老年慢性病管理：AI與醫(yī)生的長(zhǎng)期協(xié)同方案演講人01引言：老年慢性病管理的時(shí)代挑戰(zhàn)與協(xié)同必然性02老年慢性病管理的核心痛點(diǎn)：傳統(tǒng)模式的局限性03醫(yī)生在協(xié)同體系中的核心角色：不可替代的人文與決策價(jià)值04AI與醫(yī)生的長(zhǎng)期協(xié)同方案框架：構(gòu)建“四位一體”的管理生態(tài)05挑戰(zhàn)與未來展望：邁向更智能、更人文的慢性病管理06結(jié)論：技術(shù)賦能人文，協(xié)同守護(hù)健康目錄老年慢性病管理：AI與醫(yī)生的長(zhǎng)期協(xié)同方案01引言：老年慢性病管理的時(shí)代挑戰(zhàn)與協(xié)同必然性引言：老年慢性病管理的時(shí)代挑戰(zhàn)與協(xié)同必然性隨著全球人口老齡化進(jìn)程加速，我國(guó)正面臨“未富先老”的嚴(yán)峻挑戰(zhàn)。據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，2022年我國(guó)60歲及以上人口達(dá)2.97億，占總?cè)丝诘?1.1%；其中，超過75%的老年人患有一種及以上慢性病，高血壓、糖尿病、冠心病、慢性阻塞性肺疾?。–OPD）等疾病成為威脅老年健康的主要?dú)⑹?。慢性病具有病程長(zhǎng)、并發(fā)癥多、需長(zhǎng)期管理的特點(diǎn)，傳統(tǒng)“以醫(yī)院為中心、醫(yī)生為主導(dǎo)”的單向管理模式，逐漸暴露出資源分配不均、管理連續(xù)性不足、患者依從性低下等問題——老年患者往往需要頻繁往返醫(yī)院，醫(yī)生難以實(shí)時(shí)掌握居家狀態(tài)，家庭照護(hù)者缺乏專業(yè)指導(dǎo)，最終導(dǎo)致疾病控制率低、再入院率高、醫(yī)療負(fù)擔(dān)沉重。引言：老年慢性病管理的時(shí)代挑戰(zhàn)與協(xié)同必然性與此同時(shí)，人工智能（AI）技術(shù)的快速發(fā)展為慢性病管理提供了新的可能性。AI在數(shù)據(jù)分析、風(fēng)險(xiǎn)預(yù)測(cè)、個(gè)性化干預(yù)等方面的優(yōu)勢(shì)，恰好彌補(bǔ)了傳統(tǒng)模式在“廣度”（覆蓋更多患者）、“精度”（精準(zhǔn)化診療）、“深度”（長(zhǎng)期連續(xù)監(jiān)測(cè)）上的短板。然而，AI并非萬能：它缺乏醫(yī)學(xué)人文關(guān)懷，無法替代醫(yī)生對(duì)復(fù)雜病例的綜合判斷，也難以處理老年患者多病共存、心理社會(huì)因素交織的個(gè)體化需求。因此，AI與醫(yī)生的長(zhǎng)期協(xié)同，而非簡(jiǎn)單的“技術(shù)替代”，成為破解老年慢性病管理困局的必然路徑。這種協(xié)同的本質(zhì)，是以患者為中心，通過AI的“算力”與醫(yī)生的“智力”深度融合，構(gòu)建“預(yù)防-診斷-治療-康復(fù)-照護(hù)”的全周期、智能化管理體系，最終實(shí)現(xiàn)“延長(zhǎng)健康壽命、提升生活質(zhì)量”的核心目標(biāo)。本文將從老年慢性病管理的痛點(diǎn)出發(fā)，系統(tǒng)分析AI與醫(yī)生的互補(bǔ)價(jià)值，提出長(zhǎng)期協(xié)同的具體方案框架、實(shí)施路徑及保障機(jī)制，并探討未來發(fā)展方向，以期為行業(yè)提供兼具理論深度與實(shí)踐價(jià)值的參考。02老年慢性病管理的核心痛點(diǎn)：傳統(tǒng)模式的局限性疾病復(fù)雜性：多病共存與多重用藥的挑戰(zhàn)老年患者常合并多種慢性?。ㄆ骄课焕夏昊颊呋加?-3種疾?。?，且各疾病間相互影響、并發(fā)癥風(fēng)險(xiǎn)疊加。例如，糖尿病患者可能同時(shí)合并高血壓、腎病、神經(jīng)病變，治療方案需兼顧血糖、血壓、腎功能等多重指標(biāo)，藥物選擇需避免相互作用。傳統(tǒng)模式下，醫(yī)生分科診療易導(dǎo)致“碎片化管理”——內(nèi)分泌科關(guān)注血糖，心內(nèi)科關(guān)注血壓，患者需在不同科室間奔波，治療方案可能存在沖突。此外，多重用藥（polypharmacy）問題突出：我國(guó)老年患者平均用藥5-9種，10%以上服用10種以上藥物，不僅增加了肝腎負(fù)擔(dān)，還因依從性差導(dǎo)致治療效果不佳。管理連續(xù)性不足：從醫(yī)院到家庭的“斷鏈”慢性病管理需長(zhǎng)期連續(xù)監(jiān)測(cè)，但傳統(tǒng)醫(yī)療體系以“急性診療”為核心，患者出院后往往缺乏有效跟蹤。醫(yī)院檢查數(shù)據(jù)、居家監(jiān)測(cè)數(shù)據(jù)、用藥記錄分散在不同平臺(tái)，形成“數(shù)據(jù)孤島”；社區(qū)醫(yī)生因人力有限，難以實(shí)現(xiàn)每日隨訪；家庭照護(hù)者缺乏專業(yè)指導(dǎo)，無法及時(shí)發(fā)現(xiàn)病情變化（如血壓波動(dòng)、足部潰瘍等）。數(shù)據(jù)顯示，老年慢性病患者出院后30天再入院率高達(dá)20%，其中50%與出院后管理不當(dāng)直接相關(guān)。醫(yī)患溝通壁壘：信息不對(duì)稱與依從性困境老年患者普遍存在“數(shù)字鴻溝”和“健康素養(yǎng)不足”問題：對(duì)疾病認(rèn)知模糊，難以理解復(fù)雜的醫(yī)學(xué)術(shù)語；對(duì)治療方案缺乏參與感，被動(dòng)接受醫(yī)囑；因記憶力下降、行動(dòng)不便，易出現(xiàn)漏服藥物、忘記復(fù)診等情況。同時(shí)，醫(yī)生日均接診量達(dá)50-80人次，平均問診時(shí)間不足10分鐘，難以充分傾聽患者訴求，個(gè)性化指導(dǎo)不足。據(jù)調(diào)查，僅30%的老年慢性病患者能完全遵醫(yī)囑治療，依從性差成為治療效果的最大障礙之一。醫(yī)療資源分配不均：城鄉(xiāng)與區(qū)域差異顯著我國(guó)優(yōu)質(zhì)醫(yī)療資源集中在大城市三甲醫(yī)院，基層醫(yī)療機(jī)構(gòu)（社區(qū)醫(yī)院、鄉(xiāng)鎮(zhèn)衛(wèi)生院）在慢性病管理能力上存在明顯短板：缺乏專業(yè)醫(yī)生、檢測(cè)設(shè)備陳舊、信息化水平低。農(nóng)村老年患者往往需長(zhǎng)途跋涉至城市就醫(yī)，不僅增加了經(jīng)濟(jì)負(fù)擔(dān)，還延誤了最佳干預(yù)時(shí)機(jī)。例如，農(nóng)村高血壓控制率（約23%）顯著低于城市（約48%），反映了資源分配不均對(duì)管理效果的直接影響。三、AI在老年慢性病管理中的賦能價(jià)值：技術(shù)驅(qū)動(dòng)的效率與精度提升AI通過機(jī)器學(xué)習(xí)、自然語言處理、計(jì)算機(jī)視覺等技術(shù)，對(duì)海量醫(yī)療數(shù)據(jù)進(jìn)行深度挖掘，為慢性病管理提供了“全周期、多維度”的解決方案。其在風(fēng)險(xiǎn)預(yù)測(cè)、個(gè)性化干預(yù)、遠(yuǎn)程監(jiān)測(cè)等環(huán)節(jié)的核心價(jià)值，正逐步重塑管理模式。風(fēng)險(xiǎn)預(yù)測(cè)：從“被動(dòng)治療”到“主動(dòng)預(yù)防”老年慢性病的并發(fā)癥風(fēng)險(xiǎn)（如糖尿病足、心肌梗死、腦卒中等）可通過AI模型提前預(yù)警。例如，基于電子病歷（EMR）、可穿戴設(shè)備數(shù)據(jù)、基因檢測(cè)數(shù)據(jù)的多模態(tài)AI模型，可通過分析血糖波動(dòng)趨勢(shì)、血壓變異性、足部皮膚溫度等指標(biāo)，提前3-6個(gè)月預(yù)測(cè)糖尿病足潰瘍風(fēng)險(xiǎn)，準(zhǔn)確率達(dá)85%以上。某三甲醫(yī)院應(yīng)用該模型后，糖尿病足截肢率下降40%。再如，通過分析心電圖、心率變異性（HRV）等數(shù)據(jù)，AI可識(shí)別房顫、心力衰竭等疾病的早期信號(hào)，社區(qū)醫(yī)生據(jù)此提前干預(yù)，使腦卒中發(fā)生率降低25%。個(gè)性化干預(yù)：從“群體化治療”到“一人一策”AI可根據(jù)患者的生理指標(biāo)、生活習(xí)慣、合并癥等因素，生成個(gè)性化治療方案。例如，在糖尿病管理中，AI算法可結(jié)合患者的年齡、病程、BMI、胰島素抵抗程度，推薦最適合的降糖藥物（如二甲雙胍、SGLT-2抑制劑）及飲食運(yùn)動(dòng)方案；同時(shí)，通過實(shí)時(shí)監(jiān)測(cè)血糖數(shù)據(jù)，動(dòng)態(tài)調(diào)整胰島素劑量，避免低血糖事件。某研究顯示，AI輔助的個(gè)性化管理使血糖達(dá)標(biāo)率（HbA1c<7.0%）從58%提升至76%，低血糖發(fā)生率下降50%。遠(yuǎn)程監(jiān)測(cè)：打破時(shí)空限制的“全天候管理”可穿戴設(shè)備（智能手表、動(dòng)態(tài)血糖儀、血壓計(jì)等）與AI結(jié)合，實(shí)現(xiàn)了居家狀態(tài)的實(shí)時(shí)監(jiān)測(cè)。例如，COPD患者佩戴智能手表后，AI可實(shí)時(shí)監(jiān)測(cè)血氧飽和度、呼吸頻率，當(dāng)數(shù)據(jù)異常時(shí)自動(dòng)提醒醫(yī)生及家屬；同時(shí)，通過語音識(shí)別技術(shù)，患者可隨時(shí)描述癥狀（如咳嗽程度、痰液顏色），AI生成結(jié)構(gòu)化數(shù)據(jù)供醫(yī)生參考。疫情期間，某醫(yī)院通過“AI+遠(yuǎn)程監(jiān)測(cè)”系統(tǒng)管理2000名老年COPD患者，急診就診率下降35%，住院天數(shù)減少2.8天/人。用藥管理：智能化保障用藥安全AI可通過“智能藥盒+藥物數(shù)據(jù)庫”實(shí)現(xiàn)用藥提醒、相互作用檢測(cè)、依從性分析。例如，智能藥盒可定時(shí)發(fā)出聲光提醒，未按時(shí)服藥時(shí)同步通知家屬；內(nèi)置藥物數(shù)據(jù)庫可自動(dòng)篩查藥物相互作用（如華法林與抗生素合用增加出血風(fēng)險(xiǎn)），并提示醫(yī)生調(diào)整方案。某社區(qū)試點(diǎn)顯示，AI用藥管理使老年患者依從性從42%提升至78%，藥物不良反應(yīng)發(fā)生率降低60%。03醫(yī)生在協(xié)同體系中的核心角色：不可替代的人文與決策價(jià)值醫(yī)生在協(xié)同體系中的核心角色：不可替代的人文與決策價(jià)值盡管AI在數(shù)據(jù)處理和效率提升上具有顯著優(yōu)勢(shì)，但醫(yī)療的本質(zhì)是“人的服務(wù)”，醫(yī)生在協(xié)同體系中始終扮演著“靈魂角色”。其核心價(jià)值體現(xiàn)在以下幾個(gè)方面：臨床決策的最終判斷者：AI的“輔助者”而非“替代者”AI模型輸出的結(jié)果需經(jīng)醫(yī)生綜合判斷才能應(yīng)用于臨床。例如，AI預(yù)測(cè)某患者心衰風(fēng)險(xiǎn)升高，但醫(yī)生需結(jié)合患者的腎功能、電解質(zhì)水平、近期感染史等“上下文信息”，判斷是否為假陽性（如數(shù)據(jù)異常導(dǎo)致的誤判）；對(duì)于多病共存患者，醫(yī)生需權(quán)衡不同治療方案的風(fēng)險(xiǎn)與獲益，制定“最適合而非最先進(jìn)”的方案。正如北京協(xié)和醫(yī)院心內(nèi)科專家所言：“AI能告訴我‘什么可能發(fā)生’，但只有醫(yī)生能決定‘現(xiàn)在該怎么辦’。”患者心理與人文關(guān)懷的提供者：醫(yī)療溫度的傳遞者老年患者不僅需要生理治療，更需要心理支持和社會(huì)關(guān)懷。醫(yī)生可通過問診時(shí)的耐心傾聽、眼神交流、肢體接觸，緩解患者的焦慮和孤獨(dú)感；對(duì)于喪偶、獨(dú)居的老人，醫(yī)生可協(xié)調(diào)社區(qū)資源提供上門照護(hù)，或鏈接心理醫(yī)生進(jìn)行干預(yù)。某老年腫瘤患者因AI系統(tǒng)頻繁提示“病情進(jìn)展”而產(chǎn)生恐慌，經(jīng)醫(yī)生耐心解釋“AI預(yù)警為風(fēng)險(xiǎn)提示，實(shí)際治療效果良好”并調(diào)整溝通策略后，患者情緒逐漸穩(wěn)定，治療依從性顯著提升。這種“人文關(guān)懷”是AI無法復(fù)制的，也是醫(yī)患信任的基石。復(fù)雜病例的個(gè)體化診療者：超越數(shù)據(jù)的“臨床直覺”部分老年患者的病情難以完全數(shù)據(jù)化：如癡呆患者的非語言癥狀（如aggression、withdrawal）、衰弱患者的功能狀態(tài)評(píng)估等，需依賴醫(yī)生的“臨床直覺”和經(jīng)驗(yàn)判斷。例如，一位85歲、合并高血壓、糖尿病、腎衰的患者，AI可能推薦“強(qiáng)化降壓目標(biāo)（<130/80mmHg）”，但醫(yī)生需結(jié)合患者的體位性低血壓風(fēng)險(xiǎn)、跌倒史等，制定“寬松但安全”的降壓目標(biāo)（<140/90mmHg）。這種“超越數(shù)據(jù)”的個(gè)體化決策，體現(xiàn)了醫(yī)生不可替代的臨床智慧。AI模型優(yōu)化的監(jiān)督者：確保技術(shù)與醫(yī)學(xué)的同頻共振AI模型的準(zhǔn)確性依賴于高質(zhì)量數(shù)據(jù)和醫(yī)生反饋。醫(yī)生需通過標(biāo)注“誤判案例”、參與模型迭代訓(xùn)練，幫助AI識(shí)別“醫(yī)學(xué)邊緣情況”（如罕見并發(fā)癥、特殊人群反應(yīng)）。例如，某AI糖尿病足預(yù)測(cè)模型在初期對(duì)老年“感覺神經(jīng)病變患者”的識(shí)別準(zhǔn)確率較低，經(jīng)臨床醫(yī)生補(bǔ)充“足部觸覺閾值”等特征后，準(zhǔn)確率提升至90%。醫(yī)生與AI的“雙向迭代”，是實(shí)現(xiàn)技術(shù)可靠性的關(guān)鍵保障。04AI與醫(yī)生的長(zhǎng)期協(xié)同方案框架：構(gòu)建“四位一體”的管理生態(tài)AI與醫(yī)生的長(zhǎng)期協(xié)同方案框架：構(gòu)建“四位一體”的管理生態(tài)基于AI與醫(yī)生的互補(bǔ)價(jià)值，本文提出“數(shù)據(jù)融合-技術(shù)嵌入-角色協(xié)同-機(jī)制保障”的“四位一體”長(zhǎng)期協(xié)同框架，旨在實(shí)現(xiàn)“以患者為中心”的全周期管理（見圖1）。數(shù)據(jù)融合層：打破孤島，構(gòu)建全周期健康檔案STEP5STEP4STEP3STEP2STEP1協(xié)同的基礎(chǔ)是數(shù)據(jù)的互聯(lián)互通。需建立覆蓋“醫(yī)院-社區(qū)-家庭”的一體化數(shù)據(jù)平臺(tái)，整合以下數(shù)據(jù)源：1.醫(yī)院數(shù)據(jù)：電子病歷（EMR）、檢驗(yàn)檢查結(jié)果（血常規(guī)、生化、影像學(xué)）、用藥記錄、手術(shù)記錄等；2.社區(qū)數(shù)據(jù)：慢性病隨訪記錄、疫苗接種史、健康體檢數(shù)據(jù)；3.家庭數(shù)據(jù)：可穿戴設(shè)備（智能手環(huán)、血壓計(jì)、血糖儀）實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、用藥記錄（智能藥盒同步）、患者自述癥狀（語音或文字）；4.社會(huì)數(shù)據(jù)：醫(yī)保報(bào)銷數(shù)據(jù)、家庭照護(hù)者信息、生活環(huán)境評(píng)估（如是否獨(dú)居、有無無障數(shù)據(jù)融合層：打破孤島，構(gòu)建全周期健康檔案礙設(shè)施）。通過自然語言處理（NLP）技術(shù)將非結(jié)構(gòu)化數(shù)據(jù)（如醫(yī)生手寫病歷、患者語音描述）轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，利用聯(lián)邦學(xué)習(xí)（FederatedLearning）實(shí)現(xiàn)“數(shù)據(jù)可用不可見”，保護(hù)患者隱私。例如，某城市試點(diǎn)“老年健康云平臺(tái)”，整合了23家醫(yī)院、156家社區(qū)中心及10萬家庭監(jiān)測(cè)數(shù)據(jù)，為AI模型訓(xùn)練提供了高質(zhì)量數(shù)據(jù)支撐。技術(shù)嵌入層：將AI工具融入臨床工作流，提升效率AI工具需與現(xiàn)有醫(yī)療流程深度融合，而非額外增加醫(yī)生負(fù)擔(dān)。具體嵌入場(chǎng)景包括：1.診前階段：AI自動(dòng)分析患者歷史數(shù)據(jù)，生成“健康風(fēng)險(xiǎn)報(bào)告”（如血糖波動(dòng)趨勢(shì)、血壓達(dá)標(biāo)率），供醫(yī)生提前了解患者情況，縮短問診時(shí)間；2.診中階段：AI輔助診斷系統(tǒng)實(shí)時(shí)推薦鑒別診斷、治療方案，并標(biāo)注“循證醫(yī)學(xué)證據(jù)等級(jí)”；對(duì)于復(fù)雜病例，可啟動(dòng)“多學(xué)科虛擬會(huì)診（MDT）”，邀請(qǐng)AI調(diào)取相關(guān)病例供參考；3.診后階段：AI根據(jù)患者出院醫(yī)囑，生成個(gè)性化康復(fù)計(jì)劃（如運(yùn)動(dòng)處方、飲食指導(dǎo)），并通過APP推送給患者及家屬；同時(shí)，AI自動(dòng)監(jiān)測(cè)居家數(shù)據(jù)，異常時(shí)提醒醫(yī)生介入。例如，上海某社區(qū)醫(yī)院引入“AI輔助慢病管理系統(tǒng)”后，醫(yī)生人均日接診量從50人次增至65人次，但問診時(shí)間仍保持在15分鐘/人，效率提升的同時(shí)保證了診療質(zhì)量。角色協(xié)同層：明確分工，構(gòu)建“醫(yī)生-AI-患者”三角關(guān)系在協(xié)同體系中，醫(yī)生、AI、患者需形成良性互動(dòng)：1.醫(yī)生：負(fù)責(zé)核心決策、人文關(guān)懷、復(fù)雜病例處理，監(jiān)督AI輸出結(jié)果，指導(dǎo)患者使用AI工具；2.AI：負(fù)責(zé)數(shù)據(jù)監(jiān)測(cè)、風(fēng)險(xiǎn)預(yù)警、方案初篩、依從性管理，為醫(yī)生提供“決策支持”，為患者提供“日常提醒”；3.患者及家屬：作為“自我管理第一責(zé)任人”，使用AI工具進(jìn)行居家監(jiān)測(cè)，反饋身體感受，參與治療方案制定。例如，在高血壓管理中，AI每日監(jiān)測(cè)患者血壓數(shù)據(jù)，若連續(xù)3天超標(biāo)，自動(dòng)提醒醫(yī)生；醫(yī)生通過AI調(diào)取患者的飲食記錄（如是否高鹽）、用藥情況（是否漏服），調(diào)整治療方案并告知患者；患者通過APP查看血壓趨勢(shì)圖，學(xué)習(xí)低鹽飲食技巧，形成“監(jiān)測(cè)-反饋-干預(yù)”的閉環(huán)。機(jī)制保障層：政策、倫理、人才多維度支撐長(zhǎng)期協(xié)同需完善的機(jī)制保障：1.政策支持：政府需出臺(tái)數(shù)據(jù)共享標(biāo)準(zhǔn)（如《老年健康數(shù)據(jù)管理規(guī)范》）、AI醫(yī)保報(bào)銷政策（如AI輔助檢測(cè)納入醫(yī)保支付）、基層醫(yī)療機(jī)構(gòu)信息化建設(shè)補(bǔ)貼；2.倫理規(guī)范：建立AI算法透明性機(jī)制（如可解釋AI技術(shù)），避免“黑箱決策”；明確數(shù)據(jù)使用邊界，嚴(yán)禁泄露患者隱私；制定AI誤診責(zé)任認(rèn)定標(biāo)準(zhǔn)，平衡創(chuàng)新與風(fēng)險(xiǎn)；3.人才培養(yǎng)：開展“醫(yī)學(xué)+AI”復(fù)合型培訓(xùn)，如為醫(yī)生開設(shè)AI應(yīng)用課程（如如何解讀AI報(bào)告、如何反饋模型缺陷），為AI工程師開設(shè)臨床醫(yī)學(xué)基礎(chǔ)知識(shí)課程，促進(jìn)跨學(xué)科團(tuán)隊(duì)協(xié)作；4.患者教育：通過社區(qū)講座、短視頻、家訪等方式，提高老年患者對(duì)AI的認(rèn)知和使用能力（如如何操作智能血壓計(jì)、如何查看AI提醒），縮小“數(shù)字鴻溝”。05挑戰(zhàn)與未來展望：邁向更智能、更人文的慢性病管理當(dāng)前面臨的主要挑戰(zhàn)1.數(shù)據(jù)孤島尚未完全打破：部分醫(yī)院因擔(dān)心數(shù)據(jù)安全，不愿接入?yún)^(qū)域平臺(tái)；不同廠商的可穿戴設(shè)備數(shù)據(jù)格式不統(tǒng)一，難以整合；012.AI算法可解釋性不足：深度學(xué)習(xí)模型的“黑箱”特性導(dǎo)致醫(yī)生對(duì)其信任度低，尤其在重癥決策時(shí)傾向于依賴經(jīng)驗(yàn)而非AI建議；023.老年人數(shù)字鴻溝：部分老年患者因不會(huì)使用智能手機(jī)、擔(dān)心“被AI替代”而抵觸遠(yuǎn)程監(jiān)測(cè)，依從性不佳；034.醫(yī)患信任建立：患者可能對(duì)AI的“準(zhǔn)確性”存疑，擔(dān)心醫(yī)生過度依賴AI而忽視個(gè)體差異；醫(yī)生則擔(dān)憂AI替代自身價(jià)值，產(chǎn)生抵觸情緒。04未來發(fā)展方向1.多模態(tài)AI深度融合：結(jié)合影像學(xué)（CT、MRI）、基因組學(xué)、蛋白質(zhì)組學(xué)等多維數(shù)據(jù)，構(gòu)建更精準(zhǔn)的疾病預(yù)測(cè)模型，實(shí)現(xiàn)“從數(shù)據(jù)到知識(shí)”的跨越；3.家庭-社區(qū)-醫(yī)院一體化管理：通過AI構(gòu)建“15分鐘慢性病管理服務(wù)圈”，家庭醫(yī)