常州市第一人民医院如何用AI解决候诊时间长、病历书写效率低、手术记录滞后等医疗效率难题的案例

常州市第一人民医院（以下简称"常州一院"）是一所集医疗、教学、科研为一体的大型三级甲等综合医院，承担着常州市及周边地区数百万人口的医疗服务职责。作为地市级公立医院，常州一院面临与其他地市级医院相似的共性挑战：既要承接分级诊疗政策下不断增长的基层转诊患者，又要在人才、设备等资源不如省级顶尖医院的条件下实现高质量医疗服务；同时，作为区域医疗中心，还承担着急危重症救治和医学人才培养的重任。在"以患者为中心"的医改导向下，如何在有限资源内持续提升医疗服务效率、改善患者就医体验，是医院管理层长期探索的核心命题。2024年以来，常州一院以智慧医院建设为抓手，全面推进AI技术在医疗场景的深度应用，探索出一条地市级医院"AI驱动医疗服务升级"的特色路径。

传统就医流程中，候诊时间过长是患者反映最集中的问题。常州一院作为区域医疗中心，日均门诊量达数千人次，高峰时段患者候诊时间动辄超过40分钟甚至更长。候诊等待不仅影响患者体验，也造成诊区人员拥挤，增加管理压力和院内交叉感染风险。缩短候诊时间需要从预约、分诊、叫号等多个环节协同优化，单一手段难以奏效。

门诊病历书写是医生日常工作中耗时最多的行政性任务之一。据院方统计，传统模式下医生在每个门诊患者身上花费的文书时间平均达10分钟以上，部分复杂病例的病历记录甚至超过20分钟。这意味着医生在实际诊疗之外，还要承担大量的文字录入工作，不仅消耗了本就稀缺的诊疗时间，也影响了医生的工作满意度和职业尊严感。

手术后手术记录的及时完成是医疗质量控制的重要环节。传统模式下，手术记录由外科医生在手术后凭记忆和手术笔记补写，时常出现记录不及时、内容不完整、细节遗漏等问题。数据显示，常州一院传统模式下手术记录即时完成率仅为15%，大量记录需要术后数小时甚至数天才完成，给医疗质量追溯和纠纷处理带来隐患。

医院内部各科室之间标本、药品的转运传统上依赖专职运送人员或护士自行传递，不仅效率低，还占用医护人员的非医疗性工作时间。在需要快速病理诊断的场景（如术中冰冻病理），标本转运的时效性直接影响手术方案的确定。

常州一院打出"AI病历生成+语音识别+5G无人机物流"组合拳，全面推进智慧医院建设：

医院在门诊和住院系统全面嵌入AI辅助病历生成模块，接入DeepSeek大模型能力。医生在接诊过程中口述病情和医嘱，AI实时语音识别并自动生成结构化门诊病历，医生核对修改后一键提交。系统上线后，门诊病历AI生成率从2%快速提升至40%，医生日均书写医疗文书时间大幅减少，被释放的时间可重新投入深入诊察和科研学习。与此同时，医院建立双重激励机制：将AI工具使用纳入科室绩效考核，同时将AI节约的时间以弹性排班形式返还给医生，有效调动了医护人员的使用积极性。

常州一院早期引入的语音识别系统准确率仅为82%，医护人员普遍反映"说十句改八句"，使用体验差、效率提升有限。医院技术团队持续优化系统，引入多模态输入功能（语音+结构化模板融合），将语音识别准确率从82%提升至96%，基本达到临床可用水平。这一提升看似"10个百分点的技术进步"，实质上是决定AI工具能否在临床场景真正落地的关键一跃——准确率低于90%的语音输入，修改成本往往大于手写的成本，用户自然弃用。

针对手术记录滞后痛点，医院开发手术记录AI实时生成系统。系统通过对接手术室音视频设备、麻醉监护数据和手术操作记录，在手术过程中实时生成手术记录草稿。外科医生手术结束后可直接在系统界面审核修改，将手术记录即时完成率从15%大幅提升至88%，大幅降低医疗文书的滞后性和遗漏风险。

医院探索"5G-A低空医联体"创新模式，部署无人机建立院区之间的空中标本转运通道，实现检验标本、病理切片等物资的分钟级跨院区配送，替代传统地面运送或人工取送，有效压缩了标本转运时间，为术中冰冻病理等时效敏感场景提供了强有力支撑。

常州一院AI应用的技术架构包含三大核心模块：自然语言处理模块基于DeepSeek大模型本地化部署方案，实现病历文本的自动生成、结构化和质量控制，同时通过私有化部署确保患者数据不出院区，保障医疗数据合规安全；语音识别模块采用端云协同架构，前端在诊室部署专用麦克风和边缘计算节点实现低时延实时转写，后端云端负责模型持续优化和大规模并发处理；无人机物流模块依托5G-A网络实现超视距控制，配套开发物流调度平台，支持多点航线规划和实时状态监控。整套系统建设的重要经验是：医疗AI必须高度重视"最后一公里"的工程化适配——通用模型能力再强，若不针对本院HIS系统、诊疗流程、数据格式做深度定制，就无法真正嵌入医护人员的日常操作。

常州一院最值得借鉴的经验在于：医院将AI工具使用纳入绩效考核，同时将AI节约的时间以弹性工时形式返还给医生。这两个配套机制看似简单，实则是决定AI能否在临床真正推开的关键。大量医院AI项目"叫好不叫座"的根源，往往不是技术不行，而是没有解决"用了AI，医生的额外工作是什么"这个根本问题。常州一院的双重激励设计值得所有推进智慧医院建设的医疗机构借鉴。

语音识别准确率从82%到96%的提升，对应的是医护人员使用意愿的根本性转变。当准确率是82%时，修改AI输出内容的时间成本高于手写，AI是"负担"；当准确率达到96%时，修改成本接近于零，AI才真正成为"助手"。这提示所有医疗AI开发者：医疗场景对准确率的要求远高于一般场景，在准确率突破90%门槛之前，不要急于大范围推广——不成熟的产品一旦在医护人员中形成"AI不好用"的印象，逆转口碑的成本远高于精心打磨后再推广的成本。

相比省级三甲医院"不差钱、不缺人"的现状，地市级医院既有引入AI来弥补资源短板、留住本地患者的迫切需求，又有推动医疗均质化、服务分级诊疗政策的社会责任。常州一院的实践表明，地市级医院完全有能力成为医疗AI规模化落地的先行者和示范者——关键在于找准"效率痛点最突出、投入产出比最高"的场景集中突破，而非贪多求全。