有个做医疗信息化的朋友跟我说过一句话，让我印象很深：
"医生最大的敌人不是疾病，是病历。"
他不是在开玩笑。一个门诊医生，一天看 40 个号，每个患者的电子病历从主诉到现病史到检查到诊断到医嘱，写下来要 20 到 30 分钟。算下来，一天光写病历就要四五个小时。
看病的时间，可能还没有写字的时间长。
这件事困扰了医疗行业很多年。大家一直在想：有没有办法把医生从文书工作里解放出来？
Google 今年 3 月发布的 Gemini 3.1 Flash-Lite，让我重新认真想了这个问题。
先把最重要的一句话说在前面，免得有任何误解：
Flash-Lite 不是医疗诊断工具。它不能、也不应该用来做任何临床决策。
我今天要聊的，是一个更窄但更实际的话题——在医疗行业中，那些不涉及临床判断的文本处理工作，Flash-Lite 能做到什么程度。
病历录入、出院小结撰写、文献摘要、患者教育材料……这些工作量巨大、重复性强、消耗医护人员大量精力，但本质上是"文字活"，不是"判断活"。
如果 AI 能把这些文字活接过去哪怕一部分，省出来的时间对医生来说就是实实在在的。
它能做什么
病历文本结构化，是我觉得最有落地价值的场景。
医生口述或快速录入的病历，往往是一段混在一起的自然语言。让 Flash-Lite 把它拆成结构化字段——主诉、现病史、既往史、体格检查、初步诊断——实测下来，标准格式病历的提取准确率在 88% 到 93% 之间。
口述转录的非标准文本会差一些，75% 到 85%。医生说话的习惯你懂的——省略、跳跃、术语简写——模型理解起来确实有难度。
但即便是 85% 的准确率，也意味着医生只需要花两三分钟做校对和补充，而不是从零开始写 20 分钟。
Flash-Lite 有一个在这个场景下很实用的特性：百万 token 的上下文窗口。如果一个患者有多次就诊记录，可以把历史病历一起放进上下文。模型能参考之前的记录，更准确地理解当前这次就诊的内容。
出院小结自动生成，是另一个非常适合的场景。
住院患者出院时，经治医生需要写一份出院小结——把整个住院期间的诊疗过程浓缩成一份结构化的摘要。入院诊断、治疗经过、手术记录、出院诊断、出院医嘱……一份完整的写下来大概 15 分钟。
把住院病历输入 Flash-Lite，它能生成一份质量不错的草稿。涵盖了该有的部分，逻辑也基本通顺。
但——这个"但"很重要——一定需要经治医生审核。模型偶尔会遗漏某些治疗细节，时间顺序上也有小错误出现。它生成的是"草稿"，不是"成品"。
准确的定位是：把写出院小结的时间从 15 分钟压缩到 3 到 5 分钟。医生从"写作者"变成"审核者"。
医学文献摘要，对科研人员来说是个福音。
上传一篇论文 PDF，让 Flash-Lite 做结构化摘要：研究目的、方法、样本量、主要结果、结论、局限性。英文文献的摘要质量相当好，关键数据提取准确。中文文献也能做，统计数据偶尔有小误差。
如果开启 thinking=high 模式，它还能做文献之间的对比分析——"这三篇论文对同一种治疗方案的结论有什么异同"。做综述的研究人员应该会喜欢这个功能。
患者教育材料，是一个经常被忽视但特别有价值的场景。
医生告诉患者"你需要做一个腹腔镜胆囊切除术"，患者听完可能一脸茫然。如果能根据诊断和治疗方案，自动生成一份通俗易懂的科普材料——用患者能理解的语言解释手术是什么、为什么要做、术后注意什么——患者的就医体验会好很多。
Flash-Lite 做这件事很自然。而且可以针对不同群体调整语言难度。对老年患者用更简单直白的表述，对年轻患者可以稍微专业一些。
它不能做什么
这一节比上面那节更重要。
我见过太多"AI+医疗"的宣传里模糊这条线。所以我要说得非常清楚：
不能用于辅助诊断。 症状分析、鉴别诊断、治疗方案推荐——这些事不应该交给任何轻量模型。哪怕是旗舰模型，也必须经过严格的医疗器械审批流程才能用于临床。
不能用于药物相互作用判断。 模型可能遗漏重要的药物相互作用信息。在医疗场景里，一个遗漏可能就是致命的。
不能处理含患者隐私的数据——除非在合规环境下。 病历文本发到公有云 API，患者数据就离开了你的控制范围。医疗数据的处理必须符合 HIPAA、GDPR、个人信息保护法等法规要求。
这不是在给 AI 泼冷水。这是在保护患者，也是在保护使用 AI 的医疗机构。
技术上能做的事，不等于合规上允许做、伦理上应该做的事。在医疗这个领域，这条线需要画得格外清楚。
关于合规和落地
如果你真的在考虑把 Flash-Lite 用在医疗文本处理上，有几件事需要提前做好。
数据脱敏是底线。 发送给 API 之前，把姓名、身份证号、联系方式这些个人标识信息替换成占位符。处理完再还原。这一步不能省。
内网部署优先考虑。 Google 的 Vertex AI 支持企业级数据隔离。如果必须走公有云 API，确保传输加密，并和供应商签好数据处理协议。
审计日志不能少。 谁在什么时间处理了什么数据，AI 给出了什么结果——全部要有记录。这是医疗合规审计的基本要求。
花不了多少钱
聊完了能力和边界，说一下成本——这个数字可能会让你意外。
一家日门诊量 3000 人次的三甲医院，如果用 Flash-Lite 辅助做病历结构化和出院小结生成，每天的 API 成本大约是 3.5 美金。
一个月 105 美金。折合人民币不到 800 块。
这个数字低到几乎不需要专门立项审批。一台打印机的月耗材可能都比这贵。
如果医院的信息系统同时还在用其他 AI 能力——比如旗舰模型做文献深度分析、翻译模型处理外文文献——poloapi.top 支持把多个模型统一到一个接口里调度。Flash-Lite 负责日常文本处理，旗舰模型负责高难度任务，计费在一个地方看，不用分别管理。
最后想说的
Flash-Lite 不会改变医疗行业。
改变医疗行业的，是那些愿意从最小的场景开始尝试、耐心推进、尊重合规边界的人和团队。
技术从来不是医疗 AI 落地的最大障碍。真正的障碍是信任——医生对 AI 的信任、患者对 AI 的信任、监管对 AI 的信任。这些信任不是靠技术参数建立的，是靠一个又一个安全、准确、合规的落地案例慢慢积累的。
Flash-Lite 提供的，是一个成本上几乎没有门槛的起点。
月成本 105 美金，能把医生每天省出一到两个小时的文书时间。这省出来的时间，可以多看几个患者，可以多和患者聊几句，可以多读一篇文献。
AI 在医疗场景里最大的价值，不是替代医生的判断，而是让医生有更多时间去做只有人才能做的事。
从最没有争议的场景开始。病历格式检查、文献摘要、患者科普材料。让医护人员先用起来，建立信任，再一步步往前走。
慢一点没关系。在医疗这条路上，走得稳比走得快重要得多。
