从CHIMA看HIT行业10大趋势这次 CHIMA 2026 的三十周年大会，不仅是对过去的总结，更是医疗信息化“范式转移”的转折点。 根据现场神州数码、医渡科技、南大通用以及多家顶尖三甲医院（如协和、解放军总医院、安贞等）的发布内容，我将这 10 大趋势按照从底层支撑到核心应用，再到商业逻辑的顺序重新排列，并补充了具体的现场案例： 信创不再是简单的“服务器换个牌子”，而是要求在国产底座上实现比以前更强的性能，尤其是在核心业务系统（HIS/电子病历）的平滑迁移。 现场案例：解放军总医院（301医院）分享了其“全栈信创”HIS 系统，实现了从底层数据库到中间件的完全自主可控，重点解决了高并发下的数据读写延迟问题。 随着医疗大模型的落地，医院遭受的攻击也更具针对性。安全不再是被动修补漏洞，而是利用 AI 进行流量分析和自动化防御。 现场案例：南京医科大学第二附属医院展示了基于多模态大模型的网络安全防御体系，不再靠“人眼看日志”，而是由 AI 实时感知并拦截潜在的勒索软件。 医院已意识到数据是资产，但现状依然是“为了应用洗数据”。未来的核心难点在于打破各院区、各系统的编码差异，建立真正的全院级数据治理体系。 现场案例：在某省卫生平台展位，工程师吐槽“检查检验互认”的难点：甲医院叫“GLU”，乙医院叫“血糖”，后端如果没有自动对齐，AI 喂进去的就是“垃圾数据”，导致单病种科研库无法通用。 行业已度过了对“对话框”的新奇期，现在的重心是AI for Process。智能体能像“数字管家”一样，自动在后台处理任务，而非等医生去提问。 现场案例：医渡科技在路演区发布的“医疗智能体协同方案”，让 AI 嵌入手术排程管理；北京协和医院展示的“数字员工”，能自动抓取数据完成不良事件上报的预填，极大地降低了文书压力。 通用大模型解决不了复杂的影像或病理分析。现场趋势是“大模型+专科知识库”，解决精准度的“最后一公里”。 现场案例：吉林大学第一医院展示了利用大模型进行“医疗安全事件溯因”，能从海量非结构化的病历和视频中自动识别医疗差错的根因，这种深度比通用 AI 高出几个量级。 现场有很多“PPT 功能”——AR 远程手术、3D 可视化看板，视觉冲击力强，但能否降低并发症、提高生存率？如果不能解决核心临床指标，就容易变成“面子工程”。 现场案例：某厂商演示 AR 手术导航，在专家评审环节被医生问倒：“术中毫秒级的动态漂移和组织形变，你的系统能实时校准吗？如果只看漂亮的模型图，我为什么要戴个沉重的头盔？” AI 降低了开发门槛，临床医生开始主导小微场景的数字化。 现场案例：宜兴市人民医院分享了临床医生利用 AIGC 工具自行编写定制化信息系统插件的实践，让最懂临床需求的人直接上手，避免了“信息科理解偏差”的尴尬。 AI 不再局限在手术室或诊间，而是延伸到术后康复和院外管理，重塑患者体验。 现场案例：北京安贞医院展示的“智能客服系统”，从“背诵答案”进化为“学会思考”，能根据患者既往病史提供个性化的就医指导，而不是重复那几句冷冰冰的提示。 利用数字人技术，让门诊导诊从“机器音”变成具有亲和力的虚拟助手。 现场案例：复兴医院推出的 AI 就医助理“福小兴”，集成了挂号、导诊、检查报告解读等功能，在候诊大厅极大缓解了窗口咨询压力。 这是全场最大的焦虑。AI 的算力费用高昂，但目前由于缺乏明确的医保收费类目，医院很难算清投入产出比（ROI），大多停留在“政府拨款”或“科研经费”阶段。 现场案例：一位信息处长在论坛上直言：“我们部署的全院级临床决策系统（CDSS）每年维护费过百万，但医院没有增收。如果不转变成合规的医疗服务收费，这种创新在财政预算收紧的 2026 年很难长久跑下去。” 总结：10 大趋势勾勒出了一个从“信息化阶段”迈入“智能化阶段”的中国医信行业。 未来三年，谁能把 AI 真正塞进流程/ 临床工作流（流程智能化）并跑通商业闭环（付费合规化），谁才能在“AI 泡沫”退去后真正生存。
