HIMSS 2026 观察：医疗AI规模化应用趋势及其启示

来源：HIT专家网 作者：陈金雄

美国医疗信息与管理系统协会（HIMSS）年会是全世界最大的医疗信息会议和产品展览会，HIMSS 2026于3月10-12日在拉斯维加斯举办，本次大会以“Expert Insights, Exceptional Impact（专业洞见，卓越影响）”为主题，吸引了来自75个国家和地区的900余家展商参展，24000余名全球医疗信息领域从业人员齐聚交流。

AI依然是本届大会最核心的议题之一。作为连续两年参会的观察者，笔者最直观的感受是：如果说过去一两年行业还在探讨医疗AI能不能做，那么今年的核心议题已全面转向如何规模化落地并产生真实业务价值（ROI）。

大会观察之一：AI应用的六大关键变化

1.技术范式跃迁：从“生成式AI”走向“全院级智能体（Agentic AI）”

本届HIMSS释放的信号是AI技术跨越了“听指令办事”的被动工具阶段，全面演进为能够跨系统、多步骤自主规划和执行任务的“智能体（Agentic AI）”。行业巨头Epic推出以下“三大智能体矩阵”，很具代表性。

临床智能体“Art”（赋能医护）：主打环境智能文书记录与临床决策辅助，其如何理解环境语音录入？Art将智能病历书写拓展至床旁护理与家庭护理场景。在The Christ Hospital的落地实践中，Art可自动调阅放射科报告的患者异常指标并触发随访流程，助力该院将早期肺癌检出率提升至69%，远超全美平均水平。

运营智能体“Penny”（赋能财务与后端）：聚焦营收周期管理、医保预授权审核与拒赔申诉等核心场景。数据显示，Penny生成的预授权内容中有92%无需人工修改即可直接采纳，有效堵住医院营收漏损；深度应用该系统的机构，疾病编码相关理赔拒付率下降超20%。

患者服务智能体“Emmie”（赋能医患沟通）：成为医疗机构的医疗服务数字门户。作为数字前台，Emmie可通过自然语言为患者解读复杂化验单、处理账单答疑等。Rush University Medical Center上线该系统后，账单相关的客服咨询量下降了58%。

三大智能体可实现协同，如Art抓取临床证据后，交由Penny生成拒赔申诉信，这标志着医疗AI已成为深度内嵌于医疗机构的“数字员工”，直接参与到复杂的医疗决策与运营调度核心环节。

2.坚守医疗本质：AI与循证医学（EBM）的深度绑定

医疗质量与安全是AI落地的核心底线。本届大会呈现出明确趋势：医疗AI的发展始终强调与循证医学体系的深度融合，这也是AI获得临床认可、实现规模化应用的前提。

以Microsoft、Abridge为代表的头部厂商，均将AI能力与UpToDate等权威循证医学知识库进行深度集成。在AI生成临床建议的过程中，系统会自动附带指南来源、证据等级及参考文献，方便医生快速核验；在实际应用中，Abridge的临床文书系统不仅能生成结构化病历，还可自动关联相关临床指南与既往诊疗证据，形成“记录+证据”的一体化输出模式。

这意味着医疗AI正从单纯的“生成内容”，向“生成可验证的医学证据链”升级，未来医疗AI的落地，必须与现有临床指南体系、质量控制体系及合规要求实现深度耦合，这是行业发展的核心准则。

3.业务无缝融合：从工具嵌入到“伴随式智能工作流”

本届大会展示的主流AI产品，均将AI能力深度嵌入医疗机构的核心业务流程，在关键节点为医护人员提供“下一步最佳行动（Next-best-action）”建议。这种“融入流程、顺应习惯”的设计，真正提升了临床端的AI采纳率，为AI的规模化应用奠定了基础。

以Epic Systems为代表，已实现全流程的智能赋能：医生完成病历记录后，系统自动推荐适配的检查与用药方案；发现患者异常指标时，自动触发随访流程或向医护人员发出提醒；患者出院环节，系统自动生成个性化随访计划，让AI成为临床工作的“隐形助手”。

4.人机交互革命：自然语言与语音交互成为主流入口

人机交互方式正在发生根本性变革，自然语言尤其是语音交互（Voice UI），已成为医疗AI最重要的交互入口之一，行业正从“人适应系统”转向“系统适应人”。

这一变革在医疗场景中具备很高的实用价值，尤其在无菌环境、高强度移动护理等场景下，语音交互不仅能提升工作效率，更能重塑医患沟通方式，让医护人员从繁琐的系统操作中解脱，将更多时间回归患者本身。目前，以微软Nuance Communications和Abridge为代表的语音交互解决方案，已在多家医疗机构实现规模化落地应用。

5.价值基石：数据资产仍是AI时代的核心壁垒

尽管大模型成为行业焦点，但数据依然占据非常重要位置。HIMSS 2026上，在数据互联互通/标准化、数据治理与集成、数据安全与身份管理、垂直场景数据管理等不同数据领域，都有不少企业参展，这印证了数据资产始终是医疗AI发展的核心壁垒。

以Mayo Clinic、Intermountain Health为代表的医疗机构，凭借长期积累的标准化临床数据与诊疗路径体系，在AI应用中形成明显优势，能够快速实现模型落地与持续优化；反观数据基础薄弱的医疗机构，即便引入先进的AI模型，也难以取得稳定的应用效果。由此可见，医疗机构的数据能力，直接决定了其AI应用的天花板。

6.治理挑战：从技术问题走向治理命题

随着AI深度介入诊疗和运营，如何管理这些“数字员工”成为热门议题。医疗机构正面临全新的安全挑战——“非人类身份（AI Agents）”的系统访问权限管理。建立零信任（Zero-Trust）架构，防止AI代理被恶意利用、越权操作或产生合规风险，是全行业都在思考的命题。AI治理不再是纸面文章，而是必须落地的刚性约束。以Microsoft为代表的厂商，已在其医疗云架构中引入零信任理念，对AI访问行为进行严格控制。

大会观察之二：中美医疗AI发展路径差异

本届大会也让笔者清晰看到，中美两国医疗AI的发展路径存在不少差异，这种差异并非单纯的技术选择，而是由基础设施、合规框架、市场格局等多重因素共同决定。主要体现在四个方面：

1.部署方式：云端原生+闭源能力同步与本地私有化部署为主

美国依托成熟的公有云基础设施与清晰的合规框架，医疗机构可直接调用云端AI能力，实现与大模型技术的“同步升级”，如Microsoft Azure医疗云、Amazon Web Services均为医院提供可直接调用的、符合HIPAA要求的医疗AI服务，医院无需本地部署大规模算力；而国内受制于数据安全与隐私合规要求，同时依托开源大模型的本土优势，医疗机构普遍采用本地私有化部署模式。

2.商业模式：价值驱动与项目驱动

美国医疗AI普遍采用类似SaaS的订阅模式，部分甚至按使用量或应用结果付费，如Abridge临床文书系统按医生使用量计费，微软旗下Nuance Communications的语音解决方案也以订阅制为主，这种模式的特点是厂商必须聚焦在产品、体验和运营；国内则仍以“一次性采购+定制开发”的项目制交付为核心。两种模式的本质差异，在于医疗AI付费逻辑是“为结果付费”，还是“为系统买单”。

3.市场格局：高度集中与相对分散

美国的头部医疗机构（大中型医院）几乎被EPIC和Oracle Health (原Cerner) 两家巨头瓜分，而基层与小型医疗机构则主要由Meditech、Athenahealth等少数几家覆盖。这种高度集中的市场格局，使得头部HIT系统实质上成为了医疗行业的“底层操作系统（OS）”。

国内HIS/EMR厂商多达数百家，即便是同一家医疗集团内部的旗下医院，往往也采用了不同厂商、不同版本的系统。这导致每一个AI应用落地，都变成了一个非标定制化集成项目，制约了AI的规模化推广。

4.生态格局：接口壁垒与生态繁荣

美国医疗信息化行业形成了生态繁荣的格局。因市场高度集中，且在ONC（美国国家卫生信息技术协调办公室）的政策强制推动下，EPIC和Oracle等厂商均提供基于FHIR标准的高度标准化开放API接口，并搭建了自己的“应用商店”（如 Epic App Orchard）。Abridge、微软Nuance等AI创新企业，只需遵循一套标准完成开发，其产品就能便捷入驻全美数千家医院的EPIC系统，厂商的主要精力用于AI能力的打磨。

中国医疗信息化行业则面临显著的接口壁垒。国内医院的系统接口往往不透明且对接成本高昂，AI企业进入医院后，需耗费大量精力与原有HIS、EMR厂商进行点对点接口对接，推高了AI应用的交付成本。

思考：未来医疗业务与软件生态

结合当前全球底层算力基础设施的爆发式跨越，医院将彻底打破现有的信息边界，向“智能化生产”迈进。未来的医院，本质上将是一座基于医疗数据的“AI工厂”。医院的运转不再完全依赖“人找系统”，而是通过部署多层级的智能体网络，形成全要素的数字孪生。系统将从被动记录的数据库，演变为主动驱动流程的“隐形引擎”。

医疗行业将正式进入“人机共生”时代，医生的职业角色也将被重塑。复杂的智能体在临床场景实现实时运行，文书撰写、指标计算、随访排期等繁琐的基础性工作，将全部交由AI“数字员工”处理。医生将从繁重的“数据录入员”角色中解放，重新回归到“医疗决策制定者与人文沟通者”的核心本质。

中国医疗AI若要实现规模化落地，亟需在政策与行业生态层面进行系统性重构。

1.破解算力悖论，探索“可信医疗行业云”

受制于合规要求，国内AI应用普遍采用本地私有化部署，导致前期投入高昂且模型受算力限制难以进化。除了头部医院以外，大部分中小医院难以投入大量经费部署算力，这些医院如何拥抱和应用AI，是必须要考虑的。建议卫生行政部门探索建设合规的“可信医疗云”，出台数据脱敏与“用完即焚”的明确标准，帮助医疗机构摆脱重资产算力困境，实现AI模型的低成本迭代与升级。

2.引导商业模式向订阅制转型
国内大部分是项目制交付模式，一方面医院前期投入大而结果不确定，影响医院在AI方面投入的决心；另一方面导致以“项目验收”为核心目标，缺乏持续优化产品的动力。建议通过政策引导与采购机制创新，推动国内医疗信息化商业模式向“一次性采购（全院必须使用的基础系统）+订阅制（可逐步投入应用的创新型系统）”转型，实现“打基础”、“为结果付费”相结合。

3.推动标准化的互联互通

打破系统壁垒是HIT行业繁荣的前提。建议在国家层面进一步强制推行类似FHIR的底层开放接口标准，让国内AI企业无需再耗费大量精力进行非标系统集成与适配，将核心资源集中于AI模型能力的打磨与创新，释放行业的技术创新活力。

4.常态化AI治理与零信任架构

IT治理对象正在从单一的“系统”扩展到“系统+AI代理”。医院必须建立包括AI准入评估、权限身份管理及伦理监测在内的治理体系，引入“零信任（Zero-Trust）”理念，对非人类身份的访问行为进行严格控制。 

【作者简介】

陈金雄，中国研究型医院学会医疗信息化分会副会长、高博医疗集团首席信息专家。

【责任编辑：陈曦 版式：明超】