从信息化到智能化的转型路径

一、信息化与智能化的本质区别

1.1 信息化：把线下流程搬到线上

信息化的本质是"流程数字化"。它的核心任务是将原本依赖纸质、人工、电话的传统业务流程，迁移到计算机系统中运行。门诊挂号从窗口排队变为自助机或APP预约，处方从手写变为电子录入，检验报告从纸质打印变为系统推送——这些都是信息化的典型成果。

信息化的价值在于效率提升与痕迹留存。它让流程跑得更快，让数据有迹可循，让管理有了基本的统计依据。但信息化的系统本质上是"被动记录者"：它忠实地记录每一步操作，却不会主动思考、不会提出建议、不会预测风险。当医生打开电子病历时，系统展示的是"患者昨天体温38.5°C"，而不是"该患者体温趋势异常，建议排查感染源并调整抗生素方案"。

用一个简单的问题来概括信息化系统的特征：它回答的是"发生了什么"。

1.2 智能化：让系统参与决策

智能化的本质是"决策增强"。它不仅记录流程，更通过数据分析、模型推理和知识引擎，主动参与到临床决策和管理决策之中。智能化系统的核心能力包括：

• 模式识别：从海量数据中发现人类难以察觉的规律。例如，影像AI系统能在CT影像中识别出毫米级肺结节，辅助放射科医生提高早期肺癌检出率。
• 知识推理：将医学知识、临床指南与患者个体数据结合，生成个性化的诊疗建议。临床决策支持系统（CDSS）能够根据患者症状、检验结果和用药史，推送鉴别诊断列表、药物禁忌提醒和指南推荐方案。
• 预测预警：基于历史数据预测未来风险。例如，通过对住院患者生命体征、检验指标的实时监测，AI模型可以提前数小时预测脓毒症的发生，为抢救争取宝贵时间。
• 自动执行：在规则明确、风险可控的场景下，系统可以自动完成任务。例如，随访自动化系统可以根据患者出院诊断，自动生成随访计划、发送随访问卷、识别异常结果并触发预警。

智能化的系统回答的是"应该怎么办"。

1.3 两者的关键差异

需要特别强调的是，智能化不是要取代人，而是要增强人。在医疗领域，最终的决策权始终在医生手中，但智能系统可以让低年资医生的诊疗水平快速接近资深专家，可以让管理者从"拍脑袋"决策转向"看数据"决策，可以让患者获得更精准、更高效的医疗服务。这正是从信息化到智能化转型的根本意义所在。

二、转型的四个阶段

从信息化到智能化的转型不是一蹴而就的跃迁，而是一个循序渐进、环环相扣的过程。我们将这一转型拆解为四个阶段：数据治理、流程再造、场景落地和组织进化。这四个阶段并非严格的线性递进，而是存在交叉与迭代，但整体上遵循"先固本、后谋势"的逻辑。

第一阶段：数据治理——夯实智能化的地基

数据是智能化的"燃料"。没有高质量的数据，再先进的算法也只能是"无米之炊"。然而，经过多年信息化建设，大多数医院积累的不是"数据资产"，而是"数据负债"——标准不一、口径混乱、质量参差、系统割裂。数据治理，就是将这些"负债"转化为"资产"的过程。

统一术语标准是数据治理的首要任务。医疗领域的数据标准涉及疾病分类编码（ICD-10/ICD-11）、手术操作编码、药品编码、检验检查项目编码等多个维度。实践中，同一疾病在不同系统、不同科室甚至不同医生笔下，可能对应不同的编码和术语，导致数据无法对接、统计口径失真。统一术语标准要求医院建立全院统一的数据字典，确保"同一个概念用同一个编码表达"。某省级三甲医院在数据治理过程中，仅疾病编码一项就梳理出超过3000条不一致记录，经过统一映射后才真正实现了临床数据的可比性。

打通系统接口是数据治理的核心难点。一家大型三甲医院通常运行着数十甚至上百个信息系统，包括HIS、EMR、LIS、PACS、RIS、麻醉系统、重症系统等。这些系统往往由不同厂商在不同时期建设，采用不同的技术架构和数据格式，形成了一个个"信息孤岛"。打通接口并非简单的技术对接，而是涉及数据语义层面的深度整合。某省级三甲医院曾试图通过点对点接口集成方式实现HIS、EMR、LIS、PACS系统的数据互通，前期开发顺利，但后期因接口数量呈指数级增长、维护成本居高不下，导致项目推进缓慢。最终，该院采用数据中台模式，统一数据采集、清洗和标准化口径，才从根本上解决了集成难题。

清理历史数据是数据治理中最为繁杂却又不可回避的工作。多年积累的历史数据中充斥着大量重复、缺失、错误和格式不统一的记录。数据清理需要制定明确的质控规则，通过自动化工具批量筛查与人工复核相结合的方式，逐步提升数据质量。国家卫健委发布的《电子病历系统应用水平分级评价标准》以及2025年5月正式印发的《智慧医疗分级评价方法及标准（2025版）》，都对数据质量提出了明确要求，推动医院从"有数据"向"有好数据"转变。

数据治理是一个持续性工作，不是一次性的项目。它需要建立长效的数据管理组织架构、明确的数据责任制度和常态化的数据质量监控机制。正如中国医院协会信息专业委员会专家所指出的，医院应实施"全程可控、分层质控"的数据管理策略，在保障信息安全的前提下，推动院内系统与区域平台的数据对接，统一编码体系，提升数据可比性与共享效率。

第二阶段：流程再造——围绕数据重新设计业务

当数据治理奠定了基础，下一步的关键问题是：如何让数据真正流动起来、用起来？答案不在于给旧流程加装新系统，而在于围绕数据重新设计业务流程。

传统的医疗流程是围绕"人"设计的——患者排队等医生、医生等检查结果、护士等医嘱执行。信息化的初期只是把这些线下流程"搬"到线上，流程的逻辑并没有改变。而智能化转型要求我们思考：如果数据可以先行，流程应该怎样重构？

以门诊流程为例。传统流程是"患者到院—挂号—排队候诊—医生问诊—开检查—患者做检查—等结果—再回诊室—医生看结果—开处方"。这个流程的核心特征是"患者跟着流程走、数据跟着患者走"，所有的等待都发生在患者端。

流程再造后的门诊模式应当是"数据先行、分诊前置"：患者在到家前通过智能导诊系统完成症状描述和初步分诊，系统根据症状推荐科室和医生；患者到院前已完成检验检查的预约，部分常规检验可在社区或居家完成；医生在患者到达前已通过系统预览其历史病历、检验趋势和风险预警；问诊时，CDSS实时推送鉴别诊断建议和指南推荐方案；处方开具后，系统自动进行用药安全和合理性审核。整个流程从"患者等医生"重构为"数据等患者"，显著缩短了无效等待时间。

流程再造的关键原则有三：

第一，以患者为中心重新编排。不是把现有科室职能顺序简单串联，而是从患者就医旅程出发，打破科室壁垒，重新设计触点。

第二，让数据在流程节点间前置流动。每个流程节点产生的数据，应当在下一个节点需要之前就已经到位，而不是等人到岗后再开始处理。

第三，识别并消除流程中的"等待浪费"。借助流程挖掘（Process Mining）技术，医院可以基于系统日志还原真实业务流程，识别出患者等待时间最长的环节、资源利用率最低的节点，从而有针对性地进行优化。

流程再造不仅是技术问题，更是管理问题。它往往触及科室利益格局和工作习惯，需要院领导层面的强力推动和全员共识的建立。

第三阶段：场景落地——从高频刚需切入

数据和流程准备就绪后，智能化的价值需要在具体场景中兑现。场景选择的关键原则是"高频刚需"——选择那些发生频率高、临床需求强烈、价值验证清晰的场景作为切入点，以点带面，逐步扩展。

根据国家卫健委发布的《卫生健康行业人工智能应用场景参考指引》，医疗人工智能应用涵盖医疗服务、公共卫生、基层卫生、养老托育等多个领域。以下五个场景是目前落地最为成熟、价值最为明确的方向：

1. 智能导诊分诊

智能导诊分诊系统通过自然语言处理技术理解患者的症状描述，结合医学知识图谱推荐合适的科室和医生。这一场景直接解决的是"挂号难、挂错号"的痛点。传统模式下，患者面对复杂的科室划分往往无所适从，误挂号率居高不下。AI驱动的智能分诊系统可嵌入医院APP、公众号或现场自助机，基于患者输入或口述的症状、既往病史和简单问答，快速推荐科室，减少误挂号，提升就诊效率。部分先进系统已支持多轮对话和症状追问，分诊准确率可达85%以上。

2. 影像辅助阅片

影像AI是目前商业化最成熟的医疗AI赛道。弗若斯特沙利文（Frost & Sullivan）预测，中国医疗AI影像辅助诊断市场规模将从2024年的约48亿元增长至2030年的210亿元，年均复合增长率达27.6%。截至2026年6月30日，中国累计获批127张人工智能医用软件三类医疗器械注册证，其中影像类产品占据主体。联影智能等头部企业累计获三类证已达20张。影像AI的价值在于：对于肺结节筛查、糖网筛查、骨折检测等需要处理大量影像的场景，AI可以实现秒级初筛，将放射科医生从重复劳动中解放出来，集中精力处理疑难病例。值得注意的是，基层市场在影像AI中的贡献率预计将从2024年的22%提升至2030年的45%以上，这意味着影像AI正在成为弥合城乡医疗资源差距的重要工具。

3. 检验报告智能解读

检验报告对普通患者而言晦涩难懂，对低年资医生而言也存在解读经验不足的问题。智能解读系统可以基于检验项目的参考范围、临床意义和关联指标，自动生成结构化的解读报告，标注异常项、提示可能的临床意义、建议下一步检查方向。对于慢病患者，系统还能结合历史检验趋势进行纵向分析，帮助医生和患者直观了解病情变化。

4. 随访自动化

传统的出院随访依赖人工电话，效率低、覆盖面窄、数据难以结构化。随访自动化系统可根据患者出院诊断自动生成个性化随访计划，通过短信、APP推送或智能语音外呼发送随访问卷，自动收集和结构化随访数据，识别异常结果并触发预警推送至主管医生。这不仅大幅提升了随访覆盖率，还实现了从"经验式随访"到"数据驱动随访"的转变。部分医院的实践表明，自动化随访可将随访覆盖率从30%提升至80%以上。

5. 病历质控

病历质量是医疗质量的重要载体，但传统的人工质控覆盖率低、滞后性强。基于自然语言处理和规则引擎的智能病历质控系统，可在医生书写病历时实时进行完整性检查、逻辑一致性校验和内涵质量评价，将质控从"事后抽查"前移至"事中拦截"。这不仅减轻了病案室的工作负担，更重要的是从源头上提升了病历数据质量，为后续的数据分析和智能应用奠定了基础。

场景落地的成功要素在于"小切口、深打磨、快验证"。与其贪多求全地铺开十几个场景，不如集中资源将一两个高频场景做到极致，用实实在在的效果数据赢得临床信任，再逐步扩展。

第四阶段：组织进化——让人与智能协同共生

技术、数据和流程的变革最终要落实到"人"身上。如果医生不会用、不愿用、不信任智能系统，如果管理者看不懂数据报表、不会用数据做决策，那么所有的技术投入都将沦为"摆设"。组织进化，是智能化转型中最缓慢却也最根本的一环。

医生要学会与AI协作。这意味着医生需要理解AI工具的能力边界——它擅长什么、不擅长什么、在什么情况下可能出错。例如，影像AI对典型病灶的检出率高，但对罕见病变和复杂合并症的判断能力有限；CDSS对常见病的指南推荐准确，但对多病共存、个体差异大的复杂患者需要医生综合判断。医生的角色从"唯一决策者"转变为"AI辅助下的决策者"，这要求医生具备新的素养：能够批判性地评估AI建议，能够将AI输出与临床直觉结合，能够在AI"出错"时及时纠偏。这一转变需要系统化的培训体系和足够长的适应周期。

管理人员要学会用数据做决策。传统医院管理依赖经验、惯例和"拍脑袋"，智能化转型要求管理者建立"用数据说话"的思维习惯。这包括：学会阅读和理解运营仪表盘，能够从数据中识别异常和趋势；学会基于数据进行资源调配和流程优化，而非凭感觉做决定；学会建立数据驱动的绩效考核体系，用客观数据替代主观评价。部分先进医院已设立"首席数据官（CDO）"岗位，统筹医院数据资产的规划、治理和价值开发。

信息科要转型为数据资产运营者。在信息化时代，信息科的核心职责是"保障系统稳定运行"。而在智能化时代，信息科的角色必须升级为"数据资产运营者"——不仅要保障系统的可用性，更要关注数据的完整性、准确性和可用性；不仅要响应业务部门的需求，更要主动挖掘数据价值、提出智能化应用建议；不仅要懂技术，更要懂业务、懂临床、懂管理。这一转型对信息科人员的能力结构提出了全新要求，需要既懂信息技术又懂医疗业务的复合型人才。

组织进化的本质是文化和能力的重塑。它无法通过一次培训或一项制度完成，而是需要在持续的实践中逐步沉淀。那些在智能化转型中走在前列的医院，无一不是在组织层面投入了大量精力——建立跨部门的数字化工作组、设立专项创新基金、鼓励临床与信息技术的深度协作、将数据素养纳入继续教育体系。

三、转型中的三个常见误区

在从信息化到智能化的转型实践中，我们观察到三个反复出现的误区。这些误区不仅导致资源浪费，更可能让机构在转型方向上南辕北辙。

误区一：重采购轻运营

这是最为普遍的误区。许多医院将智能化转型等同于"买系统"——采购最先进的AI影像系统、部署最高配的CDSS、引进最热门的大模型平台。然而，系统采购只是起点，真正的价值产生于持续的运营和优化。

一个典型的场景是：医院斥巨资采购了影像AI系统，部署后发现放射科医生使用率不到30%。原因不是系统不好，而是没有人专门负责系统的日常运营——没有根据科室特点定制工作流、没有建立使用反馈机制、没有对医生进行充分培训、没有将系统使用纳入科室考核。系统"上线即巅峰"，随后逐渐沦为摆设。

正确的做法是将采购与运营作为整体规划。在采购前，明确业务目标和成功标准；在部署时，同步设计运营机制和工作流；在上线后，建立常态化的使用监测、反馈收集和迭代优化机制。一般建议，智能化项目的运营投入应不低于采购投入的30%-50%。

误区二：重技术轻流程

技术是手段，流程才是目的。然而，许多机构在转型中本末倒置——热衷于追逐技术热点，却忽视了流程的配套改造。

一个常见现象是：医院部署了CDSS系统，但医生工作站的工作流程完全没有调整。医生在繁忙的门诊中，需要在原有工作流程之外"额外"查看CDSS弹窗，这不仅没有提升效率，反而增加了操作负担。结果医生纷纷关闭CDSS提示，系统形同虚设。

智能化技术必须嵌入到业务流程中才能发挥作用。CDSS的价值不在于"推送一条建议"，而在于"在医生需要决策的那一刻，将最相关的信息以最不打扰的方式呈现出来"。这要求对医生工作站界面、问诊流程、处方开具流程进行深度重构，让智能建议成为流程的自然组成部分，而非额外的操作步骤。

技术选型应服务于流程优化目标，而非反过来。正确的顺序是：先梳理业务流程、识别痛点和优化机会，再选择能够支撑流程优化的技术方案。

误区三：重建设轻体验

智能化转型的最终服务对象是人——患者和医务人员。然而，许多项目在建设过程中只关注"功能是否实现"，忽视了"体验是否友好"。

对患者而言，智能化不应意味着更复杂的操作流程。如果患者为了使用智能导诊，需要下载APP、注册账号、填写大量信息、经历多轮验证，那么"智能"反而成了"负担"。真正好的智能体验应该是"无感"的——患者感受到的是服务变好了、等待变短了，而不是"被系统折腾"。

对医务人员而言，智能化工具的体验直接影响使用率。如果AI系统增加了医生的点击次数、延长了单患者的处理时间、产生了大量需要人工确认的"假阳性"提醒，那么医生会本能地抵触。好的智能化工具应当做到"减负"而非"增负"——减少重复操作、减少信息查找时间、减少低价值的行政事务。

体验导向的设计要求在项目建设中引入用户体验（UX）方法论：深入了解目标用户的真实工作场景和痛点、进行可用性测试、建立用户反馈闭环、持续迭代优化。将"用户满意度"和"使用率"作为项目成功的核心指标，而不仅仅是"功能完成度"。

四、给不同机构的路线图建议

不同类型的医疗机构在资源禀赋、业务特点和发展阶段上存在显著差异，智能化的转型路径不应"一刀切"。以下分别针对大型医院、基层医疗机构和第三方服务机构提出差异化的路线图建议。

4.1 大型医院：全链条转型，打造智慧医院标杆

大型三甲医院是智能化转型的主力军，也是行业标杆的塑造者。这类机构通常拥有较完善的信息化基础、较强的技术团队和充足的资金支持，有能力进行全链条、系统性的智能化转型。

政策驱动是大型医院转型的外部引擎。 《公立医院高质量发展促进行动（2021-2025年）》明确要求全国三级公立医院电子病历应用水平平均级别达到4级。进入2024年以来，各省参照新版三级医院评审标准，陆续将"电子病历评级达到4级"作为前置要求和"一票否决项"。2025年5月，国家卫健委正式印发《智慧医疗分级评价方法及标准（2025版）》，在2018版电子病历评价标准基础上全面提升，并整合优化医院信息互联互通测评体系，构建起智慧医院评价的顶层架构。这些政策为大型医院的智能化转型提供了清晰的方向指引和刚性约束。

建议路线图：

• 第一阶段（1-2年）： 以电子病历评级和互联互通测评为抓手，全面开展数据治理。重点统一全院数据标准和编码体系，建设临床数据中心（CDR）和运营数据中心（ODR），打通核心业务系统接口，实现患者360度视图。同步启动1-2个高频场景的智能化试点（如影像AI辅助阅片、门诊智能分诊），用试点效果建立全院对智能化的信心。
• 第二阶段（2-3年）： 以试点经验为基础扩展智能化场景覆盖。推进CDSS在全院主要临床科室的部署，开展病历智能质控、检验智能解读、随访自动化等应用。启动门诊和住院流程的系统性再造，将智能工具嵌入业务流程。
• 第三阶段（3-5年）： 推动组织进化和管理智能化。建立首席数据官制度，完善数据治理组织架构；建设管理决策驾驶舱，实现运营数据的实时可视化和预测分析；培育临床与信息技术的复合型人才队伍；探索大模型在医疗领域的深度应用。

关键提醒： 大型医院的转型最容易陷入"大而全"的陷阱。建议采用"总体规划、分步实施、小步快跑"的策略，避免一次性铺开过多项目导致资源分散和管理失控。

4.2 基层医疗机构：借力赋能，融入区域协同体系

基层医疗机构（乡镇卫生院、社区卫生服务中心、村卫生室）面临着完全不同的现实：信息化基础薄弱、技术人才匮乏、资金投入有限、服务人口分散。对基层而言，独立开展智能化转型既不现实也不经济。

政策为基层指明了"融入区域体系"的路径。 2025年3月，国家卫健委联合国家中医药局、国家疾控局印发《紧密型县域医共体信息化功能指引》，强调要基于省级或地市级平台，集约化开发、云化部署县域医共体应用信息系统，提升县域医共体数字治理能力。多地实践已取得显著成效：某省智医系统与全民健康信息平台互联互通，实现334家二级及以上医疗机构检查检验结果及出院记录在基层查询共享，搭建了基层医疗机构与县级医院在医学影像、心电诊断、双向转诊、远程会诊等方面的业务协同，真正实现"基层检查、上级诊断、结果互认"。

建议路线图：

• 核心策略： 不追求独立建设，而是主动融入紧密型医共体或城市医疗集团的统一信息化平台。借助牵头医院的技术能力和区域平台的数据资源，实现"借力赋能"。
• 第一步： 完成基础信息化补课。实现电子健康档案、基本公共卫生服务、门诊电子病历等核心业务的信息化覆盖，确保数据能够上传区域平台。
• 第二步： 接入区域协同服务。利用远程影像、远程心电、远程会诊等上级医院的智能化能力，让基层患者享受到三甲医院的诊断水平。影像AI在这一阶段尤为重要——基层缺乏专业放射科医生，AI辅助阅片可以有效弥补这一短板。
• 第三步： 开展慢病智能管理。基于区域平台的居民健康档案数据，利用AI模型进行慢病风险筛查和分级管理，将基层医疗从"被动治病"转向"主动健康管理"。

关键提醒： 基层转型的成功不取决于基层自身，而取决于区域牵头医院的赋能意愿和能力。政策层面应强化牵头医院对基层信息化的支持和考核责任。

4.3 第三方服务机构：聚焦连接，做生态中的"粘合剂"

第三方医疗服务机构——包括互联网医院平台、医疗AI技术公司、健康管理服务企业、检验检测中心等——在智能化转型中扮演着独特角色。它们不是转型的"主体"，而是连接医院、患者和技术的"粘合剂"。

建议路线图：

• 定位策略： 聚焦医院"想做但做不好"和患者"需要但得不到"的领域，提供差异化价值。例如，互联网医院可以聚焦诊后随访管理和慢病复诊，AI技术公司可以聚焦基层影像和病理的远程诊断赋能，健康管理企业可以聚焦院外健康数据的采集与整合。
• 技术策略： 避免与医院"抢数据"。第三方机构的核心价值不在于自建数据壁垒，而在于提供数据分析能力和服务连接能力。应主动对接医院和区域平台的标准接口，在合规前提下实现数据的双向流动。
• 服务策略： 以患者体验为核心竞争力。第三方机构的优势在于灵活性和服务意识，应充分利用这一优势，打造让患者"用得顺、信得过、离不开"的智能服务体验。自贡市建成互联网医院后，实现在线问诊、药品配送一站式服务，累计接诊500余万人次，充分证明了第三方服务模式的巨大潜力。
• 合规策略： 数据安全和隐私保护是第三方机构的生命线。必须严格遵循《数据安全法》《个人信息保护法》和医疗行业相关法规，建立完善的数据治理体系和安全防护机制。

关键提醒： 第三方机构要避免"技术自嗨"——开发了先进的技术却找不到愿意付费的客户。建议采用"场景共创"模式，与医院深度合作，从临床真实需求出发定义产品，确保技术解决的是真问题而非伪需求。

结语

从信息化到智能化的转型，是一场需要耐心、需要定力、需要系统性思维的长期工程。它不是一场可以用"上线"来标记终点的项目，而是一个持续演进的过程。

回顾转型的四个阶段——数据治理夯实地基、流程再造疏通经脉、场景落地验证价值、组织进化实现共生——每一个阶段都无法跳过，每一个阶段都需要时间和资源的投入。那些试图走捷径的机构，最终往往要在更晚的时间点付出更大的代价来补课。

展望未来，随着大模型技术的快速发展和医疗AI三类医疗器械审批的持续推进（截至2025年12月，全品类AI医疗器械三类证已达207款，2025年医疗AI大模型市场规模接近20亿元），医疗智能化的技术工具将日益丰富和成熟。但技术从来不是转型的瓶颈——数据质量、流程配套、组织能力和用户体验才是真正的决定因素。

对于每一家走在转型路上的医疗机构而言，最重要的不是追逐最新的技术概念，而是脚踏实地地回答三个问题：我的数据准备好了吗？我的流程匹配了吗？我的人准备好了吗？当这三个问题的答案都是"是"的时候，智能化的价值自然水到渠成。

文献引用附录

• 国家卫健委：《电子病历系统应用水平分级评价标准》
• 中国医院协会信息专业委员会
• 弗若斯特沙利文（Frost & Sullivan）
• 《公立医院高质量发展促进行动（2021-2025年）》