本期《2026·聽見數智時代》系列訪談，深度對話北京朝陽醫院信息中心副主任趙前前，結合真實落地案例，拆解數字化脈絡，為全國醫院信息管理者帶來可復用的行動框架。
訪談嘉賓 | 趙前前 北京朝陽醫院信息中心副主任
訪談主持 | 劉 晶 CIO時代聯合創始人兼CEO
一院三址
底座先立
北京朝陽醫院的信息化建設具有明確的多院區屬性。
作為北京市屬大型三甲綜合醫院，北京朝陽醫院如今形成了"一院三址"的格局：東大橋院區（本院，核定床位1000張）、常營院區（東五環，規劃床位1000張，）、石景山院區（西五環，核定床位500張），全院總編制床位2500張。常規工作日門急診量接近兩萬人次，業務體量在北京市醫院中穩居前列。
朝陽醫院的核心特點是"大綜合"——不在單一專科極致深耕，而是構建覆蓋全面的綜合服務能力，同時擁有呼吸、急診等一批優勢學科。"一院三址"的布局，讓信息化建設從一開始就面對多院區協同的命題。
行業內對多院區信息化的建設路徑已有普遍共識，核心目標是多院區信息一體化，落地模式主要分兩類：一是"數據層面的一體化"，各院區業務系統保持相對獨立，將全量數據匯聚到統一平臺共享應用；二是"業務層面的深度一體化"，所有院區共用同一套底層架構，共享同一個數據庫。
兩種模式本身沒有絕對優劣，選擇哪條路徑取決于醫院的核心訴求。朝陽醫院的目標非常清晰——要讓患者感受到，除了地理位置不同，在三個院區獲得的就醫體驗一致。
"舉個例子，對于部分檢查項目，患者在石景山院區開具的檢查單，繳費后就可以到東大橋院區完成檢查，不需要任何額外的轉接流程。其它的檢驗、檢查項目也在推進中"北京朝陽醫院信息中心副主任趙前前介紹道。要實現這類跨院區業務聯動，業務系統和底層數據庫必須完全打通，沒有任何數據壁壘。
目前朝陽醫院絕大多數核心業務系統已完成深度一體化建設。三個院區通過裸光纖搭建起環形網絡架構——即便某一段光纖故障中斷，剩余兩條鏈路依然保障數據傳輸通暢，從底層架構上避免單線路故障導致全院系統癱瘓。
當多院區統一數據庫架構穩穩落地，數字化的重心就越過了"系統不癱瘓、業務不停擺"的基礎門檻。 如今全行業共同面對的核心命題，是如何把沉淀下來的數據真正用起來。數據應用從來不是單點突破的事，需要在四個維度同步發力：
面向患者服務。 站在患者全流程就醫視角，從踏入醫院到完成診療離開，每個節點都要思考信息化如何介入，把流程做簡、把體驗做順。朝陽醫院已落地一系列移動端服務應用，把數據能力延伸到患者指尖。
面向醫院管理。 醫院管理已告別靠經驗、靠主觀判斷的模式，全面轉向精細化、精益化。從管理決策制定到效果評估，全流程用數據說話。北京市正在推進的電子病歷共享工程，要求醫院把門急診、住院、體檢等全維度數據按統一標準上傳并實現在各醫院間的共享調閱——數據上傳的質量和合規性，本質上是對醫院數據治理能力的實打實檢驗。
面向臨床業務。 通過數據能力持續優化臨床全流程，讓醫生日常操作更順暢，把決策支持能力嵌入診療的每一個環節，用數據幫臨床減負、為診療賦能。
面向科研教學。 作為教學科研型醫院，信息化建設同樣要覆蓋科研教學場景，為臨床工作者的科研探索、教學實踐提供適配的數據支撐。
"現在行業里大家都在討論AI這類新技術，但在我看來，這些都只是實現數據應用的手段。真正的核心底座，永遠是患者服務、醫院管理、臨床支撐、科研教學這四大方向的同步深耕。"
直面幻覺
醫療AI的務實落地邏輯
醫療領域的AI探索并非近兩年的新鮮事。大模型普及之前，行業已依托自然語言處理等AI技術完成多輪落地嘗試。大模型的出現只是打開了新的探索維度，AI落地始終是一個循序漸進、持續迭代的過程。
朝陽醫院的AI應用從放射影像場景起步——AI分析影像圖像，輔助生成影像報告；隨后延伸到病歷內涵質控，用NLP提取病歷核心內容，監控書寫規范；在患者服務端，落地AI預問診功能，智能推薦就診科室，自動生成主訴、現病史等門診病歷基礎字段，直接對接醫生工作站減少重復錄入；又進行了出院小結等病歷文書智能生成的探索，并在醫生工作站搭建智能檢索功能。這些都是已常態化運行的AI落地成果。
大模型實際應用中，朝陽醫院從起步階段就直面了行業普遍關注的"幻覺"問題。醫療行業有兩個核心屬性與其它領域不同：第一是對準確性有極致要求，第二是所有結果必須可溯源。 大模型的黑箱屬性，恰恰在這兩點上存在天然短板。
但這不意味著大模型在醫療場景完全不可用。"我們的落地思路始終是在嘗試中摸索邊界，而非直接全盤否定。"
以病歷智能生成為例，朝陽醫院從一開始就沒有把最終權限交給AI：大模型先生成病歷初稿，在醫生端以模板形式呈現，由醫生自主判斷是否采納，確認后才能正式寫入病歷。全程AI只承擔輔助角色，決策權完全掌握在醫生手中，從根源上規避幻覺帶來的錯誤進入正式診療流程。
病歷質控場景則走過彎路。早期完全依托傳統NLP規則庫模式，系統根據預設規則從病歷文本中匹配內容，觸發規則即實時提示。大模型出現后，嘗試用它提取質控規則，發現能覆蓋傳統規則庫之外的更多細節。但最終沒有直接用大模型替代原有質控體系，核心原因有：
第一，大模型生成的質控提示偶爾出現不符合規范的錯誤內容，而病歷質控與醫生績效直接掛鉤，錯誤提示會影響醫生實際權益，極易引發臨床端抵觸。
第二，大模型運行響應速度普遍需要數十秒，而醫生提交病歷時要求系統立刻反饋問題，數十秒等待完全不符合臨床使用習慣。
"醫療AI落地的核心判斷標準，從來不是'必須用某一種先進技術'，而是看它能不能真正解決實際問題。"隨著垂類醫療大模型成熟，朝陽醫院正在探索大模型與醫院私有知識庫的深度結合，新的大模型病歷質控試點正在推進。
AI投入的算賬法同樣務實。 當下能自主搭建全套算力硬件、完全自研AI應用的醫院并不多，這類模式大多集中在頭部大型醫院，核心門檻首先是充足的資金支撐。和傳統信息化項目"投入落地即可直接使用、快速實現流程優化"的確定性不同，AI領域的早期投入大多處于探索階段，投入和產出很難直接對等——這是很多醫院在AI布局上保持謹慎的核心原因。
成本考量不止停留在資金層面。"我們沒有貿然大規模采購算力設備，一個非常現實的核心制約，就是現有機房的電力供給跟不上。"當下AI算力設備電力消耗極高，現有機房供電容量無法支撐大規模算力集群部署。
針對這些約束，朝陽醫院摸索出一套適配自身的落地路徑：
一是租用算力，不一次性投入大量資金采購硬件，也不額外占用機房電力；
二是統一調度管理，打破"單個應用分配固定GPU資源"的粗放模式，動態監測算力使用率，整合閑置算力統一分配；
三是小步探索，不盲目追求全場景鋪開，把資源集中在已驗證有效的場景。
趙前前還拆解了當下醫療AI落地最容易走入的三個認知偏差——
誤區一：急于"出亮點"。 很多醫院從起步就抱著"先出亮點"的心態，急于追逐最新技術概念，快速上線AI應用打造宣傳案例，卻忽略了最核心的底層支撐。AI應用的核心根基永遠是數據，數據的核心前提是高質量數據治理。如果原始數據質量參差不齊，即便用最先進的大模型跑，輸出結果只會讓幻覺問題愈發嚴重。"在啟動AI應用探索之前，先沉下心把院內的數據治理做到位，打磨出符合要求的高質量數據集，才是所有工作的起點。"
誤區二：缺乏效果評估體系。 很多項目上線后不再跟進實際運行情況，沒有持續追蹤核心維度：實際覆蓋人群有多少？到底在哪些環節給醫護、患者帶來便利？運行穩定性能否保障？脫離實際使用場景的AI應用，最終只會變成"展示型項目"。
誤區三：AI安全停留在泛化要求。 目前相關部門已出臺一系列針對醫療AI的規范指引，但這些都是方向性框架。真正落地到每個醫院的具體場景——怎么保障患者隱私不泄露、核心診療數據不外流、所有數據流轉完全在預設安全路徑里運行——這些細節的安全管控，最終都要由醫院自己來兜底。
"十五五"開局
數字化的務實新藍圖
很多人誤以為朝陽醫院此前的機房布局是為AI算力而生，其實最初的建設初衷完全圍繞最核心的底線需求：保障業務系統持續穩定運行，搭建跨院區容災備份體系。
三個院區各有配套機房，彼此互為備份。東大橋院區機房已投用二十余年，空間和容量都已飽和；常營院區作為新建院區承載了全院核心主機房，如今也隨業務快速發展，空間、電力資源將耗盡；石景山院區的小機房完全服務于備份容災需求。計劃新建的機房選址在常營院區，依托預留空間補充全院算力與容災短板。
在算力布局上，朝陽醫院始終保持開放務實的態度，已啟動算力租用相關實踐。即便新自建機房落地，也不會完全依賴自有算力，而是始終把性價比作為核心判斷標準：結合北京市衛健委提供的公共算力資源，根據不同AI應用屬性，靈活選擇自建部署或外部租用，兩種路徑并行推進，不做非此即彼的排它選擇。
錨定"十五五"新周期，朝陽醫院已完成全院信息化發展規劃制定，整體布局始終圍繞"服務醫院核心發展"的主線推進，沒有追求脫離實際的技術炫技。規劃分三大塊：
筑牢信息化基礎底座。 不為追逐前沿技術忽略根基——首先補全安全短板，全面梳理現有體系的潛在漏洞，迭代升級全流程安全防護體系；同時逐一排查全院信息化的缺項漏項，把仍游離于整體體系之外的零散業務（如部分部門級檢查檢驗）全部納入統一數字化框架，把基礎業務覆蓋度做扎實。
持續深耕數據應用。 數據治理從來不是一勞永逸的一次性工程，它伴隨醫院信息化發展的全周期，永遠沒有"完成時"。從早期的數據中心建設，逐步迭代到如今的數據中臺搭建，只是搭好了數據應用的基礎框架，后續還要長期推進數據治理工作，在數據質量達標的底座之上，逐步落地覆蓋患者服務、醫院管理、臨床支撐、科研教學的全維度數據應用。
有序推進新技術探索。 AI技術的魅力讓信息中心的年輕技術人員充滿探索熱情。過去以運維為主的團隊，一旦激發起自主探索的興趣，能釋放出遠超預期的創造力。但所有新技術探索的核心標尺，永遠是緊緊貼合醫院的實際需求——"信息化的終極目標從來不是堆砌多少先進工具、落地多少前沿技術，而是真正成為醫院醫療服務、運營管理、患者體驗、科研教學的堅實輔助。"
二十余年沉淀
業務與技術的辯證法
★寫在最后 ★
