医生最不缺的，是对临床问题的理解；最缺的，是把头脑里的东西变成工具的能力。通用人工智能平台HAIP让医生使用AI的门槛从“技术能力”变成了“临床理解力”。
没有一个人在创造智能体的过程中会把判断权交出去。“它始终是辅助临床决策，最终决定权永远在医生手里。”
智能体如果能推广，帮基层医生将风险把控好，不同医院层级之间的差距就有可能被拉平，大部分病人无需转院，就能在第一时间得到治疗。
医学越往前走，专科分得越细，一个医生的知识很难覆盖另一个专科的边界，这种背景下口腔科医生期待一个“全能口腔医生”。图为牙科诊室。视觉中国|图
田智慧一直记得那个捂着下巴，寻求帮助的病人。
“医生，我的牙劈了，疼得实在熬不住了，能不能拔了？”2025年11月，一位正在南方医科大学南方医院（以下简称“南方医院”）心内科住院，做过心脏支架，长期服用抗凝药的病人，专门跑到口腔科诊室询问能否拔牙。
接诊的口腔医学中心副主任田智慧开始的判断是必须拔牙，但听了病人描述病史后，却又犯了难——病人心功能怎么样、抗凝药用量多少，这些和拔牙直接相关的指标田智慧在系统里却查不到，因为当时门诊病历和住院病历并不互通。
田智慧拨通这位病人的管床医生电话，管床医生此时也有了疑问：这颗牙拔掉，创口有多大？牙疼的病人坐立难安，两位医生都站在自己的专业里，谁也拿不了主意。
这不是只有口腔科才会遇到的麻烦。其他临床科室的医生遇到跨学科问题需要咨询时，和田智慧遇到的困境几乎是一样的。医学越往前走，专科分得越细，一个医生的知识很难覆盖另一个专科的边界。
有没有办法，让病人不要在科室之间来回奔波，也给医生减减负？比如，在口腔科，如果有个“全能口腔医生”就好了：既懂口腔科，又懂心内科、麻醉科，不仅能实时调出患者全部资料，还能把指南和既往病例摆到手边供医生参考。
2026年，一个名为“口安平”的智能体方案在南方医院诞生了：口腔科医生可以实时提取患者住院期间的资料，并使用其内置的与心内科、麻醉科共同制定的六维度标准化风险评估模型，输出风险分级、耐受等级、复核意见、处置建议四类结构化结论。
口腔科医生再也不用困在一通交流病情的电话里了。而造出它的，不是算法工程师，不是IT部门，是南方医院的临床医生。
一群不写代码的医生，怎么把AI“手搓”了出来？
让AI使用门槛从“技术能力”变成“临床理解力”
“口安平”并非突发奇想的产物。
在南方医院，口腔医学中心的医生平时还承担给非口腔专业学生上课的任务，这门课虽然只有32个课时，内容却一直按口腔学科的脉络编排。听课的学生将来可能是内科医生、外科医生、法医或检验医生，他们需要的并不是在32个课时内学完所有口腔科知识。
“比如内分泌医生就想知道，一个糖尿病人同时需要处理牙周病，他需要做的和平时处置血糖正常的病人有什么不同？”田智慧说，多年来，他们先尝试数字化教学，随着AI兴起，又尝试用AI模拟教学场景，满足不同临床专科医学生的学习需求。
AI模拟教学迈出了第一步，但临床治疗涉及病人，则是另一个范畴。不仅是田智慧，南方医院肾内科主任医师谢迪、南方医院创伤骨科副主任医师王磊，在AI辅助医生工作上都曾动过心思。
以不少医院推行的电子病历系统嵌入CDSS（临床决策支持系统）为例，尽管CDSS能做一些基础的工作，比如药物相互作用警告、针对检验值异常弹窗、拦截抗生素超量等。但初代CDSS产品用着不太方便，不符合临床工作流程，还会增加医生工作量。“一旦触发CDSS报警，后续所有工作还是得靠医生人工识别来推进。”谢迪说。
谢迪一直从事临床研究，也搭建过全流程数据库，想着能不能做成一套自动化流程，直接嵌入到现有工作里。现实难题是，曾有医院想把“用4个临床指标筛出罕见病aHUS（非典型溶血性尿毒综合征）高危人群”这一步做在CDSS上，找外包技术公司，报价十万元，而这还只是一种罕见病诊治的第一步。
这就是医生使用AI的困境——医生最不缺的，是对临床问题的理解；最缺的，是把头脑里的东西变成工具的能力。
正是在这种背景下，2026年4月，南方医院联合华为发布的医院通用人工智能平台HAIP上线，其核心能力之一是NL2Agent——用自然语言生成智能体。NL2Agent通过智能体运行控制、多智能体协作与外部工具动态调用编排，将长上下文优势无缝转化为实际任务中的稳定记忆与精准推理，确保智能体能够理解更长链条的用户意图，极大提升复杂任务的完成率。
自此，医生使用AI的门槛从“技术能力”变成了“临床理解力”——医生不必把临床问题翻译成技术语言，用日常语言描述需求就能生成工具。南方医院院长孙剑打了个比喻：HAIP就像建一条高速公路，路修好后各家各户的车都能在上面跑。
田智慧说得很直白：“我们根本不用自己写代码，那是专业人士做的事。我们需要做的就是把临床需求描述清楚。”谢迪更一针见血：“以前这种开发工作都得交给IT公司来做，他们还未必能做出符合临床需求的效果。”
与时间赛跑，为病人打开“生之门”
医生就是与时间赛跑，与生命竞速。
以罕见病aHUS识别为例，aHUS是血栓性微血管病的一个亚型，它会让全身器官的小血管在短时间内形成大量血栓。急性发病时，患者有25%的概率死亡；若未及时救治，一半的患者会在一年内进展为尿毒症。
国内外专家的共识是，aHUS由补体异常激活导致，只要在发病7天内确诊并用上补体抑制剂，病情很快就能控制住。谢迪介绍，目前治疗aHUS的最大问题，已经从此前的没有特效药，变成无法及时鉴别确诊。
谢迪就遇到一位因为未能及时识别罕见病aHUS而遗留肾功能不全的孕妇。这位孕妇在孕后期突然肾功能急剧恶化、血小板急剧下降。产科医生召集了血液科、肾内科、ICU、麻醉科、风湿免疫科等多个科室一起会诊，但仍然无法在短时间内确诊aHUS。
谢迪指出，aHUS的特征很容易与其他疾病相混淆，该病人又处于妊娠期。医生一边要将她的病情与妊高症、HELLP综合征等疾病做鉴别，一边判断这个月份的孩子能不能保住、应不应该保。多个科室分别从各自专业角度研判，排除一个个疾病，最终还是没能将确诊时间控制在发病7天以内。最后，孕妇终止妊娠，尽管医生对症治疗，病人慢慢恢复了。但由于确诊太晚，加之当时还没有特效药，病人留下了慢性肾功能不全的后遗症。
可以说，每一例没有在7天之内确诊的aHUS患者，都面临着后遗症的风险。“所以我就想，能不能开发一个多学科会诊的AI智能体，从每个专科的角度帮我们梳理指标、解决分歧，缩短确诊时间。”谢迪说。
南方医科大学南方医院肾内科主任医师谢迪展示AI智能体。受访者供图
HAIP平台发布后，谢迪团队把此前诊断aHUS的经验统统喂给AI智能体：先用肌酐快速上升、LDH快速上升、血小板下降、贫血这四个简单指标筛出高危患者；再进行触珠蛋白、外周血涂片等进一步检查；出结果后再次感知、研判、评分，很快给出是否高度怀疑aHUS、要不要转诊、要不要尽快启动补体抑制剂的结论。
同样与时间赛跑的还有王磊所在的南方医院创伤骨科环骨盆损伤治疗团队。
2026年初，王磊接诊了一位在家摔伤的95岁老人。当地医院确诊髋骨骨折后，考虑到老人有脑缺血病史，不敢开展手术，转诊至南方医院时，已过了国家针对高龄老人髋骨骨折诊疗指南中提到的48小时黄金手术期。
入院时，老人已出现早期谵妄。创伤骨科做了镇痛，看到病人状态好转，赶紧安排第二天早上手术。可当晚老人的病情就急转直下——48小时没动弹过的下肢股浅静脉已经产生了血栓，当天夜里老人就发生肺栓塞，转入ICU。虽然人是抢救回来了，可家属考虑到超高龄，最终选择放弃治疗，带老人回家。“如果在48小时内手术，血栓还没形成，结果可能完全不一样。”王磊说。
王磊发现，高龄老人基础疾病多，做手术前需要多学科会诊，但髋部骨折大多是意外跌倒导致，两者之间总有时间差。为解决这一痛点，老年髋部骨折智能体团队在HAIP平台上对接了神经内科、心内科、血管外科、麻醉科、呼吸内科，科室的康复医生和护士长也全程参与。在智能体的加持下，病人一进诊室，数据采集完成，智能体自动响应，直接提示哪几个科室需要提前介入、哪些风险较高，加快会诊速度。
南方医科大学南方医院创伤骨科副主任医师王磊介绍智能体的使用。受访者供图
现在，老年髋部骨折智能体90%的数据来自专业核心数据库——诊疗指南、前沿文献、专家共识、手术操作规范、影像评分标准；当问题很基础，或者专业库检索不到时，才调用通用大模型，回答做到了毫秒级响应。针对多次就诊的病人，智能体还能直接调出历史检查和指标趋势图，避免医生在看海量病历时遗漏重要信息。
“智能体是辅助临床决策，最终决定权永远在医生手里”
不同的智能体，解决的都是医生在临床上多次遭遇的痛点。口腔科让跨科室沟通不再是鸿沟；肾内科加快aHUS罕见病患者确诊速度；创伤骨科让多学科会诊从“病人等医生”变成“医生等病人”。
三个团队，三个科室，没有一个医生是先学会编程再来干这件事的。他们的共同动作是：把多年来攒下的临床经验和遭遇的痛点，用自然语言说给人工智能平台HAIP听。
在依靠工具的同时，医生也不约而同给智能体加了“刹车”。
肾内科给智能体划了边界：知识库只喂权威文献、指南和病例，产生的争议最终交给医生拍板。为了确保准确，aHUS罕见病智能体上加了两样东西。一是人机对话：智能体给出结论后，医生若有疑问，可以直接用自然语言追问，智能体会再研判一次。二是“记忆飞轮”：专家对每一例结论的确认或修正，连同整个互动过程，都会被智能体分析吸收，进一步提升准确性。
创伤骨科则加了多步人工校验。除了关键节点没有医生确认，流程走不到下一步，还留了专家意见入口，医生可随时修订AI的输出并标注原因，反哺给模型；口腔团队则守着更新权：新的诊疗规范要由临床医生发现、总结，形成指南和共识之后再喂给AI。“AI不可能自己凭空产出一个专家共识。”田智慧说。
“智能体本质上就是工具。盲目依赖工具肯定会带来难以预估的不良后果，但如果能清晰认识到它只是辅助工具，用它来学习、查阅资料，那就是一件好事。”王磊打了个比方，把智能体与人脑之间的分工比喻成“计算器和珠心算”。谢迪则把智能体当成“高级秘书”：“临床医生必须掌握基础理论、完成基础培训，否则你没法判断AI给出的结果对不对。但反过来，AI也可以加速培训的过程，用海量的模拟病例、模拟场景让年轻医生迅速成长，高年资医生也可以跨科室学习。”
没有一个人在创造智能体的过程中会把判断权交出去。“它始终是辅助临床决策，最终决定权永远在医生手里。”
“打破专科壁垒，让数据多跑路，让患者少折腾”
AI辅助医生提高效率和准确性，但不取代医生——这几乎成了三个团队的共识。
医生没有变成程序员，也没有打算变成程序员。他们只是通过HAIP平台，从“工具使用者”变成了“工具创造者”。一个个医生“手搓”的AI智能体，正在给医疗创造价值。
在教学方面，让AI扮演口腔科医生，学生扮演某个专科的医生模拟会诊；利用智能体中的病例库让年轻医生大量接触贴近真实的罕见病诊疗场景；通过智能体提供更多真实世界病例，让年轻医生在为老年骨折患者会诊时不再保守……这些训练，不仅锻炼了医生，也在未来诊疗场景中给病人更多助力。
在临床研究中，肾内科团队的计划是，智能体以后能在全院系统里第一步就筛查出aHUS这类罕见病的高危人群，避免病人在确诊前就失去完全康复的机会。
“假设这个AI智能体未来投入临床，它能把各个科室临床医生零散的、为数不多的诊疗经验聚合起来，变成可以复用的经验智慧，让未来罕见病的诊疗也能像常见病一样有成熟可复用的经验传承，最终实现‘让罕见病不再罕见’。”谢迪说。
田智慧则希望，利用智能体为医生在跨学科诊疗，甚至跨医院诊疗中做有效的信息补充。“‘口安平’的第一步是解决现在医院各学科之间的壁垒，未来也许还可以打破医院之间的壁垒，让转院的病人也能更快速得到应有的治疗。这是系统性工程，还要考虑患者隐私、医学伦理等问题，需要更高层级的介入。”
王磊的设想更大。由于髋部骨折手术对于骨外科医生而言并不难。基层医生不愿意给摔伤的老人做手术，往往是担心围手术期的综合管理：老年人身体储备差、代偿能力弱，往往合并多种基础疾病，这些问题不解决，基层医生不敢拿起手术刀。王磊说，目前他所在团队搭建的智能体如果能推广，帮基层医生将风险把控好，不同医院层级之间的差距就有可能被拉平，也能让大部分病人无需转院，在第一时间得到治疗。
智能化诊疗流程全景示意图。资料图片
也正是在前期成功实践基础上，在最近由南方医院联合华为主办的首届“智创未来·医路同行”智能体大赛上，皮肤科、肝脏肿瘤中心、创伤骨科、泌尿外科、神经内科等科室依托南方医院联合华为发布的医院通用人工智能平台HAIP，共提交了百余个项目，覆盖辅助诊疗、管理优化、科研创新、医疗教育四大方向。HAIP的低门槛开发能力、全域数据融合能力、多智能体协同能力，为临床科室提供了强大赋能。以往开发一款医疗AI应用往往要耗费数月，而依托HAIP平台，临床医生几天内就可以完成应用原型搭建。
“专科分得再细，患者仍是一个完整的人。打破专科壁垒，让数据多跑路，让患者少折腾——这就是我们做这件事的全部初衷。”田智慧说。
