花高价搭建了智能问诊系统， 活跃使用率为什么还不到两成？

过去三年，国内医疗机构采购智能问诊系统的数量增长了近四倍。政策推动、技术成熟、资本涌入，三重因素叠加之下，几乎每一家稍有规模的三甲医院都已经上线或计划上线AI问诊功能。

然而上线半年后，日均活跃使用率超过20%的智能问诊系统，不到四分之一。大量系统变成摆设——患者入口藏在小程序第三级菜单里，医生工作站上根本没有集成入口，后台记录的对话停留在测试阶段。

这不是个别现象。某医疗信息化行业报告显示，超过六成的医院管理者对已采购的AI问诊产品表示“不太满意”或“完全不满意”，主要抱怨集中在三点：与现有业务流程脱节、输出质量不稳定、后续维护成本超出预期。

投入几十万甚至上百万，换来一个无人问津的聊天窗口。问题到底出在哪里？

智能问诊不能脱离业务流程

医院上线智能问诊系统后，患者通过公众号进入对话界面，输入症状，系统给出分诊建议和健康科普。看起来功能完整，但医院信息科很快发现，这套系统与HIS、EMR没有任何对接。

患者填写的病史信息无法写入电子病历。医生接诊时，要么让患者复述一遍，要么自己手动复制粘贴。原本预期减轻医生负担，结果增加了医生的额外操作。不到两个月，医生们就默契地绕过了这个系统。

这不是技术问题，而是设计问题。智能问诊应该从一个会聊天的机器人，升级为“能嵌入诊疗流程的信息采集与决策支持节点”。它应该在患者挂号前完成结构化问诊，自动生成病历草稿，同步到医生的工作站，同时在后台完成分诊推荐和危急值预警。

医疗行业的信息化系统经过几十年建设，已经形成了一套复杂且封闭的接口生态。HIS管挂号收费，EMR管病历，LIS管检验，PACS管影像——每个系统都有自己的数据标准。一套智能问诊系统需要具备与这些系统对接的能力，才能真正进入业务流程。而对接不是简单的技术问题，它要求供应商理解医院的业务逻辑：什么时候触发问诊、哪些字段必须采集、病历的书写规范是什么、分诊建议如何与挂号系统联动。

数据安全的需求，把大量智能体挡在了门外

医疗数据具有很强的敏感性。等保三级、个人信息保护法、医疗数据安全管理办法，每一项规定都对医疗的数据存储、传输、访问控制提出了严格标准。

当前市场上，部分AI供应商采用云端SaaS模式——数据上传到公有云，模型在云端推理，更新也在云端完成。这种部署方式对于医疗机构而言，患者病历一旦离开内网，合规风险就会显著上升。

但另一方面，完全本地部署的方案也有明显短板。医学知识需要持续更新——新的临床指南、药品说明、疾病认知不断出现，如果系统无法接入外部知识源，它的知识库很快就会过时。

医院面临着两难的抉择：云端方案功能强但风险高，本地方案安全但迭代慢。

静态知识库，让AI越用越旧

还有一个被普遍忽视的问题：知识库的更新机制。

大多数智能问诊系统交付时附带一个初始知识库，内容来自公开的医学教材、临床指南、药品说明书。但医院的需求不是静态的。每个医院都有自己特色的诊疗规范、优势病种、用药习惯。一个通用的知识库无法回答“我们医院心内科对慢性心衰患者的随访标准是什么”这类具体问题。

更关键的是，系统上线后产生的真实对话数据——患者怎么描述症状、医生如何修改AI生成的病历、哪些分诊建议被采纳、哪些被纠正——这些数据是医院最宝贵的知识资产。但如果系统没有设计数据反哺机制，这些信息就被浪费了。上线半年后，系统掌握的医学知识跟半年前一模一样，而医院内部的临床路径可能已经调整了多次。

从能用到好用，需要跨越三个门槛

综合来看，一套真正能在医院落地、医生愿意用、患者觉得有用的智能问诊系统，必须跨越三个门槛。

第一道门槛，是嵌入业务流程的能力。患者完成问诊后，结构化病历能够自动写入EMR，分诊建议与挂号系统联动，危急值预警推送到急诊分诊台。这些功能是判断系统是否“能用”的基本标准。

第二道门槛，是安全可控的部署架构。必须支持本地化或私有云部署，确保患者数据不出医院内网。同时要解决知识更新的矛盾——通过加密传输、脱敏处理等机制，在保证安全的前提下实现外部知识库的定期同步。医疗数据安全是红线。

第三道门槛，是知识持续进化的能力。系统需要具备从每一次对话中学习的机制。医生对AI生成内容的每一次修改，都应该被记录、审核、反哺到专属知识库。上线时间越长，系统对本院病种结构、诊疗习惯、医生偏好的理解就越深。这套机制决定了一套系统是越用越值钱还是上线即贬值。

小艾智能体：为医疗行业打造的智能问诊方案

小艾智能体以深度的业务理解，助您解决智能问诊的难题。

在业务流程嵌入方面，小艾智能体提供标准化的API接口，可以与企业现有的HIS、EMR、LIS等系统对接。患者完成线上问诊后，结构化病历自动写入医生工作站，无需二次录入。同时系统内置流程编排引擎，业务人员可以通过可视化界面调整问诊逻辑——不同科室可以配置不同的追问路径，分诊规则可以根据医院实际情况灵活修改，不需要技术人员介入。

在数据安全部署方面，小艾智能体支持本地化部署和私有云两种模式，患者数据全程不出医院内网。系统通过了等保三级认证，所有操作日志可追溯，满足医疗行业的合规审计要求。对于知识更新的需求，小艾采用“本地知识库+加密外部同步”的混合机制，既保证安全，又能定期获取最新的临床指南和药品信息。

在持续学习机制方面，小艾智能体内置了知识反哺模块。每一次医生对AI生成内容的采纳、修改或拒绝，都会被记录下来。经审核确认后，这些修正会更新到医院的专属知识库中。三个月后，系统对本科室的病种分布、检查习惯、甚至医生的书写偏好就有了深度理解。

在智能问诊这个具体场景中，小艾智能体已经实现了从症状采集、多轮追问、病史收集到结构化报告生成的全流程自动化。系统内置的危急值识别模块，可以对胸痛、呼吸困难、突发意识障碍等十几种紧急情况实时预警。

当前智能问诊赛道确实很火，但是同质化严重。医院最需要的，永远是最懂自己业务、最能解决实际痛点、最敢对安全兜底的智能系统。一套真正理解医院业务需求的智能体，能让每一次问诊，都成为数据的积累与生命的守护。