對話全診通薛翀：全診大模型構建醫院可自主運轉的AI神經網絡

在剛剛落幕的第30屆中國醫院信息網絡大會（CHIMA 2026）上，“大模型與醫學人工智能落地實踐”論壇座無虛席。全診通創始人薛翀博士受邀發表主題演講，首次系統闡述了“構建醫院可自主運轉的AI神經網絡”這一前瞻構想。他從當前價值醫療AI的落地痛點出發，結合全診通醫生助手在全國117家醫院的規模化應用實踐，以及全診通在AI應用生成平臺、HIS Claw無感集成方案、自動化數據合成與標注平臺等方面的突破性探索，為行業描繪出一條從“試點探索”邁向“規模化部署”的可行路徑。以下內容根據薛翀博士演講整理。

在演講開篇，基于對醫療AI大模型生存現狀的敏銳洞察，薛翀博士直擊行業痛點：當前醫療AI大模型在醫院中正處于從“試點探索”到“規模化部署”的關鍵轉折期。盡管市面上的AI產品數量繁多，但真正能夠進入醫院試點的卻很少，大量產品長期停留在POC（概念驗證）階段。很多早期的AI應用本質上只是一個高級搜索引擎，未能真正融入醫生的日常臨床工作流中，其帶來的實際臨床價值十分有限。

針對“有價值的醫療AI，真的落地了嗎？”這一靈魂拷問，薛翀博士以全診通的生動實踐給出了肯定的回答。

01

直面行業難題有價值的醫療AI如何真正落地

全診通打造的“醫生助手”與“數字醫生”，真正做到了深度融入臨床與患者服務。目前，臨床價值已在全國20余個省市的117家醫院得到驗證，從省級三甲醫院到縣級綜合醫院均有部署。系統日均完成超過30萬次的病歷書寫及診療輔助調用。

薛博士透露，這款高度貼合臨床需求的全診通醫生助手早在2023年就已推出，目前已升級至4.0版本，包括文書助手、診療助手、學習助手、科研助手、醫保助手等五大核心能力，已有超過6萬名醫生在使用，其覆蓋范圍甚至延伸到了哥倫比亞等海外國家的醫療工作者。此外，全診通還訂閱了Elsevier的論文庫，能夠結合具體病例幫助醫生快速生成臨床研究報告。

在患者服務端，全診通不僅提供覆蓋患者就診全流程的數字醫生分身服務，還將大模型能力成功部署到了具身機器人中，目前已在常州市第一人民醫院順利“上崗”服務患者。

02

從“標準化”到“自主化”對話式構建專業AI系統

隨著AI在醫院的深入應用，新的鴻溝也顯現出來：不同等級、不同專科的醫院是一個個獨特的生態系統，其個性化需求與AI公司標準化的模塊交付之間存在巨大矛盾。為避免陷入傳統醫療信息化行業勞動密集型的定制開發陷阱，全診通創新性地推出了AI應用生成平臺和智能體生產平臺，徹底改變了過去“手動拼接”的開發模式，讓非技術背景的臨床科室人員只需通過自然語言對話，即可一鍵生成完整的專科AI應用和智能體。

目前，全診通已沉淀了50套開箱即用的AI升級版醫院系統模板 。薛博士表示，依托這一平臺，全診通正與四川省中醫院、山東省中醫院等機構緊密合作，為專家量身打造專屬的“名醫AI分身”。

03

輕量化部署與無感集成攻克算力與接口的“最后一公里”

在解決了智能體快速搭建的問題后，算力門檻成為了橫亙在醫院面前的現實阻礙。動輒千億參數的滿血版大模型本地化部署需要極其高昂的硬件投入，這顯然難以匹配大多數醫院的IT預算規劃。對此，全診通通過前沿的模型壓縮技術，將千億參數模型成功壓縮至百億級別。

在保證模型專項能力持續進化的前提下，醫院僅需部署極少量的顯卡即可流暢運行。這種私有化的部署方式不僅大幅降低了算力降維成本，更從根本上保障了核心醫療數據“永不出院”，完美契合了等保三級的安全合規要求。

即使模型與算力就緒，API對接依然是AI落地的“最后一公里”難題。由于各家醫院HIS系統廠商繁多、接口標準難以統一，傳統的系統對接往往需要耗費數月的時間進行溝通協調和繁瑣的接口聯調。

為了打破這一行業僵局，全診通自主研發了“HIS Claw”無感集成方案。該方案無需改造醫院原有的信息系統核心與底層接口，也無需廠商過多配合，AI生成的病歷內容即可直接無縫寫入HIS。薛博士在會上分享了一個具有代表性的案例：在紹興人民醫院，原本傳統方式耗時三個月都未能完成的對接工作，在使用HIS Claw技術后，僅用數天便完成了全部適配與系統投產，實現了系統間的高效交互。

04

科學定義AI價值構建自進化的大模型與科學評估體系

讓AI系統真正擁有生命力的關鍵，在于數據的持續反哺與模型的自我迭代。

全診通在此次大會上重磅展示了自動化數據合成與標注平臺、醫學模型訓推平臺，讓醫院里沉睡的歷史病歷轉化為驅動模型進化的優質燃料。薛博士以數據標注難度極大的精神科為例，通過將這套標注與訓推平臺完整交付給杭州市第七人民醫院，成功幫助其實現了數據處理與模型微調的全自動化閉環。同時，為了推動行業的規范化發展，全診通聯合國內多位頂尖臨床專家，構建了首個針對中文ADS（Ambient Digital Scribing）的質量評價體系。該體系的自動評測結果與資深專家人工評分的一致率高達97.6% ，相關核心論文已投稿國際權威學術期刊IEEE，這不僅定義了什么是好的AI病歷，也為通用醫療大語言模型的標準化評估提供了嚴謹客觀的科學標尺。

在演講的尾聲，薛翀博士用一個生動宏大的生態學比喻展望了醫療數字化的未來。他提到，AI并不會在一夜之間粗暴地替代傳統的HIS系統，其演進過程更像是大自然的森林演替規律。從早期由HIS單一系統絕對統治的“針葉林”生態，到如今大模型進場、各類Agent與HIS共生的“混交林”時代，最終必將演化為由AI門戶或醫生數字分身作為冠層主導、傳統HIS平穩隱退為底層數據底座的“頂級生物群落”。如同自然界中松樹林終將被繁茂的闊葉林所取代，全診通正以其堅實創新的技術底座與敏銳務實的臨床洞察，推動著一個個精巧實用的AI應用在醫院的土壤中扎根生長。

在這場不可逆轉的醫療數字化演替中，全診通致力于陪伴合作醫療機構，培育出屬于自己的智慧AI神經網絡。

如果您想對接文章中提到的項目，或您的項目想被動脈網報道，或者發布融資新聞，請與我們聯系；也可加入動脈網行業社群，結交更多志同道合的好友。

聲明：動脈網所刊載內容之知識產權為動脈網及相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業信息和數據，均由受訪者向分析師提供并確認。