从挂号到出院，医疗智能体都能做什么？

【编者按】

本文是“打造以工作流为核心的医疗智能体”系列的第三篇，内容纯属虚构，仅作为科普讨论参考。

让我们先认识一下“老王”：65岁，有高血压病史，平时身体还不错。最近一周，他开始咳嗽，有时候还感觉胸闷。老伴催他去医院看看，但他嫌排队麻烦，一直拖着。这天夜里，咳嗽加重了。他拿起手机……

接下来，我们将跟随老王的脚步，走一遍完整的就医流程。你会发现，AI智能体已经悄然出现在每一个环节。

1.就诊前：智能分诊

老王打开手机上的医院App，本来想直接挂个呼吸科的号，但App弹出一个对话框：“您好，我是您的就诊助手。可以先告诉我您哪里不舒服吗？我会帮您推荐最合适的科室。”

老王输入：“咳嗽一周，有时候胸闷。”

AI追问：“有发烧吗？”——没有；“咳痰吗？什么颜色？”——白痰，不多；“胸闷是在活动后还是休息时？”——活动后明显；“有吸烟史吗？”——抽了40年烟。

几轮问答后，AI给出建议：“根据您的症状和吸烟史，建议您优先挂呼吸内科。同时，您的年龄和吸烟史属于肺癌筛查的高危人群，建议同时预约一个低剂量胸部CT。已为您推荐呼吸科张医生（明天上午9:00）和CT检查（明天上午10:30）。是否需要帮您一起预约？”老王点了一下“确认”。挂号、预约检查、病史摘要生成——三件事，不到3分钟，全部完成。

这是第一级智能体的工作：主动问诊、智能分诊、流程引导。

传统流程：老王自己查科室→挂一个号→到门诊再开检查单→再去预约CT→可能一天搞不定。

2.在医院里：智能导诊

第二天，老王到了医院。App提示他：“您预约的呼吸内科诊室在3楼A区，当前排队前面还有2人。”“CT检查在1楼放射科，建议您先去呼吸科开检查单，然后去放射科签到。”

老王到了诊室门口，发现屏幕上还有一个二维码，写着“扫码登记”。扫完码，AI告诉医生：“您的患者老王已到达诊室，这是他填写的病史摘要。”

这看起来简单，但背后是多个智能体的协作：导航智能体、排队管理智能体、诊室叫号智能体——它们自动同步信息，让患者少跑腿、少等待。

3.就诊中：智能辅助决策

终于见到张医生了。张医生一边问诊，一边看电脑屏幕，屏幕上实时显示着AI助手提供的信息：左侧：老王填写的病史摘要，已经自动结构化，一目了然。右侧：AI根据病史和吸烟史，自动生成了“鉴别诊断”列表——可能性最高的是慢性支气管炎、其次是肺炎、第三是早期肺癌。底部：AI建议的检查项目——血常规、CT、肺功能。

老王做完CT平扫后回诊，张医生看到了老王的CT片，且AI已经提前“读过”一遍了。影像智能体的报告弹了出来：“右肺上叶可见5mm磨玻璃结节，边缘尚光滑，建议6-12个月随访。未见明确实性成分。”张医生点点头。他知道这个磨玻璃结节大概率是良性的，但考虑到老王的吸烟史，还是建议定期随访。

整个过程中，张医生注意力始终在老王身上，而不是在敲电脑、翻病史上。AI把“案头工作”都分担了。

这是第二、三级智能体的协作：病历结构化、鉴别诊断生成、影像分析、随访建议。

4.开药时：智能审方

张医生诊断：慢性支气管炎急性发作。给老王开了三种药：抗生素、化痰药、止咳药。处方开出后，系统里“用药审核智能体”自动运行了几秒钟。

它做了几件事：核对老王的基础病和用药：老王有高血压，目前在吃“厄贝沙坦”和“氢氯噻嗪”；检查药物相互作用：抗生素和降压药之间没有严重冲突——通过；检查肾功能：老王最近的血肌酐正常——药物剂量不需要调整；检查过敏史：老王青霉素过敏——开的头孢类一般可用。但AI还是弹了个提示框，让张医生确认；提醒患者教育：自动生成了一条服药说明：“头孢类抗生素需空腹服用，服用期间和停药一周内禁止饮酒。”所有检查完成，处方自动通过。

如果不是AI做的，这些工作需要药剂师核对。现在，AI在几秒内完成，药剂师只需要对高风险处方做人工复查。这是用药智能体的价值：快速、准确、不遗漏。

5.诊后：智能随访与健康管理

老王看完病，回到家。第二天，他收到一条手机提醒：“老王您好，昨日张医生开的头孢类抗生素，请空腹服用。服药期间请勿饮酒。”一周后，又收到一条提醒：“您该复查血常规了，将为您预约明天上午9点，请您确认时间是否合适。”一个月后，再提醒：“您的CT随访提示6-12个月后复查，是否需要为您预约下个月的CT检查。”

老王每次咳嗽加重，都可以在App上和“康复助手”聊天：“我这几天又开始咳了，要不要提前去复查？”AI：“请问痰的颜色变了吗？有发烧吗？……”根据老王的回复，AI判断：“症状无急性加重迹象，可以按原计划下个月复查。但如果出现发热或呼吸困难，请及时就医。”

这是随访智能体的工作：定时提醒、症状监测、轻症分流。

在传统流程中，医生没时间逐一打电话，患者全凭自觉。很多人复查一拖就是大半年。

6.全景回顾：一张图看懂AI做了什么

每一项单独看，都不算“颠覆”。但把它们串起来，你会发现，患者的就医体验被彻底改变了：少跑腿——不用自己查科室、不用自己约检查、不用自己记复查时间；省时间——医生不用从头问病史、不用手敲病历、不用逐条审核处方；少焦虑——AI随时回答问题，定期提醒复查，患者心里有底。

AI不是主角，医生才是。在这整个故事里，有一件重要的事情请不要忽略：所有关键决策，都是张医生做的。AI说“建议呼吸科”，老王点了确认。但如果AI错了呢？张医生可以改。AI说“鉴别诊断”有几种可能，张医生结合查体做了选择。AI说“这个磨玻璃结节建议随访”，张医生同意。AI开药前弹出提示“青霉素过敏，确认使用头孢？”，张医生确认后才生效。

AI的价值不是“取代医生”，而是让医生从琐事中解脱出来，把时间还给患者。张医生原来需要花15分钟问病史、查资料、写病历，现在5分钟就能搞定。剩下的10分钟，他可以多问老王几句：“最近家里怎么样？”“有没有胸闷加重？”“平时谁照顾你？”——这些对话，AI做不到，也不需要做到。

从老王踏进医院大门，到走出医院，再到回家康复，AI智能体在每个环节都在默默工作。这些智能体不是一个“万能AI”在做，而是一群分工明确的“专科AI”在协作。它们像一支看不见的团队，24小时在为患者服务。这就是医疗智能体的价值：不是在某个点上超越人类，而是在整个流程上让系统更流畅。（本文纯属虚构，仅作为科普讨论参考）

【“打造以工作流为核心的医疗智能体”系列往期回顾】

《从实习生到专家助手，医疗智能体的三个成长阶段》

《 医疗多智能体系统：让智能体像医生团队一样分工协作》

下期预告：医疗智能体看病有哪些风险？

【作者简介】

郑西川，上海交通大学附属第六人民医院计算机中心教授级高工。上海交通大学医学院生物医学工程专业硕士研究生导师，苏州大学放射医学与公共卫生学院生物医学工程专业硕士研究生导师。中国医院协会信息专业委员会（CHIMA）委员，中国医药信息学会（CMIA）委员，上海市医院协会信息管理专业委员会委员，中国医药信息学会上海分会常委，中国生物医药技术协会医药信息分会常委，《医疗卫生装备》杂志特约审稿专家。

研究方向：①基于PACS电子病历的临床信息共享；②HL7/XML电子转诊相关技术及应用研究；③区域临床信息共享及协同医疗信息技术研究；④数字化医院的相关标准及实现技术。近年来，先后承担上海市“十一五”重大科技项目、上海市科委自然科学基金项目、上海市经济信息委信息化专项基金以及院级课题多项。发表论文40余篇。