临床医生开始自己“造”AI工具，南方医院发生了什么

“让医生从工具的使用者，变成工具的创造者，需要有什么样的技术底座？”

南方医院肾内科谢迪医生记得一位24岁系统性红斑狼疮女孩，因呼吸困难住院，血检却指向罕见病aHUS。该病微血栓堵塞全身小血管，肾脏首当其冲，急性期死亡率达25%。有效干预窗口仅24至48小时，7天内识别并治疗预后远好于7天后。但患者常辗转多科室，确诊以天计，会诊资料整合完毕时往往已错过窗口。医生脑中有排查路径，却造不出快速整合多学科信息的工具，只能人肉协调、凭经验拍板。

这并非个例。医生最清楚问题所在，却造不出工具。编程、排期、开发成本、让工程师理解临床业务流，都是障碍。许多想法在提出前就被放弃。

今年4月，南方医院与华为签署协议，基于华为DCS AI解决方案的HAIP平台落地。其核心组件Nexent智能体平台以零代码、可视化方式，让医生用自然语言描述临床逻辑即可生成智能体原型。创造工具门槛从“会写代码”降到“能把需求说清楚”，最懂临床问题的人开始直接定义AI工具逻辑。

aHUS确诊流程中，医生脑中有整套排查路径，但变成工具几乎不可能。谢迪了解过传统IT开发，仅高危筛查临床决策支持系统，外包费用就不菲。更根本的是沟通障碍：做数据的不懂AI，做AI的不懂业务流，医生有完整临床逻辑，工程师却需长时间理解细微决策节点。等对齐需求，排期以月计，成品常与预期相差甚远。

产科霍智锋医生面临另一种沉默。低频高风险急症处理窗口短，极考验团队协作，需大量模拟训练。但传统模拟教学病例设计耗时，复盘靠回忆，规培医生训练密度难提升。他没有编程经验，在大模型普及前，模拟教学几乎全靠“手搓”。

医疗AI长期由技术侧主导，医生被动适应。从提需求到排期开发，再到反复沟通业务逻辑，中间隔着一堵墙。真实诊室需求因无法准确表达、快速验证，大多在开口前被放弃。肝病中心刘红艳团队曾尝试EMDT系统，因技术门槛高、运营成本重而失败，构想被搁置十年。

不同科室背后是同一种被锁死状态：技术发展很快，却没等真正需要它的人。

三位参与智能体开发的临床医生讲述了如何将困境转化为可运行逻辑。

aHUS病因相对明确：补体系统不该激活时过度激活，攻击血管内皮细胞，导致全身微血栓。只要能诊断就能针对性治疗，但早期症状无特异性，患者可能因贫血、血小板下降去血液科，或因肌酐升高去肾内科，各科只看到碎片。诊断是复杂排他性诊断，需先确定TMA，再逐一排除TTP、恶性高血压、药物诱发等，涉及八九个专科交叉判断。过去完全依赖个人经验和多学科会诊人工协调。

谢迪团队基于HAIP平台，将临床思维转化为智能体架构：数据感知智能体从HIS抓取关键指标；分层推理智能体按“识别TMA→确诊TMA→逐一排除”路径推进；MDT协同智能体模拟八个专科医生交叉质询。还加入仲裁智能体处理分歧，设计四级处置逻辑：回溯证据查缺补漏；结构化评估不同意见依据；将意见、依据和分歧透明呈现给真人医生拍板；完整记录争议点、决策依据和结论，沉淀为可追溯案例库。

谢迪特别提到两个设计：一是人机对话，医生发现AI判断有误可直接点击修正，修正内容进入知识迭代流程，经专家审核、版本管理和验证后更新知识库；二是记忆飞轮，让每次线下MDT汇总结果持续反哺系统，随着真实病例沉淀，智能体可增强相似病例检索和辅助参考能力。

谢迪零基础入门，参加培训后用HAIP平台搭建，知识库直接上传，不需编程，平台自动拆解生成。调试时先粗略描述，平台生成框架，再逐步修正。从零基础到完成初赛原型仅用十天。过去外包费用不菲、耗时不短且没人真正理解临床业务流；现在仅凭自然语言描述排查路径，就能落地为可运行系统。团队下一步希望嵌入医院病历系统，通过南向接口抓取HIS数据、北向接口回输意见，实时整合信息，在黄金窗口期完成筛查预警。

霍智锋把产后出血抢救经验转化为AI辅助病例生成与智能复盘系统。老师上传脱敏病例资料，告诉系统教学目标和难度，Nexent平台生成结构化病历草案，经审核确认后发布，演练开始。学生端只看到初始场景和倒计时，系统不主动提供额外信息，学生要求监测生命体征才反馈血压心率。智能体让病情在时间压缩下持续演进：处理正确则改善，未及时干预则恶化，出血量从数百毫升快速上升到上千毫升，伴随脸色苍白、烦躁等体征变化，逼迫学生在高压下主动思考决策。