医院人工智能项目进入试点后，最容易获得的数字，往往是使用人数、调用次数和覆盖科室数。它们能够说明系统被接触过，却不能独自回答一个更重要的问题：这项工具究竟帮助了谁，解决了什么问题，又在哪些情况下需要被纠正？

山东第一医科大学10月13日披露，附属颈肩腰腿痛医院的专科优势病种中医辅助诊疗系统已经开展院内临床试点。另一方面，新华社10月9日发布的全国性政策报道提出推进“人工智能+”，并强调因地制宜、避免盲目投入。把两项材料放在一起看，医院数智建设的下一步，不仅是增加应用，更是建立与具体场景相匹配的评价方式。

试点的价值，不在于尽快证明系统“已经成功”，而在于把适用条件、实际帮助和问题边界逐步弄清楚。对山东医院和医工企业来说，一套能够复核的评价记录，比一张漂亮的使用量报表更有助于决定项目是否继续、如何改进。

先定义任务，再讨论“好不好用”

同样叫辅助诊疗，有的系统帮助整理信息，有的提示可能遗漏的记录，有的提供供医师核对的建议。任务不同，评价重点就不同。如果一开始没有明确这一点，试点很容易出现医院看工作效率、企业看调用数量、科室看输出准确性，最后各说各话的情况。

因此，试点前可以先写清楚一句话：系统在什么环节，为哪类使用人员，处理哪些信息，提供怎样的辅助结果。这句话不需要覆盖所有功能，却应让参与人员对核心任务形成一致理解。

以信息整理为例，可关注是否遗漏必要内容、是否保留原始出处，以及使用者核对后的修改情况；若是记录规范化辅助，则可以观察提示是否对应具体缺项，是否增加不必要的填写负担。不能用一个笼统的“准确率”，代替不同任务各自需要回答的问题。

对于院内中医辅助诊疗试点，学校报道提到四诊、电子病历、辨证分型及相关方案的整合。评价时就可以分别观察数据组织和医师辅助两个层面，避免因为界面信息齐全，就直接推断专业辅助结果同样可靠。两者之间仍有需要核对的过程。

留下基线，也留下人工修改

没有应用之前的情况作为参照，很难解释试点后的变化。一个系统每天被调用很多次，可能意味着它确实便捷，也可能意味着同一项工作需要反复操作。仅看总量，无法区分这两种情况。

医院可以选择边界清晰的工作环节，记录原有流程中的用时、核对步骤和常见问题，再用相近口径观察试点阶段。这里的关键不是追求复杂统计，而是让前后比较尽量针对同一项任务；遇到人员、病例类型或流程变化时，也应说明差异。

人工修改记录同样值得保留。使用者最终接受了哪些结果，改动了哪些内容，为什么没有采用某项建议，这些信息往往比“满意”或“不满意”更具体。但记录修改时，应控制在必要范围内，不把患者资料随意转存到额外的反馈渠道。

对企业而言，收到修改意见后，也不宜立即把所有反馈归结为使用习惯。可能是输入不足，可能是显示方式难以理解，也可能是输出本身有问题。先区分原因，才能讨论优化方法。否则，表面上的功能调整可能掩盖真正需要解决的环节。

评价报告还应说明观察的范围。少量使用人员在特定科室的体验，可以支持局部改进，但不能自动代表全院效果。试点范围与结论范围相匹配，是避免过度承诺的基本要求。

错误如何处理，要比演示更清楚

系统展示顺利运行时，通常最容易获得认可。但真实流程中，资料缺失、表达不一致和不适用结果都可能出现。试点是否值得继续，不仅取决于理想输入下的表现，也取决于出现问题时是否有可执行的处理方式。

项目团队可以把常见异常分开记录：信息不足时是否提醒补充；结果存在明显矛盾时，使用人员能否定位原始资料；对暂时无法判断的内容，是否能够保留人工处理路径。具体安排应结合系统功能和医院管理要求制定，不能由一个通用模板包办。

反馈机制也要回答实际问题：谁接收，谁复核，哪些问题需要优先处理，处理结果怎样返回使用者。如果反馈提交之后长期没有回应，工作人员很可能逐渐放弃记录，项目团队得到的使用数据也会失真。

系统更新后，应保留必要的版本与调整说明。同一个问题在不同版本中有怎样的变化，不能仅靠参与人员的记忆判断。需要暂停某项功能时，也应有替代流程，避免工作被迫依赖一个尚未稳定的工具。

这些安排并不是要求医院先建立一个庞大平台，而是建议从试点开始就把问题处理做成具体动作。功能范围可以小，责任和反馈不能含糊。

扩大试点，应有清楚的决策依据

全国性政策提出创新方向，并强调因地制宜。落到医院AI项目上，可以理解为：应用范围应与实际需求、数据条件、人员能力和管理准备相匹配，而不是以覆盖更多科室作为唯一进度目标。

准备扩大范围时，医院与企业可以共同回看几个问题：原定任务是否得到了支持，使用者是否能够核对结果，主要异常是否形成了处理记录，新增场景是否仍具有相似条件。如果使用环境发生明显变化，就需要重新确认适用方式，而不能直接复制原有结论。

评价中也可以保留“暂不扩大”的选择。发现数据条件不足，或某类输出仍需大量人工修正，意味着下一步应补基础、改流程或调整功能，而不一定意味着整个项目没有价值。能够诚实说明限制，本身就是试点产生的成果之一。

对于山东医疗数智化产业，这套思路还会改变企业准备材料的方式。比起罗列功能，更应说明任务范围、信息来源、验证方法、异常反馈和维护支持；比起承诺替代多少工作，更应展示哪些环节已经得到可核验的改善。

医院AI建设最终需要进入真实的服务流程。使用人数能够显示接触范围，但可靠评价才帮助团队判断是否继续。把一项任务做清楚，把一次错误处理明白，把一轮改进留下记录，才可能让试点从“有人使用”走向“值得使用”。

来源：山东第一医科大学院内试点项目报道新华社关于发展新质生产力的意见报道