波士顿儿童医院用AI解锁罕见病诊断，40余例疑难杂症终获答案
波士顿儿童医院（Boston Children’s Hospital）正将人工智能从实验性工具升级为基础设施级别的核心能力。该院通过整合OpenAI技术（包括ChatGPT企业版）到临床与运营流程中，已成功诊断超过40例此前长期无法确诊的罕见病，同时节省了6万小时的人工工时，并重新部署了价值700万美元的劳动力资源。
从“一次性方案”到“企业AI层”
波士顿儿童医院是全球最大的儿科医疗机构之一，每年服务近100万门诊患者，涵盖40多个专科。和许多医疗系统一样，它面临着财务紧张与行政负担加重的双重压力。从发票处理到排班协调，大量重复性工作消耗着医护人员的精力。
最初，医院尝试了零散的AI应用——比如文档处理和翻译工具。但很快，首席创新官John Brownstein意识到这种“一次性方案”的局限：“你不能只靠一个个孤立的解决方案。”于是，医院转向构建一个企业级AI层：一个安全、内嵌的ChatGPT实例，能够与现有系统深度集成，覆盖从财务到临床的多个场景。
罕见病诊断：打破人类认知极限
在临床端，AI的价值尤为突出。罕见病病例往往涉及碎片化的基因数据、不完整的病史以及海量的医学文献。即使是在顶尖研究机构，医生也无法快速综合所有信息来做出诊断。Brownstein直言：“问题不在于努力不够，而在于人类认知的极限。”
通过AI辅助分析，医院团队能够将基因数据、临床记录与最新研究进行交叉比对，从而锁定此前被忽略的病因。目前，已有超过40种罕见病在这一流程下获得确诊——这些病例之前都曾被认为“无解”。
运营效率：50多个自动化流程支撑日常
除了诊断突破，AI在运营层面的效果同样显著。医院部署了超过50个自动化工作流，覆盖供应链、计费和排班等领域。这些流程累计节省了6万小时的人工时间，相当于将价值700万美元的人力重新调配到更高价值的任务上。
例如，发票处理从手动逐条核对变为AI自动匹配与异常标记；排班系统则能根据历史数据和实时需求动态优化。这些改进直接降低了运营成本，也让医护人员有更多精力专注于患者。
行业启示：AI作为医疗基础设施
波士顿儿童医院的实践表明，AI在医疗领域的真正潜力不在于替代医生，而在于扩展人类能力边界。当AI被作为基础设施而非孤立工具来部署时，它能够同时解决效率瓶颈和认知局限这两个核心问题。
对于其他医疗机构而言，这一案例提供了清晰的路径：从顶层设计开始，构建安全、可扩展的企业AI平台，而非零散采购工具。正如Brownstein所强调的，“AI必须成为医院运营的‘操作系统’，而不是一个附加功能。”
随着更多医院跟进类似策略，AI辅助诊断有望从罕见病拓展到更广泛的临床领域，医疗系统也将逐步从“被动治疗”转向“主动发现”。