圆桌对话：看见实效：从技术到处方，AI +医疗的场景落地与价值闭环| 2026AI Partner·北京亦庄AI+产业大会

从五年前的技术炫技到今天的临床刚需，AI+医疗终于走过了“证明我能”的喧嚣，进入“解决痛点”的深水区。不做替代医生的空想，只做减轻负担的助手——这场对话告诉我们，AI医疗落地的第一步不是说服院长，而是赢得科室主任的信任；关键不是单点突破，而是多元数据联动形成闭环 圆桌对话直面AI进医院的真实卡点：系统对接难、医生怕麻烦、责任划不清。从左医科技深耕九年的实战出发，从协和到宁夏中卫，揭示了分层落地的差异化逻辑——三甲提效率，基层补人力。用病历生成这一通用痛点作为中枢，往前接分诊，往后连随访，让“黑科技”变成医生愿意每天打开的工具。 以下为圆桌演讲内容，经36氪整理编辑： 张戈丨华弋数智创始人&CEO（主持） 韩旭丨左医科技医学合伙人 张戈： 各位来宾和直播前的各位朋友大家好，我是本轮对话主持人华弋数智张戈，非常欢迎韩总的到来，今天会聊一个特别实在的话题，AI医疗到底是怎么落地的，首先请韩总给大家打个招呼，用30秒告诉我们一件事，左医现在做的跟五年前那波AI辅助医疗热潮有什么本质区别？ 韩旭： 谢谢张总，谢谢主办方的邀请，今天能在这儿跟大家做一个交流分享，左医科技从2016年开始深耕AI+医疗行业，我们也经历了AI医疗在国内发展的不同阶段，就我们理解五年前AI医疗更多的是技术和资本驱动的，大家想的是如何用AI技术来改造医疗甚至代替医生，做的东西更多是从技术角度出发，没有解决临床真正的问题，很难落地，现在更多是从临床真正的需求出发，关注的是医生每天日常工作中他们真正头疼的点是什么，想着用AI技术来降低医生的工作压力，提质增效，同时也让患者能够更顺畅地就医。 张戈： 从韩总的总结里我们感觉到医疗AI不断走深走实，首先我们非常关注场景落地的问题，AI医疗进入到医院，您觉得第一步要打通什么环节或者从什么地方入手，比如说要从上到下说服领导，还是培训医生，还是跟医疗的信息系统去进行对接，这里面哪个环节是卡点？ 韩旭： 从我们的经验来看，AI医疗进医院，第一步肯定不是去说服院长，也不是对接HIS、EMR系统、全员培训，第一步应该是深入到临床一线、科室，争取到科室主任包括骨干医生的支持，让他们愿意做试点，在这个过程中真正见到效果以后，才涉及到去做后续的推广，刚才说到去对接EMR HIS系统，有一定的技术难度，同时做多方协调，成本、时间周期都很高，一上来做系统对接很容易成为卡点。 医生培训没有实际的东西、没有实际效果，做培训也只是一种形式，没有实际意义，至于做全院推广，你在做科室试点，有一定的效果以后，拿着真实的数据去跟医院领导沟通，去做全院整体的推广，才会更有说服力。 第二个卡点，1、系统对接，医院各个系统非常多，品牌、厂家也非常多，也不是标准的接口，数据格式包括字段、权限管控都不一样，现在医院对数据安全也非常重视，如果做对接需要协调信息科、医务科多个科室反复协调，这个过程很长，是非常大的卡点。 2、落地过程中会遇到的问题，医生的接受度，医生群体还是属于相对保守的群体，规避风险意识很强，有一个新的工具使用，他们是不愿意更改固有的工作习惯，怕工具上了以后会增加自己学习使用的负担，反而会增加工作量。再一个对AI产品的准确率、风险也会有一定的顾虑，实际项目落地过程中是有一个很难的点，怎么让医生接受、愿意使用。 张戈： 您说到落地过程中的细节非常实际的痛点，信息系统对接、权限管控，这些都是在信息类的项目里非常重要，要解决的卡点类的问题，既有对接协和这样顶级的三甲医院，也有您给宁夏中卫做的云上卫医，基层医疗的落地逻辑和三甲医院的落地逻辑有什么不同，是存在更大的困难，还是不同的医院不同信息化建设的水平，这里面是不是有不同的切入点。 韩旭： 像协和三甲医院和基层医疗机构，从需求来说，引入AI医疗系统，使用AI医疗产品，需求点是不一样的，落地路径包括切入点也是有差别的。比如像三甲医院，更聚焦于院内，主要解决的问题，专家资源很宝贵，医生时间很紧张，他更关注的是如何提高院内的效率，精细化把各个流程环节的效率提高，这些是三甲医院的需求。基层医疗机构面临的问题，医生少，日常工作也很繁重。虽然面临的疾病比如常见病，琐碎的事务也很多，但基层医疗机构有家庭医生签约服务的压力，每个人要签约一两千个居民，这个数量是服务不过来的，并且居民对于家庭医生签约服务也有一定的需求或者要求，服务能力是达不到的。 对于基层医疗机构来使用AI医疗产品的特点。一方面通过AI的产品，病历生成、智能随访包括智能健康档案来帮助他做日常琐碎流程性的工作，也希望通过AI产品来帮助他服务患者。在院外服务患者对于三甲医院，协和这样的医疗机构需求不是很大，更多聚焦于解决院内的效率问题。 张戈： 不同医生群体有自己不同的诉求，我们通过解决他的需求，提升他工作效率，让他对AI产品有更好的接受度，这里面有没有遇到过比较抵触使用AI产品的场景，您这边怎么让一线的医护人员更加接受，这一块有没有经验？ 韩旭： 这也是一个很重要的卡点，医护人员对很多新的工具一开始是抵触、观望的，有几种原因。第一个他会担心给自己增加负担，他需要学习、操作，医生工作站里的系统很多，HIS、EMR等系统，他要切换系统非常麻烦。第二个风险，生成的内容有问题会给他造成一定的风险。从几个方面入手解决，第一个我们的产品尽量做到更贴合他日常的工作，不是强行绑定，尽量做到不打扰，等于跟他原有的系统是融合，不是需要单独学习、操作，降低在使用学习新系统的心理负担。 第二个在责任权责、界定，所有AI生成内容必须经过医生确认才可以发出的，他也可以随时修改，最终的决策权是在医生手里，他能对风险把控，这样会好很多。 张戈： AI辅助诊疗，提升真正医者工作的效率。 回到开场的问题，五年前AI医疗也火过一波，那时候讲的是AI辅助诊断、AI读片，今天左医科技您这边做的跟那时候相比核心区别在哪里，是技术能力变了，AI现在技术日新月异，应用场景随着时间的变化有变化，还是大家对医疗本身的理解有变化。 韩旭： 第一点对于医疗行业理解认知，AI医疗行业的理解认知发生了很大的变化，五年前，聚焦辅助诊疗，主要就想一下子切入诊疗环节，医疗诊疗是他的核心环节，通过技术，直接解决最难的问题，比如疑难杂症的辅助诊断，包括肿瘤治疗方案的推荐，专业壁垒最高的场景下，想在这上面发力，其实会面临很多问题，首先它的实现难度很大，医生也不太敢用，效果也不是特别好。现在更多的是大家逐渐认识到医疗，从医生角度日常工作来说，诊疗只是占用了其中很小的一部分时间，他在医院的大部分时间都是在处理文书类的病历、病史整理、随访、跟患者沟通，去做流程性工作、上报材料等工作占用了他很多时间。现在我们转变了思想，想去解决最核心的诊疗问题，转变为帮助医生来处理日常流程性、重复性、事务性工作，作为他的助手，帮助他把更多的时间用到真正的诊疗环节上，从场景上也会发生变化。之前大家都在做辅助诊断、影像识别病灶。现在诊前、诊中、诊后不同环节去做分导诊、预问诊、病例生成、疾病管理等。 技术发展很重要，在刚才说的两点基础上来帮助实现的，大模型技术成熟、具备多模态能力，从最开始只能处理文本到现在的图片、影像、语音等，让整个AI能够辅助医生做的服务工作，更多、更完善。 张戈： 从技术本身的演进再到我们做了这么多年业