近日，一则关于处方差错的新闻引发广泛关注。
浙江绍兴一名患者因脚部受伤前往社区卫生服务中心就诊，本应“一次服用2粒”的口服药，被误开为“一次21粒”，患者在一天内共服用42粒胶囊。随后，当地官方通报确认事件属实，并对相关责任人启动问责程序。
从“2”到“21”，只是一个数字的偏差，却可能带来不可逆的健康风险。
这起事件再次将一个老问题推到了台前——医疗体系中，处方安全究竟如何真正实现“零容错”？
一、处方差错，不只是“人为失误”
在公众认知中，这类事件往往被简单归因于“医生粗心”或“药师疏忽”。但从医疗信息化的角度来看，问题更接近一种“系统性风险”。在高强度接诊节奏下，叠加药品规格复杂、手动录入与多系统切换等因素，即便是经验丰富的医生，也难以完全避免剂量录入偏差、用法理解误差或用药匹配不精准等问题。
而在中医领域，处方结构更为复杂：方剂组成多、辨证路径多样、加减变化灵活，使得处方的安全性与合理性更加依赖系统层面的辅助与校验。
二、从“经验驱动”走向“数据驱动”
传统中医诊疗高度依赖医生经验，这是优势，但在规模化医疗场景下，也带来了标准化与一致性方面的挑战。例如，不同医生之间用方差异较大，经典方剂的理解与应用存在门槛，方剂来源与适应症之间也缺乏系统化校验。
而当信息化系统只是“记录工具”，而非“决策辅助工具”时，这些问题并不会被解决。真正的突破，在于——让系统具备“理解处方逻辑”的能力，而不仅仅是“录入处方”。
在这一方向上，尚医云·云HIS基于大规模经典方剂数据，结合AI模型能力，对中医方剂进行结构化解析与智能匹配，不仅能够支持方剂检索与来源追溯，还可对剂量异常、配伍风险等问题进行辅助校验，从而在提升开方效率的同时，增强用药的安全性与规范性。
尚医云·云HIS 中医AI药典
三、中医AI药典：让系统参与“处方思考”
尚医云·云HIS推出的中医AI药典系统，不再只是简单的方剂库，而是围绕“适应症—方剂—组成—用法”构建的智能匹配体系。
1. 适应症驱动的方剂推荐
医生只需输入关键词（如头痛、发热等），系统即可筛选出匹配的中药方剂，标注其出处（对应经典文献），并概述适应症。
这一功能的价值在于：把医生的“模糊经验”转化为“结构化检索”路径。医生不再完全依赖记忆，而是可以基于系统推荐进行判断与优化。
2. 方剂结构透明化
在选定方剂后，系统可完整展示其组成、剂量标准及用法（如煎服等），使方剂结构一目了然。
这种一体化智能呈现有助于减少漏药、错药及剂量异常等问题，相比传统手工录入或分散查询，这一方式极大提升了用药的安全性。
3. 经典与现代的融合校验
系统内嵌经典方剂来源（如《兰室秘藏》《中医方剂学》等），同时结合现代临床使用习惯进行结构化整理，使方剂不是“孤立数据”，而是“有出处、有逻辑”的知识单元。医生在使用时，可以快速追溯来源依据，从而有助于规范临床用药路径。
尚医云·云HIS 中医AI药典
四、AI的真正价值：不是替代医生，而是降低风险
需要强调的是，AI并非替代医生的判断。在中医领域，辨证施治的核心仍然是医生。AI的价值更多体现在辅助层面：一方面，通过提供多种方剂参考，拓宽诊疗思路，补充知识储备；另一方面，通过结构化和标准化，让诊疗过程更可控、更一致。
换句话说：医生负责“决策”，系统承担“风险兜底”。
五、从一次事件，看行业未来方向
回到绍兴这起事件。它并非个例，而是整个医疗体系在高速运转中暴露出的一个缩影。监管可以加强，培训可以提升，但如果缺乏系统层面的辅助，类似问题仍难以彻底避免。未来医疗安全的关键，不只是“人更谨慎”，而是：让系统具备“防错能力”。
医疗的本质，是对不确定性的管理。而AI的价值，是把不确定性降到更低。当中医药与人工智能结合，带来的不仅是效率提升，更体现在处方更规范，用药更安全及经验的可传承。 或许，一次“21粒”的错误无法完全避免所有风险，但它至少提醒我们：医疗安全，不能只依赖经验，更需要系统的参与。
EndFragment
从“21粒”误开，看AI如何补位处方安全
