从 Hi医生、Hi护士、Hi小助，再往前走一步。

过去几年，和仁围绕临床、护理、患者服务和智能辅助，持续推进 Hi 系列产品。Hi医生、Hi护士、Hi小助已经在百余家医院上线应用，跑过了真实的业务流程，也接住了很多一线场景里的复杂问题。

但当大模型开始具备逻辑推理、跨模块协同和持续调用的能力之后，我们认为，现有的演进路线需要发生根本性的重构。医院信息系统面对的不再是如何增加一个好用的 AI 工具，而是如何让系统本身具备思考能力。

这就是和仁正在预研的下一代方向：AI 原生 HIS。

基于最新的Agent 智能底座，我们完成了与和仁 HIS 的深度接入预览。它不再是一个挂在系统边上的聊天框，而是一套重构医疗信息枢纽的全新架构。它更接近一种底层能力：在理解当前任务和当前场景之后，调用系统中已经存在的能力，去完成查询、整理、生成、引用回填和协同执行，真正成为医疗信息枢纽。

01  AI原生HIS：HIS 变成智能医疗操作系统

长期来看，HIS 不应该只是一个用于记录和流转的软件系统，而应该成为一个拥有自主推理、决策能力的智能医疗操作系统。

在 AI 原生 HIS 的架构下，最核心的特征是：AI 由 HIS 的“外挂插件”变为了 HIS 的“能力本身”。

对最终用户来说，入口仍然可以是你们熟悉的工作界面，比如医生工作站、病历页面，或者是 Hi小助、Hi医生这样的上层交互入口。

但在这些入口背后，全新的智能底座正在解决更底层、更硬核的架构重构——构建大模型（LLM）与真实业务环境（Environment）的执行闭环：

当前是谁在操作？当前是哪位患者？属于哪次门诊或住院？就诊过程中的哪些信息与当下的任务相关？系统里有哪些能力可以调用？生成的结果应该回到哪里？

只有这条底层链路被真正打通，医疗 AI 才能真正从“辅助问答”走向“进入流程”。

02   现在已经打通了哪些能力？

为了实现从辅助到本体的跨越，系统必须具备全局医疗数据理解与推理的能力，以及在真实环境中执行动作的能力。目前重点打通的能力包括：

• 患者信息与当前就诊上下文的精准查询

• 病历文书的跨节点读取、整理、生成与引用

• 检验检查结果的智能抽取与关键摘要

• 知识库、临床指南、专家共识的伴随式检索与问答

• 病历质控与缺陷的实时提示

• 结构化结果的生成与自动回填

• 跨模块、多任务的串联执行

这意味着，医护人员不必再把操作步骤拆得极碎。只要任务目标明确，系统就可以围绕目标自动组织动作。

例如，医生只需下达指令：

“生成557床患者的出院记录初稿。”

这背后绝不仅仅是生成病历那么简单，而是一串复杂的系统级动作：识别当前患者 ➔ 获取病历与生命体征数据 ➔ 读取相关检验检查结果 ➔ 筛选关键指标 ➔ 关联病程与医嘱执行情况 ➔ 组织输出结构 ➔ 并在医生确认后决定是否引用或回填至相关病历中。

再比如：

“我接下来要查房汇报，概括557床入院至今的病情并整理病情变化。”

系统会先定位相关患者，提取患者关键信息，再结合临床指南、专家共识等知识库生成病情概要并整理病情变化展示给医生参考。

03   真正难的，不是生成，而是读懂“当前场景”。

医疗场景与通用的消费级场景截然不同，输入框里的那句话，往往只是任务的冰山一角。

医生的一句“帮我整理一下”，AI 真正需要理解的是：

• 当前是谁在操作？（主治医师还是规培生？）

• 当前打开的是哪位患者？（系统焦点在哪？）

• 属于哪次门诊或住院？

• 当前停留在哪个页面？（是在写首程还是出院小结？）

• 哪些数据与这次任务真正相关？

• 最终结果应该给谁看、放到哪里？

所以，破局重点并不是单纯强化大模型的生成能力，而是先把临床上下文真正组织起来。

它会在授权前提下，把“当前用户 + 当前患者 + 当前任务 + 当前系统界面”组合成一个立体的任务上下文，再在这个上下文里完成理解与执行。这一步看起来不显眼，却直接决定了智能体能力能不能真正落地。上下文没有读对，后面的模型能力越强，偏差反而可能越大。

从更长期的视角看，我们判断，HIS 不会一直停留在“记录和响应”的阶段，而会逐步演进为一套具备理解、组织、调度和执行能力的智能系统。AI 也不会只是挂在 HIS 外部的一项附加功能，而会逐步成为系统内部的一层原生能力。

它会先从信息整理、任务协同、结果生成和流程衔接开始，再逐步进入更复杂的业务环节。这并不意味着让 AI 替代医生决策，更现实的路径是：AI 先生成建议、组织依据、推动流程，最终由医生审核确认并完成最终决策。

04   为什么我们把它定义为“技术预览”？

目前，基于智能体架构的 AI 原生 HIS 已经打通了核心链路，但作为下一代形态，它极具颠覆性。在医疗这一严谨领域，我们必须稳妥推进。因此，该预研项目严格坚守以下底线：

• 私有化优先：捍卫医院数据主权。

• 最小权限调用：严格控制 AI 的动作边界。

• 关键操作确认：重大流程必须有人介入。

• 全程日志留痕：AI 的每一步动作皆可追溯。

• Human in the loop：所有建议类输出，必须由医护人员审核确认后方可使用。

05   场景演示

注：以下为技术预览阶段的场景示意，画面中数据均为演示数据，非医院真实诊疗数据，实际效果以医院现场环境、权限范围和接入模块为准。

查房准备

指令：概括患者入院至今的病情并整理病情变化。

出院小结初稿

指令：生成患者的出院记录初稿。

相似病例经验检索

指令：查找"冠心病+急性前壁心肌梗死"相似诊断，查询数据库寻找类似病人。

指令：把患者病历整理一下，生成一份病历论文初稿，至少10个参考文献。

医院管理统计与分析

指令：统计医院近期的门诊量及手术量，并给出建议。

06   写在最后

医疗大模型的下半场，不仅是参数层面的“百模大战”，更是“场景与执行力”的深耕。我们深知，任何真正改变行业的医疗信息系统，都不是在实验室里闭门造车写出来的，而是在医院真实、嘈杂、高压的一线业务流中淬炼出来的。

这也是为什么我们将这次尝试定义为“技术预览”。它代表了和仁对下一代 HIS 形态的思考：系统不应只是一个静态的记录工具，而该成为会思考、能执行的智能体。

从“辅助问答”到“进入流程”，这不仅是技术的跨越，更是对临床严谨性、数据安全性的一次大考。未来，我们将继续在确保医疗安全与合规的底线之上，持续打磨AI原生HIS系统形态，让它在更多的真实业务环节中，稳稳地接住临床的复杂需求。

医疗 AI 走向深水区，我们稳步前行。

敬请期待HIS系统的更多进化。