01 重构服务入口与流量分发
温医大附一院与京东健康合作引入“京东卓医”大模型，首要任务是解决传统“人找服务”模式下的匹配低效问题。过去，用户需具备一定的医学常识才能精准完成科室与医生的筛选，这种高门槛的搜索逻辑直接影响了转化效率。通过AI精准预约系统，医院将服务逻辑转变为“服务找人”，利用多轮对话完成病情采集与医生匹配，并将病史采集前置至诊前，串联起诊中签到、候诊、缴费及取药等全流程。截至2026年6月，该AI服务体系累计服务患者已超910万人次，标志着AI已具备基础设施属性，有效承接了海量用户的标准化服务需求，大幅提升了门诊系统的运行吞吐能力。
02 深挖临床价值与运营效率
在提升服务深度方面，临床营养管理成为AI切入高价值场景的突破口。临床实践证实，营养状态直接影响肿瘤患者术后并发症与生存率，但人工筛查与长期管理成本极高，难以规模化覆盖。依托“京医千询”大模型，温医大附一院构建了临床营养大模型，通过读取病历、检验指标及CT影像，自动识别肌少症等风险并制定个性化方案。目前，该院风险筛查率接近100%，全院风险检出率达35%，营养师效率提升50%。这一路径验证了AI在标准化、长周期管理场景下的优势，实现了从风险预警到效果追踪的闭环，显著提升了专业服务的运营人效。
03 智能风控与系统化嵌入
在运营风控与合规层面，AI的应用同样带来了显著的降本增效。面对医保支付改革与控费压力，温医大附一院将临床决策支持与医保审核深度融合，构建了医疗费用智能监管平台。系统覆盖352项耗材、167项药品及215项诊疗项目规则，在医嘱开立时实时结合病历数据进行合规预警。实施后，医院医保疑点数据同比下降约80%，违规问题同比下降约76%。这表明AI已从辅助诊疗延伸至资源配置与风控管理，成为保障医院精细化运营的关键能力。目前，该模式已复制至智慧体重管理及创面修复等专病领域，在基层赋能试点中，医生诊断准确率提升至92%，单病例评估效率提升约6倍。
京东健康与温医大附一院的实践表明，医疗AI的竞争焦点已从模型参数转向场景落地价值。通过将高质量临床数据与通用大模型能力结合，AI正在从辅助工具进化为医疗体系的基础设施。对于行业而言，未来的核心不在于技术本身的替代能力，而在于如何利用AI实现服务的精准化、流程的顺畅化以及管理的精细化，这标志着医疗AI系统化嵌入时代的开启。