院后随访已成为保障医疗质量、提升患者粘性的重要环节。我们西安图灵的患者运营团队，通过“企业微信+AI医疗大模型”的人机协同，在围绕企微做随访服务中，数十家的医院实践中做了一些服务深入探索。现将我们在随访场景中的探索进展做如下汇报：

　　一、 在服务广度上：实现门诊、出院、体检全场景覆盖

　　借助大模型的能力，我们实现了对各类型患者的全面、自动化随访覆盖，将随访从“专病工作”转变为“全量服务”：

　　1. 攻克高难度专科随访： 针对三四级手术等复杂、高风险的住院患者，系统能够严格按照术后时间轴（如拔管、拆线、换药）进行严密的节点随访，保障围手术期的医疗安全。

　　2. 海量门诊随访的“零突破”： 针对基数庞大、流失率高的门诊患者，模型能够每日自动生成上万份随访内容并定期触达，填补了传统门诊随访的盲区。

　　3. 体检患者的检后追踪： 面对海量的体检人群，系统能自动识别体检报告中的异常指标（如结节、高血脂），生成差异化的检后健康提醒并定期跟进，将单次体检转化为长效健康管理。

　　二、探索基于临床语境的动态陪伴机制

　　随访不应是“千篇一律”的查户口，而是医生临床诊疗在院外的服务延伸。为此，我们重点探索了大模型的语义理解与生成能力：

　　1. 深度解析，医嘱即随访： 我们尝试让大模型脱敏读取患者的“出院小结”或“门诊病历”。AI能够理解医生的医嘱，并将其转化为通俗易懂的随访话术（如个性化的饮食禁忌、用药周期）。

　　2. 遵循遗忘曲线的全年伴随： 随访不再是“打完一次电话就结束”。系统基于“艾宾浩斯遗忘曲线”，在出院后的第1天、7天、30天甚至半年、一年等关键节点，自动触发长周期的关怀任务。

　　3. 多模态的康复宣教：除了文字，系统还可根据病情节点，附带康复指导小视频、图文科普或电子调查问卷，提升患者的依从性与理解度。

　　4. 随病情演变动态调整话术： 在全年的随访周期中，患者病情往往处于变化状态。系统能够结合患者最新上传的复查报告或其他特殊沟通内容，自动调整下一阶段的随访侧重点与话术方向。

　　三、 实现自感知构建患者画像

　　随访过程也是医疗数据与患者反馈的沉淀过程，我们希望系统自动完善患者的健康档案和画像：

　　1. 临床文本的自动打标： 大模型通过读取患者门诊、住院、体检的原始病例记录，自动提取关键医学特征，为患者打上疾病分类、既往史、过敏史等基础标签。

　　2. 交互反馈的动态标注： 每次随访发出后，AI会在后台静默分析患者的文字回复。无论是依从性表现、用药反馈还是情绪状态（如焦虑、满意），系统都能自动提取并生成动态标签。

　　3. 患者旅程节点的自动归档： 针对每一次随访触达、患者咨询、来院复诊，系统都会以时间轴的形式自动记录并标注在“患者旅程”面板中。

　　这些不断丰满的标签与记录，最终汇聚成立体、多维的“患者全息画像”，为后续的精细化临床科研与专病管理提供数据基座。

　　四、服务闭环，推动“单向通知”向“双向互动”的延伸

　　随访不是动作的终点，而是发现患者潜在需求、提供实质性帮助的起点：

　　1. 随访后的“一对一”深度咨询： 患者在收到随访消息后，往往会产生新的健康疑问。此时，依托企微底座，患者可直接发起咨询。我们的专职助理结合AI大模型，能提供“百事通”式的一站式解答，解答涵盖就医流程、医保报销及简单的居家护理。

　　2. 精准的复诊引导与到院追踪： 在咨询过程中，若发现患者有进一步的诊疗需求，助理会推送对应科室专家的挂号链接。此后，系统会自动追踪患者最终的到院状态，形成“随访-咨询-就诊”的闭环。

　　3. 异常反馈的危机预警机制： 我们系统中设置了安全底线功能。当患者的随访反馈中识别出“伤口渗血”、“持续高热”、“剧烈疼痛”等危机词汇时，会自动触发预警，引导患者及时就诊，规避潜在的医疗风险。

　　在医疗服务模式加速重构的今天，将企微的连接能力与大模型相结合，为医院“随访落地难”提供了一种全新的解题思路。