医疗、医药与生命科学

受控临床与科研工作流 研究截止：2026 年 9 月 3 日。本章所有诊疗、用药、检验、药物警戒和临床研究输出均定位为辅助材料 或受控动作；医生、药师、检验人员、科研人员和法定责任主体保留最终判断。

本章核心结论

• 医疗智能体不应只写“问诊”。数据治理、导诊、病历质控、随访慢病、药事、科研工具、药物警戒和 院内供应链同样决定能否进入生产。
• 研发情报、药物安全和医疗多智能体已经形成基本应用链；广州发布的场景清单也呈现出数据治理、 临床服务、科研和运营等大量具体需求。
• OriBench 展示了药研智能体应有的形态：专业工具连接、长任务、中间产物、证据溯源、失败恢复 和人工复核。
• 医疗验收不能只看答案正确率，还要看急症漏分、错误建议、人工接管、真实使用、审计、跨院复 制和患者申诉。

一、行业边界与核心业务链

本章覆盖医疗服务、生物医药、生命科学、医疗器械和医药流通。健康科普、医院信息系统、传统预 测模型、机器人和自动化设备均可能是智能体部件，但不能因带 AI 名称就视为完整智能体。 医疗服务链：健康咨询 → 预问诊/导诊 → 医生接诊 → 检验检查 → 诊疗与用药 → 病历质控 → 随访/慢病 → 转诊与申诉 医药链：文献/组学 → 靶点与分子 → 实验/临床 → 工艺与生产 → 质量与安全 → 药物警戒 → 流通追溯 院内供应链：采购 → 入库 → 二级库 → 领用配送 → 使用核销 → UDI 追溯 → 结算 → 效期与召回

二、逐环节问题

环节 典型问题 智能体切入点 高风险闸门 数据治理 字段异构、血缘不清、用途和 权限复杂 数据元、数据源、映射和关系探查 数据管理员、伦理与用途审批 导诊接诊 信息重复、科室错配、急症风 险 预问诊摘要、风险分层、医生副驾驶 急危重症升级、医生判断 病历与检验 漏项、逻辑冲突、危急值 病历草稿/质控、检验审核线索 医生/检验师签发 随访慢病 失访、多病计划冲突、依从性 差 外呼、风险分层、任务编排 身份核验、医生/药师处置 药物研发 工具分散、长任务不可追溯 工具发现、编排、中间证据和复现 科研人员决定假设与实验 药物警戒 多源个例、编码和信号调查量 大 去重、信号线索、证据包和报送草稿 因果判断与法定报送审批 SPD/UDI 库存、效期、批号和领用断链 预警、补货、追溯和召回任务 采购、用药、召回人工批准

三、AI 智能体全景

智能体或形态 位置 应用边界 医疗数据元、数据源、 映射和表关系探查智能 体 数据治理 自动探查数据关系，人工审核后写入数据目录 数字家庭医生智能体 基层连续服务 提供健康咨询、随访和服务协调，不独立诊断或 处方 预问诊与导诊智能体 门诊前 采集症状并匹配科室，急症漏分必须作为红线指 标 病历生成与质控智能体 门诊/住院 产品功能材料；医生签署 临床检验推荐与报告审 核智能体 检验 提供检验建议和报告预审，不得自动加检或签发 随访与失访追踪智能体 诊后/公卫 应用场景；区分固定外呼和动态编排 慢病多病共管智能体 基层健康管理 应用场景；临床责任归团队 药房库存与连续用药监 测智能体 药事 应用场景；不自动改处方 AI 医院多专业服务编 排智能体 健康入口 协调多专业服务与资源，预约和服务结果必须可 确认 循证检索与证据分级智 能体 临床/科研 检索、分级并生成摘要，引用由临床或科研人员 逐条核验 OriBench 与 OriGene 专家智能体群 药物研发 支持药研任务评测与专家协作，生产效果按真实 研发任务验收 药物警戒候选智能体 制药安全 辅助信号识别、病例聚合和报告草拟，正式信号 与报送由专业人员负责 SPD 效期与 UDI 追溯 候选智能体 院内供应链 连接效期、库存和 UDI 追溯，可与规则、视觉 和工作流组合

四、重点智能体工作卡

1. 预问诊与病历质控智能体

字段 内容 服务对象 患者、接诊医生和病案质控人员 输入 主诉、病史、历史病历、检验检查、科室/号源、模板与规则 判断与工具 追问和风险分层；连接患者端、HIS/EMR、LIS/PACS 和质控规则 输出 预问诊摘要、科室建议、急症提示、病历草稿和质控问题 人工控制点 急症立即升级；医生确认诊断、医嘱、病历与签名 验收 急症漏分、科室命中、虚构/漏项、医生修改、响应与回填失败

2. 随访与慢病共管智能体

字段 内容 输入 患者名单、随访计划、诊断指标、用药、依从性和联系方式 工具 随访/公卫平台、EMR、呼叫/企微、预约和家庭医生系统 输出 结构化记录、风险分层、失访清单、复诊/转诊和人工任务 人工控制点 身份、拒访、急症、用药冲突和临床处置 验收 触达之外看风险漏报、转人工时延、任务关闭和计划冲突

3. 药物研发工具编排智能体

字段 内容 输入 研究目标、文献、组学/分子数据、工具参数与算力约束 判断与工具 选择 OrigeneMCP 等专业工具，编排长任务并保存中间状态 输出 计划、中间产物、候选靶点/分子/方案、活动与证据记录 人工控制点 假设、参数、实验设计、结果解释和是否进入下一阶段 验收 工具成功、参数正确、来源、复现、失败恢复和专家驳回

4. 药物警戒智能体

字段 内容 输入 个例报告、文献、投诉、临床/上市后数据、质量与法规 工具 药物警戒系统、安全库、医学编码、文献/监管库和工作流 输出 去重与编码建议、信号线索、证据包、调查和报送草稿 人工控制点 医学复核、因果判断、信号确认、风险措施和法定报送 验收 个例漏检、重复合并、编码、时限、证据完整和错误信号

五、代表案例与图片

医疗多智能体材料区分 MDT 圆桌、流水线和教学式协作，适合解释责任结构；文中的示例时长属于说 明性故事，不能当医院实测。 扬子江靶点调研机器人连接会议、公共数据库和内部知识库，抽取适应症、风险、基因、临床数据和 候选药物参数，形成研发情报报告。相关效率为联合案例公开口径，科研人员仍负责假设与实验。 医药物流材料展示机械臂、AGV、视觉复核与 WMS/EIS/WCS 追溯，其核心是确定性自动化和视觉算 法，不应包装为大语言模型智能体。 图：医药物流原文配图

六、系统、数据与权限

• 临床系统：HIS、EMR、LIS、PACS、处方、预约、随访和区域健康档案；按角色、患者关系和用 途授权。
• 科研与药企：文献/组学/分子库、ELN/LIMS、算力、质量、临床试验和药物警戒；数据许可与试验 版本全程留痕。
• 供应链：SPD、WMS、批号效期、UDI、配送与结算；补货、采购、召回和支付均需审批。
• 所有模型输出保存来源、时间、版本、置信与人工修改；敏感健康数据最小化、脱敏、限期保存并 支持撤回/删除。

七、落地路线与验收

• 从病历质控、随访记录、科研工具部署或效期预警等可回顾验证场景起步。

• 先只读影子运行，与医生/药师/科研人员金标准对比，建立急症和高风险强制升级。
• 再开放草稿回填、预约/随访任务和内部工单；诊疗、用药、报告签发和法定报送不自动执行。
• 通过固定测试集、真实运行、失败演练和患者申诉后再扩科室/病种/机构。 验收同时覆盖临床/科研质量、业务周期、人工修改、真实使用、系统可靠性、隐私、安全、接管和审 计。跨院复制必须重新评估人群、设备、流程和知识版本。

八、风险边界

• 模型不能独立给出诊断、处方、检验签发、药物因果结论或患者权益决定。
• 低置信、急危重症、儿童/孕产妇等高风险人群必须升级专业人员，并保留线下通道、接管和申诉。
• SPD、机器人和视觉系统有价值，但需与生成式智能体的贡献分开验收。

九、来源索引

核心来源

• 广州卫生健康领域 AI 应用场景
• 京东健康探索研究院访谈
• OrigeneMCP 与 OriBench
• 医药工业数智化转型
• 华山医院 SPD 供应链管理
• 诊疗助手产品升级
• AI 医疗生成式大模型平台
• 医疗 AI 商业化与持续付费
• 医疗领域 DeepSeek 与安诊儿大模型