如何一眼辩识您的医院是不是传统HIS?——传统 HIS/EMR 与新一代 AI 原生 HIS/EMR：一次架构范式的彻底重写 ？
智慧医院架构深度研究
传统 HIS/EMR 与新一代 AI 原生 HIS/EMR：一次架构范式的彻底重写
从单体烟囱到云原生三中台：数据与智能归属权的转移逻辑与落地约束
|
文档信息 |
|
|
研究主题 |
传统 HIS/EMR 与新一代 AI 原生 HIS/EMR 架构范式对比 |
|
政策依据 |
国卫办规划发〔2025〕30 号 ·《数智医院建设与应用评价标准》研制口径 |
|
编制机构 |
健澜科技 · 数智医疗研究院 |
|
成文时间 |
2026 年 10 月 |
目录
1.导言：政策如何校准这场架构变革
2.一、根因诊断：传统 HIS/EMR 的五重天花板
3.二、新一代的四个"原生"：架构内核究竟变了什么
4.· （一）云原生微服务原生：从"装在每台电脑"到"跑在资源池里"
5.· （二）三中台原生：从"项目制交付"到"能力制复用"
6.· （三）AI 原生：从"外挂插件"到"内生回路"
7.· （四）HIS/EMR 原生一体化：从"两张皮"到"一个模型"
8.三、八维度全景对比
9.四、落地路径：三个必须正视的现实约束
10.结语
11.· 资料来源
执行摘要
如果把这场变革仅仅理解为"服务器搬上云、界面换成浏览器"，那就严重低估了它的分量。
|
核心结论 |
要点 |
|
鸿沟的本质 |
不在技术栈新旧，而在数据与智能的归属权转移——数据与智能的生成权回到业务系统本身，成为业务流程的内生属性 |
|
政策校准 |
2027 年《数智医院建设与应用评价标准》全面启用，四套独立评级标准合并统一，评价重心从"系统功能有没有"转向"全院数据通不通" |
|
四条硬约束 |
数据质量低于 80% 单项否决 · 信息安全一票否决 · AI 应用成 7/8 级刚性门槛 · 信创国产化纳入评级红线 |
|
架构主线 |
云原生微服务解决系统韧性，AI 原生一体化 HIS/EMR 重塑业务生产范式，二者兼备方构成面向未来的数字底座 |
导言：政策如何校准这场架构变革
传统 HIS/EMR 与新一代 AI 原生 HIS/EMR 之间真正的鸿沟，不在技术栈的新旧，而在数据与智能的归属权发生了转移：旧架构里，数据归各自分立的系统所有，智能归外购的第三方产品所有；新架构里，数据与智能的生成权回到业务系统本身，成为业务流程的内生属性。
这一转移正在被政策强制校准。2026 年 7 月全国智慧医院大会上，国家卫生健康委统计信息中心明确释放信号：运行 15 年的电子病历分级评价体系将于 2026 年底完成最后一轮收尾，电子病历分级评价、智慧服务分级评估、互联互通成熟度测评、智慧管理分级评估四套独立标准，将整合为统一的《数智医院建设与应用评价标准》，2027 年有望全面启用。
新标准把评价重心从"系统功能有没有"扭转到"全院数据通不通"，并设下四条硬约束：数据质量低于 80% 直接单项否决；信息安全实行一票否决，容灾备份、数据安全、业务连续性不达标连参评资格都没有；AI 应用从加分项变成刚性门槛，7 级、8 级数智医院必须落地 AI 临床应用；信创国产化被纳入评级红线。同期，国家卫健委等部门印发的《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》（国卫办规划发〔2025〕30 号）提出，到 2027 年形成一批临床专病专科垂直大模型和智能体应用，到 2030 年推动二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等应用。
政策不是外因，而是产业格局的镜像。它把"架构是否具备 AI 原生能力"从厂商的营销话术，推到了医院信息科的技术验收清单上。
图1 传统 HIS/EMR 与新一代 AI 原生 HIS/EMR 的架构范式对比一、根因诊断：传统 HIS/EMR 的五重天花板
传统架构的问题不是"老"，而是每一个环节都建立在"系统各自为政"这一前提上，因而形成了环环相扣的结构性瓶颈。
其一，架构耦合天花板。 传统 HIS 以集中式单体架构为主，业务逻辑大量堆积在客户端，形成"胖客户端"。HIS、LIS、PACS 独立部署，接口复杂度随系统数量呈指数级增长。其直接后果是"牵一发而动全身"：一处模块故障可能导致全院停诊，一个新业务模块的开发周期可达 3 至 6 个月。
其二，数据孤岛天花板。 这是最顽固的病灶。HIS 使用 ICD-10 疾病编码、EMR 采用 SNOMED CT 术语、PACS 遵循 DICOM 协议，同一患者在不同系统中"各说各话"。某中医院在未建集成平台前，调阅一份完整病历需登录 5 个系统，整合耗时超过 15 分钟。更值得注意的是，很多医院虽已建设集成平台与数据中心，但仅满足评级要求，应用不多、仍有大量"哑巴系统"未按统一标准接入，评级过后平台被束之高架——数据被打通了，但没有变成可复用的能力。
其三，迭代节奏天花板。 传统架构下每次版本升级都需全院停机，通常安排在周末或深夜，失败还需回滚。高频迭代带来的停机成本，反过来迫使信息科选择"少改、慎改"，新场景需求只能长期排队。
其四，智能外挂天花板。 传统模式下的 AI 应用大多是"外挂式"：通过接口调用第三方 AI 服务，数据需出域。一家医院即使上线数十项 AI 应用，也往往只能用于事后质控与科研统计，无法在诊疗实时环节赋能医护——因为 AI 只能读取业务系统输出的数据、算完再回写，无法参与医嘱开立、临床决策、医保校验这些实时环节。
其五，运维与信创天花板。 传统架构部署在本地物理服务器上，硬件资源利用率通常不足 30%。信创替代的硬约束（国资委 79 号文要求 2027 年底前完成医疗行业全栈国产化替代；多地已将信创部署情况与医院等级评审、财政补贴直接挂钩）让这一短板从"成本问题"升级为"合规生死线"。
图2 医院信息系统三代架构演进路线二、新一代的四个"原生"：架构内核究竟变了什么
新一代采用 B/S 架构，基于领域驱动设计（DDD）将医院业务拆分为患者域、临床域、医嘱域、护理域、运营域、医保域、物资域等独立微服务，每个可独立开发、部署、扩容，通过 API 网关统一接入，支持浏览器、移动端、自助机等多终端访问。
关键不在"拆成了多少个服务"，而在四个工程质变：
|
工程维度 |
传统单体 |
云原生微服务 |
对医院的实际含义 |
|
部署形态 |
本地物理服务器，利用率不足 30% |
容器化私有云 + K8s 编排，利用率可提升至 70% 以上 |
门诊高峰自动扩容，低谷智能缩容 |
|
发布方式 |
全院停机升级 |
灰度发布，先科室试点再全量推送 |
零停机、用户无感知 |
|
故障隔离 |
单点故障可能导致全院停诊 |
微服务故障隔离，双活/多活部署 |
支撑 7×24 小时高可用 |
|
弹性扩容 |
固定配置，高峰卡顿 |
按需独立扩展各服务实例 |
早高峰并发量 3 至 5 倍可从容应对 |
底层还须统一采用 HL7 FHIR 国际医疗标准建模。FHIR 的价值常被低估：它提供 145 类医疗专用资源，每类都是 DDD 意义上的聚合根，并内置 SNOMED CT、LOINC、ICD-10、RxNorm 等术语服务与跨版本映射机制。它解决的不是"接口接不接得上"，而是"语义能不能对齐"——这是数据中台得以成立的前提。
新一代架构的核心是三中台（部分实现扩展为四大中台，增加 AI 中台）：
l业务中台——沉淀患者管理、挂号、医嘱、处方、计费等共性业务能力，封装为标准化服务组件，新业务可像搭积木一样快速构建，上线时间缩短约 30%。
l数据中台——实现全域数据采集、治理、标准化与主数据管理，构建临床数据中心（CDR）、运营数据中心（ODR）、科研数据中心（RDR），让医院"人人能用数据、系统皆可调用能力"。
l技术中台——提供云原生底座、统一权限、低代码平台、工作流引擎，避免"一个应用一套技术栈"。
中台的本质是解耦与复用，但它不是替换手段。它必须支持医院现有的存量系统，同时又能支撑未来的系统——这决定了它必须以标准 API 开放，而不能以封闭接口绑定。
数据底座的选择同样关键。医院非结构化数据占比超过八成，一次胸部 CT 原始数据约 350MB，一家年检查量十万次的三甲医院仅 CT 一项一年就新增约 35TB，传统数据仓库难以承载，因此湖仓一体（Lakehouse）成为方向。数据仓库是精品冰箱，数据湖是大湖泊，湖仓一体则是冰箱加湖泊——医院需要的是第三种。
图3 三中台（业务/数据/技术）与 AI 中台的分层能力结构这是新一代架构与传统"云 HIS"最核心的区别，也是最容易被营销话术模糊的地方。
判据只有一条：AI 结论能否反向驱动业务对象本身。
传统外挂模式下，AI 读数据、算结果、回写文本，链路长、延迟高，且多套系统各自维护数据标准，同一患者信息在不同模块存在多份副本。AI 结果停留在"建议"，无法驱动流程。
AI 原生模式下，智能体常驻业务系统，由业务事件实时触发，直接作用于医嘱、病历、护理记录等核心对象：诊前由预问诊智能体采集病史并自动结构化，生成就诊摘要直接同步进 EMR；诊中以语音实时转写结构化病历，智能校验医嘱配伍禁忌与抗生素使用规范，实时提示 DRG 分组风险与医保违规点；诊后则完成病程续写、出院小结生成、病案编码推荐，并自动触发随访计划。
由此形成"业务生产 → 数据治理 → 模型推理 → 智能回流业务"的闭环飞轮：临床数据在业务域内完成脱敏、标注、向量入库，持续更新专科知识库与院内模型；模型推理产生的建议又直接作用于业务对象。对医院而言，其战略意义在于——可以自主沉淀临床知识、持续迭代院内专属模型，而不是持续外购单点 AI 产品。
必须同时承认边界。2026 年智慧医院大会发布的《医疗机构人工智能应用与治理专家共识》确立了 AI 三级风险管控机制：低风险场景简化备案，中风险场景需完成院内临床评估，肿瘤诊断、重症决策等高风险 AI 需多学科伦理审核；明确 AI 仅作辅助，医生拥有最终诊疗权。AI 原生不是把决策权交给机器，而是把重复性信息工作交给机器。
传统模式下，很多医院的 HIS、EMR 和平台分别采购自三家公司，标准不一导致数据混乱。HIS 聚焦收费、物资、床位等运营管理，EMR 专注病历文书书写，两套系统依靠接口对接，一旦接口版本变更、系统升级，极易出现数据断连、业务卡顿。
新一代的原生一体化不是界面拼接，而是数据模型层面的统一：医生开立医嘱时自动关联病历，病历书写时自动调取检查检验结果，护理执行时自动同步医嘱状态，实现"医—护—患"全流程业务闭环。底层的价值在于主数据全局唯一——患者、医护、科室、药品、诊断唯一，当挂号、入院、医嘱下达等业务事件发生时，自动触发下游所有关联模块，从根源减少多系统数据不一致。
这正是新标准把数据质量考核维度扩展为唯一性、完整性、合规性、同一性、时效性五项的底层原因。过去考"你装没装"，现在考"你的数据是不是真的通"。
三、八维度全景对比
|
对比维度 |
传统 HIS/EMR（C/S 单体） |
新一代 AI 原生 HIS/EMR（三中台微服务 B/S） |
|
技术架构 |
C/S 两层/三层，胖客户端，模块紧耦合 |
B/S 云原生微服务，API 网关统一接入，模块松耦合 |
|
部署方式 |
本地物理服务器，利用率不足 30% |
容器化私有云 + K8s 编排，利用率 70% 以上 |
|
升级模式 |
停机升级，风险高，失败需回滚 |
灰度发布，零停机，用户无感知 |
|
数据架构 |
HIS/EMR/LIS/PACS 数据孤岛，点对点集成 |
湖仓一体，HIS/EMR 原生一体化，统一数据服务 API |
|
数据标准 |
多套编码体系并存，语义难以对齐 |
FHIR 统一建模，主数据全局唯一 |
|
业务协同 |
HIS 与 EMR 各自为政，"业务两张皮" |
深度融合，业务流与数据流无缝贯通 |
|
AI 能力 |
外挂式，数据出域，融合浅 |
AI 原生内嵌，CDSS/质控/语音直接驱动业务 |
|
扩展性 |
新业务开发 3 至 6 个月，牵一发而动全身 |
微服务独立开发 + 中台组件复用，周级上线 |
|
稳定性 |
单点故障可能导致全院停诊 |
故障隔离，双活/多活，7×24 高可用 |
|
信创适配 |
需大量改造，适配周期长 |
全栈信创原生适配，通过等保 2.0 三级 |
四、落地路径：三个必须正视的现实约束
架构范式清晰，但迁移绝非"一次切换"那么简单。三条路径各有适用场景：新建医院可直接采用全新底座；存量大型医院宜采取"底座先行、分步替换"策略，按门诊域 → 住院 EMR 域 → 护理域 → 运营医保域分批割接；医共体则以一套底座支撑总院、分院与基层。
其一，数据治理债是最大的隐性成本。 湖仓一体不是把旧数据搬进新仓库，而是重建统一数据模型与主数据体系。跳过这一步，湖仓一体只会变成规模更大、治理更差的数据沼泽。
其二，安全与合规是前置条件而非附加项。 一体化 HIS/EMR 汇聚全院核心医疗数据，需要完善的权限体系、数据脱敏、日志审计与隐私计算能力，严格遵循网络安全法、数据安全法、个人信息保护法及医疗卫生行业相关规范。等保 2.0 三级为基础门槛，五级智慧医院需配套独立数据安全运营中心。
其三，临床价值必须优先于技术展示。 所有架构升级与 AI 场景落地，最终都要回归三个问题：是否减轻了医护负担、是否提升了医疗质量、是否改善了患者就医体验。回避这一点，架构再先进也只会沦为另一轮"重应用、轻底座"的重复。
结语
从"记录过去的诊疗数据"走向"预测未来的健康趋势"，从"辅助医生的工具"走向"赋能临床的智能伙伴"——这条路线的本质，是医院信息系统从流程电子化时代，进入智能内生时代。
云原生微服务解决的是系统工程韧性问题，AI 原生一体化 HIS/EMR 重塑的是医疗业务生产范式。二者缺一，新架构就只是又一套昂贵的系统；二者兼备，医院才真正拥有面向未来十年的数字底座。
对于正处于"十五五"开局之年的公立医院而言，2027 年的《数智医院建设与应用评价标准》不是一道需要应付的考卷，而是一次架构决策的截止日期。
l国家卫生健康委：《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》（国卫办规划发〔2025〕30 号）
l国家卫生健康委统计信息中心：2026 年全国智慧医院大会（SHAQ）政策发布
l《数智医院建设与应用评价标准》研制进展与四标合一改革口径
l《国民健康"十五五"规划》数智化相关部署；国资委 79 号文及各地医疗信创替代时间节点
lHL7 FHIR R4 医疗互操作标准规范
— 全文完 —
首都医科大学先研院授牌杭州健澜科技医疗大数据治理、医学临床营养大模型应用、智能体落地、医学多学科协同平台落地等方向，围绕数据要素价值释放、AI赋能临床决策与医院管理的技术成果与实践案例，以数据为驱动、以AI为引擎，构建智慧医疗新生态的核心能力。
