问题——就医体验“碎片化”，患者与医疗资源两头承压 长期以来，不少患者的就医过程常被形容为“多点奔波”：挂号、候诊、检查、缴费、取药、复诊等环节彼此分离，科室之间信息不互通、检查结果反复调取、用药与随访缺少连续管理等问题较为突出。对医院而言，高峰期排队拥挤，医生被大量事务性工作牵制；对患者而言，时间成本、沟通成本与焦虑感叠加，尤其是慢病管理、术后随访等人群，频繁往返医院更显不便。老龄化背景下，医疗服务供需矛盾深入显现，“让数据多跑路、患者少跑腿”逐渐成为共识。 原因——空间割裂与信息断流是效率瓶颈，优质资源供给难以外溢 业内人士指出，传统医疗体系在物理空间上以科室、楼宇为边界，在信息系统上又被不同设备、软件与标准分割，诊疗链条难以实现“端到端”衔接。同时，优质医疗资源高度集中，基层能力提升、跨区域协作、跨国会诊仍面临不少现实障碍。医疗数据敏感度高、标准不统一、监管要求存在差异，也让数据共享与联合研究推进缓慢。基于此，如何在安全前提下完成数据整合、流程再造与协同诊疗，成为医疗数字化转型的核心问题。 影响——“智联中枢”推动流程重构，医生角色或由执行转向监管与管理 在论坛现场，参与联合研发的企业代表介绍，“AI医院”的底层逻辑之一，是通过分布式“智联中枢”打通数据链与业务链：既连接医生端、病房端，也连接患者手机端和院内服务入口，使报告上传、线上咨询、检查预约、用药指导、随访管理等环节形成闭环。以肝胆专科为例，部分患者提交影像与检验资料后，可在家完成初步咨询与路径建议，减少不必要的线下往返。 在业内看来，随着高质量临床数据的积累以及指南标准的融入，涉及的系统在常见病诊疗辅助、慢病管理、术后随访、风险筛查等场景的作用将逐步显现。但医疗关乎生命安全，技术落地必须坚持“人机协同”：系统更适合承担资料归集、风险提示、路径推荐、随访提醒等重复性工作；医生负责最终诊疗决策、复杂病例处置与质量安全把关，并对模型输出进行监督校验与持续训练。由此，医生的工作重心可能从“流程执行”更多转向“管理、训练、监督”，以提升单位时间内的服务效率与覆盖范围。 对策——建立“可信空间”与统一规则，兼顾创新速度与安全边界 随着跨机构、跨地区乃至跨国协作需求上升，数据安全与合规治理成为“AI医院”可持续发展的前提。本次发布的《国际AI医院智联体共识》被视为一次制度与技术协同的探索，重点是构建可验证、可审计、可追溯的“可信空间”：在严格脱敏、最小必要、分级授权等原则下，让数据在安全框架内形成可用价值，服务临床研究与协同诊疗。 多位业内人士认为，下一步需多管齐下：一是完善数据标准与接口规范，推动检验、影像、病历、用药、随访等要素的统一表达与互认；二是健全监管规则与责任边界，明确系统建议与医生决策的法律属性、告知义务与事故追责链条；三是提升安全能力建设，包括隐私保护、访问控制、全链路审计与应急机制；四是推动试点先行，在专科优势突出、数据质量较高、管理体系成熟的机构率先形成可复制经验，再逐步扩展至区域协同与基层应用。 前景——“医院在掌上、服务在身边”或成趋势，线下医院回归“不可替代场景” 面向未来，业界对医疗服务形态的判断趋于一致：除手术、急救、重症监护以及依赖大型设备的检查治疗外，更多常规随访、健康管理与部分初筛服务将向线上迁移；线下医疗机构将更聚焦疑难重症与高技术操作，预约与排队现象有望在技术与管理的共同作用下缓解。随着协同网络扩大，不同层级医院之间的能力互补将更顺畅，优质资源外溢与基层承接能力提升也将获得新的支撑。 不过，趋势不等于坦途。医疗数字化转型仍需跨越数据孤岛、人才缺口、支付机制适配、公众信任建立等关口。尤其当技术更深地进入诊疗链条，必须以患者安全为底线、以临床价值为导向、以规范治理为保障，避免“为上线而上线”“为智能而智能”。
智能化医疗不是对传统医疗的简单替代，而是一场围绕数据治理、流程再造与质量安全的系统性变革；能否真正让患者少跑腿、少等待、少重复，关键在于坚持临床价值导向，守住安全合规底线，以标准互通为抓手，推进试点应用与规则建设。让技术进步转化为患者可感可及的体验改善，才是智能医院走向成熟的衡量标准。