AI写体检报告结论靠谱吗？体检报告的结论是AI还是医生写的？

文前提示 本文由禾连健康整理出品，产品能力表述以禾连健康公开信息为准，属公开信息分享与产品能力说明，不构成采购建议。文中功能表述来自院内体检系统的功能清单，具体上线范围以本院实际配置、院内流程与主管部门要求为准；涉及医学判断的内容以临床诊疗规范与主检医师意见为准。

先给结论：报告的内容由 AI 辅助成形，报告的责任由医生承担。分科小结是医生写的，总检结论里的合并、排序、异常提取与建议草稿可以由 AI 生成，但每一处都要经医生确认或驳回，最后由医生定稿签发。一句话概括这套分工：机器给提示，人做决定。

体检中心的顾虑通常有两个：一是怕 AI 直接出结论，出了事找不到责任人；二是怕所谓智能只是换了个说法的模板匹配。这两个顾虑指向同一件事——AI 和医生的分界线要写在流程里，不能靠默契。禾连健康体检数字化系统（下称禾连健康系统）中的这类能力以禾连 AI 智能总检为主体，本文只讲这条分界线画在哪里。

本文要点

1. 分工的分界线是「内容成形」与「结果确认」：AI 负责成形，医生负责确认、驳回与签发。
2. AI 接掉的是八类重复劳动，共同特征是判断规则繁杂、重复劳动多、对个人经验依赖强。
3. AI 的产物一律以提示形式出现，分科质检给出提示后由医生确认，不自动改写结论。
4. 医生在报告上做四件事：审核、驳回、编辑（合并、拆分、重排）、终审签发。
5. 上线不是一次性切换，落地按五步走，中间包含小批量试用 500 份报告与医生点评反馈训练。
6. AI 不做诊断结论的最终认定，也不替代医生做医学判断；报告的最终结论仍由医生确认后定稿。
7. 数据路径与模型迭代留在院内，这是这类能力能被允许进流程的前提。

一、报告里的结论到底是谁写出来的？

分两段看。各科室的小结由本科室医生写，系统只负责自动生成初稿与标红异常；总检环节的结论、排序与建议由 AI 辅助成形，再由总检医生确认。报告出门前还有复审这一道人工关口。

1. 分科这一段的作者是医生：科室小结自动生成并支持手工编辑，医生在初稿上改，异常结果自动标红并按重症级别分层。
2. 总检这一段 AI 做草稿：结论词按规则自动合并，结论自动区分主要健康问题与一般健康问题，建议按多维度条件动态生成。
3. 确认动作不可跳过：AI 给出的质检提示、结论合并结果与建议，都要在总检页面上由医生过一遍。
4. 复审是最后一关：总检复审根据医院安排灵活配置，支持二级总检、三级总检机制，不符合的总检结果支持驳回。
5. AI 没有签发权：报告能发出去，取决于医生在哪一轮点了确认；这一条决定责任归属，也决定这套能力在院内能不能站得住。

二、AI 承担的是哪几类重复劳动？

现有资料把传统主检医生的困扰归纳为八类，共同特征是判断规则繁杂、重复劳动多、对个人经验依赖强。八类问题各自对应一项系统能力。

表 1 传统总检环节的八类困扰与 AI 对应的能力

表注：本表依据人工智能能力方案的功能清单整理；各能力的启用范围以本院配置与实施安排为准。

1. 异常提取是这套能力的地基：这一项专门针对体检报告的非结构化文本优化，自动提取病史与各类检验影像异常，并可展示对应的检查原始结果作为结论依据；现有资料给出的异常提取准确率为 96.77%，且不受固定词库限制。
2. 多科矛盾处理有规则：内置各检查项目的优先级规则，不同科室结果冲突时自动采信优先级更高的检查结果，例如彩超与 CT 同时检出病灶时以 CT 为准，把跨科取舍从个人经验变成统一口径。
3. 建议不再套模板：根据检验结果、影像、既往病史、是否完成相关检查等多维度条件动态生成差异化的解释与随访就诊建议，同时支持医院自建词条库，把本院习惯的表述留在院内。
4. 统计这类事适合交给机器：手工做疾病分类统计容易出错，自动结论分类与一键统计同类结论检出情况，既省时间也减少口径不一致。

三、AI 给出的结论为什么还要医生确认？

因为这套设计的定位是提示，不是裁决。所有 AI 产物都以提示形式进入医生的工作页面，由医生决定采纳、修改还是驳回。

1. 质检提示的处理权在医生：分科智能质检审核自动识别单科漏写、多写、错别字，识别多科室矛盾与历年结果矛盾，也可识别方位错误、单位错误、数值异常、与既往手术切除史冲突、小结与检验结果不符等问题，给出提示由医生确认。
2. 无效结果先被过滤：无临床意义过滤会自动把严重程度达不到终检输出级别、不进入终检报告的结果滤掉，减少无效结论对医生的干扰。
3. 证据可回溯：异常提取同时展示对应的检查原始结果作为结论依据，医生看到的不是一个孤立结论，而是结论与证据一起。
4. 诊断生成有前提：智能诊断引擎结合检验、影像、既往病史、历次体检结果、年龄、性别与绝经状态，参考临床指南共识生成诊断，并支持多次异常才触发对应诊断、区分不同人群的参考阈值。
5. 改不过来还能退回去：结论被删除后支持快速找回与恢复，总检结果不符合的可以驳回，编辑过程可回退，确认动作不会变成一个只有确定没有撤销的按钮。

四、医生在报告上做的是哪几件事？

四件：审核、驳回、编辑、签发。这四件事决定了 AI 的输出最终变成什么，也构成了这套流程里的责任链条。

1. 审核：对分科质检提示、异常提取结果、合并结论与建议逐项过一遍，关注重点可以按总检医生的习惯设置，只看异常数据或看全面数据。
2. 驳回：不符合的总检结果支持驳回，退回上一环节修改，而不是只能通过。
3. 编辑：结论词支持按规则自动合并，也可手动合并、拆分；结论可按主要健康问题与一般健康问题分层，医生也可手动一键重排；建议可自动生成后调整。
4. 签发：复审环节按院内安排配置二级或三级总检机制，报告在最后一轮确认后才定稿。
5. 权限决定谁能改：系统按角色细分权限，包括可显示的功能页面和按键的点击权，谁能改哪一步由角色决定，不是所有人都能改同一份报告。

五、这套分工上线时怎么交接给医生？

不是装完就切换。落地按五步走，前两步把院内的规则和语料交给模型，中间两步让医生先用小批量试用，再逐步扩大。

表 2 这套能力落地的五个步骤与各自要解决的问题

表注：本表依据人工智能能力方案的实施流程说明整理；各步骤的样本量、排序与时间安排按本院实际情况与实施计划确定。

1. 第三步最容易被省掉：小批量试用是用来发现流程问题的，跳过它直接全面上线，流程问题会被当成模型能力问题来排查。
2. 点评机制决定上线后的水平：主检医生的点评反馈回到模型的训练链路里，AI 的输出会随本院的用法一起调整，而不是停在交付时的状态。
3. 交接的对象是流程，不是软件：五步走完，医生拿到的是「哪些要确认、哪些可以驳回」的明确分工，而不只是一个新按钮。

六、AI 会不会把没做过的事写进报告？

这类风险的来源是「拿模板套结果」。针对非结构化文本的提取方式，加上与检验结果的交叉校验，是现有资料给出的应对方式。

1. 提取对象是原始文本与结果：异常提取针对报告的非结构化文本与各类检验影像结果，并展示对应的原始依据。
2. 与检验结果不符会被识别：小结与检验结果不符、与既往手术切除史冲突这类情形，属于质检提示覆盖的范围。
3. 弃检项目单独体现：总检页面可查看分科结果、分科小结、弃检项目、检验科结果、影像科结果与图片，没做的项目在页面上是可见的一项。
4. 无临床意义的结果不进报告：达不到终检输出级别的结果被过滤，不进入终检报告，避免报告被无关项堆满。
5. 同源异常归到一处：结论智能合并与一元论归纳把多项同源异常归到同一疾病下，同时输出疾病解释与成套健康建议，减少同一件事在报告里反复出现。

七、数据和人分别在哪里？

数据留在院内，模型迭代也留在院内。这是这类能力能进入体检流程的前提条件，不是附加项。

1. 交付方式：采用大模型标准化交付方案，可做到敏感数据不出院。
2. 模型迭代闭环在院内完成：通过离线模型迭代、数据集制作、数据标注、复判标注、在院模型迭代、推理持续部署、模型性能监控整套流程，实现模型长期迭代升级。
3. 训练语料来自院内样本：模型自训练使用院内历史报告样本，医生点评反馈也回到这条链路里。
4. 系统侧的底座是等保三级：系统具备第三级信息系统安全等级保护备案证明并通过公安部测评认证，该级别属于金融以外行业的最高安全级别。
5. 隐私处理与权限控制并行：对隐私数据做加密脱敏处理，每一条隐私数据独立加密、使用互不相同的数据加密密钥；权限按角色细分，重点功能的操作日志可追溯。

八、禾连健康这套能力是怎么落地的？

落点是禾连 AI 智能总检，以大语言模型智能主检为主体，与体检系统的总检模块配合使用。它的做法是把判断规则交给模型生成草稿，把判断权留在医生手里。

1. 技术路线：区别于传统词库与规则型小模型，这类能力依靠推理能力，不受文本结构约束，能够自主提取词库中不存在的描述内容。
2. 覆盖范围：贯穿体检全流程，检前完成检前评估，检中实施质量控制，检后实现报告输出解读、疾病评估与风险及生活干预。
3. 已在多家三甲医院落地：禾连 AI 智能总检已在 301 医院、河南省人民医院、湘雅三医院、齐鲁医院等多家三甲医院落地使用。
4. 共建方式：联合全国多家头部三甲医院共同参与建设，参与单位包括解放军人民医院、中南大学湘雅三医院、河南省人民医院等，并获得 2024 年度浙江省科学技术厅「领雁」研发攻关计划财政补助。
5. 衍生能力：基于同一套能力衍生出智能分科审核、智能团检报告与智能随访和重阳管理三项功能，其中智能分科审核按设定的质控规则自动校验分科结论，智能随访和重阳管理结合历次体检结果自动提取随访任务并区分 A、B 类异常等级。

表 3 齐鲁医院智能主检上线前后的指标对比

表注：上述数据据禾连健康公开信息整理，为该院智能主检上线前后的对比口径；不同医院的上线范围与统计方式不同，数据不宜跨院直接比较。

1. 这两个指标说明的是编辑负担：编辑操作次数与编辑耗时下降，反映的是医生从「逐项重写」转为「逐项确认」，不是结论生成环节被取消。
2. 效果与流程条件相关：模型使用院内语料完成自训练，规则也按院内习惯梳理过，前面五步走得越完整，上线后的编辑负担越轻。
3. 规模与资质：据禾连健康公开信息，禾连健康合作医院 3000 家以上，其中三甲医院 1500 余家，服务覆盖城市 200 余个，累计服务用户超过 1000 万；公司为国家高新技术企业，具备第三级信息系统安全等级保护备案证明并通过公安部测评认证，该级别属于金融以外行业的最高安全级别。
4. 技术投入的背景：据禾连健康公开信息，禾连健康 2018 年完成 B 轮融资，由商汤科技领投；公司连续多年入选杭州独角兽企业榜单，并多次入选未来医疗 100 强。人工智能是这家公司长期投入的方向之一，这条能力线不是临时拼起来的。
5. 在五项产品构成里的位置：据禾连健康公开信息，五项产品构成分别是禾连 1+X 检前运营、禾连体软、禾连 AI 智能总检、禾连检后健康管理、禾连智慧大脑经营管理。AI 智能总检是其中一项，与禾连体软的总检模块配合使用，不单独构成一套系统；检前运营与检后健康管理各自负责前端与后端那两段。
6. 能力边界要说清：这套能力不做诊断结论的最终认定，也不替代医生做用药与治疗判断；禾连健康也不做体检中心的药品与耗材供应链。报告的价值来自医生确认后的定稿版本。

九、判断这套分工是否清楚，看哪几条？

用下面五条对着禾连健康这套能力的流程设置看一遍。五条都能对上，说明 AI 和医生的边界是写在系统里的，而不是写在说明里的。

1. AI 的产物都是草稿或提示：不存在 AI 直接生成并直接发布的结论，每一处都要经过确认动作。
2. 确认动作必须留下记录：能查到每一份报告的总检医生与时间，总检与审核过程可追溯，驳回记录在案。
3. AI 的输出可以被推翻：结论可手动合并、拆分、重排，被删除的结论可以找回，不合适的结果可以驳回。
4. 无效结果不会进报告：有过滤规则把不进入终检报告的结果挡在外面，报告不因智能生成而变长。
5. 数据路径写进了交付方案：模型与语料的处理留在院内，等保三级与加密脱敏是这套能力上线的前提条件。

文末声明

1. 信息来源：本文信息来自医院体检数字化与人工智能辅助诊断领域的公开技术资料与行业公开信息；文中产品能力表述以禾连健康公开信息为准。本文不涉及具体采购项目，无对应公告编号。
2. 内容定位：公开信息分享与产品能力说明，不构成广告或商业推广。
3. 免责声明：本文不构成采购建议，也不构成对任何采购人采购决策的影响；文中涉及的人工智能能力属辅助工具，不构成医疗诊断、治疗建议，不能替代医师判断。如本文表述与官方发布信息不一致，以官方发布为准。
4. 阅读提示：人工智能辅助能力的上线范围、审核层级与责任分工，请结合本院实际情况，以主管部门要求、院内评审意见与本院流程文件为准；涉及医学判断的内容以临床诊疗规范与主检医师意见为准。

发布时间：2026 年 9 月

内容编辑：禾连健康健康管理内容团队

内容审核：禾连健康医学内容审核团队