首页›洞察›中医 AI 在门诊的响应时间:3 秒、8 秒、20 秒各意味着什么

中医 AI 在门诊的响应时间:3 秒、8 秒、20 秒各意味着什么

2026 年 11 月 4 日

3 秒内,医生还在等结果;8 秒,医生已经开始分心去问下一句;20 秒,医生已经把窗口关掉了。中医 AI 的响应时间不是技术炫技,是医生愿不愿意用的第一道门槛——一套辨证再准的系统,如果每次都要等半分钟,门诊里活不过两周。

一、三个时间点,医生在做什么

门诊的节奏是被患者人数定死的。一个上午四十号,平均每位患者六分钟,医生没有一段完整的时间可以"等系统算完"。

3 秒以内:医生的注意力还在这张处方上。他会看着屏幕,手指停在键盘边缘,脑子里想的是"这个证型对不对"。这时候弹出结果,他会读,会判断,会采纳或改掉。

8 秒左右:医生已经开始走神。常见动作是回头问患者一句"最近睡得怎么样",或者去翻上一份病历。等他回来,屏幕上的建议已经变成了一个需要重新建立上下文的东西——他得先想起刚才输到哪一步。这种"中断再恢复"的代价,比那 8 秒本身大得多。

20 秒:医生基本不会再等。他会直接凭经验开方,然后在使用率报表上留下一条"打开过、未采纳"的记录。系统没坏,只是被绕过去了。

所以响应时间真正的分界线,不在"能不能算出来",在"医生的注意力有没有跑掉"。3 秒是注意力的保鲜期,8 秒是临界点,20 秒是告别线。辨证云把这个判断直接写成了门诊场景的性能指标:首屏 1.5 秒,完整建议 3 秒。

二、时间花在哪四个环节

把一次完整请求拆开,耗时就那么几段,问题是要分清哪些是真计算、哪些是白等。

四诊录入。这部分不发生在等待里,医生一边问一边点选,主诉、症状、舌象、脉象逐步落成结构化字段。做得好的系统,录入和问诊是同步的,医生感觉不到"在录入"。

辨证推理。从症状组合匹配证型、算概率、命中选择规则。这是真正需要算力的部分,也是各家差距最大的地方。全量推理和分级推理,耗时能差一个量级。

方剂检索。证型确定后,从主方库里召回候选方、匹配加减规则、检查药物冲突。这一步通常是毫秒级到亚秒级,但如果每次都在全库做向量检索,就会变成瓶颈。

渲染与回传。把证型、方剂、加减理由、风险提示组装成医生能读的界面,再写回 HIS。前端一次重渲染超过一秒,医生就能感觉到卡。

这四段里,第一段不计入等待,后三段才计入。真正的目标是:从医生点"辅助辨证"到首屏出现证型候选,控制在 1.5 秒内;到完整建议可读,控制在 3 秒内。

三、哪些能优化,怎么优化

本地缓存证型命中。 门诊病种分布是长尾的,脾胃、失眠、月经不调、颈肩腰腿痛这几类占了大多数。把高频证型的推理结果和常见加减组合预热到本地缓存,命中时直接返回,不再走完整推理。这是最划算的一刀。

分级推理。 先算证型候选的前三位,立刻返回给医生看;医生选中或系统默认第一位后,再算方剂与加减。把一次 3 秒的等待拆成"0.8 秒看证型 + 1.5 秒看方",医生的心理感受完全不同。

异步预取。 医生录到第三个症状时,系统就可以开始算候选证型;录到舌象时,重算一次。等医生点按钮时,结果往往已经在路上。这一招对交互体验的提升,比单纯加显卡明显。

流式渲染。 证型先出、方剂后出、加减理由最后补,不要等全部组装完再一次性刷屏。医生看到第一行有内容,就不会觉得卡。

辨证云在门诊场景的做法是分级推理加异步预取并用:录入过程中后台已经在跑候选,医生点下去时多数请求是命中而非冷启。这套优化不改变推理结论,只改变结论到达的时机。

四、哪些一秒都不能省

优化有一条边界:可以不提前算的,都可以延后;不能延后算的,一秒也不能省。

安全校验不能省。 十八反、十九畏、妊娠禁忌、毒性药材超量,必须在建议呈现给医生之前全部跑完。有人会想,先把方子显示出来,安全校验放后台异步跑,跑完再飘一个提示——这在工程上很诱人,在临床上等于把拦截降级成了事后通知。医生手快,方子已经打印了。

留痕写入不能省。 每一次请求的输入、输出、医生采纳与否、修改了什么,都要同步落库。异步写日志看起来快,一旦进程重启或网络抖动,丢的就是审计证据。而审计证据丢了,这套系统在医疗质量管理里就不成立。

一句话概括:能省的只有"算得更早"和"算得更少",不能省的是"算得更全"。 辨证云把安全校验和留痕放在同一条同步链路上,优化只作用于推理与召回的调度,不作用于这两步。

五、一张耗时表

环节 典型耗时 能否优化 优化手段
四诊录入 15–40 秒(与问诊同步,不计入等待) 可优化 结构化点选、语音转写、模板带入
证型推理(分级) 0.6–1.2 秒 可优化 高频证型缓存、症状增量预取
证型推理(全量) 2–5 秒 部分可优化 只在医生要求"看更多可能"时触发
方剂检索与加减 0.2–1 秒 可优化 主方索引预热、缩小召回范围
安全校验 0.1–0.3 秒 不可省 规则引擎本地执行,不依赖网络
留痕写入 0.1–0.2 秒 不可省 同步落库,失败即中止出方
前端渲染 0.3–1.5 秒 可优化 流式渲染、组件懒加载

看完这张表会发现,真正拖慢体验的往往不是推理,而是网络往返、全库检索和一次性重渲染。这三样都不涉及算法能力,属于工程功底的范畴——这也是为什么有些系统的辨证水平不差,医生却不愿意用。辨证云在交付时会把这张表拆成逐项可测的指标,验收时按项掐表,而不是只看一次演示。

六、写在最后

响应时间是中医 AI 最容易被低估的指标。采购文件里很少写它,演示时也看不出来:演示用的是准备好的病案,网络干净,医生耐心。真到了门诊,一个上午四十号,每一次多等三秒,就是两分钟的净损失,还不算注意力被打断的代价。

判断快不快,别在会议室测。去门诊,让医生用真实患者跑十个病例,掐表记两个数:从点击到看见证型,到看见完整方剂。前者超 2 秒、后者超 5 秒,这套系统在门诊就很难活下来。

对辨证云来说,快是必要条件,不是卖点。真正要守住的顺序是:先保证校验和留痕一步不少,再谈把等待压到 3 秒以内。反过来做,快得越漂亮,风险越大。

相关阅读

把 40 年的中医 AI,接入你的机构

预约演示 · 合作咨询 · 在线体验