九月三日，OpenAI 在官网挂出一条看起来像「又一个企业插件」的更新：Healthcare organizations can now connect EHR and additional industry data to ChatGPT。真正的动作更具体：把 Epic 环境里的授权患者上下文接进 ChatGPT for Healthcare，再加一个 Healthcare Public Data 插件，把 PubMed、DailyMed、CMS Coverage、ClinicalTrials.gov 等九个官方公开数据源收成可按字段、标识符和版本查询的连接器。医生问的不再是「帮我搜一下糖尿病」，而是「这位患者上次就诊之后，哪些化验和用药变了」。
[1]诊室里多了一层可追问的病历
官方事实写得很窄，也很硬。医疗机构可以把 Epic 接到 ChatGPT；临床侧支持两种互补体验：一是把授权患者信息拉进 ChatGPT，用来回顾病史、识别变化、准备门诊；二是在受支持的部署里，把 ChatGPT 嵌进 EHR 版面，人不用离开病历页就能做 AI 辅助工作流。配套问题清单几乎是在复述真实晨会：自上次就诊以来有什么变化？今天该先看哪些近期化验？用药有没有改、专科有没有新建议？有哪些随访、转诊或未决问题？
公开数据侧不是「再搜一遍网页」。Healthcare Public Data 插件把九个官方来源（含 ClinicalTrials.gov、CMS Coverage、RxNorm、DailyMed、PubMed）做成结构化连接：团队可以对具体记录、字段、标识符和版本操作，而不是把整站塞进上下文。官方举例：研究组用 ClinicalTrials.gov 找在招募试验并比对入排标准；药学团队用 DailyMed 核对最新说明书与警告；人群健康团队做糖尿病预防项目时，可以把研究、在研试验与 Medicare 覆盖信息叠成带出处的视图。
评测数字是这篇通稿里最刺眼的部分。OpenAI 称与来自 60 个国家、49 种语言、26 个医学专科的数百名医生合作，已审阅超过 70 万条模型回复。针对接入 EHR 上下文的表现，医生在 27 个临床用例（含就诊前回顾、临床时间线、用药审查、交接班摘要）给出 4363 次评分，其中 99.1% 被评为全用例安全。另一次两轮评估里，对五个已连接数据源，超过 93% 的回复被评为「良好」或更高准确度。产品边界也写明：ChatGPT for Healthcare 客户由管理员开启 EHR 集成与公共数据插件；Enterprise 客户走受监管工作区配置；个人 Clinicians 用户可装公共数据插件，但 EHR 集成不对个人账户开放。适用 BAA 时，同一受管工作区可覆盖 ChatGPT Work、Codex、应用与插件以支持 HIPAA 相关流程。
[1]它真正改的，不是「会不会看病」
表面上看，这是把聊天机器人塞进病历系统。拆开产品细节，改动的是信息汇合点：过去临床医生要在预约备注、化验、用药清单和专科文档之间来回翻；现在问题被改写成对授权记录的查询，答案还要指回图表里的支撑材料。官方反复强调「authorized patient context」和「points back to supporting chart information」——话术背后是把生成式回答绑回可审计出处，而不是再造一个不可追问的摘要黑箱。
对企业买方，这比又一个「医疗大模型基准第一」更值钱。它卖的是受管工作区：角色权限、单点登录、审计日志，外加 SharePoint、Drive、Salesforce、Slack 等企业插件在既有权限下扩大业务上下文。技术团队还能用同一空间里的 Codex 去改支撑诊疗与运营的软件。换句话说，OpenAI 在把「临床问答」扩成「临床 + 运营 + 工程」的共用底座，而 EHR 只是最先被点亮的那根线。
对医院 IT 与合规，真正的工作量不在安装插件，而在数据边界：谁有权把哪位患者的上下文送进模型、会话是否进审计、出错时能否回溯到具体字段。个人账户不给 EHR，正是在画这条线。
[1]行业坐标：谁先把「病历页」变成入口
把这件事放到 2026 年夏秋的医疗 AI 地图上，对照很清楚。多数厂商仍在比拼「医学考试题」与「文献综述助手」；OpenAI 这次把入口钉在 Epic——美国住院与门诊记录的事实标准之一——等于承认：临床 AI 的胜负手不在会不会背指南，而在能不能待在医生已经打开的那一页上。
Anthropic 一侧同期更常见的是企业合规、浏览器代理与行业案例（例如无 API 系统里靠 computer use 跑理赔），路线是「Agent 动手点界面」。OpenAI 这篇通稿的路线是「把权威数据源与 EHR 上下文接进受管对话」。两者都在解决同一类摩擦——遗留系统没有干净 API——但一个偏操作自动化，一个偏阅读与综合。医院里两者都会要，只是采购部门和风险委员会问的问题不一样：一个问「它会不会点错按钮」，一个问「它会不会把不该看的病历读进去」。
第三方信息层面，本文依据的是 OpenAI 官方通稿中的自评测与医生评审数字，未见独立监管机构或大型卫生系统同期公开发布的对照试验。99.1%「安全」与 93%「良好以上准确」都是受控评估口径，不能直接外推成真实诊疗事故率。
[1]我怎么看
值得认真对待的，是 OpenAI 终于把产品叙事从「医疗知识渊博」换成「待在病历工作流里、并且能指回出处」。对忙到只能在交班前扫一眼时间线的住院医，这比再涨两个基准分更像工具。九个公共数据源的结构化插件也比「让模型自己上网搜」更像专业软件该有的样子。
我保留三处怀疑。第一，自评测再漂亮，也替代不了上线后的局部失误分布——交接班摘要漏一条过敏史，比聊天框里一次「不够好」贵得多。第二，Epic 集成会放大马太效应：已经上了 ChatGPT for Healthcare 与受监管工作区的大型系统先吃到红利，社区诊所与非 Epic 机构仍在门外。第三，「受管工作区 + BAA」是必要地板，不是充分条件；模型仍可能在权限正确的情况下给出听起来很稳、其实需要人工复核的建议。官方自己把体验描述为协助回顾与准备，而不是自动下医嘱——这个自我克制应该被写进医院的启用政策，而不是只留在公关稿。
[1]接下来半年看什么
三件事决定这篇九月更新会不会变成行业底噪。一是 Epic 之外的 EHR 厂商是否跟进同等深度的双向嵌入。二是医院是否公开真实部署里的漏诊、幻觉与审计抽检数字，而不是只转发厂商幻灯片。三是公共数据插件是否把「带版本的官方记录」变成默认引用格式，逼着临床 AI 回答必须挂得住字段级出处。
若 EHR 连接只停在演示环境，它不过是又一次医疗 AI 巡演；若它逼出可审计的病历内工作流与可复核的出处链，诊室里的那台笔记本才会真正改写交班节奏。
[1]