吴斌：AI让医疗质控从“层层设卡”变为“被理解的规则”

来源：HIT专家网 作者：周亦川

“医疗质控要求逐年上升，对信息系统的管控能力提出更高要求。医院信息部门投入大量精力升级系统，在各环节设置管控节点；而临床人员疲于应对系统质控，正常诊疗工作受到干扰。在传统医疗质控信息化模式下，可以说，系统管控力度越大，临床效率损耗越明显。”

如何消解质控与临床的“对立”？近期举办的2026中国医院协会医学人工智能专业委员会学术年会·医疗AI探索与创新会场上，宁波大学附属第一医院人工智能与信息化部主任吴斌分享了医院在AI赋能医疗质量安全管理方面的实践经验。

系统性思维+AI辅助，破局两大传统医疗质控痛点

吴斌分析，传统医疗质量管理的痛点主要来自两个方面。

一是层层设卡，质控异化为负担。质控工作对临床流程形成刚性阻断，层层拦截频繁打断正常诊疗进程，医生往往将大量精力用于“通过卡点”而非诊疗本身。尤其值得关注的是，系统仅拦截却不提供依据与风险解释，只告诉临床“不能做什么”，却没有说明“为什么不能做”，使医生产生“不被信任”的感受，反而促使部分医生规避系统约束，风险不降反升。

二是各自为政，规则零散，数据标准互不相通。医务科、药学部、院感科等部门的质控工作往往呈“烟囱式”，各部门的质控标准不一，系统与数据相互隔离；单项规则仅能覆盖局部场景，难以应对跨科室、跨环节的诊疗全貌，形成系统性风险盲区；优质的质控经验被限制在部门内部，形成信息孤岛，难以实现全院质控闭环。

当前，AI赋能为质控管理提供了新的可能。吴斌介绍，作为浙东地区体量最大的公立医院，宁波大学附属第一医院拥有一院三区，床位规模超过4400张。为支撑全院规模化AI落地，医院搭建起“算力－模型－安全－网关－应用”五层一体化AI能力底座，坚持算力自主可控、模型私有化、安全全链路、出口统一、应用规模化的建设思路。在硬件与模型配置上，医院配置96张私有加速卡、14个私有化模型，支持超过26个院内AI应用，日均词元（token）调用量超过5亿。

同时，医院转变医疗质控的工作理念，摒弃“点状补救”的碎片化思维，建立系统性思维，让医疗质量管理从单点突破走向全局优化。秉承“流程智能化、质控前瞻化、决策精准化”的思路，医院从多个层面通过AI辅助提升医疗质控的能力与体验。

流程智能化：能替尽替，释放医护核心生产力

病历文书、慢病报卡等重复性流程性工作，给医生带来较大工作负担。借助AI手段可解放医生生产力，使医生将注意力集中于患者，还原医疗本真温度。

病历自动化生成。宁波大学附属第一医院上线病历语音输入AI自动化生成系统，通过AI实时识别医患对话，自动提取病史要点并生成标准化门诊病历。该系统不仅增加了医生与患者直接交流服务的时间，还减少了数据遗漏、书写不规范带来的质控难题。目前，已有超200名医生常态化使用该系统，约10%的病历为AI辅助生成，单月AI辅助生成门诊病历可达3.2万份。

同样，住院端已有约15%的患者出院小结由AI辅助生成，医生撰写时长由原来30分钟缩短至5—10分钟。AI生成的出院小结各类必备要素齐全，可减少医生因疲劳或其他原因导致的遗漏，保障不同医生病历的同质化，符合质控标准。

吴斌同时也坦言AI辅助病历生成的局限性：针对多学科会诊、罕见病、并发症复杂的特殊病例，AI容易出现“平均化处理”，弱化关键病情信息，因此不能过度依赖AI输出，必须由医生完成复核把关。

AI赋能报卡。慢病（肿瘤、卒中等）、传染病等疾病上报，占用医生大量时间和精力。借助AI辅助报卡系统，疾病上报节点可自动触发，提升上报及时性。以肿瘤为例，报卡系统可结合病理报告、出院记录，自动填写肿瘤分期及诊断信息。AI自主填报过程中，可自动比对诊断与手术方案，对医学逻辑不匹配、部位错位等核心问题进行警示，提升内容的准确性。吴斌介绍，临床平均报卡填写时间大幅缩短60%—70%，保障了上报效率与数据质量。

多学科会诊记录。AI贯穿MDT全流程，解放医生文书工作，使诊疗决策更为专注高效。吴斌介绍：“我们的下一个目标，是让AI真正成为医生的MDT超级助手，在完成会诊记录的同时加深理解，针对缺陷提出建议，从决策层面赋予工作价值。”  

标准化交班。AI辅助医护交班是医院长期推进的项目，AI可自动抓取病历、医嘱、生命体征、检查结果等数据，一键生成标准化交接单，将现场口头交班语音自动转文字并梳理重点，内容即时留存归档，显著提升交班效率。

质控前瞻化，构筑主动式安全防线

“在改进临床工作效率的同时，更重要的工作是加深临床对质控的理解。医疗质控的尽头不是‘更密的网’，而是‘被理解的规则’。”吴斌说，要加深临床对质控工作的理解，需在质控关键节点给予风险提示与合理解释。 

门诊事中监控与住院病历事中AI审核。门诊过程中，医生常因使用病历模板修改不全而出现基本逻辑错误。AI质控系统可聚焦门诊病历常见6大类问题进行监控，例如诊断与性别矛盾（如男性诊断卵巢肿瘤）、病史内部与主诉描述矛盾（如糖尿病患者填写无慢性病史等）。一旦触发，内容必须修改，否则无法诊毕。AI同样可自动检查住院病历，识别病历的逻辑矛盾、诊疗遗漏及风险点，给出修改提示，推动病历书写的标准化、结构化，降低医疗纠纷风险。

“从事后追责到事前干预”的医疗质控新范式。宁波大学附属第一医院通过质控前瞻化，让质控从刚性“卡、停、限”管控转向智能预警，从“任务检查式质控”转向“过程引导式质控”，实现后台无感旁路质控，不打断正常的诊疗流程。传统质控模式下，频繁拦截会打乱临床节奏，还可能存在遗漏；借助AI工具实现质控风险的事前预警，并提示整改过程，从发现、提醒到改进形成动态闭环。AI赋能从患者就诊直到出院随访的全域质控监测，推动医疗质量治理体系现代化。  

预警驱动、医生积分联动推进质控落实。宁波大学附属第一医院围绕医疗核心制度，将管理要求转化为可计算、可预警、可追溯的规则体系，覆盖200多个质控监测要点，其中包含100多个AI内涵质控节点。医院创新构建了“行为－信用－治理”的医师自我管理闭环，针对医师质控行为设置积分机制：预警响应不力、问题逾期未整改予以积分扣减；对于主动完成整改闭环的医师，则返还积分进行激励，最终积分将参与医生年度考评、职称评审等环节。

决策精准化，赋能临床智慧医疗

近年来，大模型进入开源和普惠时代，多类AI技术的融合运用在实际临床工作中持续发挥最大价值。吴斌对此进行了介绍。

AI手术风险评估与方案分析。AI可自动比对诊断与手术方案，快速发现医学逻辑不匹配、部位错位等核心问题；可从诊断准确性、麻醉安全等多个维度识别医疗风险；可基于病历数据与诊疗规范，提出补充检查、多学科会诊及手术调整建议，并输出完整评估报告，辅助质控与临床决策。

AI合理用药审方。“药师助手小逸”可实时审查医生开具的处方，自动识别药物相互作用、禁忌证、剂量错误、重复用药等情况，在用药、换药前即刻提示患者肝肾功能缺陷、哺乳期等禁忌，引导个性化、精准化用药方案。

AI影像学辅助诊断。吴斌介绍，AI影像诊断能力的提升使覆盖部位以每年数十种的速度更新。采用影像+文本混合大模型，告别传统AI单病种模式，1次CT扫描+1个AI诊断应用，即可实现多种疾病检出。其中，胸部CT可识别73 种异常征象，脑部CT覆盖48种异常类型，一站式阅片使得整体效率提升26%。

AI赋能核医学。核医学通常对医生个人经验有极高要求，基于医疗大模型，系统能够精准分析多器官代谢情况，生成专业、准确的诊断结论；可自动生成PET-CT诊断报告，大幅缩短医生撰写报告的时间，提升阅片与报告书写效率。  

AI构建无边界ICU。依托“全院危重患者智能管理体系”，AI自动识别高风险患者，实现危重症状的早期预警，可协同ICU与普通科室，打破科室壁垒，实现信息实时互通。最终使全院病情突发恶化率下降，危重症救治效率上升，患者预后显著改善。

吴斌总结，流程智能化为质控前瞻化、决策精准化提供高质量标准化的数据基础；质控前瞻化发现的风险点，通过决策精准化输出干预方案，再固化为标准业务流程；决策精准化带来诊疗能力提升，又反过来优化流程智能化路径，降低质控前瞻化的风险处置压力。三大理念循环协同，驱动医院医疗质控能力与体验的全面跃升。

【责任编辑：陈曦 版式：蒙辉】