從智慧門診到打通院內外管理，溫附一如何建設“未來醫院”？

出品 | 子彈財經

作者 | 張玨

編輯 | 蛋總

美編 | 倩倩

審核 | 頌文

當外界還在討論AI會不會取代醫生時，一些大型醫院已經開始思考一個更現實的問題：如何讓有限的醫療資源覆蓋更多患者。

在溫州醫科大學附屬第一醫院（下文簡稱“溫醫大附一院”），這種壓力尤為明顯。

這家位于浙江南部的三甲醫院并不處于北京、上海等醫療資源最集中的城市，卻長期位列全國公立醫院第一梯隊。2025年，醫院門急診量達到718萬人次，開放床位超過4200張，在國家三級公立醫院績效考核中多年保持全國20名左右水平。

對于一家非省會城市醫院而言，這樣的體量并不常見。龐大的患者規模背后，是越來越復雜的運營挑戰。

溫醫大附一院約七成患者來自溫州市區之外。對于許多人來說，一次就診往往意味著數小時甚至更長時間的往返。過去十多年，中國醫院信息化建設解決了掛號、繳費、檢查預約等流程效率問題；但隨著患者數量增長、疾病管理需求增加，新的問題開始顯現：

腫瘤患者術后需要長期營養干預，肥胖人群需要持續體重管理，慢病患者需要院外隨訪，而這些工作往往發生在患者離開醫院之后。相比門診和住院環節，真正決定患者長期療效的很多時間，其實是在醫院之外度過的。

但將醫療服務從院內延伸至院外，從疾病治療延伸至健康管理，這意味著醫院需要服務更多患者、更長周期和更多場景，而醫療資源始終有限。

AI因此成為醫院管理者眼中的新變量。2023年起，溫醫大附一院開始與京東健康展開合作，其中，業內首個醫院全場景AI大模型產品“京東卓醫”，已在溫醫大附一院完成從1.0到2.0的全場景落地驗證。

雙方試圖回答的是一個更深入的問題：當AI真正進入一家年門急診量超過700萬人次的大型醫院，它究竟能夠改變什么？

1、重新定義“患者入口”

溫醫大附一院是國內較早推進數字化轉型的公立醫院之一。早在2010年前后，醫院便圍繞預約掛號、預存預繳、自助機等系統推進信息化建設，一度成為全國公立醫院學習交流的樣板。此后，醫院又通過“一日清”等模式壓縮患者往返醫院的次數，希望讓診療流程盡可能在一次就診中完成。

但隨著醫療意識的不斷提升，以及醫療需求愈加復雜，患者真正消耗的成本并不只是候診時間。如何找到合適的科室、如何描述自己的病情、如何理解醫生給出的診療方案，以及離院后如何繼續完成治療和管理，同樣構成了醫療服務的重要組成部分。

這也是溫醫大附一院與京東健康合作最早落地智慧門診場景的原因。基于“京東卓醫”1.0，溫醫大附一院于2023年底開始應用AI技術推進精準預約，并于2024年4月上線試運行。

在很多人的理解中，AI導診更像一個升級版搜索框。但在醫院看來，它承擔的其實是醫療服務入口的角色。

傳統掛號模式下，患者需要先判斷自己可能患有什么疾病，再找到對應專科和醫生。這種邏輯本質上要求患者具備一定醫學知識。而對于大型綜合醫院來說，科室劃分越來越細，亞專科越來越復雜，普通患者往往很難完成這樣的判斷。

溫醫大附一院上線的AI精準預約系統試圖改變這種模式。患者不再需要先研究醫院科室設置，而是直接描述癥狀和需求。

系統通過多輪對話完成病情信息收集，再匹配對應專科和醫生。看似只是掛號方式的變化，背后反映的卻是醫院服務邏輯的轉變——從過去“人找服務”，逐漸轉向“服務找人”。

這種變化隨后被延伸到整個門診鏈條。過去，患者到達診室后，醫生往往需要花費大量時間完成基礎病史采集；診療結束后，患者又要在繳費、檢查、取藥等多個環節之間來回奔波。

而在京東健康參與構建的智慧門診體系中，病史采集被前移至診前階段，AI陪診則串聯起簽到、候診、檢查、繳費和取藥等流程，診后還會自動生成就診清單，并通過AI藥師、AI醫生追問等工具延續服務。

這些變化看似發生在門診外圍，卻恰恰是醫院運行效率最容易受到影響的部分。

截至2026年6月，溫醫大附一院基于京東卓醫構建的AI服務體系累計服務患者已超過910萬人次。相比單個智能體的準確率，這個數字更值得關注。它意味著AI已經開始以基礎設施的形式進入醫院運行體系，并承擔起部分過去依賴人工完成的服務工作。

2、從營養管理切入，駛向臨床“深水區”

對于溫醫大附一院而言，智慧門診只是起點。

過去幾年，隨著腫瘤、慢病以及老齡化患者持續增加，“全病程管理”逐漸成為醫療行業頻繁提及的概念。但現實情況是，大部分醫院仍然擅長治療疾病，患者的長期管理卻容易被忽視。

營養管理就是其中最典型的例子。在多數人印象中，營養更像是疾病治療的輔助環節。但在臨床實踐中，營養狀態往往直接影響患者的治療效果和長期預后。尤其是在腫瘤治療領域，營養不良與術后并發癥、住院時間以及生存率密切相關。

溫醫大附一院相關負責人表示，很多患者的問題并不是手術做得不夠好，而是在進入手術室之前，營養風險就已經被忽視。

“如果患者存在中重度營養不良，根據國際指南，往往需要先進行7到14天的營養干預，再進入手術流程。”上述醫院負責人介紹稱，如果醫生沒有進行精準篩查和評估，貿然進行手術，不僅會增加患者并發癥風險，也可能延長住院時間和治療成本。

營養篩查、評估、方案制定和出院后隨訪都需要大量專業人力，而現實中營養師數量有限，很多臨床醫生也難以投入足夠時間完成這些工作。結果是，大量患者雖然存在營養風險，卻始終沒有被發現。

且相比直接挑戰診斷和治療決策，營養管理既有成熟指南體系，又擁有大量標準化流程，同時對連續管理要求極高，是最適合AI率先進入的臨床場景之一。

溫醫大附一院依托國家衛生健康委臨床營養與干預重點實驗室，長期積累臨床營養研究與真實病例經驗。基于京東健康旗下“京醫千詢”醫療大模型，溫醫大附一院建設了臨床營養大模型，可以自動讀取患者病歷、檢驗指標、體重變化和飲食攝入情況，識別營養風險來源，輔助制定個體化營養方案，并在患者出院后持續跟蹤執行情況。

據介紹，這一大模型圍繞臨床營養構建了一套融合篩查評估、影像識別、預后預測等，通過數據驅動、知識驅動與案例驅動的融合模型，實現從風險預警、方案制定到效果追蹤的閉環管理。

例如，在住院場景中，系統已能夠結合CT影像自動評估患者肌少癥風險。根據溫醫大附一院團隊介紹，其肌少癥輔助診斷技術此前已被寫入《中國腫瘤營養治療指南》，如今，這類影像組學能力正進一步被納入AI體系之中。

數據顯示，目前溫醫大附一院風險篩查率接近100%，全院風險檢出率達35%，營養師效率提升50%。

支撐這一探索的，是溫醫大附一院過去十余年積累的數字化基礎。目前醫院擁有專業的信息化團隊，自主研發運營超過百套信息系統；自建約190P算力平臺，建立了10個專病數據庫，并正在推進新一輪基于人工智能的專病數據庫建設等。

對于溫醫大附一院來說，臨床營養大模型的價值并不只是多了一個AI工具，而是在真實醫院場景中驗證了一條新的路徑：當高質量數據、專業知識和大模型開始結合，AI開始在臨床中發揮更大能力。

3、醫療AI從輔助工具走向系統嵌入

隨著人口老齡化加速、創新藥和高值耗材不斷增加，醫保基金面臨越來越大的支付壓力。對于醫院而言，如何在保障醫療質量的前提下提升效率，已經成為數字化建設的重要方向。

為此，溫醫大附一院自主研發了醫療費用智能監管平臺，將臨床決策支持系統與醫保審核深度融合。

當醫生開具藥品、耗材或診療項目時，系統會實時結合醫保支付規則進行提醒和預警。例如針對部分創新藥、高值耗材或存在嚴格適應癥限制的藥物，AI能夠自動結合病歷內容、疾病分期和檢驗指標進行判斷，為醫生提供參考意見。

據介紹，目前該系統已覆蓋352項耗材、167項藥品以及215項診療項目規則庫。實施以來，醫院醫保疑點數據同比下降約80%，最終確認違規問題同比下降約76%。

這也反映出，AI正在從輔助診療延伸至資源配置甚至醫院運營，逐漸成為醫療體系中的基礎能力。

過去，醫療AI更多被理解為幫助醫生看病，而在溫醫大附一院的實踐中，AI開始同時承擔資源配置、流程優化和質量管理等職責。它既服務患者，也服務醫院本身。

這也正是京東健康致力于發展的方向：打造面向用戶、醫院、醫生的最專業醫療AI。

京東健康技術產品部負責人指出，醫療行業并不缺模型，而是缺少能夠進入真實診療流程的數據和場景。相比單純依賴公開數據訓練模型，醫療AI更需要來自醫院、醫生和患者的高質量數據，以及在真實場景中的持續驗證和迭代。

過去多年，京東健康已經積累了在線問診、藥品供應鏈、用戶健康檔案、互聯網醫院以及醫檢診藥服務閉環等能力，這些原本分散在不同業務中的資源，為醫療AI提供了真實場景和持續反饋機制。

“模型決定AI應用的上限，而場景決定AI應用的下限。”上述負責人表示。

溫醫大附一院正是這種模式的集中體現。一端是醫院提供的真實臨床場景、專家資源和高質量數據；另一端則是京東健康提供的醫療大模型、產品化能力以及院外履約體系。雙方合作的重點已經不再是開發某一個智能體，而是在探索如何將AI嵌入醫院核心業務流程之中。

事實上，溫醫大附一院的臨床營養大模型只是其中一個開始。目前，溫醫大附一院已經將類似思路進一步擴展至更多領域。

2025年11月，溫醫大附一院智慧體重管理中心正式開診。聯合京東卓醫2.0的“AI+體重管理”能力，中心推動傳統減重門診向智能化、連續化、精準化管理轉變。系統能夠結合患者代謝狀況、合并癥、生活習慣以及減重意愿，輔助生成個性化管理方案，并通過持續隨訪和行為干預提升患者依從性。

溫醫大附一院還在推進創面修復專病大模型建設。該模型已能夠結合創面圖像、病歷信息以及相關指南進行輔助診斷和風險評估，并通過遠程協同模式幫助基層醫療機構提升診療能力。數據顯示，相關試點中基層醫生診斷準確率提升至92%，單病例評估分析效率提升約6倍。

溫醫大附一院相關負責人表示：“未來醫院的核心，不是讓AI替代醫生，而是讓AI幫助醫院把服務做得更精準、流程做得更順暢、管理做得更精細。”

繼溫醫大附一院之后，京東卓醫已陸續在華中科技大學同濟醫學院附屬協和醫院、蘇州市立醫院等多家三甲醫院落地。相比過去幾年圍繞模型參數和榜單排名展開的競爭，中國醫療AI的發展重點正在逐漸轉向另一個問題——誰能夠真正深入醫院流程，并持續創造價值。

從溫州這家大型三甲醫院的實踐來看，醫療AI在醫院系統內嵌入落地的時代，已經正式開始了。

*文中配圖來自：攝圖網，基于VRF協議。