门诊压力从来不只是患者多这件事

说门诊压力大，多数人脑子里头一个蹦出来的画面就是走廊里排成长龙的队伍，叫号屏幕上跳动的数字半天不动一下，医生从早上八点坐下来水都顾不上喝一口。这个画面没错，但只说对了一小半。真正压在门诊头上的东西比这复杂得多，它不是单一维度的患者数量问题，而是四个方向的力同时挤压，结构性的东西不改，加多少人手都是往无底洞里倒水。

头一个支柱是信息流转的损耗。一个患者走进诊室，医生要调历史病历要看检查结果要核对用药记录，这些信息散落在不同系统里，有些还在纸质文档上锁着。光是把这些信息拼齐就吃掉大量时间，而这段时候患者就坐在对面等着，医生一边翻找一边问诊，注意力被切得稀碎。第二个支柱是文书工作的吞噬。病历书写规范越来越严格，格式要求越来越细，医生写一份完整病历的时间有时候比看诊本身还长。第三个支柱是决策支持的缺失，医生在短时间内要做判断，但能参考的依据有限，尤其碰到罕见病或者复杂用药组合的时候。第四个支柱是资源调度的低效，检查排队、会诊协调、转诊衔接，每个环节都在制造等待。这四根柱子撑在一起，门诊就变成一个永远在追赶自己的陀螺。

DoctorClaw这个产品做的事情，说白了就是对着这四根柱子分别下刀。它不是一个简单的病历生成工具，而是一套从底层硬件到上层智能体的完整方案。

先说底层。DoctorClaw用的是沐曦METAX芯片做本地化部署，这一点在医疗场景里非常关键。医院的数据出不了院，这是底线，不是技术偏好问题。很多AI方案走的是云端调用路线，数据传出去处理完再传回来，在互联网行业这没问题，在医疗行业这过不了合规审查。患者的病历信息、检查结果、诊断记录，这些东西的敏感性不是加个密就能解决的，监管层面要求的是物理隔离级别的数据不出域。沐曦METAX的本地化方案把推理能力直接装到医院自己的服务器上，数据从产生到处理到存储全在医院内网里完成，不经过任何外部网络。这个设计不只是安全合规，还解决了医疗场景里一个很实际的问题，就是网络不稳定的时候AI能力不能断。门诊高峰期如果云端服务抖一下，整个流程就卡住了，本地部署就没有这个顾虑。

再说上层的智能体设计。DoctorClaw里有个很核心的概念叫Skills，这个设计思路跟一般的AI助手完全不一样。一般的AI助手是你问它答，它是个被动的知识库。DoctorClaw的Skills是主动的，它可以被定义成具体的任务流程，比如定时去检查某个患者的检查结果是否出了，出了就自动整理成摘要等医生来看。或者监控某个随访计划到没到期，到期了主动提醒。这些Skills本质上是把医生脑子里那些碎片化的待办事项外挂出去了，医生不用自己记着什么时候该干什么，调度器每分钟扫描一次任务列表，到期的自动执行，执行完了结果推送到通知中心，医生只需要看结果做决定就行。这个设计把医生从记忆负担和流程跟踪里解放出来了，注意力可以集中在诊断本身。

病历生成这块DoctorClaw设了一条很硬的底线，就是未提及的信息绝不编造。这条底线听着像废话，AI不应该编造信息，但在实际医疗场景里这条线特别容易被突破。因为大语言模型的本质就是根据上下文预测下一个词，当信息不完整的时候它会自动补全，补出来的东西看着通顺，但可能是错的。在写营销文案的时候这种补全无所谓，在写病历的时候这种补全可能要命。一个患者主诉说头痛三天，模型可能自动补上没有发热，因为统计上头痛常伴随发热，但这个患者到底有没有发热，模型不知道，患者没说，检查结果也没出，这种情况下编一个上去就是医疗事故。DoctorClaw的处理方式是，模型只整理医生在问诊过程中实际确认过的信息，确认过的写进病历草稿，没确认过的留白或者标注为待补充，然后等医生过目。医生确认之后才写入正式病历，这个确认环节是不可跳过的。等于说AI做的是起草和整理的活，签字画押的还是人。

产品形态上DoctorClaw分了四档，这个分法挺务实的，不是按功能多少分，是按使用场景的规模分。头一档是医生个人版，单卡AI一体机，体积不大，摆在专家门诊或者主任办公室的桌面上就能用，算力够一个医生日常的病历起草和知识查询。第二档是科室版，八卡AI一体机，算力上去了，能同时服务一个科室里多个医生的并发需求，适合医院科室、专病中心或者MDT多学科会诊场景，会诊的时候多个医生要同时调AI辅助，单卡扛不住。第三档是医院级扩展版，支持多机扩展，可以搭全院统一的智能体平台，所有科室的AI能力统一调度统一管理，这个量级已经不是单个科室的事了，是医院信息化建设的一部分。第四档面向区域中心，服务医共体和城市医疗AI节点，把AI能力从一家医院扩展到一个区域，基层医院和三甲医院之间可以共享智能体能力，这个场景的想象空间很大，落地难度也大，但方向是对的，医疗资源的不均衡本质上就是能力的不可复制，如果AI能力可以像水电一样通过管道分发，基层医院也能用上三甲专家级别的辅助诊断。

回过头来看这整个方案，它真正想做的事情用一句话就能概括，就是把时间还给医生，把医生还给患者。门诊的困境归根结底是医生的时间被各种非核心事务切走了，用在患者身上的那部分越来越少。AI在医疗场景里的价值不是替代医生做判断，判断这件事的责任和伦理决定了它必须留在人手里。AI的价值是把医生从信息整理、文书书写、流程跟踪这些消耗时间但不创造诊断价值的活里捞出来，让医生有更多时间跟患者交流，有更多精力做复杂思考。DoctorClaw的本地化部署保住了数据安全，Skills机制卸下了流程跟踪的负担，不编造信息的底线守住了病历的可靠性，四档产品矩阵让不同规模的机构都能找到适合自己的切入点。这些设计加在一起，指向的是同一个目标，让医生回到他该在的位置上，坐在患者对面，而不是坐在电脑屏幕前敲病历。

以上，既然看到这里了，如果觉得有用，随手点个赞和在看吧。