过去的传统医院信息系统（HIS）本质上是“被动记录型工具”，而新一代医疗AI正在逐步演进为具有统筹与协同能力的“行动决策型工具”。图：IC photo
本年度第三十九个交易周（20260921-20260927），本周港市先涨后跌，震荡下行。临近长假，医疗股紧跟港股，交易相对清淡。本周唯一亮点是锦欣生殖，周一周二都有2000万左右交易规模，是市场最活跃的一只医疗股。但它周五大幅度低开，冲击2元的重大心理价位，并没有刺激成交量放大，反倒成交量萎缩，只有周一的六成左右。这种有趣的“量价”关系已经很久没有在医疗股出现了。锦欣生殖的上上下下，其成交量和海吉亚、固生堂一样，环比上周下降了两成左右。本周A股比港市少一个交易日。A股医疗股龙头，三博脑科继续放量向上冲击密集的均线系统，但没有站住。这只A股龙头要想继续一展雄风，还是要看新院区的放量和外部并购院区的整合力度，都要反映在财务数字上，面对现在支付端和竞争环境，这还有不少的挑战。虽然是脑机接口题材股，但脑机接口的题材没有走出真正大牛股行情，也在一定层面上压制了活跃资金的持续进入。
本年度第四十个交易周（20260928-20261004），港市遇到三季度结算和长假，前半周震荡，周五一个大幅低开，低位震荡。港市医疗股也跟随港市，震荡下行。本周的锦欣生殖，承接了上周的走势，继续在量能上活跃。周三单日突破了六千万的成交量，结合消息面（比如深圳重资产REITS）影响，虽然机构还是有分歧，但确实有资金开始流入。而其他医疗股，都遇到长假前的避险因素，主动买盘枯竭。周五的港市单开，因为北向资金缺乏，和长假前的降低仓位及消息面影响，也跟随大市在周五跳空低开，继续下行。
这一期的专栏开始再谈谈AI对医疗行业的影响。
从单兵作战的个人提效工具，到深入医疗核心骨干业务的运行引擎，AI在医院管理维度的角色演进仅用了一年左右的时间。过去的传统医院信息系统（HIS）本质上是“被动记录型工具”，而新一代医疗AI正在逐步演进为具有统筹与协同能力的“行动决策型工具”。然而，技术的代际更迭并没有带来所谓的“工具平权”。
新一代智能化排程与容量管理系统不仅单价高昂、前置技术门槛极高，且在架构重塑阶段伴随着较高的试错成本。这种高投入、长周期的特征，与民营医疗机构追求确定性投资回报率（ROI）的风格天然冲突，同时也彻底击穿了大量中小型医院有限的信息化预算上限。这种资本与技术壁垒催生了反直觉的行业分化：真正率先完成AI深度武装的，反而是体制庞大、体量扩张的公立三甲医院。依靠运筹优化与预测算法的加持，这些传统意义上的“医疗巨象”正在展现出罕见的敏捷性与运营周转速度。即便推演至三到五年后，相关AI方案的部署成本逐渐下降、技术逐步成熟普及，医疗市场的竞争格局也早已完成重塑，被挤出核心市场的中小型医院将无力回天。AI不仅未能缩小机构间的运营代差，反而成了头部大型公立医院横扫区域市场、加速提升行业集中度的“加速器”，成为这轮中小医院出清浪潮中的致命推手。
这场重构并非突如其来的概念炒作，而是经历了两年以上的底层渗透。自2024年初生成式AI技术在各行业广泛渗透以来，专注于医疗运筹优化与临床辅助的AI初创企业，以及科技大厂的医疗产品部门，便开始深入头部公立三甲医院的管理与业务场景。这种由医疗运营痛点倒逼的技术迭代，已从零星试点演变为席卷行业的重构趋势。本系列专栏将分为五个部分，系统拆解AI对医院底层运转模式与行业生态的深层冲击。
第一部分，AI正在帮助大型医院突破物理限制，进行“隐形”再次扩张。过去五到十年间，国内特大型与大型公立三甲医院通过“一院多区”和“国家/省级区域医疗中心”建设，完成了物理空间维度的第一轮产能圈地。然而，伴随国家多部委对公立医院单体规模、床位扩张的严格约束（严禁公立医院盲目扩张与超规划建设），物理层面的扩建闸门已被政策收紧。面对此类宏观调控，不少民营与中小医院管理层一度认为，悬在头顶的超级医院物理虹吸效应终于得到了遏制。
这种乐观低估了算法对产能极限的重构能力。AI正在协助大型医院绕开土地、建筑与重资产硬件的限制，实现“零资本开支（CapEx）”维度的产能倍增。在不新建楼宇、不新增实体床位的前提下，大型医院通过提高现有手术间、住院病床和急诊绿色通道的周转速率，获得了等同于新建病区的服务通量。
在国内医院推行的“全院一张床”跨科统筹中，传统调度模式高度依赖护士长、科主任及医务管理部门的人工经验协调。一旦某一专科床位告罄，协调一张跨科沉淀的“虚拟床位”，往往需要多方电话确认与人工调解，患者收治耗时常常延长30分钟以上。这种迟滞的根源在于传统信息系统纯粹处于被动响应状态。而AI系统通过对全院过去3至5年的历史吞吐数据、实时高发疾病谱波动进行预测建模，变“被动协调”为“预测性资源路由”，在患者抵达前完成手术间、床位与急诊通道的动态匹配。高价值医疗资源的供给不再受困于重资产规模，而变成了由算法实时重组的弹性通量。
不仅是中国。过去三年多时间里，美国也在AI医院资源调度上有很大突破。世界知名的美国约翰霍普金斯医院，正在用它的AI产能指挥中心（AI Capacity Command Center, AI C3），大幅度提升了高价值诊疗资源运转效率。这套系统是医院主导，联合多家第三方科技公司开发的。它每分钟处理500条实时资源释放和占用消息，而这些信息从医院核心的14个不同系统中抽取而来的数据流。通过AI学习过去所有床位、手术间和急诊通道的流转信息，预测性为相应科室在未来半天提供相应容量释放。这套系统在beta版本就创造了惊人的成绩：医院增加了“16”张额外病床；跨院急重病接收能力提升了46%；急诊室患者分配到住院床位缩短了3.5小时；手术室术后转运延迟下降了70%；救护车重症转运缩短了63分钟。
手术室是急性期综合医院的业务核心与财务支柱，但也是内部资源博弈最激烈、闲置损耗最严重的部门。长期以来，手术室排班沿袭着工业时代的“包间制（Block Scheduling）”，即“规则制定、机器初排、人工协调”的粗放模式。这种排程的反馈周期往往以月度甚至季度为单位，根本无法敏捷应对临床实际的动态变化，导致核心手术间长期处于“急诊插台”与“临时空置”并存。而这就导致了这项最重要的资源长期受到临时取消、排班不准等闲置时段损耗和其他效率损耗。传统医院排班模式，会提前一周或者数天把未排满的医生“手术日”进行回收，但回收后，只能星星点点安排手术。这样不仅会让被回收的医生怨声载道，而且回收的手术日创造的价值也有限（一个或半个手术日只能安排临时的一两台手术）。AI协助手术排期后，会根据长达数年的数据，提前三周通知回收，并且用数据进行说服性通知，并且根据其他科室医生需求，对回收日进行重写分配。由于多了三周对患者通知时间，被重新分配新手术日的医生，就能从容把手术日装满，为自己、科室和医院创造了最大价值。这项技术已经在美国的科罗拉多连锁医疗集团UCHealth已经上线使用。而在国内，AI对手术日的排期介入，由于这个资源长期和医院整体评价和每个外科科室绩效挂钩，博弈相当复杂。但趋势不可逆，国内尝试应该在路上，很快就有成功实践涌现出来。
在国内公立医院推进此类算法调度，面临着更为复杂的科室博弈。在公立医院绩效考核（“国考”）与DRG/DIP支付方式改革的双重约束下，手术室排班与床位周转直接挂钩各外科科室的三四级手术占比、微创手术占比、平均住院日以及核心绩效奖励。这种多维度的利益博弈使得手术资源的再分配难以仅靠行政指令推行。然而，在医保基金紧平衡与医院精细化运营的双重压力下，技术倒逼运营变革的趋势不可逆转。国内头部公立三甲医院联合AI科技企业的排程试点已在稳步推进，基于算法的客观证据正逐步打破科室间的壁垒。当超级三甲医院借助算法彻底拉平跨院区、跨科室的流转壁垒，并在零资本开支的前提下将资产周转率与手术通量推向极限时，中小医院与民营机构赖以生存的区域错位发展空间将被进一步压缩。这场以运营效率为刀刃的行业大出清，才刚刚翻开第一页。