医疗服务

一、这类机构的做法通常是什么样的

医疗机构的系统通常不少：HIS、电子病历、耗材管理、财务，各管一摊。

但在运营层面，信息仍然以三种方式流转：纸质登记本、系统之间的手工核对，以及电话。

这是医疗服务机构最普遍的现状：系统很多，但系统之间不通。

由此产生三个典型后果：

• 号源与提醒脱节。 患者取消预约后，空出的号源往往不能自动触达等候名单，需要人工查找与电话联系。
• 病历是自由文本，统计靠人翻。 同一个诊断要反复手写；想做随访率、质控指标统计时，需要人工逐份阅读。
• 耗材账实不符难以追溯。 高值耗材要求一物一码追溯到患者，但只要有一例使用未及时登记，账实就会分叉，且排查成本很高。
• 合规检查只能抽查。 病历质控、处方审核依赖人工抽查，覆盖率有限，问题发现滞后。

问题不在系统数量，在于数据在系统之间、在系统与纸质记录之间没有被连接起来。

二、这件事的矛盾在哪

矛盾一：数据最敏感，但最需要被用起来

医疗数据是敏感数据，监管严格、泄露代价极高。所以很多医院的选择是"尽量别动"。

但不动的结果是：数据躺在系统里，既不产生价值，也不产生风险——只是白白积累。

矛盾二：医生的时间是最贵的资源，却被大量非诊疗工作占用

写病历、填表、查历史记录、开检查单——这些工作占了医生相当一部分时间，但都不产生诊疗价值。

任何能减少这部分时间的事，价值都很高。但前提是不能增加医生的操作负担。

矛盾三：合规要求越来越高，但执行靠人

病历质控、耗材追溯、处方审核——每一项都有规范要求，但检查靠人工抽查。

抽查覆盖率低，问题发现晚，整改成本高。

矛盾四：AI 很热，但医疗 AI 的边界很严

辅助诊断属于医疗器械，需要资质与临床验证。大部分医院想做的"AI"，其实落在运营与管理环节，不在诊断环节。

这个边界必须先划清楚，否则项目做不下去。

三、看三个数（你自己判断该不该做）

⚠️ 说明：上表中的数值是我们的经验参考值，不是行业标准。不同品类的合理区间差异很大，它的作用是帮你判断"要不要认真算这笔账"，不是给你一个必须达到的指标。

再算一笔账：一个专家号空置 = 直接损失 + 患者等待成本。爽约率从 10% 降到 5%，对一个日门诊 500 人的医院，就是每天多 25 个有效就诊。

四、FDE 怎么落地

场景一：把病历里的关键要素结构化

你遇到的：病历是自由文本，想统计什么都得人工翻。

我们做的：从病历文本里抽取关键要素——诊断、用药、检查结果、随访计划——形成结构化数据，可检索、可统计、可导出。

关键取舍：设计成"AI 抽取 + 医生确认"，不是全自动。 抽取结果给医生看一眼确认，既提效又保准确。最终以医生确认为准，系统不产生诊断结论。

场景二：把预约、排班、提醒串起来

你遇到的：号源分散、取消没人补位、患者爽约。

我们做的：号源池整合 + 自动提醒（短信/微信）+ 取消自动补位（通知等候名单）+ 复诊提醒。

关键取舍：先做提醒，见效最快、改动最小。号源池整合涉及科室利益，需要管理层推动。

场景三：耗材一物一码，追溯到患者

你遇到的：高值耗材账实不符，追溯靠翻单据。

我们做的：扫码入库、扫码使用、自动关联患者与手术记录。低值耗材按科室扫码消耗，自动核算。

关键取舍：高值耗材优先做（监管要求 + 金额大），低值耗材可以后做（量大但单价低）。

场景四：合规检查从"人工抽查"变成"全量自动"

你遇到的：病历质控、处方审核靠人工抽查，覆盖率低。

我们做的：按规则自动扫描全部病历，标出有问题的（缺项、逻辑矛盾、超范围用药），人工只复核被标出的。

关键取舍：规则要能解释。 医生被标出问题时，必须能看到"违反了哪条规则"，否则不会认。

五、服务包建议

医疗服务行业我们建议从"运营管理"环节入手（预约、耗材、质控），不要碰诊断环节。诊断环节需要医疗器械资质，我们不做。

六、边界说明

数据安全边界（最重要）

能力边界

什么情况下我们建议不做：

• 只是想做一个"AI 医疗"的展示，不打算真正落地
• 医院信息科完全不参与，只让外包团队做
• 数据完全不给、只给脱敏后的统计数字
• 期望涉及诊断结论（我们不做）