近日，在北京市卫生健康委员会、海淀区人民政府指导下，由北京大学医学部、首都医科大学、清华大学医学院及中国医药创新促进会联合主办的首届医药协同创新大会（2026 PMCIC）成功举办。经严格遴选，百余项聚焦临床需求、面向前沿赛道的创新项目在本次大会上正式发布，展现出较强的创新价值与成果转化潜力。

其中，在“AI/数智化赋能临床研究创新”板块，中国医学科学院北京协和医院与神州数码联合打造的“嗜铬细胞瘤/副神经节瘤术前麻醉评估与风险分层智能体”成功入选。作为双方医工协同创新的阶段性成果，该智能体以嗜铬细胞瘤和副神经节瘤（PPGL）这一高难度罕见病为切入点，通过整合患者多源数据、临床指南与专家经验，辅助医生高效完成术前信息核查、风险评估及麻醉方案匹配，为人工智能深入专业医疗场景、融入临床业务流程提供了新的实践样本。

从高难度专病切入，探索麻醉评估智能化

麻醉科贯穿患者手术治疗全过程。从术前接诊、风险评估和方案制定，到术中监测、术后交接、并发症管理及院外随访。每个环节都需综合患者病情、检验检查、用药记录和手术方案等多维信息，对医生的专业判断和临床经验要求较高。随着高龄患者、复杂手术和合并多种基础疾病的比例持续上升，麻醉管理所面对的数据量和风险变量也在不断增长。

传统模式下，医生需要在不同系统和病历资料中反复查找、核验信息，术前评估高度依赖个人经验。不同医疗机构之间受人才储备和诊疗能力差异的影响，评估质量参差不齐。

PPGL正是其中极具代表性的高风险场景。此类患者可能表现为阵发性或持续性高血压，围术期血流动力学波动显著，术前准备、麻醉方案和风险控制均具有较强的专业性。同时，由于疾病相对罕见，基层医疗机构在早期筛查、风险识别和规范评估方面往往缺乏足够经验。

正是基于这一现实需求，北京协和医院麻醉科与神州数码选择从PPGL术前麻醉评估入手，将复杂专病作为麻醉智能化探索的起点。一方面借助AI提升患者信息整合和风险识别效率，另一方面将专家经验转化为更加规范、可验证、可持续优化的辅助评估流程，为后续拓展至更多病种奠定基础。

融合数据、知识与经验，让AI进入真实医疗流程

医疗AI的价值并不限于医学知识问答，更在于能否进入医生的实际工作流程，与医院数据、专业知识和临床判断形成有效协同。

围绕PPGL术前麻醉场景，项目团队首先对PPGL麻醉评估流程进行了系统梳理，将临床指南、专家共识、专业文献与协和麻醉科的实践经验相结合，提炼出专病评估规则、风险指标和辅助判断逻辑。

在此基础上，智能体对接医院HIS和临床数据中心等数据环境，汇集患者基本信息、既往病史、诊断结果、检验检查、量表评分和用药记录，形成相对完整的患者信息视图。此前需要医生在多个系统中逐一核查的数据，由智能体自动提取并结构化处理，同时完成数据完整性检查、异常信息识别和重点风险提示。

结合专业规则与患者实际情况，智能体进一步辅助开展术前风险分层与麻醉方案匹配，并提供相关专家共识、临床文献及用药知识支持。医生对系统输出进行审核、判断和反馈，使智能体在真实业务流程中持续接受验证和优化。

阶段性测试数据显示，系统数据提取准确率为96.87%。目前相关能力已进入科室联合测试和前瞻性研究阶段，按临床实际流程持续验证。需要强调的是，AI承担的是数据整理、规则校验和辅助提醒等工作，最终医疗决策仍由临床医生完成。

从使用效果看，这一模式有望减少繁杂、重复的数据整理工作量，使医生能将更多精力投入患者判断与个体化方案制定。从医院管理角度，则有助于推动术前评估流程进一步规范化，提升不同医生之间的决策一致性，为优质麻醉经验的沉淀与推广提供数字化载体。

以专病为起点，让AI进一步融入麻醉围术期管理

此次入选的PPGL术前麻醉评估智能体，并非孤立的应用尝试，而是双方围绕麻醉围术期全流程开展智能化探索的重要开端。

基于神州问学Agent平台，神州数码将数据提取、整合、智能评估和知识处理等能力嵌入麻醉业务流程，逐步形成覆盖患者管理、术前评估和循证知识支持的麻醉AI辅助工具。其核心逻辑并非简单增设一个AI入口，而是让数据、知识、系统和医生在同一套流程中协同运行，使AI真正进入医疗业务现场。

这也体现了神州数码“AI for Process”在医疗行业的实践路径。面对医疗场景专业性强、流程复杂、数据分散等特点，企业级AI需要从单点问答和工具应用，进一步走向流程重构与持续运营。只有将AI能力嵌入具体的诊疗和管理环节，才能真正发挥医疗数据的价值，形成可复制、可扩展的应用能力。

以PPGL专病场景为基础，双方还将继续探索术前并发症预测、术中血流动力学波动预测、术后并发症识别、患者随访及长期风险管理等方向，将AI能力从术前评估逐步延伸至更完整的麻醉围术期流程。从一项高难度罕见病的术前评估出发，面向麻醉医生的围术期AI辅助体系正在逐步构建，相关成果未来也将陆续发布。