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：

AI不会消灭HIS，但会终结以应用为中心、以屏幕操作为入口、以人工整合为前提的HIS范式。HIS将逐渐退到后台，成为可信的临床交易和数据内核；AI Agent则可能成为理解意图、组织信息、编排流程和处理异常的新入口。

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。

第一，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。

第二，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。

第三，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。

第四，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业务架构可以分为五层。

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。

一是交互入口改变。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。

二是流程控制改变。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。

三是人的角色改变。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。

四是评价方式改变。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”必须成为架构能力，而不能只是项目验收时的一张效果报告。

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年发布的一份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改变。

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重新建设一套HIS。整体替换可能带来新的成本、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非常适合处理这类任务。

这会形成一种新的“AI交付工厂”：项目知识不再只存放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存在较强关系。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。单纯依靠增加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，不能因为局部环节的工作量下降，就直接宣布整个HIS项目“成本减半、周期减半”。这是原ERP分析框架中最需要谨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，而在以下问题：

• 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、管理临床风险并让用户真正采用。

因此，更准确的判断是：

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，这意味着人才结构也必须改变。低价值、重复性的实施工作会减少；懂业务、懂数据、懂AI治理并能推动组织变化的人会变得更重要。

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，厂商因此掌握了信息化入口，也拥有较高的替换成本。

如果未来用户的主要入口变成Agent，控制权的基础会发生变化。

新的关键问题将是：

• 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，至少有四类参与者。

传统HIS厂商确实拥有重新掌握生态的机会。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，也可以通过合作或收购补齐模型和工具能力。

但这种结果并不必然发生。如果HIS厂商只是给现有模块增加聊天入口，没有掌握医疗语义、Agent编排、权限治理和价值评价，上层通用Agent平台就可能屏蔽底层系统差异。届时，HIS仍然不可缺少，但会逐渐成为一个被调用的后台交易系统，用户入口和新增价值则被其他平台掌握。

反过来，云和大模型厂商也很难单独控制医院AI生态。医院业务不是互联网应用的简单延伸。真实世界中存在大量地方政策、院内制度、临床例外、责任链和遗留系统。仅有模型能力，不足以完成可信的医院级执行。

更可能出现的是混合格局：底层HIS厂商维持可信交易核心，上层平台提供模型和通用Agent能力，专业厂商提供领域Agent，医院掌握准入、授权、临床知识和治理规则。各方之间围绕Agent操作层展开合作与竞争。

对中国HIS厂商而言，真正的风险不是AI功能做得比别人慢一点，而是仍然把自己定义为应用模块供应商。未来的竞争单位将从模块数量转向五项能力：

1. 是否拥有可治理的医疗业务语义；
2. 是否能够编排跨系统任务；
3. 是否能够提供可信执行和完整审计；
4. 是否能够开放接入外部模型和Agent；
5. 是否能够持续证明业务价值和安全表现。

谁掌握这五项能力，谁才可能继续掌握医院数字化入口。

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，医院和厂商普遍进入了“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、科研助手等项目大量出现。

政策层面也为场景扩展提供了明确方向。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多个领域的84类参考场景。2025年发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》进一步释放了从试点探索走向规范应用的政策信号。

但场景数量增加并不等于价值增加。

大量AI项目仍然停留在独立工具层：它们能够生成内容、给出提示或回答问题，但没有嵌入医院的权责体系和闭环流程。用户必须主动打开另一个系统，复制数据，判断结果，再回到HIS中完成操作。AI提供了一个答案，却没有真正完成工作。

这类项目很容易进入“试点炼狱”：演示效果很好，少数用户愿意尝试，但使用频率逐步下降，无法形成规模化收益，也无法说明究竟改善了医疗质量、人员效率还是医院运营。

下一阶段的采购对象不会只是“一个模型”或“一个AI助手”，而会逐渐转向完整的领域能力。例如：

• 门诊服务与就诊流程优化；
• 住院诊疗协同与出院准备；
• 医疗质量与病历内涵管理；
• 医保审核、费用合规和拒付管理；
• 药事管理和用药安全；
• 手术室与医疗资源运营；
• 患者随访和连续健康管理；
• 科研数据准备和临床研究支持。

一个领域级解决方案需要同时包含数据、知识、流程、Agent、人工确认、系统执行、效果评价和持续运营，而不是只提供一个生成结果的接口。

重新划定“买、配、建”的边界

未来并不是所有AI能力都应该购买，也不是医院都要自建大模型。更合理的是三层划分。

第一层：标准化能力以购买为主。
通用文书辅助、知识检索、测试生成、培训内容、标准质控和常规运营分析等能力具有较高共性。重复自建会浪费资源，也难以持续维护。

第二层：院内流程以配置和共建为主。
权限、组织结构、院内制度、医保政策、专科流程和系统组合具有医院差异，需要在成熟产品上进行配置和联合优化，而不是从零开发。

第三层：差异化能力选择性自建。
医院独有的优势专科、临床研究、区域协同模式和特色管理方法，可以成为自建或联合研发重点。这些能力能够沉淀为医院的知识资产和竞争优势。

因此，所谓“从建转向买”，本质上不是停止建设，而是停止重复建设通用能力，把有限的自建资源集中到真正产生差异的地方。

对厂商而言，产品化也不能停留在把AI包装进原有模块。合格的医疗AI产品至少需要满足六个条件：

1. 从端到端目标重新设计流程，而不是自动点击现有步骤；
2. 同时衡量效率、质量、安全和用户负担；
3. 深度嵌入现有工作环境，并能够形成执行闭环；
4. 清楚说明模型能力、适用范围、限制条件和责任边界；
5. 支持外部模型、第三方Agent和开放互操作；
6. 建立版本、性能、风险和成本的持续运营机制。

只有满足这些条件，AI才可能从项目展示转变为医院的日常生产能力。

七、未来HIS的真实形态：不是自动驾驶，而是分级自主

谈到Agent，最容易出现的误解是把医院想象成一个可以完全自动运行的系统。医疗不是标准化程度极高的工业流水线。患者情况不断变化，信息经常不完整，专业判断存在不确定性，责任必须落实到具体人员。未来HIS不会简单进入“全自动驾驶”。

更可行的路径是“分级自主”。

不同场景不应该拥有相同的自主权。患者提醒、文档整理和资源查询可以较高程度自动化；处方、用药、诊断和治疗决策则必须维持严格的人类控制。

医院需要为每个Agent设定一份“自主权预算”：它可以访问什么数据，可以调用什么工具，可以影响多少患者，可以执行多大金额或风险的操作，什么条件下必须转人工，出现何种异常应立即停用。

这种治理不只是管理制度，而是系统架构的一部分。

WHO关于医疗AI伦理与治理的指导强调保护人的自主性、促进福祉与安全、确保透明和问责。WHO随后针对大型多模态模型提出了面向政府、技术企业和医疗机构的进一步建议。美国卫生IT领域的HTI-1规则也将预测性决策支持的透明度纳入认证要求。NIST AI风险管理框架则用治理、识别、测量和管理四组活动，把风险控制从上线前评审延伸到系统全生命周期。在中国，如果AI软件形成明确的医疗器械预期用途，还需要结合国家药监局关于人工智能医用软件产品分类界定等要求判断其监管属性。虽然不同国家监管体系不同，但共同方向已经很清楚：仅仅证明模型“平均准确”远远不够，医疗机构还要知道模型从哪里来、适用于谁、如何更新、何时失效，以及发生问题后由谁负责。

这也是AI时代HIS与普通企业软件最重要的区别。企业Agent出现错误，可能造成效率或财务损失；临床Agent出现错误，可能伤害具体患者。医疗AI的每一次自主性提升，都必须对应更强的证据、监控和责任机制。

八、从“系统记录”到“意图—行动—结果”的闭环

传统HIS的核心能力是记录发生了什么：患者完成挂号，医生下达医嘱，药房完成发药，护士执行护理，医院完成结算。

未来HIS还需要理解三个更高层的问题：用户想完成什么、下一步应该做什么、最后是否产生预期结果。

可以把这种变化概括为三个阶段。

第一阶段是系统记录。信息化把业务动作转化为结构化记录，实现基本交易和追溯。

第二阶段是流程连接。集成平台、数据中心和业务中台连接不同系统，让数据能够汇聚和共享。

第三阶段是智能执行。Agent围绕目标组织信息、协调角色、调用系统、推进任务，并根据结果调整下一步行动。

例如，传统医保审核系统通常在费用产生后识别问题；未来的Agent可以在诊疗过程中结合患者情况、医保政策和医嘱状态，提示潜在风险，准备所需材料，并把高风险问题送给专业人员确认。它不只是提供一个规则命中结果，而是参与形成一个从识别、判断、处理到反馈的闭环。

又如，传统运营平台展示床位使用率和平均住院日；未来的运营Agent可以识别具体瓶颈，区分等待检查、等待会诊、等待手术、等待出院安排等原因，向相关角色发起任务，并持续追踪问题是否解决。它从“告诉管理者发生了什么”，进一步走向“协助管理者推动事情发生”。

这类能力要求HIS同时具备事件、状态、语义和执行接口。仅有数据查询或大屏展示无法支撑真正的Agent化运营。

九、医院、厂商和集成商应该做什么

HIS范式的变化不会一夜完成。相当长时间内，传统界面、固定流程、AI助手和Agent执行会同时存在。当前最重要的不是宣布全面转向Agent，而是为下一阶段建立可验证的基础。

对医院：不要先建设“万能Agent”，先建立可治理的自主能力

医院可以从六项工作开始。

第一，选择真正存在闭环价值的场景。优先选择流程清晰、数据可得、风险可控、价值可衡量的领域，避免从一个覆盖全院但无法落地的通用助手开始。

第二，建立场景风险分级。明确哪些场景只能提供信息，哪些可以生成草稿，哪些允许给出建议，哪些可以执行，以及各级别的审批和监控要求。

第三，治理关键语义和主数据。不必一次解决全部数据问题，但必须优先解决目标场景涉及的人员、患者、项目、药品、诊疗事件和状态定义。

第四，建设统一的Agent身份和审计体系。禁止Agent以共享账号或无限权限访问系统。每次数据访问和业务执行都应能够还原其代表对象、授权来源、输入信息和最终结果。

第五，改变效果评价。除准确率外，还要评估时间节省、采用率、异常率、人工纠正率、患者影响、成本变化和安全事件。

第六，建立退出机制。医院必须能够在模型性能下降、政策变化、数据异常或安全事件发生时快速降级、回退或停用Agent。

对HIS厂商：不要把AI做成一个新的菜单

HIS厂商需要完成四个转变。

一是从功能模块转向可调用能力。核心业务能力应被封装为具有明确权限、输入、输出和审计要求的服务。

二是从数据库定义转向医疗语义定义。未来真正难以替代的资产不是表结构，而是经过行业验证的业务对象、规则、流程状态和知识关系。

三是从交付人力转向AI交付工厂。把流程调研、配置、迁移、测试、培训和运维知识转化为可复用的Agent工具链，并通过真实项目验证效率和质量。

四是从封闭产品转向开放治理平台。医院不会把所有AI能力押注在单一厂商上。能够安全接入外部模型和领域Agent，反而更有机会成为医院级控制平台。

如果HIS厂商仍然以“增加多少AI功能点”衡量进展，很可能重复过去模块建设的路径，只是把系统数量换成了Agent数量。

对集成商和咨询服务商：价值将从配置系统转向改变组织

低价值的文档、配置、测试和培训工作会被持续自动化。集成商的价值需要向三个方向迁移：

• 帮助医院重新设计跨部门流程；
• 建立数据、语义、权限和AI治理体系；
• 推动临床采用、组织协同和价值实现。

未来最有价值的服务商，不是能够派出最多实施人员的公司，而是能够用更少的人、更好的工具和更强的组织能力，让医院真正获得可持续结果的公司。

十、HIS的终结，也是HIS回归本质

“The End of HIS as We Know It”是一个容易引起误解的标题。HIS不会因为AI出现而消失。医院仍然需要稳定的身份、医嘱、病历、药品、收费、权限和审计系统，而且这些能力的重要性不会下降。

真正走向终结的，是把医院数字化等同于建设更多应用，把系统使用等同于完成更多录入，把集成责任留给医务人员，把复杂界面当成专业性的旧模式。

未来的HIS将出现三个明显特征。

第一，它会越来越“无感”。用户不必理解系统结构，系统需要理解用户目标。

第二，它会越来越“主动”。系统不再只记录已经发生的业务，而是协助发现问题、准备行动并推动流程完成。

第三，它会越来越“受治理”。Agent越接近真实执行，身份、权限、证据、监控和责任就越重要。

对医院而言，核心任务不是追逐每一个新模型，而是建设一个能够安全吸收模型进步的数字基础。对HIS厂商而言，核心任务不是在旧系统旁边增加AI入口，而是重新设计交互、语义、执行和治理体系。对医疗行业而言，最重要的判断也不是AI能否展示出接近医生的语言能力，而是它能否在真实组织中持续、稳定、可追责地改善医疗服务。

未来的HIS不是“systemless”，而是越来越“screenless”；不是摆脱核心系统，而是让核心系统退到更合适的位置；不是让AI取代专业人员，而是重新划分人、系统和组织之间的工作。

当医生不再需要花费大量时间寻找系统、转抄数据和推进机械流程，当医院能够围绕患者目标而不是应用边界组织信息化，当每个Agent都具有明确权限、行为记录和安全边界，我们熟悉的HIS确实结束了。

但医院信息系统并没有结束。它只是从一个需要人不断操作的应用集合，转变为一个能够理解意图、协同行动，同时保持可信记录和专业责任的数字工作环境。

这才是AI对HIS最深刻的改变。

---

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.

–EOF–
转载须以超链接形式标明文章原始出处和作者信息及版权声明.