——从“三位一体”智慧医院到 AI 原生医院
评价体系重构 · 技术底座跃迁 · 未来十年路线图
发布机构：健澜科技·数智医疗研究院 ｜ 2026 年 11 月 ｜ 仅供行业交流
本蓝皮书结构导览
卷首语 · 摘要 全书八个核心判断，一页读完
第一章 时代坐标 十五年三次跃迁，“十四五”收官盘点——回答“我们从哪里来”
第二章 四套标准逐条拆解 电子病历、互联互通、智慧服务、智慧管理——回答“考什么”
第三章 2027 新标准与“四标合一” 六大结构性变化与风险画像——回答“变什么”
第四章 技术底座 云原生微服务＋HIS/EMR 一体化＋三中台——回答“凭什么”
第五章 医疗大模型与智能体 三层供给、L0—L4 阶梯、医生个人智能体——回答“长什么”
第六章 标杆案例研究 八组脱敏案例——回答“别人怎么干”
第七章 专家研判 十条脱敏判断——回答“他们怎么看”
第八章 行动路线图 2026—2030 倒排工期与投入结构——回答“怎么办”
第九章 结语 未来十年的技术引擎；附录 A/B 速查表与术语表
2026 年是中国医院信息化史上值得标记的一年：“十四五”刚刚收官，运行多年的智慧医院“三位一体”评价体系进入收官阶段；国家卫生健康主管部门公开释放信号：电子病历分级评价、智慧服务分级评估、智慧管理分级评估与互联互通标准化成熟度测评，拟整合为统一的《数智医院建设与应用评价标准》，并计划于 2027 年全面启用。
这不是一次简单的标准换版。评价导向从“系统功能有没有”转向“全院数据通不通、用得好不好”；据 2026 年全国智慧医院大会公开信息，信息安全与全链路信创将从加分项变为参评的入场券，人工智能有望从锦上添花变为高等级的刚性门槛。旧逻辑下的突击采购、临时部署、纸质台账迎评，将在新标准面前全部失效。
与此同时，“十五五”大幕开启。国务院印发的《国民健康“十五五”规划》把全民健康数智化建设单列部署；“人工智能＋医疗卫生”八个方向二十四项重点应用给出了 2027 年与 2030 年两张时间表；医疗大模型、智能体、医生个人智能体正在从新闻热词变成诊室里的日常。
本蓝皮书试图回答三个问题：过去十五年，我们的评价体系把医院带到了哪里？2027 年的新标准究竟改变了什么？未来五到十年，支撑公立医院高质量发展的技术引擎应该长什么样？全书基于公开政策文件与行业实践整理，全部案例均已脱敏处理。同时郑重声明：本蓝皮书编写方为医疗信息化解决方案提供方，书中主张的架构方向与编写方业务相关；文中观点代表编写组立场，市场上存在多种可行技术路线，读者应结合自身基础独立判断，本蓝皮书不构成任何形式的投资或采购建议。
判断一：“十四五”期间，智慧医院建设的“及格线”已经全面拉齐——2023 年度全国三级公立医院电子病历应用水平平均达到 3.98 级，4 级及以上占比 87.99%；但高等级仍是少数派的竞赛，截至 2025 年 9 月，全国电子病历 5 级及以上机构累计仅 469 家，智慧服务 3 级及以上医院六年累计仅 122 家。金字塔的塔尖依然陡峭。
判断二：《数智医院建设与应用评价标准》拟于 2027 年全面启用，“四标合一”有望终结多头迎评，同时意味着任何一套系统的短板都会直接拉低整体评价。评价单元从“系统”变为“医院整体数据能力”。
判断三：在信创要求持续收紧的趋势下，核心业务系统的全栈国产化正从“要不要做”的选择题，变为“何时完成、如何真替真用”的优先题；据大会公开信息，信息安全与全链路信创拟成为参评前置条件，具体要求以主管部门正式发文为准。
判断四：传统单体架构 HIS 已经触及天花板。“老、堆、孤、切、吸”五种结构性债务，决定了升级的方向必然是云原生微服务＋HIS/EMR 一体化＋三中台（数据中台、业务中台、AI 中台）。
判断五：数据中台是新标准的数据证据链，业务中台是流程闭环的能力源，AI 中台是高等级评价的智能引擎。三者不是三套产品，而是一个底座上的三个能力面，割裂采购任何一块都会导致“飞轮转不起来”。
判断六：“十五五”期间，医疗 AI 的主战场是任务型与协同型智能体（L2—L3）。医院应当把预算从“买功能”转向“养智能体”，把考核从“上线率”转向“采纳率、有效率、数据质量”。
判断七：医生个人智能体（数字分身）是未来五年最具想象力也最具争议的方向。它让顶级专家的经验可复制、可传承，但必须在“医师最终决定权、备案与可追溯、数据分级授权、临床验证与安全监测”四条红线之内生长。
判断八：投入结构必须重构。行业实践建议：云原生底座与信创约 30%、数据中台约 25%、AI 中台与智能体约 25%、安全合规约 12%、人才与运营约 8%。继续把钱砸在机房和许可上的医院，将在 2027 年的评价中付出结构性代价。
如果把 2010 年原卫生部启动电子病历试点、2011 年发布电子病历分级评价试行标准作为起点，中国医院信息化在十五年里完成了三次跃迁。第一次跃迁（2011—2018）是数字化奠基：HIS、LIS、PACS、EMR 在各级医院全面铺开，解决了“从无到有”。第二次跃迁（2018—2025）是“三位一体”智慧医院建设：2018 年，《电子病历系统应用水平分级评价管理办法（试行）》和《电子病历系统应用水平分级评价标准（试行）》（国卫办医函〔2018〕1079 号）出台，把电子病历系统应用水平分级评价（以下简称“电子病历分级评价”）划分为 0—8 共 9 个等级；此后智慧服务（2019 年）、智慧管理（2021 年）两个分级评估标准体系相继发布，而互联互通标准化成熟度测评早在 2012 年即已启动试点——“智慧医疗、智慧服务、智慧管理”三位一体加上互联互通，构成了“十四五”时期智慧医院建设的四梁八柱。第三次跃迁（2026 年起）是数智医院：评价体系四标合一，建设逻辑从“有没有系统”转向“数据好不好用、智能长不长得出来”。本蓝皮书所称“AI 原生医院”，即数智医院的高级形态——智能不是外挂应用，而是与业务流程同源生长、随数据持续进化。
三次跃迁的背后，是同一句话的三种说法：第一次解决“记录”，第二次解决“连接”，第三次解决“智能”。每一次跃迁，都会重新分配医院信息化的钱、人和注意力。三次跃迁的完整脉络见图 1。
盘点“十四五”收官时的公开测评数据，可以概括为“及格线全面拉齐、高等级依然稀缺”。根据国家卫生健康委三级公立医院绩效监测口径，2023 年度全国三级公立医院电子病历应用水平平均达到 3.98 级，4 级及以上占比 87.99%，较上一年度提升 4.96 个百分点；二级公立医院平均 2.90 级。这说明“全院信息共享、初级医疗决策支持”这一 4 级门槛，在三级医院已经基本完成。
但高等级是另一番景象：截至 2025 年 9 月，全国累计仅 469 家医疗机构电子病历达到 5 级及以上；2024 年度新增 5 级 77 家、6 级 17 家。患者服务侧的差距更大：2019 年至 2024 年，全国累计仅 122 家医院通过智慧服务三级及以上评估，其中四级及以上仅 7 家；2023 年度参与评估的医院平均等级仅 0.59 级，三级医院平均也只有 1.07 级。互联互通侧，五级乙等是当前医院侧实际可获得的最高等级（五级甲等迄今获评机构极少），2023 年度全国仅 17 家医院获评。相关数据汇总见图 2。
这组数据透露出两个事实。第一，从 4 级到 5 级是一次“性质跃迁”：4 级解决的是“全院信息共享、数据口径统一”，5 级要求的是“全院统一数据管理、统一数据字典，并具备中级医疗决策支持能力”——前者是工程问题，后者是治理问题，这也是为什么真正跨过这道坎的机构至今仍是少数。第二，高等级评价的稀缺性意味着，在 2027 年新标准下率先跨过高门槛的医院，将获得显著的政策与品牌红利。
在数据之外，行业更普遍的问题藏在结构里。综合各地实践，可以概括为五个失衡：
其一，建设强、应用弱。不少医院为评级建设了集成平台和数据中心，评级过后应用寥寥，出现大量“哑巴系统”——数据接进来了，业务从来不用。其二，临床强、运营弱。医疗侧系统投入远高于运营管理侧，业财割裂导致 DRG/DIP 支付改革下的成本管控常常“看不见、算不清”。其三，院内强、区域弱。院内闭环基本建成，跨机构调阅、检查检验结果互认在多数地区仍是“最后一公里”。其四，投入强、人才弱。多地信息中心的反馈反复提示：仅靠一个信息科，建不起智慧医院；既懂临床又懂数据的复合型人才全面短缺。其五，系统强、数据弱。系统数量动辄五六十套，但数据标准不一、质量参差，AI 时代需要的“高质量数据集”供给严重不足。
这五个失衡，正是 2027 年新标准要“纠偏”的对象，也是本蓝皮书后续所有技术主张的出发点。
要理解 2027 年的新标准，必须先吃透旧标准。这一章按四套标准逐条拆解其框架、关键条款与真实门槛，供医院对标自查。
依据国卫办医函〔2018〕1079 号文件印发的《电子病历系统应用水平分级评价管理办法（试行）》与《电子病历系统应用水平分级评价标准（试行）》，电子病历系统应用水平划分为 0—8 共 9 个等级，覆盖 10 个业务角色、39 个评价项目，从系统功能实现、有效应用范围、数据质量三个维度综合评估。每一级别的核心内涵如下表：
评价规则中有三个硬指标，外加一条前置条件：基本项目的有效应用范围须超过 80%、数据质量指数须超过 0.5，选择项有效应用范围须超过 50%，同时须满足前序所有级别要求才能达标。换言之，电子病历评价从来不是“功能考卷”，而是“应用与数据质量的考卷”——功能上线只是入场，用得深不深、数据准不准才是分值所在。
5 级与 6 级是行业公认的分水岭。5 级要求实现“数据找人”——全院统一数据管理后，系统能够主动推送危急值、过敏史、配伍禁忌等风险提示，从“记录工具”转变为“诊疗助手”。6 级则要求关键医疗业务全流程闭环管理，并依托全院级多维知识库提供实时数据核查与高级辅助决策。已通过 6 级评审的医院实践显示，通常需要建成药品、检验、检查、手术、输血、治疗、会诊、护理、病历质控等数十个闭环管理模块，才能支撑“诊疗全流程可追溯”。7 级、8 级的通过机构数量极少，具体以主管部门年度公告为准。
值得注意的是，国家卫生健康主管部门相关司局已启动对 2018 版标准的修订，起草了《智慧医疗分级评价方法及标准（2025 版）》并公开征求意见。据征求意见稿披露，核心变化包括：取消 0 级、精简为 1—8 级；业务角色调整为 12 个，新增“医疗管理”与“电子病历安全”两大角色；评价方法改为累积评分制（关键功能 5 分、推荐功能 3 分、可选功能 1 分），总分达到 80% 且全部角色达标方可通过，并引入“数据质量或有效应用率低于 80% 的条目记零分”的单项否决机制；5 级新增“区域信息可查”，6 级要求“区域信息引用与专科病历支持”。该文件尚未正式发布，但其方向与 2027 年新标准高度一致，可视为“四标合一”前的过渡性安排——即便单独印发，其评价逻辑也已并入新标准的方向：评价的重心正全面转向数据质量与区域协同。
依据《国家医疗健康信息互联互通标准化成熟度测评方案（2020 年版）》（医院侧测评），测评分为一级至五级甲等共 7 个等级，从数据资源标准化建设情况、互联互通标准化建设情况、基础设施建设、互联互通应用效果四个维度综合评价。四级甲等（等级分不低于 80 分）是绝大多数三级医院的现实目标，其核心要求可以概括为“三项建成、两项启动、一条刚性规范”：建成较完善的基于电子病历的医院信息平台，建成基于平台的独立临床信息数据库，提供基础的互联网诊疗服务；启动临床知识库建设，业务系统按临床服务、医疗管理、运营管理分类接入平台并逐步规模化；所有应用功能必须“基于医院信息平台实现”——异构系统点对点直连的模式，将被认定为不满足这一核心要求，直接影响等级判定。
数据标准是四甲决定等级的基础项：53 个电子病历基本数据集、58 个共享文档必须符合国家卫生行业标准，评审专家会逐字段校验。基础设施侧，存储须具备本地与异地备份能力，核心业务系统须完成等级保护三级定级备案与测评。五级乙等在四甲基础上要求法定医学报告及健康体检共享文档标准化、院内术语字典统一、与上级平台实现共享文档交互并提供较为完善的互联网诊疗服务；五级甲等进一步要求与上级平台实现术语字典统一与丰富的跨机构业务协同。截至 2023 年度，全国获评五级乙等的医院仅 17 家。
《医院智慧服务分级评估标准体系（试行）》于 2019 年发布，评估对象为应用信息化手段为患者提供服务的医院，评估结果分为 0—5 级，围绕诊前、诊中、诊后、全程服务及基础与安全等类别，考察预约诊疗、智能分诊、信息推送、费用结算、患者反馈等业务项目的信息化与智能化程度。0 级意味着未使用信息系统为患者提供服务；3 级要求实现跨部门跨系统的业务联动与数据共享；5 级则要求基于人工智能等技术提供全流程的智慧化患者服务。如前所述，六年累计仅 122 家医院达到 3 级及以上——智慧服务考核的从来不是“有没有开发一个 App”，而是患者全流程中有多少环节被真正重塑。
《医院智慧管理分级评估标准体系（试行）》于 2021 年发布，覆盖医疗护理管理、人力资源管理、财务资产管理、设备设施管理、药品耗材管理、运营管理、运行保障管理、教学科研管理、办公管理、基础与安全等类别，从功能与效果两方面评估，结果分为 0—5 级。其基本目标是确保医院人、财、物信息衔接一致，实现投入产出信息的闭环与资源调度的智能化：4 级要求主要管理系统之间通过数据接口实现数据交换并至少实现一项业务数据的核对与关联检查；5 级要求初步建立智慧管理信息系统，具备管理指标自动生成、管理信息集成展示、管理工作自动提示等决策支持功能。实践中的普遍短板恰在人财物打通；而业财融合，正是智慧管理从“中级联动”走向“高级决策”的关键。
把四套标准放在一起看，它们其实构成了一个完整的逻辑闭环：电子病历管“医疗生产数据”，互联互通管“数据按标准流动”，智慧服务管“数据服务患者”，智慧管理管“数据服务运营”。四者共用同一个地基——全院统一的数据平台与数据治理体系。
也正因为此，过去几年出现了值得警惕的“评级工程化”现象：把评级当项目、把平台当摆设，“突击式采购、运动式迎评”，评级通过后系统束之高阁。行业调研中亦普遍反映：部分医院核心系统架构老化、接口改造与集成成本高，客观上限制了医院的技术选择空间与新应用引入效率（上述结构性问题的成因涉及历史投入、建设模式等多重因素，不针对任何特定厂商）。这些积弊，正是 2027 年新标准重点修正的对象——这也是为什么行业普遍把“四标合一”视为十五年来一次系统性重构。
2026 年 7 月，全国智慧医院大会释放了明确的改革信号：2025 年度全国电子病历系统应用水平分级评价工作由国家卫生健康委统计信息中心承接（评价工作受托单位由医院管理研究所调整为统计信息中心），须于 2026 年底前全部完成，为运行多年的评价体系画上阶段性句号；电子病历、智慧服务、互联互通、智慧管理四套标准将整合优化为统一的《数智医院建设与应用评价标准》，计划 2027 年全面启用。截至本蓝皮书发布，该标准仍在研制中、尚未正式印发，具体条款以正式发文为准——但改革方向已定，医院的准备窗口只剩一年多。政策要点汇总见图 3。
据大会公开信息与征求意见稿整理，新标准将带来以下六方面变化（最终条款以正式印发文件为准）：
变化一：评价导向从“看系统”到“验数据”。新标准拟以真实业务数据作为核心评判依据，从系统功能、有效应用、数据质量等维度分别评分，考核精细度显著高于旧标准。突击采购、临时部署、纸质台账迎评将全部失效。
变化二：信息安全一票否决。自主可控、网络与数据安全拟作为硬性参评前置条件，容灾备份、数据安全、业务连续性不达标的机构将无法获得参评资格。安全从评分项变成了入场券。
变化三：全链路信创纳入红线。硬件、操作系统、数据库、中间件全环节拟要求原生国产化适配，“外壳国产、内核外源”式的界面换皮改造不被接受，据行业公开信息，未按期整改可能影响评价结果。
变化四：AI 应用成为高等级门槛。智能应用拟进入 7 级、8 级的刚性要求，AI 工具的实际使用率、临床落地效果将成为可量化的评价内容。这意味着“AI 挂在墙上”的医院拿不到高等级。
变化五：评审方式全面远程化。五级及以上拟取消线下现场审核，改为远程系统演示核验，评审全程留痕可追溯；据大会公开信息，官方平台向医院反馈审核意见的时限拟由 7 个工作日延长至约 1 个月，为整改留出更充分的时间。
变化六：电子病历版式文档国家标准落地。OFD-H 版式文档国家标准自 2027 年 4 月起实施，推动病历跨机构查阅与结构化提取，为检查检验结果互认与区域协同提供标准底座。
注：本表据公开研讨信息整理，最终以主管部门正式印发文件为准。
面对新旧切换，不同起点的医院应当走不同的曲线。基础型医院（电子病历 3 级及以下、未过互联互通四级乙等/四级甲等，简称“四乙”“四甲”）：2026 年集中完成“及格线”冲刺——4 级与四乙/四甲是任何新标准下都绕不开的地基，切忌等待观望。进阶型医院（已达 4 级与四甲）：2026 年完成 2025 年度评价收官，同步启动新标准试点申报，把预算重心转向数据治理、业务闭环补全与全栈信创摸底。领先型医院（5 级及以上）：直接对标新标准研制条款，把 AI 中台、智能体应用率、数据资产运营作为 2027 年首批测评的差异化竞争力。
综合新标准条款，以下五类医院将在 2027 年的测评中率先承压：一是“哑巴平台”型——平台建了、数据进了，业务从来不用，真实数据一验就露馅；二是安全欠账型——容灾演练缺失、等保未落实，可能直接丧失参评资格；三是换皮信创型——界面国产化但内核仍是国外技术栈，被红线直接拦下；四是 AI 展示型——大模型演示轰轰烈烈，临床使用率为零；五是孤岛重建型——为评级新建系统而未纳入统一平台，数据共享率不升反降。对照这五张画像自查，是 2026 年性价比最高的一笔投入。
如果说评价标准回答“考什么”，技术底座回答“凭什么考得过”。本章阐述未来数字医院的技术选型逻辑，并给出与新标准条款的逐项映射。
行业内部对传统 HIS 的批评可以浓缩为五个字：“老、堆、孤、切、吸”。老——大量医院仍在运行多年前的技术架构的单体系统，集中式部署、模块紧耦合，一处模块变更可能牵动全局，升级必须停机；堆——功能按需求碎片化堆积，缺乏系统性设计，系统臃肿、信息负载重；孤——各系统数据独立、标准各异，HIS 用一套编码、EMR 用另一套术语、影像系统另循专用接口，同一患者在不同系统中“各说各话”，信息孤岛与数据烟囱并存；切——操作体验割裂，医务人员常需登录多个系统、反复切换界面才能完成一次完整诊疗，病历书写耗时以十分钟计；吸——核心系统被少数厂商深度锁定，新增应用的接口改造与集成成本较高，医院的技术选择权与创新产品的准入通道双双受限。上述结构性问题的成因涉及历史投入、建设模式等多重因素，不针对任何特定厂商。
这五种债务叠加，直接拖累评级：数据标准不统一导致共享文档无法逐字段合规，点对点集成导致应用功能无法“基于平台实现”，数据质量差导致质量指数不达标——旧标准尚可勉强应付，新标准“验数据”的逻辑下将无处遁形。
未来数字医院的架构答案，是把医院信息化从“集成 N 个系统”重构为“复用一套能力”。具体形态是三层：云原生微服务底座＋HIS/EMR 一体化平台＋三中台能力层，之上生长智能应用，总体结构见图 4。
云原生微服务底座的价值在于“可演进性”：医院业务被拆分为可独立开发、部署、扩展的微服务，支持灰度发布、弹性扩缩容、零停机更新；单个服务故障不影响全局，系统迭代周期从“以年计”缩短到“以周计”。对于医院这种 7×24 小时不间断、业务高峰集中在上午半天的场景，弹性与故障隔离不是锦上添花，而是医疗连续性的底线保障。底层以国际医疗信息标准建模、以实时数据同步技术保证业务发生与数据落库的毫秒级一致，为后续一切数据应用争取“生而标准”的起点。
传统模式下 HIS 与电子病历常常分属两家厂商，“业务两张皮、数据多孤岛”是公立医院信息化长期痛点。一体化设计的关键不在于把两个界面拼在一起，而在于数据模型与业务流程的统一：医嘱、病历、检验检查、护理、费用共用同一套数据模型与术语字典，一次录入、全程复用、闭环可溯。这恰好是电子病历 6 级“全流程闭环管理”与互联互通四甲“应用基于平台实现”的架构前提。据公开案例披露，一体化平台下医务人员可在统一工作台一站式完成跨部门协同，新业务以组件组合方式快速上线，多院区共享同一套底座实现实时协同——有大型医疗集团的一体化改造实践显示，跨院区业务数据准备时间较传统模式明显缩短（个别实践披露缩短约 80%）。
数据中台通常是最先落地、也最容易被低估的中台。它的完整能力包括：湖仓一体的存储底座；临床数据中心（CDR）、运营数据中心（ODR）、科研数据中心（RDR）三大数据中心；覆盖规范性、一致性、完整性、及时性、关联性等维度的数据质量引擎；全院级主数据与术语字典管理；以及对上提供标准数据服务 API。头部医院的实践规模可以作为参照（详见第六章案例五）：西南某三甲医院将院内数十套核心业务系统数据在患者授权与脱敏前提下汇聚入湖，形成覆盖百万量级患者全病程诊疗档案的业财融合数据模型，支撑管理与科研的实时调用。
数据中台与新标准的对应关系最为直接：数据质量评分、跨系统共享率、AI 应用率——新标准的每一项数据指标，本质上都要求医院先有一个“能持续产出合格数据”的体系。没有数据中台，“验数据”式的评价无从谈起。
业务中台把医院高频复用的业务规则沉淀为共享服务：统一患者主索引与全院一张患者视图，统一医嘱与收费规则中心，统一支付结算，统一质控，统一预约调度。其价值在三个场景最为显著：多院区集团化运营（一套规则、多院执行）、DRG/DIP 支付改革下的业财联动（临床行为与成本数据实时勾稽）、以及业务创新加速（新服务像搭积木一样组合中台组件上线，避免重复开发）。业务中台也是智慧服务与智慧管理两个分级评估背后的真正引擎——患者侧的每一项跨系统服务联动、管理侧的每一项业务数据核对与关联检查，调用的都是中台能力而非某个系统的私有逻辑。
AI 中台解决的是智能能力的规模化供给问题。一个面向医院的 AI 中台通常包含四层：模型接入与纳管层——统一接入通用大模型、专科垂直模型与本地化部署的小模型，按数据敏感级与场景分级调度；知识与检索层——医疗知识库、临床指南、院内历史病例的检索增强生成（RAG）体系，给模型装上“证据底座”；智能体编排层——把模型、工具、业务接口编排为可执行任务的智能体，负责调度、记忆与多智能体协作；评测与治理层——提示词管理、效果评测、安全护栏与全程审计。
“嵌入流程”是检验 AI 中台成色的关键标尺：AI 在医生书写病历时自动质控、在开具医嘱时实时审核、在患者就诊前完成预问诊、在出院后自动随访——而不是一个需要单独登录、用完即走的聊天窗口。据公开披露，部分深度集成项目中 AI 的临床使用率可达较高水平（个别项目超过 90%），医护文书工作量显著下降。新标准拟将 AI 应用率纳入高等级评价，正是要把这种“嵌入式 AI”从最佳实践变成行业底线。
需要特别强调：三中台是同一个底座上的三个能力面，不是三套可以分别采购、分别建成的产品。没有一体化底座，数据中台收到的就是“生而不标准”的数据；没有数据中台，AI 中台就没有可用燃料；没有业务中台，智能体就飘在流程之外。三者缺一，飞轮转不起来。三中台与新标准的逐项映射见表格，其协同机制见图 5。
医疗数据高度敏感，患者病历、诊疗记录、医保信息一旦泄露或被“卡脖子”，后果严重。2025 年以来，医疗信创的重心正由外围办公系统向 HIS、EMR 等核心业务系统迁移，2026 年全栈信创标杆案例明显增多：一批省级与地市级医院先后上线一体化信创版平台，多家三甲医院完成“国产芯片＋国产操作系统＋国产数据库＋国产中间件＋国产终端”的全栈替换，先行医院已经从“能用”迈向“好用”；但整体仍处于点状突破、分批推进阶段，“真替真用”的规模化验证尚未完成。全栈国产化的难点从来不是单点性能，而是工程方法论——兼容性测试先行、专班攻坚、分批切换、新旧并行、应急回退，缺一不可。第六章的案例部分将给出多组可复制的实施细节与量化成效。
“十五五”时期医疗 AI 的政策坐标系由三份政策文件与一份行业研究意见共同锚定。国务院《关于深入实施“人工智能+”行动的意见》确立了总体方向；国家卫生健康委等部门 2025 年 10 月出台的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》明确了基层应用、临床诊疗、患者服务、中医药、公共卫生、科研教学、行业治理、健康产业八个方向二十四项重点应用，并给出两张时间表——到 2027 年，建立一批卫生健康行业高质量数据集和可信数据空间，形成一批临床专病专科垂直大模型和智能体应用，基层诊疗智能辅助、专科专病智能辅助决策和患者就诊智能服务在医疗卫生机构广泛应用，基本建成一批国家人工智能应用中试基地；到 2030 年，基层诊疗智能辅助应用基本实现全覆盖，二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等应用，标准规范体系基本完善。
国务院 2026 年 7 月公开印发的《国民健康“十五五”规划》将“推进全民健康数智化建设”单列部署：建设国家智慧健康检验检查结果跨省共享平台，推动电子健康档案首页数据向居民本人实时开放，推进紧密型县域医共体智能应用体系建设，支持医药行业高质量数据集与可信数据空间建设，有序推动数智技术在辅助诊疗、精准医疗、健康管理、医保服务、养老助残等场景的应用。医疗保障部门的公开署名研究文章则进一步提出，全球人工智能竞争正从算力与基础模型的“技术竞争”转向智能体的“场景竞争”，健康智能体有望成为引领医疗健康产业高质量发展的新引擎。地方层面，多个省区已出台“人工智能+医疗卫生”实施方案，将“通用模型＋专科模型＋场景化智能体”的大模型矩阵写入文件。
未来五年，医院侧的医疗大模型供给将稳定为三层结构。第一层：通用基座大模型。由少数头部企业持续迭代，医院通过纳管与本地化部署方式接入，作为推理底座；第二层：专科垂直模型。面向影像、病理、心电、重症、用药、医保等专科场景，以行业高质量数据集训练，是 2027 年政策明确要“形成一批”的形态；第三层：场景化小模型与智能体。轻量、专用、嵌入具体流程，如病历生成、报告预审、随访问答，通常由医院基于通用基座微调或以智能体编排方式实现。三层的经济学含义不同：基座层租用或共享，专科层共建共研，场景层医院自建自养。把三层混为一谈、试图“一个大模型包打天下”，是当前最常见的规划误区。据 IDC 预测，中国 AI 医疗应用软件市场规模将从 2025 年的约 35.4 亿元增长至 2030 年的约 140 亿元——增长的主力正是后两层。
为便于医院规划，本蓝皮书提出“医疗智能体自主度”五级参考框架（L0—L4）。L0 单点工具：影像识别、语音转写等孤立功能；L1 流程助手：病历质控、合理用药审查嵌入业务环节；L2 任务型智能体：能独立完成完整任务，如预问诊、智能随访、报告预审、医保质控；L3 协同型智能体：多个智能体协作并与医生个人智能体配合，跨科室、跨系统调度，例如多学科会诊的智能增强版；L4 自主诊疗网络：在授权范围内自主执行并持续进化，人机共诊成为常态。“十五五”期间，医院建设的主战场在 L2—L3：2026—2027 年规模化落地 L2，2027—2030 年攻关 L3；L4 属于科研与治理前沿，须在严格监管下小步探索。五级阶梯的完整划分见图 6。
医生个人智能体（数字分身）是当前最具想象力的方向：每位医生拥有一个学习自己诊疗逻辑、表达习惯与风险偏好的智能体，在诊前预问诊、诊中整理病历与提示、诊后随访中与自己并肩工作。前沿实践已给出机制层面的参照：据公开报道，高校研究团队已探索“虚拟诊室＋AI 患者”的高通量训练模式，在覆盖数十个临床科室的场景中构建数十万量级的虚拟患者，并与多家实体医院联合验证，医生整体诊疗效率与建议采纳率均有可观提升；有团队观察到，医生分身在与医生协同处理一定数量真实病例后，诊疗建议采纳率可稳定在九成左右。头部医院的规模化实践则详见第六章案例六与案例七。
数字分身的评价体系也正在成型：行业以采纳率（建议被医生接受的比例）、覆盖率（可由智能体承接的环节占比）、修改率（建议需医生实质改写的比例）、编辑率（仅需文字微调的比例）四个指标衡量“分身像不像医生”。这四个指标，未来很可能进入医院对智能体应用的内部考核，与“上线率”相比，它们衡量的是真正的临床价值。
同时必须划清边界：医师最终决定权不可让渡。当智能体与医生判断不一致时，决定权在医生；面向诊疗的智能体须完成备案与合规评价，未经确认不得直接触达患者；训练数据须严格脱敏授权，使用全程留痕。数字分身让顶级专家的经验可复制、可传承，但它复制的是“助手”，不是“第二个医生”。
医疗 AI 的建设模式正在发生一场安静的革命：从一次性项目交付，转向“平台＋订阅＋运营”。医院自建 AI 中台作为能力底座，模型与智能体按场景订阅或联合研发，持续运营由医院信息部门、临床科室与厂商三方共同承担。决定成败的不是模型参数，而是三件朴素的事：高质量数据集的持续供给、与业务流程的深度耦合、以及临床医生的真实参与——医生不买账的智能体，再先进也是摆设。多家头部医院的共同经验是：把智能体的立项权、评价权交给临床科室，把平台权、治理权留给信息部门，把模型能力交给厂商与联合实验室，三方各安其位。
行业研究者普遍提示的约束包括：数据标准不统一、隐私合规压力、高质量标注成本高企，以及医疗 AI 入院准入、医保衔接、付费保障机制尚不健全；数据安全、算法伦理与权责界定的制度体系仍需完善。对医院而言，可行的治理框架是“四条红线＋一套机制”：红线一，AI 不得替代医师作出最终诊疗决定；红线二，涉及诊疗的智能体须备案、须可解释、可追溯；红线三，训练与推理数据全程分级授权、脱敏留痕；红线四，AI 系统上线前后均须持续开展临床验证与安全监测。一套机制指院内伦理与算法审查的常态化——把审查做成流程，而不是做成会议纪要。
本章选取八组 2025—2026 年间的公开标杆实践，按“背景—做法—成效—可复制点—风险提示”的结构展开。依据行业脱敏惯例，所有机构名称、人物姓名均已隐去，仅保留必要的规模与地域模糊信息；本章涉及患者数据规模的表述均为聚合统计，不含任何可识别个人信息，相关数据的采集与使用均在患者授权范围内、经脱敏处理并全程留痕；数据均来自公开报道或机构披露，未经独立核验，仅供同行参考。
背景：该院是一家拥有四个院区的大型三甲医院集团，历史系统由多家厂商建设，多院区数据口径不一、协同困难。做法：以微服务一体化 HIS/EMR 为底座，实时对接数据中台与 AI 中台，完整建成 CDR、ODR、RDR 三大数据中心与多层智能体架构，四院区数据统一治理，AI 能力原生嵌入门诊、急诊与手术室场景。成效：通过电子病历六级评审，并在智慧服务、智慧管理分级评估中取得高等级；运营数据中心自动完成多院区经营分析，科研平台支撑数十项国家级临床课题。可复制点：“一体化底座＋三数据中心＋智能体编排”的完整路径证明，高等级评价与多院区协同可以共享同一套架构投资。风险提示：此类改造对顶层设计与长期投入要求高，宜分阶段推进、避免大爆炸式切换。
背景：该院将全栈国产化列为“一把手工程”，严格遵循省级技术路线，同步兼容两种国产芯片架构。做法：对 HIS、EMR、PACS、LIS 等三十余个核心业务系统实施全栈国产化替代，2025 年上半年系统全面上线，数十万条患者数据经授权并脱敏后平稳迁移。成效：常态化运行一年间未发生一次因底层技术导致的中断，门诊排队时间缩短约 20%，医保查询结算接近秒级，住院护士查询医嘱耗时从十几秒压缩至约 3 秒；相关模式已跨省输出至一家国家区域医疗中心。可复制点：“两芯兼容、真替真用、跨省复制”证明全栈信创在大型医院完全可行。风险提示：数据迁移与流程培训的工作量常被低估，须保留新旧并行与应急回退机制。
背景：作为省级医疗信创试点，该院于 2026 年年中正式切换上线全院级自主可控信息平台。做法：组建覆盖医疗业务、底层适配、数据库迁移、终端运维与临床培训的全链条专班，分层分类开展全员培训与全流程模拟演练，采取分批切换、新旧并行、应急回退策略。成效：挂号开单、电子病历、检验报告、医保结算等关键流程平稳运行，医护人员实现“无感切换”；据该院公开披露，同步优化就医流程后，预约就诊效率与取药等待时长均有两到四成的明显改善。可复制点：证明了中等规模医院在半年量级内完成全栈切换的方法论——先测试适配、再专班攻坚、后全员演练。风险提示：切换窗口应避开诊疗高峰，并预先与医保部门完成结算链路联调。
背景：该院日均门诊量近万人次、核心业务系统数十套，是国产化改造中业务复杂度最高的类型之一。做法：与应用厂商及基础软件厂商共建联合实验室，针对医疗场景的高并发、高可靠要求深度优化，将全院核心业务分阶段迁移至国产处理器与国产操作系统构成的云平台，并完成数十种医疗设备与数十类第三方系统的适配验证。成效：高峰时段并发处理能力达数百笔每秒，核心业务响应控制在秒级以内，达到大型三甲医院的性能要求。可复制点：“联合实验室＋性能实测”的生态协同模式，以及复杂异构环境的系统化适配清单，值得同类医院直接借用。风险提示：性能指标必须以真实业务峰值验证，不能以实验室环境数据替代。
背景：院内数十套业务系统来自不同厂商、不同年代，数据标准各异，数据孤岛问题突出。做法：以“一个数据湖＋两个中台（数据中台与 AI 中台，业务中台能力由一体化平台承载）＋三大数据中心＋N 个智慧场景”为数智架构，将 HIS、EMR、LIS、PACS 等数十个核心系统数据经授权汇聚入湖；参照国家标准建立覆盖规范性、一致性、及时性、完整性、关联性五维质控体系，持续清洗、结构化与脱敏；建立全院级主数据管理与数据资产目录，第三方应用按需授权、使用留痕、统一出口。成效：形成覆盖全院业务场景的业财融合数据模型，沉淀百万量级患者全病程诊疗档案，管理、医疗、科研、AI 全场景应用矩阵随之展开。可复制点：“聚、治、管、用”四步法与五维质控体系，是数据中台建设的标准动作分解。风险提示：数据治理是持续运营而非一次性项目，须设立常态化数据治理组织。
背景：该院选择由临床科室主导开发医疗大模型的路线。做法：围绕具体临床任务而非通用问答构建智能体，已形成四十余个覆盖门诊辅助、病历质控、科研支持等场景的临床智能体，并向外输出。成效：模型已部署至数十家社区卫生服务中心与三十余家医院，成为区域级医疗智能能力的输出方；医生从信息系统的“使用者”转变为“开发者”。可复制点：把智能体的定义权交给临床、把工程实现交给专业团队，是让 AI 真正贴合一线需求的组织机制。风险提示：医生主导开发需配套数据合规审查与统一技术框架，避免“科室级烟囱”。
背景：该院在医疗 AI 上选择“矩阵式”路线而非单一模型。做法：融合十余个通用模型与五十余个专科模型，构建医学文档智能体集群嵌入临床文书流程。成效：其病历文档智能体一年内生成逾百万份病历，为医生节省约三十万小时文书时间；病历书写时间从约二十分钟压缩至一分钟以内，内容准确率与质控准确率显著提升（据机构公开披露）。可复制点：通用＋专科的矩阵融合，兼顾了能力广度与场景深度；文书类智能体因风险低、收益明确，是智能体建设的首选切入点。风险提示：生成式文书必须保留医生审核确认环节，防止“AI 写、人不看”。
背景：该院打通 AI 中台与数据中台，推出面向临床医生的智能体自助开发工具。做法：医生仅需命名、撰写提示词、勾选合规数据三步，即可搭建专属智能体，操作门槛大幅降低。成效：工具上线一年，全院医护人员自主创建一百六十八个智能体，广泛应用于医嘱智能审核、临床试验患者筛选等场景。可复制点：低代码化＋合规前置，是智能体从“信息科工程”变成“全院能力”的关键设计。风险提示：须建立智能体注册、评测与下架的全生命周期管理机制，防止无序生长。此外，业内亦有医院将智能体用于病历自动解析与就诊科室智能纠错，把 AI 的价值落到可核算的经营指标上。
本章汇总近两年行业权威专家在公开场合、署名文章与媒体访谈中的代表性判断，按出处类型归并表述，不指明具体人物与单位。
研判一（监管侧）：评价体系正在从“建系统”进入“验数据”时代。2026 年全国智慧医院大会释放的监管信号显示，评价重心拟从“系统是否上线”转向数据质量与实际应用效果，坚持数据驱动、客观导向，同时为医院主动参与新标准试点开放通道。医院应当把“参与试点、影响标准”视为 2026 年的重要策略窗口。
研判二（监管侧）：人工智能在医疗应用的国际趋势与国内路径正在合流。据公开报道，主管部门研究机构围绕“十五五”医疗卫生强基工程并结合万余份基层调研数据指出，基层信息化投入、人才与安全存在明显短板，后续工作将围绕标准落地与试点推广展开——这意味着 AI 资源将加速向县域与基层倾斜，城市大医院需要提前思考与基层的智能能力协同。
研判三（医保侧）：全球竞争正从“技术竞争”转向“场景竞争”，健康智能体被定位为最有望建立国际竞争优势的赛道之一。业内研究认为，医保数据有望在合规脱敏、“可用不可见、可控可计量”的前提下，围绕经办、支付审核、基金监管、价格治理逐步探索有序开放，推动相关技术的规模化应用。
研判四（院长侧）：医院正在经历从信息技术时代到数据技术时代、再到人工智能时代的连续跃迁。“业务的数据化只是第一步，让数据反过来驱动业务，才是数智医院真正的门槛。”某通过高等级评价的三级医院管理者如此总结。
研判五（信息部门侧）：新标准下信息科的角色将从“运维保障”转向“数据运营”。多位三甲医院信息中心主任在行业会议上的共识是：评价远程化、数据驱动化之后，信息部门的核心资产不再是机房与系统账号，而是数据质量指标、智能体应用率与业务连续性能力——信息科需要设立数据治理与 AI 运营的专职岗位。
研判六（临床侧）：AI 是助手而非替代者。一线临床负责人的普遍态度是：当模型与医生意见不一致时，医生保留最终决定权；AI 的价值在于接手“不该由人重复处理”的环节，把时间还给医患沟通。同时临床科室也提醒，系统响应速度与易用性直接影响采纳率，“慢十秒的智能助手没人用”。
研判七（高校侧·技术）：医疗大模型落地的最大约束不在算法，而在数据。高校研究者指出，缺乏统一数据标准、隐私顾虑与高昂的标注存储成本，是医疗 AI 规模化最大的现实障碍；通用基座与专科模型长期共存将是常态，通用接口与通信协议因此愈发重要。
研判八（高校侧·前瞻）：“AI 医院”的试验性探索已经从概念走向真实诊室。高校研究团队提出“双空间自我进化”框架——虚拟医疗世界中智能体以远高于现实的时间流速完成高通量训练，现实诊疗空间中医生分身与真人医生伴生成长；约两百次真实交互后，分身与医生的判断相似度可超过九成。这一机制为医生个人智能体的训练与评价提供了方法论雏形。
研判九（产业侧）：据 IDC 预测，中国 AI 医疗应用软件市场将从 2025 年的约 35.4 亿元增长至 2030 年的约 140 亿元（见 5.2 节），智能体类应用是主要增长引擎；同时行业评价、资金、运维三线并变，“分散建设、各自评级”正转向“统一标准、集约投入、数据说话”，具备数据对接、信创适配与临床场景优化能力的供给方将占据主流。
研判十（区域治理侧）：数智化的终极目标是优质资源的均衡。多个省级实践提示：远程医疗协作网叠加 AI 辅助，是未来三到五年最现实的应用——基层检查、上级诊断，专科智能助手把三甲能力输送到县域医共体；但须同步筑牢数据全生命周期安全与伦理审查防线，明确健康医疗数据的归属与使用边界。
如果说前三章回答“为什么”、第四五章回答“用什么”，本章只回答一个问题：明天早上，院长该先做什么。完整路线见图 7。
第一，完成 2025 年度评价收官与差距自查：对照新旧标准条款逐条盘点，形成差距分析与整改优先级清单。第二，申报新标准试点：主动参与条文落地与问题反馈，抢占标准话语权。第三，启动数据治理专项：统一主数据与术语字典，建立数据质量看板，把质量指数变成月度指标。第四，摸底全栈信创：形成核心系统国产化替代路线图与分批切换计划。第五，搭建或升级 AI 中台：先选三到五个高价值低风险场景（病历文书、随访、医保质控、报告预审）完成闭环落地，建立智能体注册与评测机制。第六，补齐安全欠账：容灾演练、等保测评、数据分类分级，逐项销号。
2026 收官窗口：完成年度评价收官，启动架构与信创摸底，申报试点。2027 切换之年：参加新标准首批测评；云原生底座与中台改造进入深水区；AI 应用率纳入院内月度监测。2028—2029 深化运营：建设重心从“建”转向“营”——数据资产运营、智能体订阅与生命周期管理、多院区同质化、区域协同输出。2030 引领示范：对齐“人工智能+医疗卫生”2030 年目标，实现基层智能辅助全覆盖的院际协同与医院整体的智能原生运营。
与传统“硬件与许可合计占八成以上”的结构相比，建议的投入结构把约一半的预算投向数据与智能：云原生底座与信创约 30%，数据中台与治理约 25%，AI 中台与智能体约 25%，安全合规约 12%，人才培训与持续运营约 8%。结构比总量更重要——同样的预算，投向不同，2027 年的评价结果可能相差一个等级。
建议医院设立由院长挂帅的数智化转型委员会，明确“三个角色”：首席数字官统筹战略与预算；信息中心转型为数据与智能运营中心，增设数据治理、AI 产品经理与智能体运营岗位；临床科室设立信息联络员并赋予智能体立项与评价权。人才策略上，“临床＋信息学”复合型人才优先于纯技术人才；与高校共建联合实验室是低成本获取前沿能力的通道。
把全书的判断收拢成一句话：未来十年公立医院高质量发展的技术引擎，是“云原生一体化底座＋三中台＋医疗大模型与智能体”的乘积。底座决定了数据生而标准的起点，中台决定了能力全域复用的效率，智能体决定了数据价值回流业务的速度。三者相乘，而不是相加——任何一项缺席，医院都会在新标准的“验数据”逻辑下暴露短板。
评价体系十五年一变，变得从来不是标准本身，而是医院能力的定义。从“有没有系统”，到“系统好不好用”，再到“数据能不能用出智能、智能能不能回流业务”——每一次定义升级，都会淘汰一批逻辑陈旧的建设模式，也都会成就一批提前十年思考的医院。
2027 年不是一个截止日期，而是一次算账：过去十五年信息化投入攒下的家底，能不能在新标准下折算成数据资产、智能能力与患者可感知的就医改善？本蓝皮书给出的路线图，希望帮助每一家医院把这道算术题算清楚、算从容。数智医院的星辰大海，始于今天的一次架构选型。
注：《数智医院建设与应用评价标准》尚未正式印发，本行内容据公开会议信息整理，以正式发文为准。
免责声明：
智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
