做过一次正式的效果验收?欢迎在评论区说说,也可私信我们。 信息来源: 1. CHIMA《从模型部署到能力运营:华山医院AI MaaS平台建设实践》,2026-11-04。https://chima.org.cn/Html/News/Columns/34/Index0.html 2. CHIMA《兰州大学第一医院:智医MaaS——从单点研发到平台赋能的医院级AI智能体》,2026-10-30。https://chima.org.cn/Html/News/Columns/34/Index0.html 3. CHIMA《北京大学肿瘤医院:可溯源AI病历辅助生成系统研发与应用》,2026-09-22。https://chima.org.cn/Html/News/Columns/34/Index0.html 4. 国家卫生健康委《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》,2025-11-04(见政策文件栏目)。https://www.nhc.gov.cn/guihuaxxs/c100133/new_list.shtml 5. 国家卫生健康委等《医疗卫生机构数据安全和个人信息保护管理办法(试行)》(国卫规划发〔2026〕6号),2026-02;相关部署见国家卫生健康委对全国政协十四届四次会议第03988号提案答复的函,2026-09-17。http://www.nhc.gov.cn/wjw/tia/202609/b57438db1cd44863a824b28186f369a9.shtml 本文部分信息来自检索时点公开数据,以官网发布为准。
免责声明:
智慧医疗网转载其他网站内容,出于传递更多信息而非盈利之目的,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创,转载需获授权。