AI正在终结我们熟悉的医院信息系统

HIS不会消失，但以模块、菜单、表单和人工操作为中心的HIS正在走向终结。未来的HIS不是没有系统，而是越来越少依赖屏幕操作，由AI Agent介导，并由可信的临床与交易核心提供约束。

一家大型医院的医生开始一天的工作，通常需要先后进入电子病历、医嘱、检验、影像、会诊、病案和患者服务等多个系统。医生需要自己判断信息分散在哪里，逐个打开页面，筛选数据，再把结果重新组织成诊疗判断和医疗文书。护士、药师、医保人员和运营管理者面对的是同一种问题：系统数量越来越多，功能越来越完整，但大量时间仍消耗在寻找、核对、录入、转抄和跨系统协调上。

过去二十年，医院信息化解决问题的主要方式是增加系统和模块。门诊出现问题，就建设门诊系统；临床数据分散，就建设临床数据中心；患者服务不便，就建设互联网医院和患者服务平台；医保规则复杂，就增加医保审核系统；管理缺少数据，就建设运营数据中心。每个系统解决了一部分问题，也进一步增加了系统之间的边界。

大模型和AI Agent带来的变化，不只是医院又多了一类软件。它们第一次有可能站到现有应用系统之上，理解人的意图，获取环境信息，调用多个工具，组合业务步骤，并在获得授权后执行部分工作。

这意味着，医院信息系统正在面对一个比“增加AI功能”更根本的问题：当用户不再需要通过菜单和表单寻找功能，而是直接表达目标；当系统能够主动组织信息、提出建议并执行流程；当跨系统协作从人工完成转向Agent编排，我们今天所熟悉的HIS还会以同样的形态存在吗？

2026年5月，麦肯锡发表了 《The end of ERP as we know it? Five ways AI is disrupting ERP》，提出AI将改变ERP架构、交付方式、产业生态和价值创造模式。ERP与HIS存在显著差异，但这套分析框架提供了一个有价值的观察角度：真正被AI改变的，不只是系统中的某项功能，而是用户如何与系统交互、系统如何执行工作、产业链如何分配价值。

如果将这一逻辑放到医疗行业，结论不是“AI将取代HIS”，更不是“AI将取代医生”。更准确的判断是：

问题已经不是AI是否会影响HIS，而是这种转变会以多快的速度发生，哪些领域会率先发生，以及谁会掌握新的系统控制权。

一、正在结束的不是HIS，而是“应用中心主义”

讨论HIS是否终结之前，必须先说明“我们熟悉的HIS”究竟是什么。

传统HIS建立在四个基本假设上：

• 功能以应用和模块为基本单元：挂号、收费、医嘱、药房、检验、手术、护理和病案分别由不同模块承载，用户首先要知道应该进入哪个系统。
• 屏幕是主要交互入口：用户通过菜单寻找功能，通过表单录入数据，通过列表查询结果，通过按钮触发流程。
• 人承担系统间的整合责任：系统可以提供数据，但理解业务目标、判断数据关系、协调多个部门和处理例外，主要依赖人。
• 系统是被动的：只有用户发起操作，系统才给出响应。即使系统包含规则和预警，也多半是固定条件下的局部提醒，而不是持续理解任务状态并主动推进工作。

这种架构在医院信息化从无到有的阶段非常有效。它把收费、医嘱、药品、检查、病历等业务数字化，建立了医院运行的基本秩序。但随着系统不断增加，它的边际收益正在下降。问题不再是医院有没有某个系统，而是系统之间能不能围绕一个具体目标协同工作。

以患者出院为例，这不是电子病历中的一个按钮，而是一个跨越医生、护士、药师、医保、病案、随访和患者服务的连续过程。传统HIS把这个过程拆散在多个应用中，最后依靠人完成拼接。Agent化系统的目标则是理解“让这位患者安全、合规、顺利地完成出院”这一意图，检查尚未完成的任务，准备文书和用药说明，识别医保或病案问题，向相关人员发出请求，并在获得授权后执行低风险操作。

因此，未来的信息化基本单元可能不再是“模块”，而是“目标、任务和事件”。用户不必先理解系统结构，系统需要理解用户要完成什么。

这就是应用中心主义开始松动的根本原因。

二、第一种重构：HIS将走向“无头化”，但不会失去核心

关于AI与HIS的关系，可以看到两种极端观点。

一种观点认为，大模型最终会复制大量HIS能力。Agent可以生成界面、调用数据库、编排流程、判断规则，医院不再需要今天这种庞大的应用套件。另一种观点则认为，医疗具有高风险、强监管和明确责任要求，HIS必须保持稳定，AI只能作为外围辅助工具，不可能进入核心流程。

两种观点都抓住了一部分事实，但都低估了另一部分事实。

AI确实会改变HIS的交互层和流程层，但医嘱、用药、收费、病历签名、身份认证、权限控制和审计记录不能依赖一个具有概率性的模型临时生成。医疗机构需要明确知道一项业务规则是什么、一次操作由谁发起、系统为什么允许执行、结果是否经过确认，以及出现问题后如何回放和追责。

更可能出现的形态是“无头HIS”，即 Headless HIS。

在这种架构下，用户越来越少直接操作底层系统。Agent理解用户意图，组合上下文，调用HIS、EMR、LIS、PACS、药品、医保和患者服务系统。应用逻辑仍然执行确定性规则，核心数据库仍然维护权威记录，原有系统仍然提供交易一致性和审计能力，但用户与这些系统之间增加了一个智能中介层。

“无头”不等于“无核心”。恰恰相反，Agent越具有自主性，底层越需要稳定、清晰和可追溯。

AI时代HIS的五层架构

未来医院的AI业务架构可以划分为五个有机层级：

隐私、安全、合规、模型风险和责任追溯不应被理解为第六个独立模块，而应该贯穿这五层。

这套架构包含四个重要变化：

• 交互入口改变：用户从寻找功能转向表达意图，系统从显示页面转向组织任务。
• 流程控制改变：过去流程由预先配置好的固定节点驱动，未来部分流程可以由Agent根据目标和上下文动态编排，但关键临床节点仍由确定性规则约束。
• 人的角色改变：医生、护士和管理者将减少机械性查找和录入，更集中于设定目标、判断结果、处理复杂情况和承担专业责任。
• 评价方式改变：医院不能只统计AI调用次数和生成文书数量，而要持续评估时间节省、医疗质量、患者安全、收入漏损、资源利用和用户负担。

这也是为什么“价值与安全控制”必须成为系统内生架构能力，而不能只是项目验收时的一张汇报表。

三、第二种重构：医院仍需现代化HIS，但目标不再是增加模块

当Agent能够理解页面、调用接口甚至模拟人的操作时，一个很有吸引力的设想是：医院是否可以保留现有老系统，在上面增加一个智能层，从而避免高成本、长周期的HIS改造？

短期看，这条路线完全可行。Agent可以降低旧系统的使用门槛，统一查询入口，减少重复录入，并把多个系统中的信息重新组织给用户。它能够让一个不够友好的系统暂时变得更好用。

但这种方式存在明确上限。

过去的医院信息化已经多次出现类似路径。门户试图统一入口，集成平台试图连接系统，数据中心试图汇聚数据，RPA试图替代重复操作。它们都解决了部分外围问题，但通常没有真正消除底层系统中的流程冲突、主数据不一致、术语差异和历史规则。

Agent比传统集成工具更强，因为它可以理解自然语言、非结构化文档和不完整上下文，也可以动态决定下一步行动。但Agent仍然无法凭空创造可靠的业务语义。如果同一名医务人员在三个系统中拥有不同身份，如果药品编码和收费项目无法稳定映射，如果“出院完成”在不同部门代表不同状态，如果历史接口没有明确的数据责任人，Agent只能在不确定的基础上做出更快的判断。

更严重的是，传统系统中的错误通常受限于人的操作速度；Agent可以并行执行和自动扩散，底层错误可能被更快地复制到更多业务环节。

WHO在2026年发布的卫生数字公共基础设施参考架构征求意见稿中明确提出，AI等新技术不能替代可信登记、术语治理、结构化信息模型和可靠互操作等基础工作；当数字基础设施薄弱、碎片化或治理不足时，AI更难按预期运行，并可能影响质量和患者安全。这一判断非常接近医院当前的现实。

因此，AI时代的HIS现代化仍然必要，但现代化的目标需要彻底转变。

过去的现代化经常以替换版本、迁移平台、补齐功能和统一界面为中心。未来的重点应当是让核心系统具备“Agent-ready”能力：

1. 数据可理解：患者、医务人员、科室、药品、耗材、项目和诊疗事件具有统一身份与明确语义。
2. 能力可调用：关键业务能力通过受控API、事件和服务开放，而不是只能在页面上由人工点击。以 HL7 FHIR 为代表的互操作标准可以降低数据交换和能力调用成本，但标准接口本身不能替代院内语义治理。
3. 权限可计算：系统能够判断某个Agent代表谁、基于什么授权、在何种条件下可以执行哪些操作。
4. 过程可观察：每次推理、数据访问、工具调用、人工确认和结果修改都可以记录、监测和回放。
5. 错误可阻断：高风险操作具备审批、二次确认、撤销、降级和紧急停止机制。
6. 系统可演进：核心交易与上层智能解耦，模型替换或Agent调整不会破坏基础业务连续性。

这并不意味着每家医院都要推倒重来建设一套HIS。整体替换往往带来巨大的成本、风险和组织阻力。更现实的策略是识别哪些基础问题直接限制AI规模化，然后有针对性地清理核心数据、重构关键服务、开放受控接口、建立事件机制和统一权限。

HIS现代化的评价标准也应该改变：不是新系统上线了多少模块，而是医院有多少关键业务能力可以被可信地理解、调用、组合和审计。

四、第三种重构：HIS项目交付将提速，但瓶颈会转向组织和治理

AI首先大规模改变的，可能不是医院如何使用HIS，而是厂商如何建设和交付HIS。

传统HIS项目高度依赖人力。咨询人员访谈业务、整理需求，实施人员配置系统、核对流程，开发人员阅读旧代码、改造接口，测试人员编写用例，培训人员制作材料，上线团队人工分类和处理问题。这些工作需要大量专业经验，其中也包含大量重复的信息转换和文档劳动。

Agent非常适合处理这类知识转换任务：

这会催生一种新型的“AI交付工厂”：项目知识不再只存留在顾问和实施人员的个人经验中，而是沉淀为可读取的流程资产、行业模板、测试库、迁移规则、问题模式和Agent工具链。

它将直接挑战传统的信息化交付经济模式。过去，项目收入与投入人数、驻场周期和定制工作量深度绑定。当同样的工作可以由更少人员在更短时间内完成，医院会要求厂商把效率收益传递到价格、质量和周期中。单纯依靠堆叠实施人员和外包团队维持项目交付的模式会越来越难以持续。

不过，不能因为局部技术环节的工作量下降，就轻率地认为整个HIS项目能够“成本减半、周期减半”。这是通用企业管理分析中最需要审慎移植到医疗行业的部分。

大型医院信息化项目的真实瓶颈往往并不在代码编写，而在于复杂的组织治理要素：

• 医务、护理、药学、医保和管理部门对目标流程没有形成一致意见；
• 历史数据质量问题缺少明确责任人；
• 医疗质量和安全要求无法快速确认；
• 个性化需求背后存在真实制度差异；
• 医院决策、采购、合同和验收机制周期较长；
• 一线人员没有时间参与测试和培训；
• 旧系统历史合同、资产和数据迁移关系复杂。

AI压缩技术生产环节之后，这些组织问题在总周期中的占比反而会显著提高。未来项目中最稀缺的能力可能不再是“会不会配置系统”，而是能否推动跨部门决策、重新设计流程、建立数据责任、管理临床风险并促成用户实际采用。

AI可能把HIS实施中的部分技术工作压缩50%以上，但端到端项目能否同步提速，取决于医院的决策效率、临床治理和变革管理能力。

对于HIS厂商和集成服务商，这意味着人才结构必须迎来重构。低价值、重复性的实施工作会急剧缩减；懂业务、懂数据、懂AI治理并能推动组织变革的人才将占据主导地位。

五、第四种重构：HIS生态的控制权将转移到Agent操作层

传统HIS厂商的控制力主要来自四个方面：核心数据库、应用模块、业务流程和用户界面。医院每天有大量人员进入系统，厂商因此牢牢掌握了信息化入口，构筑了极高的替换壁垒。

如果未来用户的主要入口变成Agent，控制权的基础将发生结构性位移。核心博弈将转移至以下关键问题：

• 谁负责理解医生、护士、患者和管理者的意图？
• 谁拥有医院业务语义和临床上下文？
• 谁决定一个任务应该调用哪些系统和Agent？
• 谁管理Agent的身份、权限、成本和行为？
• 谁确定哪些动作可以自动执行，哪些必须人工确认？
• 谁记录结果并评价Agent是否真正改善医疗质量和运营效率？

新的战略控制点不再只是“数据存在哪里”，而是“从意图到行动”的路径由谁掌握。围绕这一控制点，四类市场参与者正在展现不同优势与瓶颈：

传统HIS厂商拥有重新掌握生态的主动权。它们可以把AI能力嵌入现有产品，利用行业模板和存量接口建设端到端Agent平台，也可以通过生态合作补齐模型和工具能力。

但这种胜算并不必然兑现。如果HIS厂商仅仅是给现有模块增加一个聊天浮窗，而未能掌握医疗语义、Agent编排、权限治理和价值评价，上层通用Agent平台就会直接屏蔽底层系统差异。届时，HIS依然必不可少，但将彻底退化为一个被动调用的后台数据库，用户交互入口和新增价值将旁落他手。

反之，通用云厂商同样难以单独垄断医院AI生态。医院业务不是互联网轻应用的延伸，真实医疗环境充满了地方政策、院内制度、临床例外、法律责任链和复杂的遗留资产。仅凭基座大模型能力，根本无法实现可信的医院级闭环执行。

未来更可能形成一种深度耦合的混合格局：底层HIS厂商维持可信交易核心，基础平台提供模型与通用Agent能力，专业厂商提供专科Agent，医院则牢牢掌握准入、授权、知识校准和临床治理规则。

对于中国HIS厂商而言，真正的风险绝非AI功能开发速度慢了半步，而是思维上仍然将自身局限为“应用模块供应商”。未来的竞争单位将全面转向五大核心能力：

1. 是否拥有高度可治理的医疗业务语义；
2. 是否具备编排跨系统多任务的调度能力；
3. 是否能够提供确定性的可信执行与不可篡改的完整审计；
4. 是否具备开放接入外部异构模型和第三方Agent的架构弹性；
5. 是否能用客观临床与运营数据持续证明业务价值与安全表现。

六、第五种重构：医院AI将从单点自建转向领域产品化

生成式AI能力快速普及后，医疗行业普遍进入了“场景竞赛”。智能病历、预问诊、患者问答、病历质控、医保审核、随访助手等单点项目遍地开花。

政策导向同样明确。国家卫生健康委等部门发布的 《卫生健康行业人工智能应用场景参考指引》 列出了医疗服务、医药服务、公共卫生、健康管理和行业治理等领域的84类参考场景；随后发布的 《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》 进一步释放了从单点试点走向规模规范应用的明确信号。

然而，场景数量的激增并不等同于系统价值的提升。

大量AI项目长期滞留于“外挂工具”层面：它们擅长生成文本或回答问题，但完全游离于医院的权责体系和业务闭环之外。医生需要打开新窗口、手动复制数据、肉眼核对结果、再回到HIS系统敲击确认。AI给出了建议，却未能实际减轻工作链条。

这类项目不可避免地陷入“试点炼狱”（Pilot Purgatory）：演示效果惊艳，少数极客医生试用，随后活跃度急剧衰退，既无法产生规模化ROI，也说不清究竟改善了多少医疗质量。

医院下一阶段的采购重点将不再是“一个大模型”或“一个通用助手”，而是聚焦于具体的领域级闭环能力：

• 门诊全流程服务与就诊动线优化；
• 住院多学科协同与出院全周期准备；
• 医疗质量、合理用药与病历内涵闭环治理；
• 医保事前事中审核、费用合规与拒付风控；
• 手术室与床位等医疗核心资源的动态调度运营；
• 院后主动随访与慢病连续健康管理；
• 高质量临床科研数据准备与专病队列支持。

一个真正的领域级解决方案必须完整整合数据底座、医学知识库、业务工作流、Agent决策编排、人机协同确认、核心系统写入执行与效果量化追踪，绝非提供一个单纯的API接口所能解决。

重新划定“买、配、建”的边界

未来既不需要所有能力全部采购，更不提倡每家医院盲目自建通用模型。理性的IT投资应清晰划定三层边界：

• 第一层：标准化能力以“购买”为主。通用文书辅助、医学文献知识检索、测试用例生成、培训材料、基础质控规则和通用运营报表等功能行业共性极高，重复自建只会造成资源空耗。
• 第二层：院内流程以“配置与共建”为主。权限体系、科室组织、院内质控条例、区域医保细则和专科路径具备强烈机构特性，应当在成熟标准化底座上进行个性化配置与流程调优。
• 第三层：差异化壁垒选择性“自建”。顶尖优势专科算法、独特临床试验队列、特色区域医联体协同网络等，可作为重点研发方向，沉淀为医院不可替代的核心知识资产。

对软件厂商而言，真正的产品化决不能停留在把AI包装进原有旧模块。成熟的医疗AI级产品必须满足以下六大准入条件：

1. 从端到端业务目标重新定义流程，而非在旧流程上模拟人手点击；
2. 内嵌能够综合量化效率提升、临床质量、医疗安全与人员负担的评估体系；
3. 原生嵌入现有主干工作环境，具备双向读写与执行闭环能力；
4. 公开透明地披露模型性能局限、适用人群基准与责任界定边界；
5. 具备跨厂商模型插拔兼容性与标准互操作开放接口；
6. 具备模型漂移监测、版本安全回滚和持续微调的长期运维能力。

七、未来HIS的真实形态：不是自动驾驶，而是分级自主

谈及Agent，最危险的误区是将医院想象为一个可以无人驾驶的自动化流水线。医疗不是工业装配，患者的生命体征时刻波动，临床信息天然具有非完备性，诊断决策充满概率灰度，最终责任必须由执业医师承担。医院信息系统绝不能追求无约束的“全自动无人化”。

医疗级Agent落地的必由之路是严密的“分级自主”（Graded Autonomy）：

不同业务场景绝不能赋予相同的自主权限。床位排班、文书规整和患教推送可以实施高等级自动化；而处方开具、侵入性检查、诊断下达与手术决策则必须设立不可跨越的人工卡点。

医院信息化管理部门必须为每一个投入生产的Agent制定一份“自主权预算”（Autonomy Budget）：明确其数据只读范围、工具调用列表、财务操作限额、患者影响人数阈值、强制人工熔断指标以及一键停机协议。这种安全边界必须在系统架构层硬编码实现，绝不能仅仅依赖纸面规章。

国际与国内监管趋势正在向这一理念全面收拢。WHO关于医疗AI伦理与治理指南 以及针对多模态大模型的最新指引始终将人类自主性与透明问责置于首位；美国ASTP/ONC的 HTI-1规则 强制要求预测性决策支持系统必须提供可解释性凭据；NIST AI风险管理框架 (AI RMF) 通过治理、识别、测定与管理四项行动将风控贯穿系统全生命周期；中国国家药监局关于 人工智能医用软件产品分类界定 的规定也清晰锚定了预期用途与医疗器械属性的法定红线。

企业级Agent出错带来的是工单延迟或账目对齐；临床级Agent失误带来的直接是不可逆的生命危险。医疗AI的每一次自主权跃迁，必须以成倍健全的循证依据和治理防线为前提。

八、从“系统记录”到“意图—行动—结果”的闭环

传统HIS的核心使命是“记录客观发生的事实”：患者挂号、医生开嘱、药房发药、护士穿刺、财务结算。

未来的HIS则必须进一步解析更高阶的三维命题：医患想要达成什么临床目标？系统下一步应当调度何种动作？整个行动是否产生了符合医学预期的健康结果？

医疗信息化正经历关键的三级跃进：

• 第一阶段：系统记录（System of Record）。业务行为转变为底层数据库中的事务性字段，确立了数字交易和法律审计的基本依据。
• 第二阶段：系统连接（System of Integration）。通过ESB企业服务总线、CDR数据中心和中台架构连接异构数据孤岛，实现静态信息的汇集展现。
• 第三阶段：智能执行（System of Execution）。Agent基于目标编排多角色协同、主动触发跨系统微服务、实时研判执行成效并实施动态纠偏。

以医保风控为例，传统事后审核往往在患者出院甚至医保局扣费后才提示违规；未来的闭环Agent在医生书写医嘱的毫秒级瞬间，即能结合患者主诉病历、检验指征及最新区域医保政策给出精准提示，并在医生确认后自动完成佐证材料附件封装，实现从源头阻断违规违纪。

在运营管理场景中，传统看板仅能被动刷新平均住院日；未来的运筹Agent能穿透底层明细，精准定位某病区平均住院日延长的根源在于急诊CT预约瓶颈或病理报告审核拥堵，并自主向相关责任部门发出动态转运协同指令，持续监控瓶颈消除状态。系统从“向管理者汇报问题”，全面升维至“与管理者协同推进解决”。

九、医院、厂商和集成商应该做什么

HIS系统范式的跃迁绝不可能一蹴而就。在相当长的过渡期内，传统UI表单、规则引擎、交互助手与Agent自主编排将呈现深度共存状态。当前产业各方的当务之急，不是盲目宣布全面切换Agent，而是脚踏实地筑牢可验证的工程基础。

对医院：不要先建设“万能Agent”，先建立可治理的自主能力

医院CIO与数字化决策者应聚焦推进六项工程：

1. 锁定具备真实闭环价值的高频场景：优先在流程标准化、数据清晰、可量化ROI的环节试点（如预问诊、智能回访、医保合规核验），坚决摒弃“全知全能却毫无用处”的通用聊天界面。
2. 制定严格的场景分级准入机制：划定场景所属的自主等级（L0至L4），明确授权范畴与风险边界。
3. 扎实治理关键核心数据语义：优先保障目标业务场景下的患者主索引、医嘱代码、药品目录和科室编码一致性。
4. 搭建独立的Agent身份管理与审计沙箱：严禁AI通过超级管理员账户或隐蔽后台执行操作，所有调用均需具备精确的可追溯审计日志。
5. 建立全方位的真实成效评价模型：除了基准模型评测指标外，重点评估临床医生时间节省率、人工驳回纠偏率及患者满意度变动。
6. 部署坚不可摧的降级与熔断机制：当遇到未标注异常、政策突变或系统高危报错时，必须具备纳秒级回退至纯人工操作的安全保护能力。

对HIS厂商：不要把AI做成一个新的菜单

HIS厂商需要大刀阔斧推行四大组织与产品重构：

• 从“死板模块”转向“原子级API与服务网格”：解耦传统单体架构，将核心交易封装为权限清晰、安全可控的标准微服务。
• 从“数据库表单维护”转向“临床语义知识沉淀”：将深植在旧代码里的业务规则与合规经验，重构为机器可读的知识图谱与语义资产。
• 从“人力外包交付”转向“AI工程化交付流水线”：把调研、迁移、编码、测试等环节沉淀为自动化交付工具包，从根本上降低实施边际成本。
• 从“排他性封闭系统”转向“多生态开放治理底盘”：保持顶层Agent调度的开放性，提供即插即用的开发者工具集，成为医院可信数字化基础设施提供商。

对集成商和咨询服务商：价值将从配置系统转向改变组织

传统依赖“堆人头”进行页面配置、测试写用例的低附加值工单模式正在走向衰亡。集成与服务商应坚决向三大高价值高地转移：

• 协助医院进行跨科室业务动线重构与业务敏捷转型；
• 搭建院级主数据中心、语义本体库和AI权限治理中枢；
• 长期扎根临床一线，提供人机协同变革管理，确保系统不仅被买下，更能被真正高频、规范地使用。

十、HIS的终结，也是HIS回归本质

“The End of HIS as We Know It”绝不意味着医院信息系统的终结，而是“旧模式”的落幕。医院在任何时代都需要不容动摇的患者主索引、医嘱交易中心、电子病历、收费记账与安全审计机制——这些能力的底盘基石不仅没有削弱，反而因上层智能的涌现而变得更加至关重要。

真正被终结的，是将信息化简单等同于“购买更多模块”、将系统使用降维成“医生机械录入”、把系统割裂的转抄代价转嫁给医护人员、将晦涩界面错当成医学专业性的陈旧范式。

未来的HIS将呈现出三个不可逆转的演进特征：

• 它会越来越“无感”（Screenless）：操作者无需预先研究庞杂的菜单层级，系统主动根据自然交互解析用户意图。
• 它会越来越“主动”（Proactive）：系统不再只记录沉睡的数据，而是主动识别临床与管理堵点，协助规划行动并协同推进工作。
• 它会越来越“受治理”（Governed）：执行权限越强大，身份、合规证据、动态防线和追责机制的架构约束力就越严密。

未来的HIS不是没有系统（Systemless），而是越来越少依赖屏幕操作（Screenless）；不是摆脱核心系统，而是让核心系统隐入后台发挥纯粹的交易与记录功能；不是让AI取代白衣天使，而是理智重构人、系统与组织之间的协作分工。

当医生终于可以把目光从冰冷的显示器移回患者本身，当医院得以围绕患者健康目标而非软件功能模块组织资源，当每一个执行Agent都处于可信透明的轨道中运行——我们所熟悉的那套臃肿、被动的HIS确实终结了。

但医院信息系统并未死去。它完成了一场真正回归临床本质的蜕变：从一个需要人不断伺候的应用集合，进化为一个能够理解意图、主动协同、坚守临床可信与医学神圣底线的全新数字工作空间。

参考资料

1. McKinsey & Company. The end of ERP as we know it? Five ways AI is disrupting ERP, 2026.
2. 国家卫生健康委等部门. 卫生健康行业人工智能应用场景参考指引, 2024.
3. 国家卫生健康委等五部门. 关于促进和规范“人工智能+医疗卫生”应用发展的实施意见, 2025.
4. World Health Organization. Ethics and governance of artificial intelligence for health, 2021.
5. World Health Organization. Ethics and governance guidance for large multi-modal models, 2024.
6. World Health Organization. Reference Architecture and Guidance for Digital Public Infrastructure for Health (draft for public comments), 2026.
7. HL7 International. FHIR Overview.
8. National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework.
9. Assistant Secretary for Technology Policy/Office of the National Coordinator for Health IT. HTI-1 Final Rule.
10. 国家药品监督管理局. 人工智能医用软件产品分类界定指导原则, 2021.