AI+BI深度融合，如何为医院数智化带来“新的可能性”？

来源：HIT专家网 作者：李崇铭

当前，医疗行业AI应用创新空前活跃，“优质AI始于优质数据”的行业共识正在形成。同时，BI（商业智能）作为归集、清洗、整合院内全域医疗数据，完成多维分析、价值提炼与可视化落地的核心载体，让高质量的数据服务于业务决策。AI与BI的技术应用边界持续消融、融合趋势凸显。二者深度联动，能否打通医院数据治理与应用闭环、驱动医院数智化建设的正向循环？

2026年6月13日，由HIT专家网主办，北京大学首钢医院、帆软软件有限公司协办的“2026年京鲁医院‘AI+BI’应用趋势研讨会”成功举办，来自北京、山东地区的近20家医院信息部门负责人与业务骨干齐聚北京大学首钢医院，共探医院AI+BI落地路径与行业发展趋势。

学术分享环节前，与会嘉宾参观了北京大学首钢医院咳喘管理中心、门诊药房等，参观智能发药柜、智能导诊机器人等创新实践。

本次研讨会主持人、解放军总医院医疗保障中心信息科高级工程师刘敏超表示：“AI正在重塑医疗行业业态，一方面降低了医院信息部门的技术门槛、变革工作模式，另一方面也对医院的系统开发、数据管理、数据应用等工作带来深远影响，行业从业者亟需围绕这一趋势共同研讨交流。”

踏浪而行，医院信息部门的“AI突围”

AI Coding风靡行业，成为本轮医疗AI风潮热门落地方向，不少医院已率先开展实践应用。在北京大学首钢医院信息中心主任余浩的带领下，首钢医院信息部门在智能工具及系统开发中探索应用AI Coding。“截至目前，借助AI Coding开发的项目普遍达到预期效果，少数项目的表现明显优于预期。”余浩说。

“高质量的AI编程需要需求澄清、架构设计、规范约束等六种能力，其Prompt需对编程工作进行清晰准确、无二意的描述。”结合应用体会，余浩介绍了AI辅助编程、Vibe Coding、规范驱动AI编程（SDD）等相关概念及AI Coding对医院信息部门的能力要求，并展示了北京大学首钢医院的AI Coding实践，如重建修复外科小程序、人体皮肤表面积计算器、随访管理系统等。

“从实践来看，Vibe Coding可用于原型验证，能够用于生产的信息系统宜通过SDD进行开发。相应地，医院信息部门需从‘写代码’过渡到‘设计代码’。能够提出优质问题，或许会成为AI时代最重要的能力之一。”余浩表示。

刘敏超认为，行业需跳出工具思维，将AI视作具备自主推演能力的“智慧新物种”，才能精准把握技术迭代逻辑。他建议医院信息科在布局AI Coding时，深入思考三个问题：一是AI Coding与医院复杂核心系统开发的适配边界；二是医院信息团队如何与AI工具高效协作、共生发展；三是理性认清大模型底层技术短板，纯预测类AI模型无法覆盖医院全部复杂信息化现实问题。

“AI应用和探索需要冷静思考，找到切合点。”北京大学肿瘤医院信息部主任衡反修认为，从长远角度看，AI是医院信息化的必选项，医疗AI场景将呈现出多样化、常态化、专科化、个性化等特点，但信息部门所有AI创新，都必须锚定临床核心价值开展。

截至目前，北京大学肿瘤医院已落地20余个医疗AI业务试点，核心覆盖两套差异化技术路线的文书质控系统，全院规模化投入使用。

其一为规则引擎驱动的病历内涵质控系统，依托规则引擎与自然语言处理技术搭建，主要负责住院、门诊核心病历的全流程质量管控，是院内病历质控、绩效评估的核心工具。系统可实时完成基础错误修正、病历逻辑校验、危急值预警，并自动生成标准化病历摘要。同时这套系统还开创性补齐了检查报告质控能力的缺口。

其二为大模型驱动的辅助质控模块，专门承接检查报告、护理文书的质控工作，可实现多层级提示、深度校验、危急值智能识别、分类病历摘要生成等功能。当前基于大模型的检查报告质控已在全院推广落地，运行成效显著；护理文书大模型质控模块处于调试阶段，预计1个月内正式上线。待护理文书质控功能上线后，院内所有医疗文书将实现完整全覆盖智能质控。衡反修坦言：“相较于纯大模型应用，规则类AI稳定性更强，在临床业务场景中更可靠、更值得信赖。”

针对医生期望最高的AI应用——病历自动生成方面，为了解决大模型根据患者病历资料、语音、外院病历图片等自动生成的病历可信度和可利用性，医院创新开发了可溯源AI病历辅助生成系统：系统将原文直接引用、大模型归纳、逻辑运算生成的内容以不同颜色区分展示，方便医生快速核对审阅，同时配套辅助检查溯源、分段复制、内容重写等编辑功能。

AI基础设施配套方面，北京大学肿瘤医院建设了人工智能脱敏平台，可通过AI技术助力，使用不同的大模型对医疗电子文书、病历图像资料等进行脱敏，满足医疗、科研等各场景的数据脱敏合规需求。

AI+BI，使“智能”反哺“数据价值”

面对医疗机构精细化运营管理需求，BI可通过数据准备、处理、可视化、分享与协作等全流程数据分析链条，赋能医院财务、管理、临床等多方面需求。“AI+BI”将使医院数据分析更加智能、高效，贴近实际需求。

“医疗集团BI建设的总体目标是建立可穿透、可下钻、可对比的三级数据决策体系，服务于科室执行、单院运营、集团决策方面。”首颐医疗集团数智运营部总监张文锋介绍，BI可为医疗机构提供四方面能力支撑：一是零代码、拖拽式自助分析。无需SQL，拖动字段即可形成报表，满足职能、医保、医务、财务等人员自行分析需求。二是建立可视化数据大屏，直观呈现数据动态。三是协作、权限与共建能力，可实现报表跨院区分享、复用。四是数字员工智能体，提供早报推送、智能问数等功能。

“医院业务数据填报普遍存在偏差。数据存在于系统中，但可信性不足，这是一个巨大的痛点。”山东省立医院信息网络管理办公室业务副主任李友章认为，要突破医院数据治理困境，可借助BI层层深入，保障数据真实可信，主动下钻“追问”问题成因，最终审视并改善流程设计与系统性缺陷等。借助Fine BI等产品，医院完善收费退费场景的事后审计、围手术期业务的过程管理、重症医学科的源头质控，深入剖析问题成因，逐层优化。

李友章认为，AI需与业务管理协同，BI须服务业务主线。接下来，医院将进一步探索“AI+BI”的功能演进路径，拟增加智能问数、AI按图表体系自动业务解读等功能。“同时，要防范数据可视化可能导致的系统性分析偏见，避免单一图表下定论。需厘清信息中心与职能部门的职责边界，明确业务与数据的管理主体。”

济宁医学院附属医院数据中心副主任高玉卯围绕数据中心建设，介绍了医院数据治理与利用相关实践。2023年，医院数据中心升级为“一湖三中心”架构，即数据湖+科研数据中心、临床数据中心、管理数据中心。医院数据中心采用“双轨”研发模式：引入Fine Report（报表工具）/Fine BI低代码平台，满足临床业务快速定制需求；以Java等语法+Vibe Coding全代码栈开发复杂系统。

在数据上报与利用方面，医院借助Fine Data Link定期向省人口健康平台上报电子病历、追溯码等数据；通过微信端监控工作量，制作三甲评审督导移动端应用及3D大屏；将数据接口对接至大模型，支持电子病历前台自动生成首程、病程记录，并提供安全控制与监控；为临床科室提供病种分析、手术分级查询等实时看板，发现并修正底层数据错误等。

刘敏超主任在总结中表示，数据治理是医院信息化建设中耗时费力的基础性工作，却具备不可替代的核心价值。“尤其在迈入AI深度赋能医疗的新阶段，高质量医疗数据是智能决策、算法推演的基础，数据治理的长效建设价值愈发凸显。”

观点聚焦：技术挑战、安全管控与数据利用

本次研讨会的圆桌环节由北京大学首钢医院信息中心主任余浩主持，与会嘉宾就AI与BI边界融合、AI赋能医疗信息化以及医院信息部门能力转型等问题进行了交流，主要观点包括：

一是AI应用不能成为新的孤岛。医院普遍进行了AI方面的探索，部分医院已形成初步的智能体矩阵，但存在管理分散、AI孤岛的问题，目前行业内尚无特别成熟的统一管理平台方案，多数医院仍处于调研或摸索阶段，AI应用的体系化、工程化建设亟待破局。

二是AI Coding的能力问题。AI Coding虽能大幅降低开发门槛，但存在模型能力有限、难以处理复杂逻辑、依赖人工经验干预修正等局限。AI Coding如何实现协作和扩展性、如何界定AI Coding的能力边界等共性难题，仍有待行业攻克。

三是AI Coding的安全与风险控制。AI Coding对医院信息技术人员的代码审查（Review）能力提出了更高的要求。“IT人员仍需懂编程，核心竞争力在于代码审查、逻辑把控等。”有嘉宾建议，AI Coding可从外围、边缘系统做起，在技术层面上规避网络安全、数据安全等红线。

四是数据治理久久为功。数据治理是一项长期且重要的工作，其应用的关键在于提升管理部门的思维水平，技术上需坚持“数出一门”，确保口径一致性。数据分析不仅反映业务，更能驱动业务流程优化。

“AI与BI的融合，大大降低了数据分析、数据应用的门槛，这将为行业发展带来更多新的可能性。”帆软软件有限公司副总裁甘子伦表示。业务体系和数据体系构成医院的两大核心运营业态，数据能够反映业务情况并改善业务。未来，数据将成为AI应用的底层核心能力；AI+BI的融合，有助于吃透院内业务流程、理顺权限管控体系、打通跨部门协同壁垒，进一步赋能医院全域数智升级。

【责任编辑：明超】