首页 / 资讯详情
在南方医院，临床医生开始「造」AI工具
摘要
南方医院肾内科的谢迪医生，还记得前几年遇到的一位女孩，24岁，系统性红斑狼疮，因为呼吸困难住院。她的血检指标，却指向一种进展凶险的罕见病——aHUS（非典型溶血性尿毒症综合征）。发病时，微血栓会堵塞全身小血管，肾脏首当其冲；其急性期死亡率达25%。谢迪医生参与过太多这样的会诊，最让她感到无力的，是明明有药可治，信息整合却极其耗时。这种疾病的有效干预窗口只有症状出现后的24到48小时，如果发病7天之内快速识别并启动治疗，预后远远好于7天之后。在黄金时间窗口用药，能有效避免脏器功能不可逆的损伤。可现实情况是，患者往往要在多个科室间辗转，确诊周期以天计算。等肾内科、血液科、感染科等各个科室的医生被召集起来会诊，等资料整合完毕，又可能已经错过了最佳干预窗口。最懂疾病逻辑的临床医生脑子里有一整套排查路径，却造不出一个能辅助自己快速整合多学科信息的工具。他们只能依赖人肉协调，逐个科室沟通，在紧迫的时间压力下凭经验拍板。这样的困境并非个例。在南方医院里，医生们每天都在诊室里遇到类似的情形：最清楚问题出在哪里的人，造不出解决问题的工具。创造工具通常需要编程，需要排期，需要开发成本，需要让工程师理解复杂的临床业务流。不少医生告诉雷峰网，他们的很多想法，总是“碍于这样那样的原因，在提出之前就被放弃了”。直到今年4月，南方医院与华为签署协议，基于华为DCS AI解决方案构建的HAIP平台正式落地。其核心组件Nexent智能体平台以零代码、可视化的方式，让医生无需编程，仅用自然语言描述临床逻辑，就能生成智能体原型——许多过去根本不可能被提上日程的临床创新，突然变成了医生当天就能验证的想法。当创造工具的门槛从“会写代码”降到了“能把需求说清楚”，最懂临床问题的人开始获得一种从未拥有过的能力：直接定义AI工具的逻辑。01当“根本不会提的需求”变成了现实如文章开头提到的aHUS确诊流程，医生们的脑子里其实已经有一整套的aHUS排查路径，但她们也清楚地知道，要把这套路径变成一个可运行的辅助工具，在过去几乎是不可能的。谢迪医生告诉我们，她试着了解过传统IT开发的行情，但光是做一个高危筛查的临床决策支持系统，第一步就要付出不菲的外包费用。更根本的障碍在于沟通：做数据采集的不懂AI，做AI的不懂业务流，医生脑子里有完整的临床逻辑，工程师却需要花很长时间才能理解那些细微的诊疗决策节点。等双方终于对齐了需求，排期又要以月计，最后做出来的东西往往和医生想要的相差甚远。在产科，霍智锋医生面临的则是另一种形式的沉默。临床上一些低频但高风险的急症出现时，处理时间窗口很短，极其考验团队协作能力，因此需要大量的提前模拟训练。但传统模拟教学中病例设计耗时间，复盘靠回忆，规培医生的训练密度很难提上去。医生们不是没想过优化，但他没有任何编程经验，也不知道走传统IT开发流程耗费几何，在大模型被广泛使用之前，这种模拟教学几乎全程依靠“手搓”。这种情况可以说是医疗AI领域的“老毛病”。医生掌握的是基于经验的临床直觉，工程师掌握的是基于代码的系统思维，两种语言之间缺乏有效的翻译层，沟通的鸿沟始终得不到修补。行业里有大量“死数据”和“活想法”，但医疗AI的创新长期由技术侧主导：工程师定义问题、设计产品，日常工作已经非常忙碌的医生只能被动适应。从提需求到排期开发，再到反复沟通业务逻辑，中间隔着一堵根本翻不过去的墙。那些从真实诊室里长出来的需求，因为无法被准确表达、无法被快速验证，大多在开口之前就被放弃了。肝病中心的刘红艳团队，在技术需求的实现上，甚至有过一次具体的挫败。她们尝试过一款EMDT系统，投入了不少精力，但最