医疗 Agent 必须在合规与隐私前提下切入：优先运营效率与患者体验，临床决策保留医生终审。痛点是床位/手术间调度复杂、患者咨询重复、病历质控工作量大。
医院运营、临床协同与患者服务的 Agent 应用。
宏观趋势、价值链与数字化阶段——先理解行业全貌，再讨论 AI 能落在哪一层。
医疗健康关系民生与医保基金安全，体系包含医院、基层、公卫、医保与医药供应链。数字化从 HIS 普及走向互联互通、电子病历评级与「智慧医院」全域建设，但临床决策权与隐私保护始终是红线。
AI 在医疗的合理切入序通常是：运营效率 → 患者服务 → 病历质控与编码 → 临床科研辅助；越靠近诊疗决策，合规与伦理门槛越高。
典型系统分层与数据流向。Agent 不是悬空的能力，而是嵌在具体层级之间的协同节点。
「临床业务层 — 医院管理平台层 — 区域平台层 — 基础设施层」。院内数据以患者主索引贯通；Agent 宜从非诊疗闭环切入，通过统一集成平台访问只读数据。
门诊、住院、手术、护理、医技执行。
床位、手术间、耗材、绩效与质控。
转诊、远程医疗、医保结算与监管。
集成平台、主数据、身份与审计。
Agent 部署在集成层之上、面向运营与患者服务：导诊问答、床位调度建议、病历质控预检；不写入医嘱、不输出诊断结论，临床路径须医生确认。
与 AI 相关的业务瓶颈——问题是什么，为什么传统手段不够，AI 为何能切入。
急诊留观、择期手术、ICU 转科信息不同步，床位协调员电话追问各科室，手术间空档与排队并存，患者等待时间长。
Agent 可聚合 HIS 多模块状态，给出可解释的资源调配建议与瓶颈预警，协调员决策更快。
挂号、检查排队、报告时间、出院流程等问题占咨询台 70%+ 人力，高峰期排队，老年人数字鸿沟明显。
多轮对话 Agent 对接院内系统只读查询，7×24 统一口径；复杂医疗问题转医护并附摘要。
病历完整性、诊断与手术编码影响 DRG 分组与医保结算，质控员逐份抽查，问题发现滞后，返修成本高。
NLP 可批量预检缺失项与编码建议，质控员聚焦高风险病例，不替代临床诊断。
具体业务情境、工作流步骤、交付物与衡量指标——可直接作为 PoC 立项参考。
三甲综合医院 1200 床，日均急诊留观 80 人。床位协调中心需协调 20+ 科室床位与手术间，信息来自 HIS 多个模块，电话协调占主要工作时间。
平均等床时间缩短、急诊留观超时率下降、协调员电话量 reduced、手术间利用率提升。
不自动办理转科；患者隐私字段脱敏展示；建议仅供参考非医疗指令。
门诊日接待 8000+ 人次，咨询台重复回答「检查在哪做、报告何时出、如何退费」。老年患者对小程序操作困难。
咨询台排队时间下降、患者一次解决率提升、数字渠道满意度上升。
不提供诊断与处方建议；紧急症状引导急诊；对话日志加密存储。
病案科每月质控 3000+ 份出院病历，检查首页完整性、诊断与手术编码一致性。问题往往临近结算才发现，返修牵扯临床医生。
结算前返修率下降、质控人均处理量提升、DRG 分组争议减少。
不修改病历内容；编码建议非最终码；临床诊断权归医生。