社区慢病随访做不动了，人工智能应用怎么把护士从路上拉回来

社区医院一个护士管两三百个高血压、糖尿病患者是常态。每年四到六次面对面随访要求摆在那里，但真下到社区，一半时间花在路上，另一半时间花在填表。

所以当“人工智能应用”提上日程，最先要回答的其实不是技术怎么建，而是：在现有的人力约束下，到底该把哪些活交出去，哪些死也不能交。

先别急着上系统，把随访拆成三层

跟风上一个AI外呼系统，结果电话打完病人更焦虑，全涌到门诊来问，这是最典型的翻车。问题不在工具，在于没做分层。

一个慢病随访流程拆开看，其实只有三层：

第一层：信息采集（可以交）
血压、血糖、体重、用药变化。这些标准化的数据采集，用智能外呼或小程序问卷完全可以完成，准确率现在能做到不输给人工初筛。

第二层：风险判断（半交半留）
血压连续偏高、忘记吃降糖药三天、自述胸闷——这类预警规则可以交给系统标记，但标记之后谁来追、怎么追，必须由人设定路径。

第三层：行为干预（死守）
劝一个独居老人少吃咸菜，或者让一个打零工的糖尿病患者按时吃饭，这不是算法能干的活。它需要对人设、生活节奏、家庭支持系统的理解，这部分只能靠护士和家庭医生长期建立的信任。

把这三层分清楚，人工智能应用的范围就自然浮出来了：信息采集全接，风险判断规则化，行为干预守死。

一周内就能跑起来的落地节奏

社区不像大三甲，IT人手和预算都有限。所以方案必须轻，而且第一周就要见到东西跑起来，否则很容易在审批和论证中耗尽热情。

第1-2天：定分组
从现有在管患者里，按“稳定/波动/高危”三个标签分好组。稳定的交给AI定期采数据，高危的维持人工高频跟进，波动的作为半自动化试点。这个分组不用完美，手工拉个Excel就行。

第3-5天：跑第一批外呼
选50个稳定组患者，用现成的智能外呼工具做一次血压血糖采集。别贪多，就看两件事：接通率多少，采集回来的数据准确率多少。打完立刻人工复核10通录音，把误判的关键词记下来。

第5-6天：设预警线
把复核中发现的高频问题转成预警规则。比如“高压连续两次大于160”生成一条待办，推给责任护士的企业微信。这条规则一开始宁可设得保守一些，漏了可以补，误报太多会让护士关掉通知。

第7天：坐下来看数字，决定扩不扩
一周结束，就看三个数：AI外呼省下的人工电话时长、预警规则筛出的新增异常人次、以及护士对误报的抱怨数量。如果第三项压过前两项，就先收紧规则，不要急着扩量。

这套节奏的核心思路是：不追求搭建一整套系统，而是用一周时间验证信息采集这个最累的环节能不能脱手。

选工具有三个坑，别踩

多数社区医院没有研发能力，采购现成的智能随访机器人或健管平台是常态。有三类常见问题要提前避开。

一是电话接通率被美化过。 厂家展示的数据经常基于联通、电信的优质线路，实际在城中村、老小区里，固话和老年人手机号的接通情况完全是另一回事。签合同前，必须拿你自己的患者名单跑一批测试。

二是知识库太“三甲”。 很多AI问诊逻辑是按三甲医院住院场景训练的，追着病人问伴随症状，结果把没症状的老年人问怕了。社区随访的话术要短，要像邻居问候，优先采数据，而不是做鉴别诊断。

三是数据回写不通。 如果AI采回来的血糖值还得护士手动录到公卫系统里，那就只是把跑腿变成了打字，意义不大。要求厂商演示完整的数据流转，从外呼采集到回写公卫档案，中间不能断。

这三个坑的判断标准都不复杂，但很容易在演示时被忽略，因为大部分人只盯着功能列表看。

这套方案适合谁，不适合谁

不是所有社区团队都适合现在就推人工智能应用。

适合的团队特征： 管辖区患者超过800人，护士人均随访量接近饱和，而且主任愿意拿一周时间出来做试验而不是先写半年规划。

不适合的情况： 辖区内老年人智能手机持有率极低，且子女不在身边协助。这时候APP或小程序路径就走不通，纯电话外呼的作用也有限，反而应该先把家庭病床巡诊和面对面访视的路线优化做好。

另一个暂时不适合的节点是：公卫系统正在切换或招标。数据接口在动荡期很难打通，这时候上人工智能应用大概率卡在数据回流这一步，建议等系统稳定后再试点。

社区慢病随访的瓶颈，本质不是缺技术，是人力被锁死在重复的信息搬运里。人工智能应用好不好使，不取决于它多聪明，而取决于团队有没有勇气把第一层信息采集果断交出去，把省下来的时间用在真正需要人的第三层上。