医疗AI的应用边界正在从医院内辅助诊疗向医院外健康管理延伸。从出院随访、慢病管理到居家健康监测，AI技术正被用于连接医院诊疗数据、患者日常健康数据和医生干预流程，推动健康管理从医院延伸至家庭。近日，2026智源大会“AI+健康&医疗”论坛在京举办，中国经济网记者在现场注意到，多家医疗机构、高校科研团队及产业界代表围绕医学影像、临床智能体、慢病管理等主题分享了相关探索。
医院内AI应用持续深化
在医院内部，医疗AI较早实现规模化探索的场景主要集中在影像识别、病历结构化处理、辅助决策等环节。这些场景数据相对集中，医生工作流程较明确，也为医疗AI积累了较多应用经验。数坤科技创始人兼AI架构师毛新生介绍，国内医疗AI早期以肺结节筛查等单点影像应用为主，主要辅助医生提升影像识别效率。经过持续迭代，医疗AI已从单器官、单模态任务，扩展至跨器官、跨模态、多专科协同，逐步覆盖院内多个诊疗环节。
随着应用逐步进入更复杂的临床流程，医疗AI系统的稳定性、可控性与可追溯性成为落地重点。医渡科技技术创新副总裁李林峰在会上分享了可循证溯源医疗智能体的落地实践。他认为，医疗AI不能仅依靠大模型生成问答内容，还需要嵌入真实临床流程，在诊断、治疗、风险评估、病程管理等环节结合医学知识库、临床规则、患者真实数据及工具调用能力，适配医生的诊疗工作逻辑。李林峰以肿瘤分期场景举例，临床诊疗标准会持续更新，若缺少刚性规则约束，大模型容易混用不同版本的分期标准，导致结果不稳定、无法溯源；对此团队通过工作流编排、临床规则固化、诊疗来源追溯等技术机制，让AI系统按医院现行诊疗标准执行，提升输出稳定性和可追溯性。
AI探索补齐出院随访短板
患者在医院内完成诊疗后，仍需要长期随访、用药管理、康复指导和风险监测。中国经济网记者了解到，对慢性病患者而言，出院并不意味着管理结束，出院后的生活方式、指标控制和复诊依从性，都会影响长期健康结果。阜外医院吴永健团队在会上介绍，冠心病、脑卒中等心脑血管疾病患者群体庞大，且普遍伴有“三高”、不良生活习惯等高危因素，长期院外管理难度较大。据介绍，这类患者出院后血压、血脂、戒烟三项核心指标同步达标率仅约16%，出院后长期健康管理仍有较大提升空间。
针对这一问题，阜外医院团队同步介绍了其院外健康管理的布局与AI探索。该院自2009年布局线上远程健康管理，2021年完成“掌上阜外医院”等信息化体系升级；目前团队进一步依托AI技术，搭建冠心病院外智能管理体系。据介绍，该系统可同步患者院内诊疗数据，整合居家问卷、可穿戴设备采集的动态健康信息，建立个人健康档案，支持病情风险分层、个性化随访、分诊提醒等功能。目前，该项目已在全国30家医疗中心开展大样本随机对照研究，预计2027年完成阶段性验证。
除慢病随访管理外，出院后的康复服务供给也是院外健康管理的重要组成部分。讯飞医疗科技股份有限公司研究院副院长王静在会上表示，当前各级医疗机构存在出院康复服务供给不足的问题，医疗大模型可结合患者院内诊疗数据形成患者画像，在出院后提供用药指导、康复运动建议等服务，并在健康数据变化、指标异常或病情波动时提示医生介入干预。
AI家庭医生探索居家健康监测
如果说出院随访主要解决患者离院后的持续管理问题，居家健康监测则进一步把管理场景延伸到日常生活。家庭场景中的AI健康服务，既包括健康问答、用药提醒等交互功能，也需要与血压、血氧、心电等客观检测数据结合，才能更好反映患者真实健康状态。北京大学健康医疗大数据国家研究院助理教授洪申达认为，纯问答式AI服务无法满足居家健康管理需求，还需要客观、实时、连续的专业医疗数据作为支撑。
以居家心电监测为例，心电图是临床基础检查项目，但专业的波形解读门槛较高，难以走进普通家庭。针对这一落地难题，洪申达团队从数据采集、智能解读两端探索相关技术。在采集端，团队开发适配微信小程序的便携心电设备，用户按压手指数十秒即可完成检测；在解读端，团队尝试将单导联心电信号合成标准12导联心电图，辅助医生研判病情，并将复杂心电信号转化为“心脏年龄”（即用算法估算心脏的实际老化程度）等通俗易懂的健康指标。据悉，相关技术目前仍处于研究与临床试验阶段。
目前，相关医疗AI探索仍处于不同推进阶段。医疗AI要进一步应用于慢病管理、居家健康服务等场景，仍需更多真实临床数据与长期运行效果验证。（中国经济网记者 熊韦盛）
牛配资提示：文章来自网络，不代表本站观点。
