股票 
板块 
用户 
资讯 在复杂疾病的诊疗周期中，患者病程往往跨越多个阶段，涉及大量动态变化的临床资料。然而，受限于传统信息系统功能模块化的设计理念，电子病历、检验、影像等数据被割裂在独立的业务工作站或标签页中，缺乏深层的逻辑关联。 这种“物理集成而逻辑分散”的现状，导致医生在病例讨论、交班及多学科会诊（MDT）前，必须耗费大量精力跨系统检索并人工拼凑信息。病情变化趋势看不出来，病历整理全靠个人经验，每个人整理出来的东西不一样，严重制约了高难度诊疗决策的效率与质量。
设计思路
针对上述问题，我们在试点医院场景中落地了 WiNGPT 驱动的 AI 病程速览（以下简称“AI 速览”），目标是让 AI 成为医生的“病程阅读助手”，自动完成信息整合，使医生能够专注于临床判断与决策。通过对患者住院期间的多源数据进行自动感知、语义理解与结构化重组，实现病例信息准备方式的范式转变，具体包括三个环节：自动抽取，即从病历、检验、医嘱、影像报告中提取关键临床信息；智能重组，即以“时间轴 + 主题模块”方式重构患者诊疗全景；标准输出，即生成可直接用于病例讨论与汇报的结构化内容。
这一过程不再依赖医生逐条查阅和复制粘贴，而是由 AI 在后台完成复杂的信息整合，显著降低信息准备成本，提升病例呈现的完整性与一致性。
数据整合与全景呈现
传统做法是从单个文档里提取信息。AI 速览不一样，它看的是整个住院周期的数据，把病历、检验、医嘱、影像报告整合到一起。
1. 梳理患者背景信息
自动整合患者基本信息、提炼主诉核心内容，同时汇总既往史、个人史、家族史中的关键信息，形成完整的患者背景视图。这一设计可有效避免病例讨论中因背景信息缺失或表述不一致导致的沟通障碍，为诊疗分析奠定统一的信息基础。
图1. 病史摘要
2. 重构病史时间轴
将非结构化的病程记录转化为可视化时间轴，自动标注关键诊疗节点，同时明确重要诊疗决策、病情变化节点以及治疗调整与疗效评估关键环节。通过这一重构，医生可在数秒内快速掌握患者从入院至当前的完整诊疗脉络，大幅提升信息获取效率。
3. 聚合检验诊断要点
自动识别并汇总多类关键临床指标，按诊断逻辑形成结构化视图。通过这一聚合，将复杂的“多次检查、多时间点变化”信息转化为直观、可对比的视图，方便医生快速把握指标变化规律与诊断核心要点。
图2. 实验室结果分析
4. 可视化核心治疗过程
自动识别核心治疗相关信息并进行结构化呈现：通过用药甘特图清晰展示各类药物的起止时间、剂量调整节点；同时汇总非药物治疗措施及关键支持治疗内容。这一可视化表达可帮助医生快速回顾患者完整治疗路径，明确治疗决策的依据与调整逻辑，为后续诊疗方案优化提供清晰参考。如图 3 所示。
图3. 治疗方案与体征变化对比
病程级理解能力构建
AI 速览的核心价值并非简单地利用 WiNGPT 进行信息抽取，而是实现对复杂临床语义与时序逻辑的深度理解：
1. 多源语义关联：可同步理解病历、检验结果、医嘱记录、影像报告等多源文档间的内在关联，打破信息孤岛；
2. 时序逻辑建模：自动梳理诊疗事件的时间脉络，明确“何时发生、发生何事”的关联关系，避免形成孤立事件的简单堆叠；
3. 医学知识内化：内置医学知识体系，可精准理解药物类别、检查项目临床意义、指标变化背后的病理生理逻辑；
4. 结构化重组输出：将零散的非结构化临床文本，转化为标准化、可直接复用的信息模块。
临床效率显著提升
从真实医院场景的落地数据来看，基于 WiNGPT 的 AI 病程速览已展现出明确的临床应用价值：
1. 缩短信息准备周期：显著减少病例讨论、交班汇报、MDT 会诊前的资料整理时间；
2. 提升材料标准化水平：统一病例呈现格式，确保了信息的完整性与一致性；
3. 助力年轻医生成长：为低年资医生提供逻辑清晰的病程导航，显著提升对复杂病例的认知效率；
4. 提升跨域协作效率：消除了院内外会诊时的信息不对称，极大降低了跨机构、跨科室的沟通成本。
当 AI 具备临床级语义理解能力时，其角色已超越基础工具属性，成为可深度嵌入医疗流程的核心生产力引擎。
从文书生成到认知洞察的跨越
本次试点实践标志着，AI 正式突破了“辅助生成临床文书”的功能工具阶段，迈向了“辅助理解患者全貌”的深度认知阶段。这不是要替代医生判断，而是让 AI 接手重复性的信息整理工作。医生少花时间整理资料，多花时间看病和做决策。
本文摘自《卫宁健康2025医疗人工智能年度报告》
扫码或点击“”查看报告
「READING」
稿件 | 胡嘉伟
编辑 | 朱雅文
责编 | 刘鸣谦、陈瑶
评论 (0)