春节前医疗圈发生了三件看似无关、实则紧密相连的事：
2月3日，全国卫生健康规划信息工作会议在京召开，明确提出2026年要“深化数智健康服务应用”，全面推进实施健康优先发展战略。
同一天，武汉协和医院发布了11个医疗智能体，刷新全国医院单次发布纪录。
超声AI平台收录370余万份病例、超5亿张影像，感染智能体诊断一致性超92%。
还是同一天，天津卫健委发文：严禁AI自动生成处方，处方必须由接诊医师本人开具，病历保存不少于15年。
一边是政策鼓励、技术爆发，一边是监管收紧、红线明确。
对医院管理者来说，2026年的AI之路，到底该怎么走？
一、政策在喊“快跑”：数智化从加分项变硬任务
2月3日的全国卫健规划信息会，给2026年定了几个调子：
编制实施卫生健康领域“十五五”规划，科学确定医疗卫生资源配置标准，完善卫生健康服务体系建设。
数智化不是锦上添花，而是体系建设的核心组成部分。
北京的动作更快。
1月中旬，北京市卫健委发布行动计划，目标很明确：
到2027年，建成“需求精准对接、数据高效流通、技术快速转化、生态协同发展”的AI产业支撑体系。
政策的核心原则是“需求牵引，场景驱动”，优先开放辅助临床诊疗、基层卫生和健康管理等核心场景。
数据层面也在动。
2026年底前，北京要实现，全市二级以上医疗机构门急诊、住院电子病历及医疗影像等数据，全面接入全民健康信息平台。
数据是AI的燃料，当数据开始互联互通，AI的能力就有了更大的发挥空间。
政策鼓励的背后，是医院的现实压力。
有院长私下说：“以前搞AI是加分项，现在搞AI是生存项。”
二、协和已经跑到哪了
2月3日，全国首家政医共建的“未来智慧医院融创中心”，在武汉协和医院挂牌成立。
这个中心，由武汉临空港经济技术开发区与协和医院联手打造，是一个集“政、产、学、研、用”于一体的区域性、开放式创新平台。
当天，协和医院一次性发布了UNION-AGENT系列共11项医疗智能体，涵盖检验检测、影像分析、合理用药、慢病管理、智慧教学等多个领域。
这些智能体能干什么？
临床药学Ipharm智能体，分为R/E/M三大系列。
R系列主攻药物研发，构建19个通用智能体，覆盖从早期研发到临床试验的关键环节；
E系列主攻药学教育，以标准虚拟病人为载体，打造新一代药学教育智能体；
M系列主攻临床用药辅助，能快速制定个性化患者的药学监护方案和用药推荐优化。
超声AI大数据平台，是国内目前规模最大、覆盖疾病谱最广泛的超声数据资源库，共收录370余万份病例、超5亿张影像数据。
依托该平台自主研发的超声AI大模型“UltraUnion”，在全身70种常见疾病诊断中表现出色。
前瞻性实验表明，该模型在乳腺结节、甲状腺结节等疾病诊断中，性能媲美高年资超声医师水平。
感染智能体，是国内首款感染病全流程AI智慧诊疗系统。
经全国多中心超万例病例验证，无病原学结果时诊断一致性超92%，有病原学结果时达100%；
智能体与医生的诊疗建议一致性达95%；
病历生成5秒内完成，指南检索提速90%，科研随访效率提升10倍。目前已在70余家医疗机构应用。
教学智能体，已在院内54个临床教学科室投入使用，累计处理病例超10000份，使教师重复性批改负担降低40%，学生病例书写质量平均提升20%。
这些数字很亮眼，但有院长说：协和能做到，我们学不来。
学不来是正常的。协和的超声平台积累了5亿张影像，不是一天做到的，是十几年如一日的积累。
教学智能体批改负担降低40%，是因为找准了教师最头疼的重复劳动。
学不来的前提下，能从他们身上学到什么？
答案可能是：从痛点切入、从数据积累开始、从人机协同入手。
三、天津的红线划在哪
就在协和发布11项智能体的同一天，天津发文：严禁AI自动生成处方。
这不是天津一家的动作。北京、上海、福建、湖南等多地已陆续出台类似禁令。
为什么各地密集出手？
核心在于责任归属。医生的处方权兼具法律效应与责任属性。
医生开具处方，不是简单的病症判断，而是综合患者年龄、性别、体质、病史等多重因素，结合多年临床经验作出的专业决策。
这份处方背后，是医生为患者医疗安全提供的直接保证。
反观AI生成的处方，核心依托于数据算法。
一旦出现数据偏差、信息出入等不可控因素，极易导致诊断结果和治疗方案出现偏差。
更关键的是，目前对于AI自动生成处方引发的医疗问题，尚未形成清晰的责任归属判定标准。
天津的规定很具体：处方应由接诊医师本人开具，在线开具的处方必须有医师电子签名，经药师审核合格后方可生效。
为低龄儿童（6岁以下）开具互联网儿童用药处方时，需确认患儿有监护人和相关专业医师陪伴。
同时，互联网诊疗的病历记录，需按照门诊电子病历管理，保存时间不得少于15年，诊疗中的图文对话、音视频资料等过程记录保存时间不得少于3年。
天津的规定里，有一句话值得反复读：处方由接诊医师本人开具，在线开具的处方必须有医师电子签名。
AI可以用，但不能替你签这个字。出了事，担责的还是你。
对管理者来说，这意味着引入AI时，责任认定机制必须前置想清楚。
四、AI落地的四道坎
政策在推，医院在跑，监管在收。但真正落地，还有四道坎要过。
第一道坎是数据。
HIS、LIS、PACS等信息系统数据标准不一、结构化程度低，导致AI训练数据质量参差不齐。
医疗数据高度敏感，共享与脱敏技术尚未成熟，合规成本高昂。
有医院信息科长算过一笔账：要把全院数据清洗到能用的程度，至少要三个人干半年。
第二道坎是适配。
模型泛化能力不足，不同医院病种分布、诊疗习惯差异大，通用模型难以满足个性化需求。
医生对“黑箱”AI的信任度低，需要可视化证据支持。
第三道坎是流程。
AI工具与电子病历等系统整合不深，额外操作增加医生负担。
AI误诊责任界定模糊，法律与伦理框架有待完善。
第四道坎是投入。
临床医生缺乏AI素养，技术团队缺少医学背景，跨学科协同机制缺位。
硬件采购、系统运维、能源消耗等综合投入巨大。
这四道坎，哪道最难？如果让管理者选，大部分人会说数据最难。
但真正决定成败的，可能是最后一道：生态。
跨学科协同、技术团队与临床团队的磨合，才是最难复制的。
五、对管理者的四个提醒
回到开头的问题：2026年，医院的AI到底怎么用？
第一，明确边界：AI是助手，不是医生。
天津的禁令、协和的实践，都在传递同一个信号：AI的价值在于辅助，而非替代。
医生主导、AI赋能的人机协同机制，是必须坚持的原则。
AI可以提供可解释、可追溯的决策支持，但最终决策权在医生手里。
边界不清，是法律风险。
第二，找准切口：从痛点入手，不贪大求全。
协和一口气发11个智能体，是因为他们有多年积累。
对大多数医院来说，更现实的路径是，从一两个痛点切入。
比如病历内涵质控、教学负担减轻，都是刚需。
如果觉得AI离你还远，不妨看看协和超声平台的5亿张影像——那是十几年的积累，不是一天做到的。
你现在开始积累，几年后也能有。切口不准，是投入风险。
第三，守住底线：数据安全和合规是第一位的。
天津规定病历保存15年，协和坚持本地化部署、数据可追溯，都在提醒一件事：
数据安全和合规是底线。
引入AI系统时，数据存储在哪里、谁来管理、如何脱敏、如何追溯，这些问题必须在前期想清楚。
底线不守，是合规风险。
第四，建立机制：配套制度比技术更重要。
北京的政策强调，要秉持包容审慎原则，遵循伦理规范，保障患者的信息安全和生命健康安全。
这意味着，引入AI不是买一套系统就完事，而是要同步建立配套的管理制度：
人员培训、质量控制、责任认定、应急处置，这些都要跟上。
机制不建，是管理风险。
2月3日同一天发生的那三件事，给出了2026年AI之路的三个坐标：
政策定调告诉你“必须走”，协和狂奔告诉你“能跑多快”，天津刹车告诉你“不能乱跑”。
医院的AI之路，就是在三个坐标之间找到自己的那条线。
快多少，慢多少，全看自己的底气和边界。
四道坎，四个提醒。每一道坎都有医院在过，每一个提醒都有医院在踩。
你的医院现在在哪道坎上？最应该先迈哪一步？欢迎在评论区聊聊。
AI是工具，不是医生。工具可以辅助诊断，但不能开处方；可以生成病历，但不能签字承担责任。医生要对患者负责，AI对谁负责？
这个问题想清楚了，AI的路就走通了。
发表评论 取消回复