北京世纪坛医院：AI辅助病历生成实施路径与成效

来源：HIT专家网       作者：于浩

近年来，首都医科大学附属北京世纪坛医院门诊量持续增长，传统就诊模式面临多重挑战：一是医生接诊压力较大，需要在短时间内完成问诊、病史采集和病历书写，不仅负担过重，而且存在信息遗漏风险；二是患者体验不佳，不能提前让医生了解主诉。

2024年，在门诊病历书写场景，我院引入基于人工智能技术的“预问诊+病历生成”组合，旨在提升门诊病历书写工作的效率。与传统依靠固定问诊模板+手工录入病历内容的方式不同，该组合依托大语言模型、OCR识别与语音识别技术，实现了完整的“问诊前—问诊中—问诊后”自动化收集信息，并能够输出结构化、标准化门诊病历。

目前，系统已覆盖6个专科，正稳步推进至9个专科，实现了从单科试点到多科应用的过渡。相关科室医生的患者看诊平均时间在4分钟左右，相比之前的6.97分钟缩短约40%。

实施路径

（一）将大语言模型与业务流程融合。

在系统建设过程中，我们坚持以临床需求为导向，将大语言模型能力与门诊业务流程深度融合。如图1所示，问诊前，患者通过世纪云小程序或微信公众号填写预问诊信息，并可上传院外检验、检查报告。大语言模型依托OCR技术，对报告内容进行识别和要素提取，结合患者自述生成结构化的预问诊病历。患者可以将预问诊病历发送至门诊医生工作站，系统对有明显标识对预问诊信息进行提示（图2），医生在接诊时不再需要从零开始收集病史，结合患者上传信息能更有针对性地完成问诊，提高效率。

问诊中，大语言模型能够将医生和患者的实时对话，通过语音识别技术进行解析与整合，同时结合预问诊病历，自动生成条理清晰、符合书写规范的门诊病历草稿。医生只需在系统提供的草稿基础上进行快速修订和确认，即可完成一份病历书写。

在实现业务流程自动化的同时，我们始终坚守“辅助而非替代”与“医生主导”的原则。系统生成的病历被定位为“草稿”，所有内容均需医生结合专业判断进行审核、修订与确认，从机制上确保了医疗质量的责任主体明确，避免了因过度依赖技术可能产生的风险。同时，构建医生反馈闭环，将医生的每一次修改都视为优化系统的宝贵数据，推动系统持续迭代，愈发贴合临床思维。

问诊后，医生可将修改和确认好的病历直接回写至电子病历系统，无需医生重复录入或切换界面。

借助大语言模型预问诊和病历生成系统，患者的诊前信息自然衔接到诊中记录，并发送到院内病历体系中，既提升了病历书写的效率和完整性，也显著改善了患者的就诊体验。

（二）项目推进

在项目立项阶段（2024年4月-5月），由医院信息中心牵头，联合医务处及妇科、淋巴外科、变态反应科等重点科室，对门诊接诊流程开展全面调研。通过集中讨论和现场访谈，梳理出医生在病史采集、病历书写、报告整合等环节的实际痛点，并形成明确的建设需求清单，确保系统设计能够切合临床场景。

在试点阶段（2024年5月-7月），医院选择妇科、变态反应科和淋巴外科进行小范围运行，通过现场支撑和反馈收集，重点验证系统在急症分诊、过敏源追溯和术后随访中的应用效果。

在推广阶段（2024年7月-10月），系统逐步扩展至呼吸内科、消化内科和腹膜肿瘤外科。我们根据各专科病种特点，与科室骨干医生共同定制个性化问诊逻辑与方案，确保系统在不同科室的适用性与准确性，从而提升了医生的接受度和使用意愿。

在运行维护阶段（2024年10月至今），医院持续收集临床一线医生的反馈意见，并结合患者满意度调查结果，动态优化病历生成模板和问答逻辑，确保功能不断贴近实际诊疗需求，实现持续改进和稳定运行。

（三）团队分工

在项目推进过程中，我们明确各环节的分工与责任。由信息中心牵头负责整体方案的统筹规划与系统集成，确保预问诊、病历生成与医生工作站实现有效衔接；临床科室主任和骨干医生全程参与，反复校验问诊逻辑和病历模板，使系统更加贴合实际诊疗习惯；院内专家团队提供医学把关，确保内容准确、符合规范；此外，门诊部与患者服务中心从患者视角出发，对预问诊的界面友好性、操作便捷性及整体就诊流程提出优化建议，确保技术创新举措真正能够提升患者体验；同时，医院还建立了反馈机制，定期收集医生与患者的意见，由项目管理小组统一评估并推动优化，保证系统能够在一线场景中稳定运行并持续改进。

（四）关键步骤

1.前期调研与需求确认

在项目启动前，信息中心会同医务处、妇科、淋巴外科、变态反应科等临床科室，深入分析门诊接诊流程，明确医生端和患者端的实际痛点，形成系统应用需求清单，为后续建设提供依据。

2.模型调优与专家评估

在系统开发过程中，医院技术团队提供了覆盖妇科急症分诊、淋巴外科术后随访、变态反应科过敏源追溯等场景的真实病历数据，临床专家从问诊逻辑合理性、病历草稿完整性、专科术语准确性等方面提出修改意见，团队据此不断迭代模型。通过“数据支撑+专家校验”的方式，确保系统输出更加贴近临床实际。

3.试点上线与场景验证

项目初期选择妇科、淋巴外科和变态反应科等就诊量大，病历书写压力重的科室先行试点。上线后，安排专人协助医生在工作站端使用系统，重点关注系统输出的适配度和运行稳定性，确保临床工作不受影响。

成效验证与建设体会

经测试，病历生成结合预问诊病历以及医生问诊采集的患者病情信息，通过大模型的自动排版与模板化处理，一份完整的病历平均生成用时仅44秒，且病历内容准确率超过90%，医生仅需确认和少量的修改即可。

截至目前，全院累计生成预问诊病历66000余份，在主要试点科室的使用率较高。其他科室因未做专病、专科的模型优化，生成的预问诊病历距离实际使用还有差距。同时在门诊早高峰期间，因算力限制，生成病历效率会有所下降。

除了显著的效率提升，该模式还带来了更深层次的价值。一方面，基于大语言模型生成的病历草稿在结构完整性和术语规范性上得到了提升，为医疗质量安全与科研数据利用打下了良好基础。另一方面，医患沟通模式实现了积极转变。医生得以从繁重的键盘录入中解脱，将更多注意力投入到观察患者和深度交流中；而患者则在候诊阶段即参与到病情信息整理中，获得了更强的参与感和信任感，医患关系更为和谐。

在智能预问诊与病历生成系统的建设过程中，医院结合自身实际，逐步探索出一套可供借鉴的建设经验与方法，为后续医疗人工智能建设提供参考。

首先，前期调研充分。由信息中心牵头，联合医务处及重点临床科室深入梳理接诊流程，收集一线医生意见，明确就诊痛点与需求，确保建设方向紧贴临床实际。

其次，试点先行，稳步推广。系统初期选择门诊量和病历书写压力大的科室试点运行，安排专人现场支持，实时收集反馈并快速调整，降低上线风险，增强医生使用信心。随后，在试点成效验证的基础上，优先覆盖就诊量较大的科室，再逐步扩展至病种复杂学科，实现由点及面的推广，形成多专科协同应用与规模化效益。

第三，更为关键的是，构建了多维度的风险规避与体验优化体系：

在系统设计上，追求“人性化”与“精准化”。采用通俗易懂的语言、图文结合的方式和结构化问题引导患者，并设计动态追问逻辑，从源头上提升数据质量。通过信息分层辅助医生快速抓住重点，确保系统“为医生所用”。

在流程机制上，坚持“医生主导”与“有效核对”。医生需结合预问诊报告与患者进行当面核对与深入问诊，并将此审核过程转化为深化医患沟通的契机。生成的病历被明确定位为待完善的“初稿”，这既保证了病历的最终质量由医生负责，也避免了过于依赖技术导致医患关系的疏离。

在管理规范上，明确“法律责任”与“包容普惠”。明确医生是病历质量的最终责任人，系统仅为辅助工具。同时，系统提供现场协助与无障碍模式，保留传统人工问诊通道，确保数字鸿沟不会成为患者就医的障碍。

在持续优化上，建立“闭环反馈”与“持续迭代”机制。系统上线后，我们建立了常态化的运行维护与反馈机制。我们不仅定期收集医生与患者的意见，更将医生的修改行为及患者意见视为优化系统的宝贵数据，据此持续迭代问诊逻辑与病历模板，确保系统能够动态贴合临床需求，发挥长效价值。

【作者简介】

于浩，首都医科大学附属北京世纪坛医院信息中心主任助理，拥有十余年医疗信息化从业经验,负责医院信息化项目管理工作。

【责任编辑：陈曦 版式：明超】