课程背景
机器智能大模型正以前所未有的速度重塑医疗健康业界的营运范式。从辅助诊断到健康管控，从行政办公到科研拆解，AI已不再是少数技艺精英的专属抓手，而是每一位医疗从业者触手可以及的智力杠杆。当领 先机构已在用AI将影像阅片时间压缩，将病历摘要生成自动化，将患者咨询升级为7×24智能应答，驾驭AI的本领差距，正在悄然转化为医院服务效能和竞争力的分水岭。
可是，AI在医院落地的现实远比想象中艰难。大多数医疗机构和员工面临三重困境：一是 “看了但没看懂”——对AI的认知停留在概念层面，往细里说，无法洞察其从“概率”到“推演”的范式革命以及其对医疗未来的根本性影响。二是 “想用但不会用”——缺乏从提示词工程到智能运用落地的完整办法论，在公文写作、资料拆解、学识管控等等高频情境举步维艰；三是 “敢想但不敢迈”——对临床辅助的资料安全、模型幻觉、合规隐患缺乏系统认知，在院内推广中畏首畏尾、无从落地。
本课以 “AI认知破局、驱动医疗全情境效能拉升” 为核心标的，围绕医院行政管控、临床医技、健康服务三大核心板块的高频刚需情境系统规划。内容贯通 认知跃迁、趋势洞察、行政提效、临床赋能、健康管控、隐患合规 的完整本领闭环。课程摒弃纯理论灌输，以大量真实业界实例和沉浸式实战上手为载体，带出参训者从 “抓手观望者” 跃迁为 “流程重构者” 和 “情境革新者”，最终具备在医院内部促成AI认知普及和情境化落地的实战本领。
课程收益
• 认知破冰： 深刻领会AI技艺范式跃迁以及在医疗健康领域的颠覆性趋势，扭转落后理念，就一线经验说，抢占未来视野。
• 行政提效： 掌握AI在公文、资料、学识库等等办公情境的实战本领，达成职能部门事务效率倍增。
• 临床启智： 洞察AI在辅助诊断、病历处理、患者管控等等临床医技科室的运用前沿，激发革新运用思路。
• 服务升级： 探索AI在全周期健康管控、智能咨询中的运用蓝图，规划患者服务新模式。
• 隐患归零： 构筑医疗资料合规和AI运用安全的公司级红线意识，确保革新在安全可控范围内开展。
课程大纲
认知重构——AI时代公立医院的方略机遇和挑战
引言：新医改深化、支付改革、营运成本攀升、患者诉求升级——公立医院正面临前所未有的压力。机器智能已从"技艺概念"演变为"生存和演进的要害基础设施"，是促成医院从"规模扩张"向"内涵提质"转型的核心引擎。
认知跃迁：推演推理的范式颠覆
1. 开场震撼Demo
• 从“概率预测”到“推演推理”的突破。
1. 认知升级
• AI的本质：从概率模型到认知突破
• 超越搜索引擎：生成式AI的范式迁移
1. 多模态：Seedance2.0核心认知和本领突破
AI在医疗健康领域的运用现况
•
全球视野：
• 国际前沿：Google Health的眼底筛查，IBM Watson的沉浮启示，达芬奇机器人的进化。
• 国内头部医院在做什么？（华西，协和、瑞金、浙大二院等等标杆实例，用真实资料说话）
•
运用成熟度图谱：
• 已成熟：影像识别、语音录入，智能导诊、病案质控
• 迅速成长：大模型辅助诊断、个性化治疗推荐，药物研发
• 探索期：全科机器人医生，AI外科手术决策
OpenClaw未来数字员工的"操作系统"
1. OpenClaw定位： 新一代开源智能体轮廓，能将AI从"对话"升级为"执行差事"的数字员工。
2. 和普通AI的核心差异：
• 执行vs对话： 能主动调用抓手、操作软件、完成闭环差事。
• 本地部署优势： 保障医疗资料主权和安全可控。
• 多渠道管控： 可接入公司微信、钉钉等等，融入医院事务流。
1. 情境前瞻——OpenClaw赋能实例
• 适用情境矩阵
未来3-5年的趋势预测
1. 从“单点抓手”到“全流程嵌入”： AI将像水电一样成为医院基础设施。
2. 从“替代重复劳动”到“增强专精本领”： 医生的核心竞争力将从“记忆学识”转向“整合资讯+人文关怀”。
3. 从“院内服务”到“院外连续管控”： 医疗的边界被打破，健康管控前置。
行政管控实战——AI怎样让职能部门“减负增效”
引言：
管控出效益。AI智能体能将管人者从繁琐事务和心得倚重中解放，达成资料驱动的科学决策。
行政办公效率倍增
1. 公文、报告和材料"AI速成"
• 重点： 格式规范，政策术语、思想高度。
• 招数： 借助AI迅速起草事务收束、制度文件、会议纪要，并运用"公文拔高6D法"拉升政治和方略站位。
1. PT制作： 输入大纲，AI自动生成PPT轮廓和初稿
患者服务和体验升级：管控向外延伸
1. 7×24小时智能客服和随访
• 痛点： 咨询电话拥堵、重复问题多，随访率低。
• AI方案： 智能机器人处理挂号，查询、科普；AI辅助个性化出院随访和健康指导。
营运管控精细化：让资料说话
1. 智能排班和人力精进
• 痛点： 医护排班复杂、人力成本高，应急调度慢。
• AI方案： 基于门急诊量、手术量、历史资料的动态预测和排班，拉升人力利用率和员工满意度。
1. 资源配置精进：
• 预测： 利用AI预测住院流量，破解“急诊拥堵”和“床位空置”的矛盾。怎样借助历史资料建模，达成跨科室床位自动调度。
• 手术室效率革命： AI算法精进手术排程，缩短接台时间，拉升首台准点率。
智能基建——构筑医院“智慧大脑”学识库
医院最 大的隐性离职，是专家带着心得退休。学识库不是文档仓库，而是组织记忆的数智化复利引擎——让诊疗规范、管控心得、患者教育素材沉淀为可检索、可进化的数字资产。
临床运用革新——从“辅助抓手”到“本领延伸”
1.
和病理的“第二双眼睛”：
• 肺结节、心脑血管、眼科等等领域的AI辅助诊断怎样降低漏诊率。
• 实例： 怎样利用AI达成“数字病理”远程会诊，破解基层分院诊断本领不足的问题。
1. 临床决策支持（CDSS）：
• 从“学识库查询”升级为“智能决策”。
• 重点：基于大语言模型的AI在罕见病识别，多学科会诊（MDT）前的资料整合、用药禁忌实时提醒方面的运用。
1. 患者服务体验的重塑
• 虚拟数字人客服： 24小时解答患者术前术后注意事项，具体来看，减轻护理人员非医疗性咨询负担。
• 慢病和随访管控： AI外呼系统自动完成出院随访、慢病用药提醒，拉升患者依从性，助力“院后”精细化管控。
落地挑战和行动路径
大模型技艺盲点和隐患预警
1. 资料安全隐患：
• 实例拆解：某研究所资料泄露经过（借助AI导致规划泄露）
• 敏感资讯识别和防护：买方资料、财务资讯、核心技艺文档
1. 合规和法律隐患：
• 实例拆解：采用Deepseek生成虚假实例
• 学识产权隐患：AI生成内容的版权归属和侵权认定
• 业界合规要求：金融、医疗、政务等等业界的特殊监管政策
1. 模型和输出隐患：
• 幻觉（Hallucination）问题：错误资讯的生成和辨别
• 偏见和歧视：训练资料偏差导致的输出问题
• 提示词注入（Prompt Injection）攻击和防范
行动路径
1. 资料治理：决定AI生死的基础
• 痛点剖析： 系统林立、接口不通、资料准则不一（资讯科面临的“孤岛”问题）。
• 对策： 构筑全院“资料中台”的必要性。强调“一把手工程”在打破科室资料壁垒中的要害作用。
• 2. 伦理、安全和法律边界
• 资料安全： 患者隐私保护、医疗资料脱敏处理（怎样在公有云/私有云/本地化部署间做选项）。
• 责任界定： 明晰AI是“辅助”而非“决策”，执行层面，医疗责任主体始终是医生。
• 3. 施行路径建议（“三步走”方略）
• 第 一步（短期）： 试点先行。选项1-2个痛点最突出的情境（如影像AI、智能导诊）迅速见效，构筑信心。
• 第二步（中期）： 本领整合。打通HIS、EMR、LIS、RIS系统，构筑“智慧医院”数字基座。
• 第三步（长期）： 生态构筑。练就既懂临床又懂AI的“复合型英才”，探索“产学研医”一体化模式。
AI演进和未来
1. AI走出屏幕进入物理世界
• 具身智能：机器人，自动驾驶、智能工厂
1. 机器智能+
• 不是“AI替代人”，落地时，是“AI + 人 = 新物种”
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|雷曼老师
适合谁听
公司相关管人人员。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。