智能体AI写住院病程记录：盲评质量与医生相当，完整性略逊仍需复核

核心要点

• 问题：住院病程记录（出院小结的核心段落）是临床最耗时又最易遗漏的文书之一，医生常在下班后补写；让大模型自动起草，最大风险是「写得很像，但漏了关键信息」。
• 方法：梅奥诊所团队构建了一个接入电子病历的「智能体 AI」（基于 Gemini 2.5 Pro，配合 MCP 工具按需调取病程、检查报告、诊断、用药与预约），为 50 例心内科住院生成病程记录，再请 5 位医生盲评 250 条。
• 结果：AI 生成的病程记录总体质量与医生书写相当（7.27 对 7.42，p=0.627），清晰度、可读性略高，但完整性显著更低（校正后 p=0.012），准确性也偏低。
• 意义：支持「AI 起草、医生复核」的候选流程，但 AI 尚不能独立成稿直接进病历。
• 原文：Agentic AI-Generated vs. Clinician-Authored Hospital Course Narratives for Cardiology Hospitalizations，Circulation: Population Health and Outcomes，2026-11

1. 住院病程记录：临床文书里最耗时的「暗活」

住院病程记录（hospital course narrative）是出院小结里一段按时间线讲清楚「这个病人住院期间发生了什么」的文字，是衔接院内治疗与院外随访的关键文书。它不像诊断或用药那样有明确的「对错」，却要求把几天甚至几周的病情演变、检查、处置和结果浓缩成一段准确、完整、可读的文字。

问题在于，它极其耗时。医生往往要在一堆病程记录、检查报告、医嘱和会诊意见里来回翻找、拼凑，再手写成文，常被挤到下班后完成。更麻烦的是，这类文书是「出错高发区」：遗漏关键事件、时间线错乱、把某次用药或检查张冠李戴，都可能让接诊医生或随访团队产生误判。

这正是大语言模型（large language model，LLM）被寄予厚望、也最需要谨慎的地方——它擅长「把零散信息组织成通顺的文字」，但「组织得通顺」不等于「组织得完整、准确」。这构成了一个典型的医疗多智能体工作流问题：不是让一个模型「一锤定音」，而是让多个环节协作、按需取数、再产出文书。

2. 智能体AI起草病程记录：三个实质创新

这篇研究由梅奥诊所（Mayo Clinic，罗切斯特）团队完成，2026 年 11 月发表在《Circulation: Population Health and Outcomes》。它没有去测「AI 诊断准不准」，而是回到文书这个被低估的场景，用一次严格的盲评去回答：AI 起草的病程记录，到底能不能和医生写的比。

其一，把「静态输入」换成「按需取数」。 以往不少研究让模型只读一段固定的文字再生成小结，容易遗漏或失真。本研究把 AI 做成「智能体」（agentic AI）：基于 Gemini 2.5 Pro，通过模型上下文协议（Model Context Protocol，MCP）的工具，按需从电子病历里调取病程记录、诊断报告、诊断、用药和预约信息，再组织成文。它更像一个会「主动查资料」的助理，而不是只会「读给定段落」的翻译器。

其二，用「盲评配对」而非「打分即止」。 研究从 2024 年 7 月 13 日至 27 日的住院病例中随机抽 50 例心内科住院，让同一批 5 位医生分别对「AI 生成的」和「医生写的」病程记录各打一遍分（共 250 条），从总体质量、清晰度、完整性、准确性、可读性五个维度打分（0–10 分）并给出偏好。医生不知道哪篇是谁写的，避免了「看到 AI 就放水」或「看到 AI 就挑刺」的偏差。

其三，把「偏好」和「质量分」拆开看。 这是研究最克制的地方：它没有只报一个「AI 赢了/输了」的结论，而是把「医生更偏好谁」和「各维度具体差多少」分开统计，从而看清 AI 到底强在哪、弱在哪。

3. 技术原理：智能体按需取数、逐段成文

处理流程可以理解为「拆任务—取数据—组文稿」三步：智能体先明确要写一段住院病程，再通过 MCP 工具实时从电子病历中调取所需的病程记录、检查结果、诊断、用药和预约信息，最后由大模型把这些信息按时间线组织成一段连贯的文字。

这里要特别说明，本研究测的是「一个研究原型」而不是「一个可直接上架的产品」。它用的是 Gemini 2.5 Pro 这一基础模型的接口能力，配合梅奥团队自建的取数工具链；评价的是「这段 AI 起草的文字质量如何」，而不是「这个系统在医院真实流程里能不能用」。基础模型的能力不等于完整产品的能力，中间还隔着病历系统的接入、隐私合规、异常兜底等一大堆工程问题。

评价方法上，研究用线性混合效应模型比较 AI 与医生在各维度的配对差异，并对多个次要维度做了 Bonferroni 校正，避免「测了五六个指标、总有一个碰巧显著」的假阳性。

4. 数据说话：质量打平，完整性是短板

几个数字值得展开。最关键的是「打平」：总体质量 AI 7.27 对医生 7.42，差距 0.15 分，p=0.627，统计上不显著——也就是说，盲评医生分不出 AI 和医生写的病程记录在整体质量上有实质差别。AI 在清晰度（+0.36）和可读性（+0.72）上反而略高，这符合大模型「文字工整、条理清楚」的特点。

但短板同样清晰：AI 的完整性显著更低（-0.84，95%CI -1.36~-0.32），经 Bonferroni 校正后 p=0.012，是唯一在多重校正后仍显著的差异；准确性也偏低（-0.35，95%CI -0.66~-0.05）。作者据此给出结论：AI 生成的病程记录在整体质量和偏好上不输医生，但「完整性」这一环仍需医生复核后才能进病历。

5. 从实验室到临床：应用前景与局限

应用上，这项研究最现实的意义是给「AI 起草、医生复核」的文书工作流提供了初步证据。病程记录是纯文字的重复劳动，AI 把医生从「来回翻病历、逐句拼稿」里解放出来，医生只做「查漏补缺」的复核，省下的时间可以还给真正的诊疗。这对医疗AI评估验证也很有启发：评估这类生成式 AI，不能只看「通不通顺」，更要看「完整性、准确性」这类会直接影响医疗安全的维度。

局限必须讲清楚。其一，这是回顾性研究，AI 是「事后重写」2024 年的旧病历，医生在真实书写时面对的杂乱信息、时间压力与中途变更，AI 未必同样经历，二者的工作条件并不对等。其二，样本只有 50 例、来自单一中心（梅奥诊所），5 位医生评分虽做了盲法与配对，但结论能否推广到其他机构、其他专科和不同病历系统，仍需更大规模验证。其三，研究只评估了「生成文字的质量」，没有回答「接入真实流程后能否真的省时间、会不会改变临床结局」，因果链条尚未打通。

6. 结论与产业启示

这项研究最值得记住的，不是「AI 又有多强」，而是一句更冷静的判断：在住院病程记录这类文书上，智能体 AI 已经能做到「盲评医生分不出它和医生写的谁更好」，但「完整性」仍是它的短板，离独立成稿还差一道人工复核。

对医疗AI产业的三点启示：其一，生成式医疗文书的价值主张应是「AI 起草、医生复核」，把 AI 定位成省时的第一稿工具，而非替医生签字定稿的写手；其二，评估医疗大模型要盯住「完整性、准确性」这类安全维度，而非只展示「通顺、高分」，这正是医疗AI评估验证该守的门；其三，智能体的「按需取数」能力值得投入——比起让模型读固定文本，让它主动、可追溯地从病历取数，更接近真实工作流，也更能减少遗漏。这与智能体AI给医生写影像报告、质量提升用时减27%、三个专业智能体分工的多智能体健康助手等研究的判断一脉相承：AI 在医疗里的落点，是「协作与减负」，而不是「替代与定稿」。

相关问题

Q：AI 写的病程记录现在能直接进病历吗？

A：不能。研究结论是 AI 生成的病程记录与医生书写总体质量相当，但完整性显著更低（校正后 p=0.012），作者明确要求在使用前由医生复核。当前它更适合做「第一稿」，不能独立定稿进病历。

Q：这是测了基础模型，还是一个完整产品？

A：测的是研究原型——基于 Gemini 2.5 Pro 这一基础模型、配梅奥自建取数工具链的智能体系统，不是可直接上架的医疗产品。基础模型的能力不等于完整产品能力，中间还隔着病历接入、隐私合规、异常兜底等工程问题。

Q：这对医院和医生意味着什么？

A：它提示医院可以把「起草病程记录」这类重复文书交给 AI、让医生做复核，从而缓解文书负担；但选型时应要求厂商提供「完整性、准确性」的评估证据，而不是只展示「文字通顺」，并始终保留医生复核环节。

参考文献

1. Lee E, Harmon DM, Holmes JM, et al. Agentic AI-Generated vs. Clinician-Authored Hospital Course Narratives for Cardiology Hospitalizations: A Blinded Physician Evaluation. Circulation: Population Health and Outcomes. 2026. DOI: 10.1161/circoutcomes.126.014472
2. Patel SB, Lam K. ChatGPT: the future of discharge summaries? The Lancet Digital Health. 2023;5(3):e107–e108. DOI: 10.1016/S2589-7500(23)00021-3

本文基于 Agentic AI-Generated vs. Clinician-Authored Hospital Course Narratives for Cardiology Hospitalizations 的独立解读，仅供学术交流，不构成临床建议。