从原型到临床落地：“患者追踪智能体”背后的团队成长故事

一年半前，和许多医院一样，上海市第四人民医院的病种管理工作高度依赖人工操作，由医师手工筛选患者、护士协助扫码入组，不仅耗费大量人力，复杂病例筛选与随访问卷开发还需依赖第三方公司。如今，AI在30分钟就能完成基于病种和场景的数据筛选，医患沟通也从“单向通知”变成了“双向互动”，医护人员可自定义问卷、健康宣教内容和随访方案。三者结合，使全院病种管理放下了人力堆积的包袱，构建起低成本、高效率的精细化病种管理新模式。

从DeepSeek本地化部署到Qwen3.0架构升级，从短信通知到微信公众号交互——这支跨科室团队用一年半时间，走出了一条技术与临床协同共进的创新之路，也完成了自身从“第三方公司的依赖者”到“系统自主驾驭者”的蜕变。

痛点倒逼转型：一次“被迫上阵”的AI初体验

2024年末，摆在上海四院信息部与病种管理团队面前的是一道共性难题：非结构化病历、检查报告、病理报告、用药信息、住院文书等分散在不同系统，医师要筛选符合病种入组条件的患者，需要逐份翻阅电子病历、手工核对报告信息，不仅耗时耗力，还极易出现漏筛、错筛等问题。

数据“睡大觉”，人力“扛大旗”。这是当时最真实的写照。

2025年1月，随着DeepSeek R1的横空出世，大模型终于可以实现本地化部署。在非结构化文本解析、语义理解上的技术优势，使得大模型恰好精准匹配数据利用难题。而本地化部署模式，更从底层筑牢了医疗数据“不出院、不泄露”的安全底线，完美契合医疗行业数据合规要求。​

这是医院首次跨界探索“AI+医疗”的实战之旅。信息部技术团队仅用两周时间就完成模型部署、环境调试和打通多系统API接口，实现了数据互通。随后四周内，技术人员逐项完成病历、诊断、处方、体检、检验检查、住院文书等18项病种筛选所需数据源的接口梳理与数据对接工作，病种管理团队同步搭建病例入组规则知识库，AI患者追踪智能体V1.0正式落地。通过模型自动抓数据关键词、智能匹配入组规则，患者筛选时间从3天压缩至30分钟，系统还可定向为入组患者推送诊疗提醒短信，初步实现智能化筛选与随访提醒。

系统以短信作为消息推送载体，虽然实现了“从0到1”的突破，但问题也随之而来：患者反馈内容简略、咨询入口缺失、康复疑问无法及时解答；医生端缺乏实时反馈通道，难以根据患者情况动态调整随访方案。同时，DeepSeek R1模型上下文的上限是128K tokens，纯文本模型无法读取外院图文报告等各类问题也逐渐显现。

这些来自患者和临床一线的声音，让团队意识到：AI不是装上就完了，它必须跟着临床需求一起成长。

迭代中磨合：模型、数据、协作、随访全面升级

2025年第三季度，团队全面推动系统升级。

模型升级：针对初代DeepSeek R1模型存在的上下文token限制、无法读取图像、语义理解精度不足以及复杂病种适配性差的问题，信息部与病种管理团队反复对比测试和临床场景模拟，最终确定将核心架构升级至Qwen3.0模型——其更强的上下文理解能力、图像报告读取能力和复杂逻辑推理能力，能更好地实现多维度患者追踪。最关键的是，在同性能情况下，Qwen3.0的私有化部署硬件成本只有DeepSeek R1的一半。​

数据治理：为破解多系统、多数据库的数据孤岛难题，医院搭建AI虚拟数据中心，建成实时统一的智能数据底座，实现各类数据库的集中共享和统一访问。面对原始数据标准不一、质量参差不齐的现状，信息部专职运维人员逐项开展数据治理：全面清理空数据、无效垃圾数据；基于患者身份标识排查并删除重复数据，整合同源信息；统一全院各类医疗文书的字段格式、编码规则与排版标准；逐一修正录入错误、信息冲突等问题，并补齐关键缺失内容。同时联合临床骨干完成样本标注分类，为模型训练提供高标准数据集。

分级复核：针对AI模型出现的内容幻觉、逻辑偏差等问题，病种管理团队制定了分级复核管理制度，根据病种的类型不同、上线时间不同，来确定人工复核的抽查比例；在原有入组规则知识库基础上，补充搭建排斥字典库，细化复杂病种筛选逻辑。信息部则基于临床需求，定制开发多场景提示词模板，优化模型推理路径，提升语义理解准确率与复杂病种入组速度。

随访互动升级：由微信公众号推文替代短信推送。利用Codex、豆包等生成式AI，通过网页模板及自然语言的方式，实现了图文、网页的个性化宣教内容（图1），以及自主化随访问卷的自主开发。患者关注公众号后，能收到图文、视频等形式的个性化宣教内容，还能在线填报随访问卷信息；医生在后台实时查看反馈，及时干预异常情况。

这一阶段，团队实现了从“技术端供给什么，临床端就用什么”到“临床端需要什么，技术端就迭代什么”的核心转变，协同共创成为技术落地的核心方法论。

落地见真章：数据背后是两支队伍的共同成长

如今，AI患者追踪智能体已在医院22个临床科室实现规模化应用，累计完成13万余名患者的智能入组。根据患者入组原因抽查校验，系统入组准确率在98%以上；多源化、多角度的数据校验，从根源解决以往人工翻阅病历导致的漏诊漏筛问题；入组患者定期回访率从8%跃升至27%，患者满意度较传统模式有显著提升，技术赋能的临床价值持续显现。

相较于量化成果，跨部门团队在项目共建中的成长更是宝贵收获。信息部的技术人员从“只会写代码”变成了“懂临床的AI工程师”；病种管理团队的医师从“怕AI替代自己”变成了“离不开AI这个协作伙伴”。

从DeepSeek R1到Qwen3.0，从短信到微信公众号，信息部与病种管理团队用1年半证明了一件事：AI时代的医疗创新，不是某一个人或部门的单打独斗，而是技术与临床双向奔赴、共同成长的结果。当信息部门在驾驭AI技术的同时学会了“读懂业务”，当临床科室在拥抱AI应用的过程中学会了“表达需求”，价值医疗驱动的AI才能从愿景走进现实。

【作者简介】

王志勇，高级工程师，同济大学附属上海市第四人民医院信息部部长，南京邮电大学兼职教授，CHIMA委员，上海市预防医学会卫生信息及卫生统计专委会委员。曾任上海长海医院信息科主任。主持各类科研项目3项，发表论文12篇，获国家发明专利3项、软著20项、3项数据（产品）知识产权登记、科技成果转化2项。