返回文章列表
湖北十堰太和医院如何用AI解决配药效率低、病历书写慢、患者就医体验差问题
📌 摘要
湖北十堰太和医院作为医疗卫生行业的代表企业，通过「素问」医学大模型解决配药效率低、病历书写负担重、患者候诊时间长等就医痛点，实现配药效率提升50%、电子病历录入时间减少90%以上、出错率降低80%以上、肺结节检出敏感度提升至98%、年度AI辅助阅片15.6万例的显著应用成效。
📖 本案例根据 新华网：湖北十堰太和医院：「小助手」换来患者就医「大提速」报道整理 · 查看原文 →
企业背景
湖北十堰市太和医院是一所集医疗、教学、科研、预防保健于一体的三级甲等综合医院，是湖北省"AI医院示范建设标杆"。近年来，该院积极推进"互联网+医疗健康"发展模式，加快服务流程数智化转型，探索以AI技术破解传统就医痛点。在国家卫生健康委首次组织的"医疗人工智能临床应用研究课题"评选中，太和医院自研的"素问"医学大模型获得立项，成为湖北省智慧医疗建设的标杆样本。
遇到的问题
太和医院在推进智慧医院建设前，面临三大核心痛点：
一是配药效率低下。 传统药房依赖人工取药、分药，药剂师在高发时段需要长时间站立操作，配药速度慢、患者等候时间长，高峰期药房排长队是常态。二是电子病历书写负担重。 医生每日需要花费大量时间填写病历，键盘录入效率低，容易出错，导致医生日均书写医疗文书时间过长，挤占诊疗和科研时间。三是患者候诊时间长。 "看病难、看病烦"首先体现在排长队，挂号难、就诊环节多、缴费慢等问题长期困扰患者，候诊时间过长严重影响就医体验和满意度。
AI解决方案
太和医院构建了以"素问"医学大模型为核心、覆盖诊前-诊中-诊后全流程的AI解决方案：
诊前：智能挂号与导诊。 将坐诊专家号源纳入省级统一号池管理，打通省级健康信息平台，实现AI云陪诊全流程引导。开通支付宝就医助手，提供数字人展示、基于大模型的即问即办、报告解读等功能。
诊中：AI辅助诊断与病历生成。 引入AI辅助影像诊断系统，自动识别肝脏病灶、肺结节等；自研"素问"大模型电子病历书写系统，5秒内完成诊疗全流程数据回溯与整合，1分钟生成结构化病历；处方审核系统嵌入合理用药监测引擎，自动审查拦截潜在不合理用药医嘱；智慧药房引入高速发药机与智能分包机，配药机器手精准取药。
诊后：全周期智能随访。 开通检查检验自助开单、预住院、"全院一张床"、全周期智能随访等服务，以AI随访替代传统人工电话随访。
实施效果
| 效果维度 | 具体指标 | 改善情况 |
|---|---|---|
| 配药效率 | 配药机器手发药效率 | 提升50% |
| 病历质量 | 电子病历录入时间 | 减少90%以上 |
| 病历质量 | 电子病历出错率 | 降低80%以上 |
| 患者体验 | 患者平均候诊时间 | 缩短30%以上 |
| 影像诊断 | AI辅助阅片年度量 | 15.6万例 |
| 影像诊断 | 肺结节检出敏感度 | 提升至98% |
| 就医成本 | 检查检验互认惠及人次 | 5000余人次，为患者节省费用110余万元 |
| 慢病管理 | 智能随访完成量（2025年） | 121010人次 |
技术解析
本方案的核心技术架构包含三个层次：数据底座层完成信息平台升级改造，以电子病历为核心，与医院信息系统、实验室信息系统、医学影像系统、病理信息系统等核心业务系统深度集成，归集结构化病历数据超过2亿条；AI能力层以"素问"医学大模型为底座，具备临床思维能力，完成管理系统、医生工作站、患者终端多端覆盖，支持检查检验结果互认415项；应用场景层覆盖影像诊断、病历书写、合理用药审核、随访管理等诊前-诊中-诊后全流程，各场景AI能力既独立运行，又通过统一数据底座实现信息互联互通。
经验启示
太和医院的实践为基层智慧医院建设提供了三条重要启示：其一，"素问"类医学大模型是破解"病历书写负担"的核心工具——电子病历录入时间减少90%以上，将医生从繁琐的案头工作中解放，回归临床诊疗核心；其二，AI影像诊断是快速见效的切入点——肺结节检出敏感度提升至98%、年度辅助阅片15.6万例，是医生最直观感受到AI价值提升的场景；其三，检查检验互认是AI数据连通的红利释放点——415项互认项目、5000余人次受惠，AI不是取代医生，而是让医疗资源更合理流动。
企脉AI独家观点
太和医院"素问"大模型的真正价值，在于将"AI辅助"从单点工具升级为完整医疗生态。在其设计中，AI不是取代医生，而是让每一个环节（挂号、就诊、检查、处方、随访）都形成数据闭环，最终让医生有更多时间看病人、让病人少跑腿。这种"全流程AI协同"的思路，比单点AI工具更有生命力——因为它让医护人员感受到的不是"AI在抢我的活"，而是"AI在帮我把杂事干了，让我专心做专业判断"。这一认知转换，是医疗AI能否真正落地的关键。