陆婷娟：人工智能时代，医信工程师如何与AI Agent共舞

来源：HIT专家网 作者：陆婷娟

当“大模型”从一个技术术语成为行业热议话题，当医院走廊里的同事开始讨论“DeepSeek能不能写病历”，身处医院信息化建设一线的医信工程师，或许正站在一个技术变革与行业发展的历史节点上。

以当前迅速发展的AI智能体（AI Agent，如AutoGPT、OpenAI Operator等）为代表，“工具”的边界正在重新被定义。不同于传统AI只能回答问题、生成文本，这些智能体能够理解指令、规划任务、终端操作——它们可以自动研读数十页的医疗系统接口文档，可以自动生成数据迁移脚本，甚至可以在我们喝咖啡的时间完成一次完整的系统巡检。

这让很多医信人陷入了一种复杂的情绪：既为技术提效带来的机遇感到兴奋，也对职业发展的未知充满焦虑，期待与不安并存。

“AI是不是要来抢我们的饭碗了？”

事实上，技术的每一次迭代，从来不是为了拿走谁的饭碗，而是为了将人从重复的机械性工作中解放出来。智能体的出现，并非对医信工程师的职业替代，而是一场静默的能力升维。它将行业价值分配的天平，从“谁能写更多代码”，缓缓向“谁更懂医疗业务、更懂临床需求、更懂如何让技术落地于医疗场景”倾斜。

哪些能力会被智能体替代？

回望过去几年，医信人的日常往往被三类工作填满：政策驱动下的规则核对，如DRG/DIP分组校验、等级评审指标填报、互联互通数据治理；基础研发中的接口调试、报表开发、文档撰写；标准化运维里的日志巡检、故障响应、数据备份。这些工作构成了传统信息科运转的底座，却也占用了从业者大量的核心精力。

而这类规则清晰、路径明确、重复度高的工作，恰恰是智能体最擅长接手的领域。以OpenClaw为例，其具备“计划—执行—反馈—优化”的完整闭环能力，能够独立承载从需求拆解到代码生成、初步测试的研发链路。当智能体能以更高的效率和更低的边际成本完成这些任务时，我们不必将其视为威胁，而应看作一次“减负”——把时间从无尽的工单和深夜“排故”中释放出来，去关注那些真正需要人脑思考与人心感知的核心工作。

AI时代医信工程师的护城河

代码可以自动生成，但医疗场景的复杂性永远需要人去丈量。医信工程师真正的护城河，不在于掌握多少门语言，而在于长期扎根医院所沉淀的、AI无法复制的技术与业务交叉能力。这份能力又分为核心专业能力与职业核心素养两大维度，二者相辅相成。

1.核心专业能力：技术与医疗的深度融合

首先是“医学业务+信息技术+AI原理”的T型知识结构。AI算法科学家未必懂门诊分诊的隐性规则与临床路径的核心逻辑，临床医生也无需深究医疗系统的底层架构。而医信工程师，是少数能同时听懂临床诉求、把控技术边界与明晰AI能力范围的人。纵向深耕某一细分领域，横向理解AI能做什么、不能做什么，便足以构筑专业壁垒。

其次是临床与技术之间的双向“翻译”能力。医生一句“这个流程太卡”，背后可能是复杂的临床路径与多科室协作逻辑；医信工程师能将其精准转化为技术靶点，也能把AI模型的局限与不确定性，用临床听得懂的语言解释清楚。这种互译能力，是系统稳定与业务信任的基石。

再者是场景化创新与解决方案设计能力。技术的价值在于解决实际问题，而医信人最知道业务痛点在哪：看到护士手工转录体征数据，我们能想到物联网+AI的自动采集；发现医生写病历反复点击，我们能设计语音+智能生成的交互优化。发现问题、定义问题、设计路径，这是AI无法代劳的创造力。

最后是医疗合规与安全责任。医疗是强监管行业，数据安全、个人信息保护、分级分类管理等要求，贯穿于信息化工作。AI可以完成流程化操作，但无法承担最终合规与安全责任。医信工程师需要作为AI系统的“监护人”，建立模型的性能监控与偏差预警机制，制定智能体操作的合规边界，守住医疗信息化的安全底线。

2.职业核心素养：技术落地的人文支撑

医疗终究是人与人之间的托付。技术的落地离不开人文关怀与复杂人性洞察。这是医信工程师的另一种核心素养。AI可以生成一份结构完美、数据准确的检查报告，但如何让它附带一份给患者的、温和易懂的解读指南？AI可以给出最优治疗路径，但如何设计沟通界面，让患者在知情与安心之间找到平衡？医疗技术的温度，最终需要医信工程师在系统设计、功能落地的过程中赋予。

未来智能体能为我们做什么？

当OpenClaw成为数智部门的“数字同事”，医信工程师的工作节奏与核心职责将发生悄然改变。

研发效率不再是“等排期、赶节点”。过去需要数周打磨的常规功能，如今通过清晰的需求描述，智能体可在数小时内完成分析、编码与基础测试。代码审查、漏洞检测、性能优化也交由AI辅助，让医信工程师把精力集中在架构设计与业务逻辑上。

运维从“救火”走向“防火”。智能体能够7×24小时巡检系统状态，提前捕捉性能衰减的苗头；故障发生时，自动分析日志、定位根因并给出处置建议。系统升级、数据迁移、兼容性测试也可以通过自然语言指令有序执行。医信工程师不再是半夜被电话叫醒的“消防员”，而是系统健康的“守门人”。

数据治理从“手工清洗”升级为“智能炼金”。杂乱的非结构化病历、碎片化的检验指标，可由AI自动完成标准化与结构化处理；通过自然语言提问，统计报表与趋势分析即时生成；数据质量监控实时在线，错误与不一致被自动识别纠正，让数据真正成为临床与管理的“燃料”。

跨系统集成不再依赖繁杂的接口开发。智能体控制平面，能够用自然语言驱动工作流，自动调用不同系统的接口完成数据交换与业务协同。新设备、新AI应用接入时，集成周期大幅缩短，信息孤岛被悄然缝合。

更重要的是学习与成长的陪伴。智能体可根据从业者的技术背景与职业阶段，定制学习路径；工作中遇到技术或医学疑问，可随时获取最新行业实践；科研文献检索、数据整理、综述撰写也能获得辅助。智能体不替代我们的独立思考，而是拓宽我们的专业视野，提升学习效率。

医信工程师应当立即做的四件事

面对智能体的到来，焦虑无益，行动才有回响。我们可以从四件小事开始，尝试职业角色的平稳过渡，让智能体成为专业能力的延伸，而非职业发展的挑战。

第一，把重复性工作放心交给AI。停止将自己困在纯编码、报表堆砌与基础运维中。学会给AI提问题、下指令，让智能体承担执行层面的劳动，把时间留给业务理解、流程优化与架构思考。

第二，多去临床一线走一走。医信工程师的价值不在机房的机柜旁，不在电脑旁，而在门诊的候诊椅旁、在病区的护士站、在药房的发药窗口。观察医护的真实工作流，倾听他们的抱怨与期待。离临床越近，技术方案就越有生命力。

第三，稳步构建“医学+AI”交叉知识体系。不必追求成为算法专家，但要掌握基础的医学专业术语、核心临床路径与医疗行业规范，明晰大模型、智能体、多模态技术的适用场景与能力边界，学会如何合理调用、合规集成与科学评估AI技术。成为连接临床需求与技术实现的桥梁，而非单纯的代码执行者。

第四，拥抱AI，做智能体的“教练”与“管理者”。不要回避，也不要神化。学会给AI设定清晰的边界、提供高质量的反馈、建立性能监控机制。当你能够引导AI为你所用、为临床所用时，你就从被工具定义的人，变成了定义工具价值的人。

技术的浪潮从不等人，但医信人的职业底色始终是“服务临床、守护生命”。AI时代不是职业终点，而是一次重新出发的契机。它将筛掉那些只愿埋头敲键盘、不愿抬头看流程的人，却会为懂医疗、懂技术、懂融合的医信工程师，铺就一条更宽广的职业之路。OpenClaw们或许会变得很强大，但它们终究是需要被驾驭的战马；而医信工程师，才是真正把握缰绳的人——我们懂医院的业务逻辑，知道哪些数据不能碰，知道哪些流程不能乱改，知道临床科室真正需要什么。我们才是引领智能体在医疗信息行业颠覆传统、走向“星辰大海”的那个数智大脑。

当下关键在于：我们是否愿意迈出第一步，去了解这些新工具？期望与广大医信同行共同探讨技术变革，让我们在技术变革浪潮中找准定位、主动作为。让AI技术与医疗信息化深度融合，真正服务于临床、造福于患者。

【作者简介】

陆婷娟，第九〇三医院数智中心主任。

【责任编辑：陈曦 版式：明超】