陈朝晖：医疗AI要摒弃“PPT式创新” | 回顾2025，展望2026

来源：HIT专家网 作者：陈朝晖

【编者按】

时序更替，新程再启。HIT专家网延续惯例，推出“回顾2025，展望2026”系列文章，邀请行业有识之士结合自身实践积累，分享年度洞察，以思想之火花，点亮行业前行之路。

2025年，大语言模型技术的突破性进展为医疗信息化注入了前所未有的新动能。其强大的自然语言理解、生成与交互能力，让医疗卫生信息工作者看到了医疗服务模式升级的新可能。行业积极拥抱这场技术变革，纷纷尝试将大语言模型融入医院数智化升级实践中，力求在诊疗效率提升、医疗服务优化等方面实现新的突破。

然而，技术的先进性并不直接等同于临床的实用性。大语言模型如何真正契合复杂多变的临床场景，实现从技术概念到落地应用的“开花结果”，成为行业亟待破解的难题。

在众多探索方向中，不少从业者与管理者不约而同将目光投向了一个令临床医生颇为头疼的环节——病历书写。病历作为医疗行为的重要记录，是诊疗过程的核心依据，但其书写工作繁琐、耗时，且要求精准规范，长期以来占用了医生大量的临床时间。于是，“基于大（语言）模型的生成式病案”系统迅速成为医疗AI领域的热门赛道，被寄予缓解医生文书负担、提升病历书写质量的厚望。

病历生成的需求错位困境

过去半年，我们在多家合作伙伴的支持下，全力推进基于大语言模型的病历生成系统研发与试点应用，但最终结果却令人困惑且沮丧：“临床医生几乎不用”。

我们的初衷是通过自动生成功能，将医生从繁琐的病历书写中解脱出来，让他们能将更多精力投入患者诊疗本身，不料陷入了“有一种饿，叫父母觉得你饿”的需求错位。系统按照预设逻辑生成的病历，要么在细节上与临床实际诊疗过程存在偏差，需要医生花费大量时间修改，反而增加了额外工作量；要么无法精准捕捉患者的个体特异性病情信息，导致病历的临床参考价值大打折扣。更有医生反馈，系统生成的病历语言生硬、格式僵化，难以体现临床思维的连贯性与专业性，不符合临床诊疗的实际情况。​

这一年来，有关病历自动生成的各类PPT展示层不出穷，那些光鲜亮丽的技术参数、看似丰硕的应用成果，让我们不禁陷入自我怀疑：我们是不是比别人“傻”一些？为什么别人的项目都已繁花似锦、欣欣向荣，而我们的努力却颗粒无收？明明大语言模型技术的进步有目共睹，模型的参数规模、响应速度、语言生成质量都在持续优化，为何我们的应用成果却难以显现，甚至不被临床医生认可？

这种技术与应用之间的落差，让我们不得不重新审视AI在医疗行业的应用逻辑。

“PPT式成果”难掩实际应用短板

在与行业同仁的私下交流中，我们似乎得到了一种耐人寻味的解释。如同数据统计要有明确口径，评价AI应用的成效也需要区分不同视角：从无到有，实现技术的初步落地，就是一种“成绩”；从有到优，持续优化，适配临床需求，则可以“继续努力”。于是，在这样的评价逻辑下，许多项目只要实现系统跑通、生成几份样例病历，便足以在PPT里大放异彩，成为对外宣传的亮点成果。

某医疗AI公司公开的数据也印证了这一现象：其为某省级三甲医院上线的AI病历书写系统，一年间累计生成门诊病历、住院大病史、病程记录、手术记录等医疗文书近万份。单看这些数字，确实成果亮眼，但对比该院 2024年300万人次的门急诊量、15万人次的出院量，这近万份的生成病历显得微不足道，实际使用率微乎其微，所谓的成果更像是一种数字游戏。

深入探究背后的原因，我们发现一个不容忽视的行业现状：在许多讨论中，有一些基本概念常被无意或有意地混淆，甚至误用。谈及AI在医疗场景的应用，不少从业者、管理者乃至研发人员，都难以厘清“规则引擎”与“人工智能”的核心界限，更分不清“大模型”和“大语言模型”的本质差异。

这种概念上的混淆，直接导致许多医疗AI项目在研发方向与应用场景的匹配上出现偏差，盲目追逐大语言模型的热点，却忽视了临床场景的真实需求。

一个核心问题是：医疗场景真正需要的究竟是何种模型？

医疗场景的核心需求始终是安全、精准、高效，能够真正解决临床痛点。当前，许多基于大语言模型的病历生成系统之所以遭遇“使用率低”的困境，根源就在于混淆了技术类型与场景需求的适配关系，单纯追求“语言生成”的功能实现，却忽视了病历书写的医疗专业性、法律严谨性与个体差异性。

临床医生需要的不是一个简单的文字生成工具，而是一个能够深度理解诊疗流程、精准捕捉病情信息、贴合临床思维习惯的智能辅助伙伴。这需要技术研发者跳出技术崇拜的误区，真正深入临床一线。

医疗AI应用探索需要回归本质

从早期的技术探索到如今的规模化尝试，医疗AI虽取得了一定进展，但仍处于摸着石头过河的探索阶段。回望2025年的医疗AI领域，在大语言模型的技术加持下展现出蓬勃的创新活力，但也面临着概念混淆、需求错位的现实困境。

大语言模型为医疗信息化带来了新的可能，但技术落地不能止于“跑通系统、生成样例”，更不能陷入概念混淆的误区。医疗场景的特殊性决定了AI应用必须以临床需求为核心导向，研发者需要沉下心来深入临床，厘清技术边界与场景适配性，摒弃浮躁的“PPT式创新”，专注于提升技术的实用性与安全性。

医疗AI的前行之路，必然是技术创新与临床需求深度融合的过程。只有真正解决临床痛点、提升医疗服务质量与效率的技术应用，才能在医疗领域站稳脚跟，实现可持续发展。能否实现“把时间还给医生，把护士还给患者”是检验医疗AI是否成功的重要标准。而厘清“大模型”与“大语言模型”的本质差异，找准技术与临床场景的适配点，将是医疗AI突破瓶颈、实现规模化落地的关键所在。​

【回顾展望系列文章】

寒冬砺刃，HIT行业如何穿越周期 | 回顾2025，展望2026

黄海明：医疗信创步入深水区，四问国产数据库 | 回顾2025，展望2026

【责任编辑：陈曦 版式：明超】