医疗行业的对话式 AI，最适合帮助患者、访客或工作人员完成一个范围明确的任务，例如寻找科室、做好就诊准备、理解经过审核的信息，或者联系到正确的工作人员。实时 AI 数字人是在这套系统上增加一个可见、可说话的交互界面。它不会取代底层 AI Agent、工作流控制，更不能取代临床判断。
这个区别非常重要。“对话式 AI”包括文字聊天机器人、语音助手和多模态界面。实时 AI 数字人则是一个呈现层，通过同步的人脸、语音和交互控制，让对话以可视化方式发生。这个呈现层是否有价值，取决于具体工作流，而不只是数字人看起来是否足够逼真。
本文中的证据和产品信息最后核验于 2026 年 9 月 9 日。文章仅用于产品与实施规划，不构成医疗或法律建议。
核心结论
- 最适合作为第一批试点的通常是非临床场景：院内导航、公共信息查询、就诊前指引、经过审核的患者教育，以及行政流程协助。
- 医疗应用应继续掌控身份、权限、病历、知识库、工具调用、升级转人工和临床规则。
- 公开案例必须标明证据等级。短期测试、研究原型和供应商披露的实施案例，并不能证明同一件事。
- 评估时应关注任务完成率、答案可追溯性、转人工、无障碍体验、故障恢复和总成本，而不只是对话次数或视觉新鲜感。
对话式 AI 在医疗行业中如何使用？
本文核验的公开医疗数字人案例，大多集中在信息获取、院内导航、患者教育和行政协助，而不是诊断。
2024 年，渥太华医院测试了一名由 AI 驱动的 Digital Teammate。该系统在三个院区进行了为期两周的测试，用英语和法语回答有关医院新院区的问题。医院发布的 Digital Teammate FAQ 表明，这套系统使用了视频与音频处理、大语言模型和实时动画，但只能访问经过批准的公开信息，无法访问医疗记录。
世界卫生组织的 S.A.R.A.H. 曾通过文字或视频，以八种语言提供公共卫生主题对话。WHO 目前将 S.A.R.A.H. 定义为研究原型，并说明它现在没有面向公众持续部署。WHO 的 2024 年发布公告 也将其定位为仍需持续研究的探索项目。因此，它可以证明健康信息交互界面的可能性，但不能证明已经存在成熟的临床 AI 助手。
另一个案例来自马偕纪念医院。NVIDIA 报道，部署在交互式触摸屏上的数字人可以协助院内导航、健康教育和注册流程。Ubitus 对该项目的介绍则将其描述为数字人与医疗机器人合作项目的一部分。由于目前大部分公开信息都来自参与项目的供应商，因此有关成效和规模的描述应被标记为“供应商披露”，而不是独立验证结果。
| 案例 | 公开状态 | 使用范围 | 尚不能证明什么 |
|---|---|---|---|
| 渥太华医院 Digital Teammate | 限时测试 | 使用两种语言提供新院区信息 | 正式生产部署或临床建议能力 |
| WHO S.A.R.A.H. | 研究原型，目前未持续部署 | 使用八种语言进行公共卫生教育 | 诊断、治疗或经过衡量的患者结果 |
| 马偕纪念医院与 Ubitus 数字人 | 供应商披露的实施案例 | 导航、健康教育和注册协助 | 经过独立验证的临床或财务成效 |
在这些案例中，目前最清晰的医疗对话式 AI 使用场景，是协助用户完成医疗服务周边的任务；医疗机构仍然负责医疗决策、权限、病历数据和升级处理。
哪些医疗工作流更适合使用实时 AI 数字人？
当一个可见的讲解者可以让指引更容易理解、降低用户在陌生环境中的不确定感，或者改善不同语言和健康素养人群的信息获取时，数字人才真正有价值。如果一段简短文字已经可以更快解决问题，加入数字人反而可能增加摩擦。美国 CDC 的健康素养指南强调，健康信息应该准确、可访问并且可执行。数字人可以成为一种信息交付方式，但不能弥补内容本身不清晰的问题。美国司法部的网站无障碍指南说明了 ADA 要求如何适用于州和地方政府，以及包括医院和诊所在内、向公众开放的企业网站内容。
| 工作流 | 可视化数字人可能带来的价值 | 试点适配度 | 必须设定的边界 |
|---|---|---|---|
| 院内导航 | 在自助终端或其他设备上提供可见、可听的方向指引 | 高 | 只使用经过批准的位置数据，并提供联系工作人员的路径 |
| 就诊前 FAQ | 解释到达时间、所需文件、停车和准备步骤 | 高 | 不能把一般性指引转化为个性化医疗建议 |
| 患者教育 | 通过语音和视觉线索呈现经过审核的内容 | 中高 | 标明信息来源，并阻止系统自由生成未经支持的内容 |
| 注册流程协助 | 引导用户完成已有注册工作流 | 中 | 身份、授权和病历更新仍由医疗应用控制 |
| 临床决策支持 | 可能用于解释经过批准的专业工作流 | 不适合第一阶段试点 | 需要单独进行临床、安全和监管评估 |
| 紧急或危机场景 | 可视化界面可能提高注意力 | 不适合作为唯一入口 | 必须让用户立即联系合格人员或紧急服务 |
在实体医疗环境中，设计问题还会超出对话本身。团队需要考虑屏幕放置、公共显示设备周围的隐私、字幕、会话重置，以及断网后的处理方式。Spatius 的实时数字人安全与隐私清单和仅语音备用方案设计指南进一步说明了这些运营问题。
最稳妥的起点，通常是选择一个非临床工作流，使用经过批准的知识范围，并提供清晰的备用路径。渥太华医院的测试体现了这一原则：系统只回答一个新院区项目的公开信息，并拒绝回答范围外的问题。
医疗团队应该如何实施实时 AI 数字人？
首先设计系统边界，而不是先决定数字人的外观。医疗应用应继续负责身份、权限、检索、工作流逻辑、工具调用、临床规则、数据分析和转人工。只有在这些控制完成之后，数字人层才负责呈现经过批准的回答。
当前的 Spatius 开发者文档也体现了这一边界：Spatius Motion Server 接收数字人需要播报的语音音频并返回动作数据，AvatarKit 在客户端本地渲染数字人。Agent、ASR、LLM、TTS、知识库和业务工作流仍由应用自身掌控。关于实时 AI 数字人提供商应该接收哪些数据的详细指南进一步解释了，为什么原始病历、检索文档、权限数据和工具凭证默认不应该传给呈现层。
这种架构可以缩小数据传输范围，但不会自动让医疗部署满足监管要求。HIPAA 隐私规则和 HIPAA 安全规则分别对受保护健康信息和电子受保护健康信息提出了不同要求。受监管机构必须判断具体工作流适用哪些规则。HHS 还说明，受监管实体与商业合作方合作时，可能需要签署书面商业合作方合同，并提供了单独的商业合作方指导。
实际实施评审至少应该覆盖以下五项控制：
-
限制知识范围。 第一阶段从经过批准的公开信息或运营信息开始。如果确实需要使用受保护信息，必须记录使用原因和范围。
-
最小化数据路径。 HHS 的最小必要原则指南说明，除其列出的例外情况外，HIPAA 覆盖实体通常需要采取合理措施，把许多受保护信息的使用与披露限制在实现目标所需的范围内。如果团队计划使用去标识化信息，也应根据 HHS 的去标识化指南评估方法，而不能认为删除姓名就已经足够。
-
清晰披露 AI 身份。 告诉用户正在与 AI 互动、说明系统能力边界，并提供其他完成任务的路径。Spatius 的同意、披露与品牌安全指南提供了产品层面的设计框架。WHO 的医疗 AI 伦理与治理指南则提供了保护自主权、透明度、责任和包容性的更广泛参考。
-
为无障碍和故障恢复设计。 提供字幕、键盘操作、清晰状态、打断、重播、文字替代方案和人工协助。WCAG 2.2可以作为相关无障碍基线，W3C 的字幕指南则说明了为什么预录和实时媒体都需要同步的文字替代信息。
-
单独评估高风险功能。 如果系统会影响诊断、治疗或临床决策，团队需要评估适用的 FDA 政策，包括 FDA 的临床决策支持软件指南。
如果应用需要交换医疗记录，HL7 FHIR可能有助于实现互操作性。但不能仅仅因为 Agent 可以访问完整的 FHIR 资源，就把完整资源发送给数字人。应该只提取当前互动真正需要、并且已经批准使用的回答或最少数据。
如何评估医疗 AI 数字人试点？
不要只用对话次数或视觉新鲜感衡量成功。一次试点真正需要回答的问题是：数字人能否改善某一个工作流，同时不增加安全、隐私、无障碍和支持风险？
NIST AI 风险管理框架建议在 AI 系统的设计、使用和评估中纳入可信度。NIST 的另一套隐私框架可以帮助团队识别和管理整个数据生命周期中的隐私风险。WHO 也呼吁发展安全且合乎伦理的医疗 AI，重点关注安全、自主、透明、问责、公平和可持续性。对医疗数字人而言，这意味着既要衡量用户进展，也要衡量系统失败时的表现。
| 指标 | 衡量内容 | 可以考虑扩大范围的信号 |
|---|---|---|
| 任务完成率 | 到达预定下一步的用户比例 | 同一用户群中的表现优于原有界面 |
| 有依据回答率 | 可以由批准知识来源支持的回答比例 | 面对真实问题时保持稳定 |
| 转人工成功率 | 数字人无法处理时，用户成功联系工作人员的比例 | 没有死胡同，也不会重复输出失败答案 |
| 响应与恢复时间 | 回答、打断、重试或切换备用路径所需时间 | 正常负载下仍保持可用 |
| 无障碍与退出 | 字幕、文字替代、退出和请求协助的使用情况 | 用户始终可以选择可用的替代方式 |
| 单次成功任务成本 | Agent、语音、数字人、设备、网络和人工支持成本 | 相对于实际完成的任务，成本可持续 |
团队还应该评估错误回答的严重程度、用户投诉、用户是否理解 AI 披露，以及数字人是否会在应该停止时继续说话。对于不属于 HIPAA 覆盖关系的消费级健康应用，FTC 的健康隐私指南仍可能适用。FTC 也发布了关于如何遵守健康数据泄露通知规则的专项指导。
一次好的试点最终应该得出基于证据的决定：扩大、调整、限制，或者停止。Spatius 的 AI 数字人试点框架建议从一个明确的产品时刻开始，并测试包括打断和备用路径在内的完整流程，而不只是测试数字人能否播放。
对于已经拥有对话式 AI 的医疗团队，Spatius 可以增加实时可视化层，同时把 Agent 和工作流控制保留在现有应用内。团队仍然需要针对自己的使用环境，核验当前的安全、合同和部署适配性。
常见问题
什么是医疗行业中的对话式 AI？
医疗行业中的对话式 AI，让患者、访客或工作人员通过自然语言文字或语音与数字系统互动。它可以回答经过批准的问题、引导行政任务、检索经过授权的信息，或者把用户转接给工作人员。
医疗行业中的对话式 AI 有哪些例子？
常见例子包括院内导航助手、就诊前 FAQ 工具、预约或注册指引、经过批准的患者教育界面，以及员工支持系统。有些系统只使用文字或语音；实时数字人则增加了一个同步的可视化讲解者。
医疗行业使用对话式 AI 的一个优势是什么？
其中一个优势是，用户可以直接使用自然语言提问，而不需要学习复杂界面。当语音解释、可视化指引或多语言呈现能够帮助用户完成任务时，数字人还可能进一步增加价值。
AI 数字人与医疗聊天机器人相同吗？
不同。聊天机器人通常是文字界面，语音助手增加了语音交互，实时 AI 数字人则增加了同步的可视化讲解者。这三种界面背后的 Agent、数据和工作流控制可以保持一致。
医疗行业的对话式 AI 会自动符合 HIPAA 吗？
不会。是否合规取决于机构、使用场景、所处理的数据、技术保障措施、合同、配置和运营流程。数字人供应商的架构或营销表述，不足以证明某个具体部署符合要求。
哪些工作流最适合作为医疗 AI 数字人的第一批试点？
院内导航、公共设施信息、就诊前指引、经过批准的患者教育和行政流程指引，比诊断或治疗建议更适合作为第一批候选场景。这些任务更容易衡量，也更容易设计明确的人工备用路径。
已经拥有对话式 AI、知识库和工作流控制？可以从一个经过批准的医疗信息任务开始评估实时可视化层 申请 Spatius Demo, or ，或查看数字人的数据边界.。