2026年4月24日至26日，第30届中国医院信息网络大会暨医疗信息技术和产品展览会（CHIMA 2026）在广东珠海国际会展中心举行。作为国内医院信息化领域历史最久、规模最大、学术水平最高的权威盛会，本届大会由中国医院协会、中国医院协会信息专业委员会主办，以“传承、创新、发展”为主题，设置主会场及四十余场专题分会场，涵盖人工智能、数字化转型、智慧医院建设、数据安全等核心议题。来自全国各级卫生健康行政部门、医疗机构、科研院所的数千名专家学者和企业代表齐聚一堂，共同探讨数智技术驱动医院高质量发展的最新实践与前沿趋势。

　　在大会期间的“智慧医院建设论坛”上，某三甲医院代表发表了题为《从3小时到5分钟：手术室AI排程管理的创新与实践》的专题演讲，系统分享了该院联合飞算数智科技（深圳）有限公司（以下简称“飞算科技”）在手术室智能排程领域的突破性成果。

　　国家卫生健康委等部门联合印发的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》进一步要求“开展医疗装备和耗材的智能调配、手术室和药房智能管理”。2021年国家卫健委发布的《医院智慧管理分级评估标准体系（试行）》也将医院管理精细化、智能化列为分级评估核心指标。此外，《手术质量安全提升行动方案（2023—2025年）》从医疗安全维度对手术全过程管理提出了更高标准。

　　在多重政策叠加驱动下，如何将人工智能技术真正落地于手术室这一“医院的心脏与引擎”，而非停留在理想型概念验证，成为行业亟待破解的命题。

　　在分享中，该院专家将传统手术排程面临的挑战归纳为时间、资源、数据三大维度，三者相互交织，共同构成效率瓶颈。

　　时间困境：经验主义下的效率瓶颈。 百台手术人工排程平均需3-4小时。排程人员需翻阅单据、电话或微信多方询问资源状态、依赖经验手动拖拽排程，一旦出现临时调整（如急诊插入或医生请假），需重新核对大量关联信息，“牵一发而动全身”，形成典型的“时间黑洞”。

　　资源隐痛：不合理配置下的成本黑洞。 术间利用率两极分化严重——部分术间超过150%，部分不足50%。护士工作负荷不均衡，影响团队稳定性；高端设备排程缺乏科学规划，价值未能充分发挥。资源浪费不仅是看得见的成本，更是制约医院运营效能提升的隐性瓶颈。

　　数据现状：数据未形成有效治理。 业务系统孤岛化，数据互不联通，每次分析需跨系统人工取数；清洗、匹配、核算需反复核对，单份运营总结报告平均耗时3—5天。人力深陷事务性劳动，数据驱动决策沦为口号。

　　该三甲医院联合飞算科技，基于“无缝适配、专属定制、轻量化算力、数据自迭代”四大原则，设计并落地了一套AI排程智能体架构。

　　无缝适配现有资源：系统直接复用医院已部署的大模型，无需额外部署通用大模型，大幅降低接入成本和算力开销。

　　专属定制化开发：飞算科技基于成熟的大模型底座打造“专属小模型”，深度贴合手术业务场景的个性化需求，包括专科特色、医生习惯、护士团队协作偏好等。

　　轻量化算力配置：降低硬件要求，医院现有服务器及计算设备即可直接承载，无需进行大规模的硬件升级改造，实施门槛显著降低。

　　数据驱动自迭代：随院内业务数据持续沉淀，模型不断迭代优化，越用越精准，实现长期智能化演进，避免“上线即落后”的窘境。

　　该院将实施路径清晰划分为五个阶段，每一步均基于真实业务数据与临床逻辑，确保AI排程可落地、可验证、可推广

　　项目团队全面覆盖手术业务的三大核心维度，累计采集高质量数据超过15万条，为智能调度奠定坚实的数据基础。

　　手术数据（10万+条）：采集手术类型、手术等级、历史手术时长、手术特殊需求、急诊标识、感染标识、备注等，构建“业务画像”，为时长预测和资源评估提供核心依据。

　　医护数据（5万+条）：采集医生资质、护士层级、工作时长、专科方向、团队合作熟练度、请假情况等，刻画“团队画像”，实现人员技能与手术需求的最佳匹配。

　　术间数据（3000+条）：掌握术间数量、术间类型、设备配置、使用状态、专科适配性、负压隔离等特殊要求，形成“资源画像”，确保手术安排与环境精准匹配。

　　易倍体育官方网站 Emc易倍体育

　　项目采用机器学习模型挖掘历史特征：手术时长、术间偏好、优先级、手术相似度、护士角色匹配度等。模型不仅输出排程方案，还提供可解释性输出——明确告知管理者“为什么这样安排”，例如基于医生历史同类手术时长比标准时长少20%而优先排入下午时段。

　　关键量化成果显示：对比传统人工估计，模型使预测不足案例减少11.2%，20%误差内的精准预测提升5.9%。模型在不同随机样本量场景下表现稳定，确保业务环境中持续有效。同时，输出结果具备自质控能力，可融入人性化模拟场景——考虑患者空腹时长、等待周期等因素进行整体合理性调配，形成更加贴合临床分配逻辑的方案。

　　易倍体育官方网站 Emc易倍体育

　　该医院明确提出核心观点：手术排台（上游）与护士排班（下游）形成闭环。硬约束确保合规可行，软约束驱动效率与质量。上游决策精准传递至下游，双向奔赴、动态平衡，实现手术室运营效率最大化与服务质量最优化。

　　硬约束包括：角色唯一性（一人一职）、时间合规性（禁止重叠）、资质匹配性（人岗匹配）、在职在岗性（状态有效）。这些条件是排程方案的“底线”，必须无条件满足。

　　软约束包括：时间需求模糊惩罚、主刀效率奖励、首台友好度奖励等。一个典型的设计是：系统记录护士协作历史，优先安排配合默契的“黄金搭档”，并给予正分奖励，促进经验沉淀。这些软约束引导系统在合规前提下不断逼近效率与质量的最优解。

　　项目彻底重构了手术排程工作流。传统方式依赖人工翻阅单据、电话确认资源、凭经验拖拽排程，遇突发调整则牵一发而动全身，耗时3-4小时。而在部署“飞算AI术智排班智能体”后，转变为数据驱动模式：一键排程、算法秒级求解、人机协同确认、动态实时调整，最终5分钟即可完成百台手术排程。

　　系统设计了定时重跑机制，每日基于最新数据自动优化模型。针对新资源（如新增护士角色）缺乏历史数据的“冷启动”问题，系统通过人工引导过渡，积累数据后自动切换至AI主导，实现从0到1的平滑过渡。这种持续进化能力确保系统随业务增长而不断精准化。

　　排班效率实现质的飞跃：5分钟智能调配替代原先3小时人工操作，AI替代90%以上人工工作。手术室管理人员彻底摆脱重复性数据梳理、手工录入、反复核对等事务性劳动。

　　资源配置趋于合理：术间整体利用率提升10%以上，专科术间利用率稳定在90%，护士负荷均衡率提升15%以上，医护满意度大幅提高。

　　冲突风险有效管控：传统模式下15%以上的排程冲突率降至2%以下，排班合规率达99.5%以上。从源头规避因排班失误引发的医疗纠纷与工作内耗。

　　决策支撑更加精准：多维度数据挖掘与AI预测，结合自然语言对话式数据洞察，让管理层决策更加科学高效。

　　在本次实践中，飞算科技为该医院提供了以运筹优化与AI预测为核心引擎的全栈技术支撑。作为国家高新技术企业、专精特新企业及国家鼓励的软件企业，飞算科技拥有200余项专利与软著，“飞算AI术智排班智能体”以数据智能驱动手术室高效运营，实现了排程从3小时压缩至5分钟、AI替代率超90%、术间及人力负荷均衡提升15%等关键突破。双方优势互补，推动系统从“记录系统”跃升为“决策系统”，为医院数智化转型提供了可复制、可量化的样本。该项目在2026华南医院信息网络大会上荣获“广东省医学人工智能创新实践标杆案例”。

　　展望未来，AI驱动的智慧手术生态将融合多模态数据、构建患者数字画像，并拓展至患者转运、麻醉监测、手术方案规划、智能访视、用血计划、进程调控、物资调度及排班调剂等全链条场景，从术前到术后、从临床到管理，形成全流程智能手术管理体系。