PG新闻
News
在健康中国战略与分级诊疗制度深化推进的背景下,传统碎片化诊疗模式难以满足全生命周期健康管理的需求,基层医疗资源配置失衡与服务能力短板亟待系统性破局。数字医疗的蓬勃发展为全科医学创新转型带来了契机。数字医疗技术正在重构全科医学的发展范式。在人才培养领域,利用在线教育打破资源壁垒,运用模拟仿真技术构建沉浸式诊疗场景,依托人工智能工具实现个性化能力培养。通过上述技术加速全科医师同质化、规范化培养进程,推动培养模式向实践化、精准化转型。在服务模式革新层面,基于数字医疗技术构建“诊前-诊中-诊后”全流程全科医疗服务体系,创新全科医疗的智能化服务模式。从诊前智能预问诊、分诊、精准预防,诊中精准诊疗与资源协同,到诊后智能随访与动态监测,系统推进全科医疗从“经验驱动”转向“数据智能驱动”,打造“医院-社区-家庭”一体化、连续性的健康管理新生态。然而,当前全科医疗数字化转型面临数据跨系统整合共享难题、数据隐私安全风险、技术推广应用瓶颈及复合型人才短缺等困境。唯有破解上述难题,方能为全科医学健康可持续发展注入新动能。
本文聚焦于数字医疗的技术演进及其与全科医学服务场景深度融合的实施路径进行论述,旨在推动“以疾病为原点”向“以健康为原点”的模式转型,“单病种诊疗”向“多病共存整合管理”的能力升级,“以治病为中心”向“以人民健康为中心”的理念革新,切实提升全科医疗在预防、诊疗、管理全流程中的可及性、连续性和综合性。
数字医疗是一种将区块链、人工智能(AI)、互联网、云计算、大数据等现代化数字技术与医疗健康服务相融合的新型医疗模式,包含电子病历、远程医疗、AI辅助诊疗、监测管理系统等技术。其可以打破传统医疗的时空限制,利用数字化手段优化或重构预防、诊断、治疗、康复和健康管理等医疗服务全流程,实现医疗资源的高效利用[ 5 ]。数字医疗具有数据驱动、医疗信息化、医疗数字化、医疗网络化和服务个性化的五大核心特征[ 6 , 7 , 8 ]。
数字医疗的演进可划分为萌芽期、发展期和创新期3个时期,反映了技术与医疗深入融合的进程。
20世纪60年代,美国的Larry Weed博士提出“以问题为导向的医学记录模式(problem-oriented medical record,POMR)”[ 9 ],通过SOAP框架[主观症状(subjective)、客观检查(objective)、评估(assessment)、计划(plan)]开启病历结构化革新的先河,为电子病历(electronic medical record,EMR)奠定理论基础。同期美国航空航天局(NASA)研发的远程生理监测技术开启远程医疗的先河[ 10 ]。1971年美国El Camino医院部署首个电子病历系统[ 11 ]。我国数字医疗起步于1970年对计算机辅助医疗管理的探索,1995年“金卫工程”和“军字一号工程”标志着医院信息系统(hospital information system,HIS)建设进入网络化阶段,1996年解放军总医院完成国内首例远程会诊并成立远程医疗中心[ 12 ]。
这一时期是从理论构建到初步实践的关键时期,形成了支撑数字医疗的三大基础要素——结构化电子病历标准、医院信息管理系统和远程医疗技术雏形。
移动互联网和智能手机的普及推动在线医疗平台的兴起,互联网医疗突破了传统远程医疗的机构壁垒,实现医患互联,极大地拓展了医疗服务的可及性[ 6 ]。2016年发布的《“健康中国2030”规划纲要》,首次将数字医疗纳入国家战略,强调健康信息化与精准医疗相结合,推动数字医疗广泛应用于疾病预测、个性化治疗和诊断支持等领域。2018年颁布《国务院办公厅关于促进“互联网+医疗健康”发展的意见》,强调加快互联网医疗健康服务体系的建设,推动健康医疗大数据的标准化管理应用。一系列国家政策的出台,标志着我国数字医疗从技术探索阶段步入规范化、体系化发展的新时期。
这一时期为数字医疗的全面落地(如AI辅助诊断、元宇宙医疗)奠定了技术、数据和政策基础。
自2020年以来,数字医疗进入创新期,尤其在新型冠状病毒感染疫情防控中,远程诊疗、在线诊疗和数字化防控技术发挥了关键作用[ 13 ]。《“十四五”全民健康信息化规划》通过强化数据互联互通与安全治理,为医疗资源优化配置提供了制度保障。在这一时期,5G、物联网(IoT)、AI技术和区块链等前沿技术的深度融合,为智慧医院建设、个性化健康管理和AI辅助诊疗提供了强有力的支撑[ 14 ]。2022年底OpenAI公司发布的ChatGPT[ 15 ],以及2025年研发的国产大模型DeepSeek,在医疗领域掀起了一场深刻变革,对提升医疗服务品质、革新管理流程等具有独特价值。截至2025年5月1日,我国医疗大模型发布数量已达133个,远超2024年的94个和2023年的61个,呈现出爆发式增长态势[ 16 ]。
这一时期数字医疗技术构建起覆盖疾病预防、精准诊断、个性化治疗、健康管理的全生命周期健康服务体系,推动医疗服务向智能化、精准化和普惠化方向高质量发展。
数字医疗与全科医学的协同发展呈现出双重特征:一方面,数字医疗具有高效、便捷、精准的技术优势,推动着传统医疗模式的数字化转型;另一方面,作为基层医疗服务基石的全科医学,强调连续性、综合性和协调性的服务理念,与数字医疗的发展方向深度契合。这种融合绝非简单的技术叠加,而是通过全科医师培养模式、全科医疗服务模式的重塑实现体系重构的深度变革。
要培养复合型全科医师,需破解师资力量短缺、培养模式单一、教学工具传统、内容深度与广度不足等难题。针对不同层次、地域全科医师的需求,可将多种数字医疗技术叠加使用,打破时空界限,实现培养模式向实践化、个性化、精准化转型。
1.在线教育平台:在线教育平台打破了地域及院校间的资源壁垒,可实现国内外优质课程资源的开放、共享,可通过远程培训、在线互动、效果评估等手段,整合全科医师碎片化时间,既能拓展和更新其知识体系,又能提升学生临床思维和操作技能[ 17 ]。目前国内的资源主要包括中国大学 MOOC(https://)、学堂 在 线(https://)、国家 智 慧 教 育 公 共 服 务 平 台(https://)、爱课 程(https://)等 ,国外 的 资 源 主 要 包 括MedScape (https://)、MedicalTutors (https://)、PrepClinic (https://)、iHEED(https://)等。
2.模拟仿真技术:通过虚拟现实(VR)、增强现实(AR)、混合现实(MR)等前沿技术,可构建高度仿真的临床模拟场景并开展沉浸式实践操作[ 18 ]。以VR技术为例,学员可借助精准还原的基层诊疗场景,反复进行标准化病史采集、规范化体格检查以及鉴别诊断的思维训练,全面提升全科医师临床技能及其应对突发状况的能力。
3.远程医疗技术:远程医疗技术集成了远程诊断、治疗、咨询、监测和教学等多种功能,借助互联网技术将上级医院与基层医疗机构相连接。该技术能够运用音视频等手段,把基层复杂病例的资料以及影像结果转化为教学资源[ 19 ]。专家可通过远程会诊、带教查房、举办讲座和开展病例讨论等方式,对基层医疗人员进行实时指导与培训。这一模式在推动优质医疗资源下沉的同时有效提升了全科医师的临床决策能力。
传统经验型诊疗模式数据维度单一、信息整合滞后,易导致决策偏差,诊疗效率与准确性受限。数字医疗以数据智能驱动为核心,正在推动全科医疗从居民被动接受健康管理模式,向以医生为主导、AI为基础的居民自主管理模式转变。通过构建“诊前-诊中-诊后”全流程、全场景,线上线下一体化、智能化的基层数字医疗健康服务新体系,多维度重塑综合性、可持续的全科医疗服务模式,并推动其向更优质、高效、公平的方向发展,详见图1。
1.诊前:诊前服务作为全科医疗的起始环节,直接影响后续诊疗效果与患者体验。数字医疗凭借数字手段、智能技术赋能全科医疗诊前服务,助力问诊分诊、风险评估和精准预防、健康咨询和宣教等环节的实施。
在智能预问诊、分诊方面,通过微信公众号、小程序、应用(App)等对接医学知识图谱,借助语音或文本实现人机对话,以文字、语音、图片等形式智能采集患者症状、现病史、既往史、辅助检查结果、用药史等信息。问诊后,系统会按照病历书写规范生成预问诊报告,实时同步至云端EHR,患者可自主进行线上挂号。数字技术不仅可应用于医疗场景,还可大大缩短医生撰写病历的时间,提升诊疗效率[ 23 ]。此外,AI算法可基于症状与医学知识图谱精准预判疾病风险,在医联体中实现轻症患者基层接诊,危急重症转诊上级医院的智能分诊。通过优化医疗资源配置,减少无效就诊,推动分级诊疗落地[ 24 ]。
在风险评估和PG电子精准预防方面,通过可穿戴设备和IoT健康监测仪器,实时采集家庭成员的血压、血糖、心率、睡眠时长等动态数PG电子据,结合遗传病史、生活习惯等资料,构建家庭健康风险模型。AI通过整合家庭健康数据与个体EHR,预测慢性病、心血管疾病等的发病风险,并针对高风险人群制定个性化的精准干预方案,实现疾病的一级预防。此外,AI还可基于常规血液指标监测数据,对居民常见病、高发病进行早期筛查,助力实现早发现、早诊断、早治疗的二级预防目标。通过AI技术赋能社区居民的风险评估和精准预防,不仅为全科医师提供了全面的诊前评估依据,同时还将健康管理从“治病”转向“预防”,推动全科医疗理念落地。
在健康咨询与宣教方面,依托数字医疗平台的网站、App、微信公众号、小程序等多元渠道,构建“互联网+健康教育”社区平台[ 25 ]。全科医师可基于平台的用户画像功能(年龄、性别、病史标签等),定向推送个性化的健康科普文章、图片、视频等信息,并通过在线健康讲座及互动问答等提高患者参与度,通过科学知识传递促进患者行为改变,提升其健康素养与自我管理能力。这与全科医疗“预防为先、全人健康”的核心理念高度契合。
2.诊中:精准诊疗与资源协同。诊中服务作为医疗流程的核心环节,既是诊疗实施的关键阶段,也是数字医疗价值的集中体现。传统模式依赖全科医师的经验,存在管理粗放、效果评估难等局限。数字医疗通过智能辅助决策、远程诊疗和智能转诊赋能诊中服务,助力实现精准化、标准化管理,推动诊疗从经验驱动向数据智能驱动升级。
在智能辅助决策方面,AI技术与临床知识库深度融合,推动全科医师从依赖患者主诉的“被动咨询”向数据驱动的“主动预判”转型。在此过程中,以AI驱动的临床决策支持系统(clinical decision support system,CDSS)为核心,通过整合医学文献、临床指南及实时海量病例数据,模拟专家诊疗思维,为问诊、检查、诊断到治疗的全流程提供动态决策支持[ 26 ]。一方面依托DeepSeek等平台的强大算力和深度学习能力,通过多模态数据融合与智能算法,解析患者病史、检查指标等,生成风险评分与鉴别诊断列表,降低漏诊率[ 27 ];另一方面通过药物相互作用预警和诊断逻辑校验,降低医疗差错率。如在基层医疗机构使用人工智能胸部疾病辅助诊断系统(ADSC),可提升全科医师的诊断效率、准确性和患者满意度[ 28 ]。CDSS还可通过整合患者家庭健康史、生活习惯等数据,践行“以人为中心、以家庭为单位”的核心理念。例如,面对复杂病情时,全科医师可结合AI辅助诊断结果与家庭健康风险图谱,制定个性化诊疗方案,确保决策更贴近患者的实际需求。Groh等[ 29 ]发现全科医师在AI辅助下诊断准确率提高了69%。此外,国内外医疗LLM可凭借强大的自然语言处理能力,高效解析患者病历、检验报告等非结构化文本,挖掘潜在临床关联数据,为CDSS提供更为全面的决策依据。以MetaGP为例,在急诊领域将初级和主治医师诊断准确率分别提升53%和46%,在罕见病诊断中,其平均得分达1.57分(满分2分),超越资深全科医师(1.50分)和GPT-4(0.93分)[ 30 ]。此外,杭州拱墅区应用“墅智健康”大模型1.0,使医生诊疗效率提升约30%,病历书写效率提升40%,且病历质控条目覆盖率超过90%[ 31 ]。讯飞医疗“智医助理”作为基层应用的典范,经星火医疗大模型X1赋能后,常见病诊断合理率突破95%,合理用药审核正确率超过95%[ 16 ]。
在远程诊疗服务方面,基于5G/视频通信技术,全科医师通过数字平台可实时联动上级医院专家,针对复杂慢性病(共病)、疑难病例开展多学科会诊并制定个性化治疗路径,使患者无须转诊即可获得优质医疗资源,有效缓解异地就医的奔波之苦,降低病情延误的风险[ 32 ]。例如甘肃省临夏州利用远程医疗将优质资源精准下沉基层,助力偏远地区疑难病例的诊治[33]。
在智能转诊方面,依托信息平台建立转诊信息系统,通过算法和数据分析,根据患者的病情、需求以及医疗机构的专长,智能匹配最适合的转诊医院和医生,通过简化转诊流程,减少患者等待时间,提高转诊的精准度和效率。如“海医数智平台”构建的分级转诊系统,有效实现了“小病在社区、大病到医院、康复回社区”的闭环管理[ 34 ]。
3.诊后:智能随访与动态监测。诊后服务作为衔接治疗与康复的核心环节,是保障全科医疗服务连续性的关键。数字医疗技术依托数据互联与动态监测能力,整合患者全病程的健康信息,将传统“以诊疗为终点”的模式重构为“以健康管理为起点”的全程照护体系,推动全科医疗从被动响应向主动健康管理转型。借助数字医疗技术实现智能化随访、居家健康监测和临床用药智能辅助等,让健康管理无缝衔接诊疗过程,共同构建起全方位、全周期的高质量全科医疗服务体系。
在智能随访方面,通过智能语音外呼及聊天机器人等方式,自动完成诊后患者及基本公共卫生重点人群的随访服务。系统基于预设的规则主动发起随访,实时采集患者的康复指标、用药反馈及行为数据等,并通过自助问答解答常见问题,同步更新健康档案。以“智医助理”为例,通过智能随访技术优化随访流程,实现居民健康动态跟踪,进行定期随访,提醒患者及时复诊,对患者进行全流程管理的同时也为开展真实世界研究提供了数据支持。此外,系统不仅可以群发短信,如果患者未接听到首次随访电话,还会自动根据设置的时间间隔再次拨打,语音结合文字双重提醒,避免患者因主客观原因造成复诊遗忘或推迟[ 35 ]。
在居家健康监测方面,通过可穿戴设备和IoT健康监测仪器,实时记录患者的生理指标,并通过互联网传输检查数据,方便医生进行24 h远程监控,以及个体化、精准化的慢性病管理。如北京市方庄社区卫生服务中心依托“智能语音外呼平台”对接慢性病管理系统和可穿戴设备,利用AI实时监测患者生理指标,超阈值时自动触发外呼提醒并联动家庭医生团队,及时进行医疗咨询,并给予用药指导[ 25 ];罗湖医院集团东门社康上线的“腾讯AI临床助手”,可跟踪患者健康状况,及时提醒复查或调整治疗方案;南大菲特的“三师共管AI大模型”则聚焦慢性病管理,融合200余位专家经验,通过多模态交互实现生活方式干预[ 16 ]。
在临床用药和配药智能辅助方面,智能用药系统(SAM)可通过移动端为居家患者提供用药提醒、不良反应预警及药剂师在线咨询等个性化服务,提升了患者用药依从性,降低了不良事件发生风险[ 36 ]。通过物联网技术可实现药品配送智能管理,切实解决老年患者取药难题,如杭州智慧云药房,借助云计算等技术整合多方资源,第三方药商根据家庭医生处方配送上门[ 37 ];上海“云配药”系统通过IoT技术实现药品与设备的智能管理,解决老年患者就医取药难题。
尽管健康医疗数据的互联互通在技术层面已基本实现,但由于数据格式和标准的多样化(如不同基层医疗机构的电子病历系统、影像检查设备的数据格式、编码方式和存储结构存在差异),加之不同机构的医生对疾病诊断、治疗方法、药品名称的表述存在语义差异,导致“数据能用但难整合”[38]。可通过制定标准化数据格式、建立统一数据交换平台、引入区块链技术等来保障数据安全完整,利用大数据技术深入挖掘数据价值,以及加强法律政策支持等方式,打破医疗“信息孤岛”与“数据烟囱”,消除数据间的“语言障碍”,提升医疗数据的共享和互操作性。
在数字化转型背景下,个人健康信息的采集、传输等环节极易遭受未经授权的访问,医疗数据安全风险与日俱增[ 39 ]。基层医疗机构的信息系统保留着患者长期、全面的健康档案(涵盖既往病史、日常监测指标及各类诊疗记录),一旦泄露将严重威胁患者隐私与安全[ 40 ]。欧洲联盟的《通用数据保护条例》对个人数据的处理及传输设定了严格规定[ 41 ]。需构建安全共享框架以提升数据存储与传输的安全性,并保障数据的真实性与完整性,同时明确数据所有权与使用权归属,建立健全共享协议与责任追溯机制,规范数据使用流程,确保合法合规共享。
数字医疗落地基层面临“接入性障碍”与“使用性障碍”的双重困境,偏远地区因5G网络覆盖率低、智能终端配置不足,形成“接入鸿沟”,而老年和残障人群因技术使用能力受限,存在“使用性障碍”,包括“无法使用”“不会使用”“不敢使用”等[ 42 ],导致数字医疗便利性从中心城市向边缘地区、年轻群体向特殊人群逐级衰减。值得关注的是,边缘AI系统(将人工智能算法嵌入终端设备的技术)可依托终端自身算力运行,降低对5G网络的依赖,缓解偏远地区接入难题,而针对特殊人群,可通过简化交互界面(如大图标、语音指令、手势操作)贴合认知习惯,降低使用门槛。
基层医疗机构亟需精通专业知识和数字医疗技术的复合型全科医学人才。目前全科医师在技术应用方面存在明显短板,表现在电子病历系统深度使用、数字诊疗设备操作、基于大数据的健康管理以及AI辅助诊疗系统应用等场景中。部分新生代全科医师虽具备数字技术基础,却因临床经验不足,难以精准把握基层实际需求,导致数字医疗技术难以深度融入日常诊疗,基层医疗机构亦因人才短缺难以释放技术潜力。因此,需构建贯穿全周期的培养体系,数字医疗技术培训应覆盖在校教育、规范化培训及继续医学教育全阶段。培训过程中需强调理论与实践融合,通过设置丰富、多样的复杂医疗场景模拟训练,帮助全科医师通过实践持续提升技术应用能力,最终全阶段、全方位地掌握、应用数字医疗技术[ 44 ]。
数字医疗技术以不可阻挡之势渗透全科医学领域。截至2025年4月,“智医助理”已覆盖全国31个省级行政区的682个区县的7.3万个基层医疗机构,服务22万名基层医生,累计提供9.7亿次AI辅诊建议[ 16 ]。然而,其广泛应用引发学术界争议——技术究竟是替代还是赋能全科医学?目前,技术虽能构建标准化诊疗流程,却存在三重局限性:其一,情感联结缺失,算法无法替代医患面对面沟通中的共情与信任建立;其二,复杂决策能力不足,多病共存患者的用药配伍禁忌与治疗优先级权衡,需依赖全科医师的临床经验与个体化评估,远超算法的线性逻辑;其三,人文属性缺位,全科医学的“全人管理”核心价值要求综合考量患者的生物、心理、社会属性,而技术工具仅能处理结构化数据,难以触及人文内核。如若盲目推崇“数字医疗技术替代论”,不仅会因数据偏差与责任归属模糊问题引发技术适配风险,还将削弱全科医师临床决策的权威性,导致基层医疗陷入“技术依赖”与“人文缺失”的双重困境。因此,尽管AI可提高诊断能力、扩展服务边界、优化服务效率[44],但其赋能作用仍需以全科医师的主导诊疗决策为前提。
全科医学作为医疗卫生服务体系的基石,承载着居民基础医疗、常见病和多发病诊疗、慢性病管理和健康管理等需求,是推动医疗卫生服务全面、协调、可持续发展的关键力量。由于政策推动与资源短缺的双重属性,基层医疗成为数字医疗技术落地的战略要地,为全科医学的发展带来全新契机与变革。一方面,重塑全科医师的专业价值,推动全科医学从传统的“经验驱动”迈向“数据智能驱动”的个性化、精准化时代,同时促进全科医疗服务模式从“治病”向“治未病”的战略性转变,从根本上革新服务范式。另一方面,通过创新全科医学教育与培训方式,依托远程医疗、AI、大数据等技术,构建覆盖“诊前-诊中-诊后”全流程、全场景的智能化、综合性、连续性的线上线下服务模式。研究显示我国慢性病共病患病率随增龄增长而升高[ 45 ],传统单病管理模式难以满足复杂的照护需求,而数字医疗可整合多种技术,为“多病种协同干预”提供精准化实现路径。值得注意的是,数字医疗的核心定位并非取代全科医师,而是通过技术赋能强化其作为医疗决策主导者和健康协调者的地位,助力构建全新的协同发展模式,实现服务效率提升、质量优化与资源共享。
数字医疗技术还会持续创新、迭代,通过构建智慧医疗生态系统,推动全科医学向智能化、精准化、个性化发展,促进“8-P”健康理念的全面实施。但必须清醒认识到,当前仍面临数据安全隐患、技术普及不均衡、监管体系不完善等多重挑战。
为保障全科医学可持续发展,政府、医疗机构、科技企业等多方应协同发力,重点推进以下工作:第一,建立跨机构健康数据共享机制,在保障安全前提下实现信息互联互通;第二,加大适老化智能监测设备研发投入,提升老年人群健康管理便利性;第三,完善数字医疗人才培养体系,加强全科医师数字化技能培训,打造适应时代需求的高素质人才队伍。