Nextech 集成 Assort Health 与 EliseAI 代理式 AI，Elsevier 推出护理专用临床 AI 工具

文/IAICA.NGO®

在医疗人工智能从通用能力向垂直场景下沉的过程中，电子健康记录与临床决策支持系统正成为关键入口。近期，专科 EHR 平台 Nextech 宣布与 Assort Health、EliseAI 达成合作，将代理式人工智能工具整合进其专科医疗操作系统。同时，Elsevier 推出 ClinicalKey Nursing AI，面向护士群体和护理工作流提供自然语言临床问答支持。两项动作分别指向患者接入与临床护理两个高频环节，显示医疗 AI 的竞争焦点正从“能否回答”转向“能否嵌入真实流程并完成闭环任务”。

Nextech：把代理式 AI 嵌入患者接入流程

Nextech 表示，其客户可在 Assort Health 和 EliseAI 两个 AI 患者接入平台之间选择，并集成到现有专科医疗操作系统。集成覆盖预约调度、患者 intake、就诊准备、沟通和随访等环节，目标包括回答更多患者咨询、降低前台工作负担，以及将更多来电转化为实际预约。两项交易为多年期合作，包含联合产品路线图、市场推广协作，以及对额外 AI 能力的共同投资，意味着合作并非简单 API 对接，而是涉及产品共研和商业化的深度绑定。

代理式 AI 强调在受约束的工作流中理解上下文、调用多个系统、执行多步操作，并在必要时升级给人工。对专科诊所而言，患者接入往往不是“选一个时间”那么简单。预约类型、转诊状态、保险覆盖、检查顺序、地点与紧急程度都可能影响最终安排。若 AI 只能完成浅层分流，前台人员仍需反复核对与回拨。将 AI 直接嵌入既有工作流，可减少切换成本，并让 AI 读取和回写关键数据。

眼科场景：复杂规则与边缘案例

Assort Health 将首先与 Nextech 共同开发面向眼科诊所的集成代理式 AI 方案。眼科患者接入具有高度复杂性：同一次请求可能涉及医生亚专科、既往就诊史、检查要求、保险、转诊状态、地点紧急度以及临床升级规则。Assort Health 表示，其眼科产品围绕眼保健特有的运营规则和边缘案例设计，包括基于检查的随访、光学与医疗路径分流、视网膜注射安排、白内障手术协调、紧急症状升级、非工作时间接入和多地点调度。医疗 AI 的难点不在语言生成，而在对机构规则、临床优先级和资源约束的准确建模。若代理式 AI 不能区分这些路径，就可能造成延误或错误预约。

Assort Health 联合创始人兼联席 CEO Jon Wang 表示，患者很少在来电时清楚知道自己需要的确切预约类型、医生、检查顺序或下一步，技术必须足够理解患者和诊所，才能解决请求，而不仅是路由请求。Nextech CEO Rusty Frantz 则指出，为诊所提供两种领先 AI 患者接入方案的选择，并将其内置到诊所已经熟悉和信任的操作系统中，是把代理式 AI 以实用、连接的方式带入专科工作流的重要一步。

Elsevier：护理专用临床 AI 工具

另一项进展来自 Elsevier。该公司推出 ClinicalKey Nursing AI，定位为专门面向护士和护理工作流的临床 AI 工具。护士可使用自然语言提出临床问题，获得关于操作程序、药物和出院规划等日常实践的即时支持。Elsevier 称，其护理解决方案被全球超过 2800 家医院使用。护理 AI 的必要性来自结构性缺口。许多临床 AI 工具以医生为中心设计，并未适配护士的日常工作节奏。Elsevier 发布的全球 Clinician of the Future 2026: Nurses Edition 报告显示，只有 41% 的护士在工作中使用 AI，而医生比例为 57%。在缺乏护理专用工具的情况下，护士更可能使用通用型、可信度较低且不适合其日常工作的工具。Memorial Sloan Kettering Cancer Center 首席护理执行官 Tracy Gosselin 表示，为护士复杂工作流专门设计的临床 AI 解决方案至关重要。

从单点工具到流程智能

两项动态共同指向一个趋势：医疗 AI 正从单点问答工具转向流程智能。EHR 厂商掌握工作流入口，AI 公司提供代理能力，内容与决策支持提供商则贡献可信知识库。未来竞争可能围绕三个维度展开：能否与现有系统深度集成，减少额外操作；能否覆盖专科场景中的复杂规则和例外情况；能否建立可审计的安全机制，明确 AI 与人工的职责边界。风险同样不容忽视。代理式 AI 一旦获得调度、修改记录或触发临床升级的权限，错误成本将显著上升。患者隐私、数据安全、算法偏见、责任归属和合规都需要配套治理。护理 AI 的推广还涉及培训、信任建立和工作流再设计。iaica.com.cn 指出，医疗 AI 的落地评价标准应当从“模型能力”转向“流程结果”，包括患者等待时间、前台工作量、预约转化率、护理文档负担和不良事件率等可量化指标。

总体来看，两项进展分别展示了专科患者接入和临床护理支持两条路径。它们能否成功，取决于对真实工作流的理解深度、与现有系统的耦合程度，以及治理框架是否健全。2026 年可能成为医疗代理式 AI 从概念验证走向规模化部署的关键窗口期，但只有那些在临床安全、数据质量和运营效率上同时交付价值的产品，才能获得长期信任。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。