连锁药房执业药师AI知识库辅助审方

行业背景与宏观驱动力：结构性过剩与数智化转型的交汇

在过去十年中，中国零售药店行业经历了一场由资本与市场需求共同推动的外延式扩张浪潮。通过“自建+并购”的双轮驱动模式，全国各地的优质区域性连锁药店相继被头部上市企业收入囊中，连锁化率和行业集中度不断攀升。至2022年底，中国连锁药店正式跨入“万店时代”，老百姓大药房、益丰药房、大参林等头部企业的门店规模相继突破万家，形成了庞大的终端零售网络。然而，这种相对粗放的规模扩张也为当下的行业困境埋下了伏笔。

当前，全国线下药店总数量一度飙升至70万家，单店人口覆盖率严重不足，导致行业进入了高度内卷的存量博弈阶段。2024年的市场数据充分暴露了这一扩张周期的阵痛：据统计，2024年全国共有约3.9万家零售药店关闭，闭店率高达5.7%，较2023年大幅提高了1.9个百分点。在闭店潮与客流稀释的双重压力下，头部连锁药房在2024年的财务表现普遍承压，大参林的归母净利润和扣非净利润均出现超过20%的下降，老百姓大药房的归母净利润同比大降44.13%，而以直营为主的一心堂和健之佳的净利润降幅更是分别高达79.23%和69.08%。从门店坪效来看，多家连锁药房的坪效在2020年创下顶点后便呈现下滑或停滞态势，规模不再自然等同于效益。

在这一宏观背景下，随着“医药分开”与“处方外流”国家宏观医疗政策的持续推进，零售药店的业务重心正不可逆转地从单纯的“药品差价销售”向“专业药事服务与慢病全生命周期管理”转移。在这个转型过程中，“处方外配”与“电子处方流转”成为了零售药店获取公立医院外流增量市场的绝对核心。为此，国家医保局于2024年10月发布了《关于规范医保药品外配处方管理的通知》，明确提出加快推进电子处方中心建设，并设定了极为严格的强制性时间表。自2025年1月1日起，配备“双通道”药品的定点零售药店均需通过医保电子处方中心流转药品处方，全面停止接受纸质处方；紧接着，门诊慢特病用药自2025年7月1日起全面实现电子化流转；而使用门诊统筹基金支付的常规药品则自2025年11月1日起，也需完全通过电子处方中心流转，不再接受纸质处方。

处方单轨制、双轨制以及高警示药品流转的爆发式增长，使得零售药店在处方审核环节面临着前所未有的压力。根据相关行政管理规定，零售药店在营业时间内必须有执业药师在岗，为公众提供专业的药学服务。然而，全国超过42万家零售药店的庞大基数，与流通领域仅数万名合格执业药师的现状之间，存在着巨大的供需鸿沟。传统的单店驻店药师模式不仅人力成本高昂，且难以应对执业药师临时离岗时的业务断层问题。虽然行业在早期探索出了“远程审方中心”模式，以期通过集中执业来缓解药师资源分布不均的痛点，但在面对海量并发的电子处方和极其复杂的患者病史时，纯人工的远程审核依然存在严重的效率瓶颈，甚至可能因人为疲劳而引发用药安全隐患。因此，引入基于大规模语言模型（LLM）和高品质结构化医药知识库的“AI辅助审方系统”，不仅是连锁药房实现降本增效的工具，更是其重塑专业药事服务能力、确立未来核心竞争力的战略基础设施。

政策法规与合规治理界限：严禁AI替代与人机协同规则

随着人工智能技术向医疗和药学核心业务的深水区全面渗透，监管部门对其合规性、责任界定以及潜在的伦理风险表现出了极高的前瞻性关注与强力管控。近两年来，国家及地方相继出台了一系列密集的政策与法规，为“AI+药品零售”和“AI+药品监管”划定了清晰的安全红线与健康发展轨道。

处方药网络零售红线：严防“AI越俎代庖”

为了切实保障网络零售药品的质量安全，国家药监局于2026年5月25日正式发布了《处方药网络零售合规指南》（以下简称《指南》）。这一文件不仅是对2022年《药品网络销售监督管理办法》中原则性规定的操作性细化，更是对近年来网络售药乱象的强力纠偏。数据显示，我国药品网上零售规模在2024年突破700亿元，并预计在2025年突破800亿元。在庞大且快速增长的利益驱使下，部分药品网络交易第三方平台和零售企业为了追求极速成单，出现了不凭处方销售、虚构处方、以及利用系统进行“秒开处方”的违规现象。

《指南》中最核心、最严厉的条款之一，便是明确规定网售处方药必须严格凭真实处方、实名制销售，并且严禁使用人工智能（AI）替代执业药师进行审方。相关条款指出，药品网络零售企业必须确保本企业的处方审核工作由具备法定资质的执业药师亲自开展，绝不允许由其他非专业岗位人员或者人工智能系统代为实施审核决策。同时，监管部门强调严禁重复使用同一处方，且执业药师的审方数量必须被控制在科学合理的物理极限范围之内，彻底杜绝系统自动批量秒审的乱象。此外，为了防止药物滥用，《指南》还严禁以营销为目的通过短视频、直播推广或私域销售等方式诱导消费者过度使用药品，同时在向未成年人销售处方药时，必须提供显著的用药安全风险警示，并在必要时实施系统拦截。

这一系列规定在法律与行政管理层面上明确了AI的“辅助工具”定位。网络售药必须遵循“凭处方、严审核、可追溯、控风险”的核心要求。AI技术的真正价值应当体现在前置的用药风险智能筛查、海量数据的快速结构化整理、以及针对潜在配伍禁忌的智能提示上，而不是越俎代庖地做出最终的医疗或药学决策。在实际的业务工作流中，AI可以实时分析患者多维数据并拦截不合理用药，但对于复杂疑难处方，或是最终确认放行的审核按键，必须由具有独立法律行为能力的执业药师在视频端或审核工作台中，通过指纹或人脸等生物识别技术进行确认。

法律责任归属与“算法黑箱”效应治理

当AI深度介入诊疗与审方流程后，原有的医患、药患法律关系变得更加复杂。《医疗机构人工智能应用与治理专家共识（2026版）》进一步确立了“人机协同、以人为主”的基本伦理原则。在我国现行的法律体系下，人工智能尚未被赋予独立的法律主体资格，因此AI系统自身无法独立承担法律责任。这也意味着，因AI辅助审方系统导致的医疗损害，必须在现有主体之间进行责任分配。

在司法与临床实践中，责任界定主要遵循以下逻辑框架：

然而，在实际的维权与司法鉴定过程中，由于现代深度学习大模型存在显著的“算法黑箱”特性，其复杂的决策逻辑难以被医生、患者甚至监管部门完全理解。这导致患者在试图证明自身损害与AI设计缺陷之间存在直接因果关系时，面临极其高昂的举证门槛，且极易导致医疗机构与研发企业之间相互推诿。为此，法学界和医疗伦理审查机制强烈呼吁引入“算法透明度协同治理”，建议在修订相关法规时增设“算法透明度披露义务”，强制要求高风险的医疗AI系统开发者提供可解释性报告与关键算法逻辑披露。同时，亟需重构动态的个体化医疗知情同意机制，通过可视化手段向患者解析技术风险，并在算法训练阶段强化公平性审查，遏制因数据偏倚加剧的资源分配失衡与算法歧视。

医保外配处方的“五个必查”强力监管机制

除了对网络零售的合规管控，国家在防范医保欺诈骗保方面也布下了天罗地网。2024年10月，国家医保局在对哈尔滨等地部分药店进行飞检，并查实伪造处方套取医保资金案后，迅速反应，出台了针对电子处方流转的“五个必查”刚性约束机制。该机制依托全国统一的医保信息平台大数据分析能力，要求各地医保部门做到：对纸质处方使用量大的必查、对单个处方开药剂量大的必查、对同一参保人重复超量开药的必查、对单体定点医疗机构纸质处方开方多的必查、以及对重点科室医保医师开方数量大的必查。

此外，新规从根本上堵死了业内曾普遍存在的违规操作空间，明确规定原则上定点零售药店只接受本统筹区内的医疗机构开出的处方，自2025年1月1日起（部分地区设置半年过渡期至7月1日），不再接受本统筹地区以外的医疗机构外配处方。这一规定极具杀伤力地遏制了互联网医院违规跨地区“开空方”、虚构用药需求的乱象。定点零售药店在为参保人调剂外配处方时，必须全面核准处方疾病诊断、用药信息及参保人身份，并应用药品追溯码以确保药品可追溯，一旦发现异常数据或不规范行为，不仅可以拒绝调剂，还需主动向医保部门举报。严苛的医保政策进一步倒逼零售药店必须引入反应迅速、规则完备的AI知识库，依靠技术手段而非纯人工来进行高强度的合规校验与医保控费预警，以规避潜在的行政处罚或医保协议解除风险。

核心技术架构：从规则引擎到检索增强生成（RAG）的跃迁

早期的药店处方审核系统多依赖于硬编码的“规则引擎”，即系统内置一套基于简单逻辑判断的规则库（如剂量不得超过X毫克、药物A与药物B存在配伍禁忌等）。然而，真实的临床医疗行为具有极高的复杂性。患者的年龄、体重、肝肾功能指标、并发症、以及既往用药史的个体化差异，使得传统僵化的规则引擎经常在面对复杂联用方案时产生大量的“假阳性”警报。药师每天面对成百上千条无意义的弹窗提醒，极易产生“警报疲劳”，反而增加了漏审高危处方的风险。近年来，随着大模型算法算力的突破，以知识图谱、自然语言处理（NLP）和检索增强生成（RAG）为核心的下一代AI审方系统，正全面重构智慧药学的基础设施。

医药知识图谱的自动化构建与国家标准对齐

任何优秀的AI辅助审方系统，其底层基石都必须是一套科学、完整且更新及时的医药知识图谱。在零售药店场景中，SKU（库存保有单位）极其庞大，数据维度要求高度标准化且更新频率极高，依靠纯人工维护知识库早已不切实际。

以中康科技的产业实践为例，其充分利用了飞桨（PaddleNLP）框架来解决海量非结构化药品说明书的数据处理难题。在技术实现路径上，中康科技结合了百度医疗领域预训练大模型ERNIE-Health以及通用信息抽取模型ERNIE-UIE，将药房审方中“辨明禁忌症、了解不良反应”的复杂需求，巧妙转化为基于自然语言处理的“自动结构化问题”。在说明书信息抽取过程中，系统采用“Prompt + 预训练模型阅读理解抽取”的创新范式，极大地降低了数据标注成本，支持少样本（few-shot）训练。医学专家仅需在Sinotation标注平台上定义基础Schema并完成少量数据标注，即可实现通用实体抽取。抽取的非结构化说明书数据随后会被自动化对齐到诸如SNOMED CT、UMLS等国际权威医学标准术语库中，从而扩展图谱的广度与深度。通过引入大量医学术语进行多任务对比学习微调，系统上线后，其医学知识图谱的F1值成功从0.86跃升至0.90左右，显著提升了信息抽取的准确性与鲁棒性。

在知识图谱的构建过程中，国家级权威标准的发布起到了定海神针的作用。2025年版《中华人民共和国药典》（以下简称《中国药典》）于2025年10月1日起正式施行。为了加快药品标准数字化升级进程，2025年版药典网络版在纸质版出版后迅速跟进，于2026年7月在国家药典委员会官方网站正式上线发布。该网络版全面优化升级，完整收录了《中国药典》一部至四部的全部标准内容，为包含中药配方颗粒、化学药有关物质检测、辅料与包材在内的药品全生命周期管理提供了最权威的数字化基准。AI知识库通过接入这些法定数字化标准，能够有效避免由于底层数据陈旧或相互矛盾导致的审方误判。

“AI智核”与检索增强生成（RAG）技术的深度融合

在具备了庞大且结构化的知识图谱后，如何让大语言模型（LLM）准确理解复杂的处方逻辑，并给出专业且可解释的审核建议，是大模型在医疗场景落地的核心壁垒。当前的行业前沿方案是采用“AI推理+规则审查”的双重分析机制，并在其中深度集成检索增强生成（RAG）技术。

以深耕临床合理用药领域二十余年的四川美康医药软件为例，其创新打造了“美康AI智核”架构。通用大模型虽然具备极强的自然语言处理和逻辑推理能力，但在高度严谨、不容试错的医疗领域，极易因参数记忆模糊而出现“机器幻觉”，凭空捏造不存在的药物相互作用。为了解决这一痛点，美康通过深度融合DeepSeek等顶尖人工智能大模型，引入了RAG技术。当系统接收到处方审核请求时，RAG模块会首先在美康自主建立的、包含百万级权威文献和专家共识的高品质医药知识库中进行定向精准检索，提取与处方相关的确凿事实。随后，大模型将这些被检索出的事实作为上下文输入进行推理生成。这种机制有效约束了模型生成边界，既保留了AI处理复杂语境的推理能力，又确保了审方结论的权威性、准确性和可追溯性。在实际业务流中，“美康AI智核”全面覆盖了事前智能前置审方、事中个体化参数（如检验值、体重）实时干预、以及事后处方点评的药学服务全生命周期闭环。

科技巨头与垂直大模型的生态赋能与博弈

零售药店审方能力的升级不仅依赖于专业医药软件厂商的耕耘，更离不开互联网科技巨头在底层算力与大模型生态上的强势赋能。当前，医疗垂直大模型市场呈现出百花齐放的态势。

腾讯健康在医疗大模型的研发上展现了深厚的技术积累。其全新发布的全链路自研混元大模型，拥有超千亿参数规模和超2万亿tokens预训练语料。为了让大模型“更懂医疗”，腾讯天衍实验室在基座模型中持续注入了涵盖285万医学实体、1250万医学关系、覆盖98%医学知识的知识图谱，并使用3000万组覆盖真实医患、药师对话场景的多任务微调数据，以及36万组专家医生标注数据进行强化学习。这使得大模型不仅在病历自动生成、AI合理用药等方面更加精准，同时在交互态度上也更兼顾患者关怀。此外，腾讯的药物发现平台“云深”（iDrug）披露了全新的蛋白质结构预测算法框架tFold，从制药源头为合理用药体系提供了科研支撑。

京东健康基于自身海量的数智供应链原生数据和医疗专有数据，推出了“京医千询”医疗大模型。该模型具有极强的产业属性和场景泛化能力，目前其皮肤医院AI辅诊准确率已超过95%。在审方领域，京东健康与北京海淀区合作搭建的AI处方前置审核系统已经在近百家基层医疗机构落地使用，日均精准审核处方量超过2万张，极大缓解了基层药师的审核压力。

百度灵医智惠打造的“灵医大模型”则依托国产全自研的文心一言底座，凭借万卡算力与完备的工具链保障，在互联网医疗、公立医院以及药店诊所方向积累了成熟的商业化落地方案，通过千亿Token的医疗健康语料训练，确保每一条用药建议都有据可循。智云健康研发的ClouD GPT行业大模型，经过广泛的医学数据锤炼，在患者线上复诊与处方开具环节建立起严格的质量控制机制，有效降低了医疗用药风险。在高校科研力量转化方面，由上海交通大学重庆人工智能研究院主导的“青囊AI医药”项目，基于自主研发且在SuperCLUE-Agent智能体榜单上位列全球第三的“兆言”大模型，针对基层药房资源短缺、店员专业能力不足的痛点，开发出了包含用药查询、机构运营在内的智能系统，帮助中老年慢病患者获取高性价比的联合用药推荐。

商业实践与场景重构：头部连锁药房的AI落地之路

面对政策的强力倒逼与行业利润被严重挤压的冰冷现实，中国头部的连锁药房正在通过全面的数智化转型与AI落地，试图在这场淘汰赛中寻找新的增长极。从早期的远程审方雏形到如今复杂AI智能体的全面接入，头部企业的实践为整个行业提供了可供借鉴的演进范式。

老百姓大药房：从远程审方拓荒者到“AI小丸子”全域智能体

作为中国药品零售行业的领军企业，老百姓大药房（拥有超过1.5万家门店）的发展史，也是一部用药安全管理的创新史。早在2012年，老百姓大药房便敏锐洞察到执业药师严重匮乏所带来的业务瓶颈，创造性地推出了“执业药师远程审方系统”。在该模式下，若驻店药师临时离岗，门店员工可通过网络将处方信息瞬间传输至后台远程审方室，由集中执业的药师进行视频审核并按指纹确认后回传。这一在当时极具前瞻性的模式，首创了行业内“集中执业、远程协同”的先河，并迅速被广州、浙江、长沙等地食药监局作为监管试点学习模板，在全国连锁药店掀起了一股试点热潮。

然而，随着公司业务版图的极速扩张和数千家加盟门店的涌入，传统的集中人工审方模式再次面临效率天花板。面对新一轮的AI浪潮，老百姓大药房围绕“科技驱动的健康服务平台”的总体战略，成立了由董事长亲自挂帅的“AI应用战略委员会”。公司依托历年沉淀的丰厚数据资产，携手腾讯健康，于2025年8月正式发布了医药零售行业专属的企业级AI综合问答智能体——“老百姓小丸子AI”。

发展至2.0版本的“小丸子AI”，其应用边界早已突破了单纯的“审方辅助”。在知识问答层面，它全面覆盖了医保政策解读、门店合规运维、员工训战与慢病用药指导等模块；而在针对加盟板块的健康药房业务上，公司大力推进多个智能体协同作战的模式，实现了对加盟门店经营健康度诊断、主数据治理、智能选品与请货辅助的智能化赋能。这种“对内降本增效、辅助增长，对外赋能中小药店”的双重AI战略，不仅极大缓解了总部的管理压力，更是在保持强集权、扁平化管理体系下，使公司的管理半径得以无边界延伸。此外，公司还通过举办覆盖全战区的AI赋能培训实战PK赛，培养了大量能够熟练驾驭AI工具的一线业务人才。

益丰大药房：数字化集中运维筑牢万店底座

益丰大药房是业内公认的“并购王”之一，自2015年起完成了超百起并购，门店总数突破1.4万家，拥有近8700万庞大的会员基数。然而，连续的跨区域并购导致企业面临各地IT系统孤岛林立、服务标准不一、跨部门协同效率低下等“成长的烦恼”。要支撑先进的AI审方和复杂的互联网医疗生态平稳运行，必须首先解决底层IT运维的痼疾。

为此，益丰大药房携手甄知科技，引入燕千云ITSM平台，量身打造了覆盖“总部-区域-门店”三层架构的集中化数字运维体系。在流程标准化与智能化协同方面，新一代平台通过部署智能推荐引擎，实现了80%以上重复性工单的自动化处理与分发，并结合灵活的工单路由机制，极大地加速了门店IT故障与系统问题的闭环处理。在数据驱动运营方面，益丰搭建了覆盖全国万家门店的专业IT知识库，支持知识资产沉淀与AI图谱建设，实现了常见问题的“自助查询+智能诊断”。该项目的落地使得益丰的工单平均处理时长缩短了50%，跨区域调度响应速度提升2倍，外包运维依赖度下降35%，为企业极速扩张提供了极其坚实、抗高并发的技术底座。

在此坚实底座之上，益丰于2019年成立数字化中心，全面打通了ERP、CRM、云商城与会员中心的数据链路，构建了覆盖“人、货、场”全要素的智慧网络。在药学服务场景中，益丰借助智能化运营系统，赋能执业药师对海量慢病会员进行精确到药物治疗、饮食调理、行为管理的连续性健康干预。通过数字智慧的深度赋能，益丰正努力打破传统柜台的物理边界，将服务场景无缝延伸至云端问诊与家庭药箱。

榆林广济堂：下沉市场的“诊所+药店”协同监管标杆

在一二线城市之外的下沉市场，执业药师资源的短缺更为严峻。陕西榆林市推行的远程审处方监管模式，为广大中小型连锁与单体药店提供了一种切实可行的破局思路。

榆林市规模最大的药品零售连锁企业广济堂，通过创新性的“诊所+药店”业态，将前端的轻问诊医疗资源与后端的审方交付紧密捆绑。在其日常业务流程中，广济堂中医馆的执业医师借助公司自主开发的远程药事服务平台“医师端”，能够为分布在各社区的连锁门店开具大量电子处方（单人日均开具量可达100-200张）。当消费者在门店购买处方药时，无论是持有电子处方还是纸质处方，店员均可通过高清扫描台向平台“门店端”发起实时电子审方需求。此时，终端屏幕会清晰展现后台值班执业药师的实时画面及其资质证件，药师通过高清视频通话对患者进行用药核实与专业问询。在确认无配伍禁忌并给出“审核通过”意见后，门店的“调配人”与“核对人”方可进行药品调配与交付。

榆林市市场监管局对这一模式给予了高度认可，并将其作为“智慧监管”的典型案例向全市药店推广。对于缺乏自建平台能力的小微药店，则鼓励其接入第三方平台（如陕西医链云平台）获取远程审方服务。这一区域性实践不仅彻底解决了基层药店处方来源不明和执业药师“挂证”的顽疾，更是在保证群众24小时购药便利的同时，实现了“先方后药、全程留痕”的合规闭环。

医共体模式：AI审方下沉县域的“双中心”建设

为了深入推进分级诊疗并缩小城乡药学服务差距，国家卫健委办公厅发布了《紧密型县域医共体中心（云）药房和集中（云）审方中心功能指引》，指导各地规范建设县域“双中心”。紧随政策导向，四川美康等企业为四川南江县、米易县等多地医共体提供了一体化建设方案。

以南江县人民医院医共体为例，其依托数智化平台，牵头打造了覆盖县级医院及36家基层医疗机构的集中审方中心与中心药房。在这一架构下，医共体率先实现了中心药房与审方中心在数据层与规则层的实时互通。利用美康AI智核的智能联动机制，基层开具的处方能够得到与三甲医院同质化的前置审核与处方点评。这种“审方数据驱动供应优化、供应状态反哺临床干预”的双向治理引擎，不仅统筹了全域药品的采购与短缺监测，更为乡镇居民织密了一张智能化、连续性的用药安全保障网。

结论与未来展望

综上所述，连锁药房执业药师AI知识库辅助审方系统的演进，并非单一的技术迭代，而是医药零售行业在政策强监管、医保控费趋严与自身利润空间受挤压的多重约束下，寻求高质量生存与转型的必然产物。随着自然语言处理技术、检索增强生成（RAG）以及医疗垂直大模型的日臻成熟，传统的机械规则引擎正在被具有深度推理能力的“AI智核”所取代。展望未来，该领域将呈现以下三大核心发展趋势：

第一，底层标准的国家级统一化与知识图谱的深度融合。 随着2025年版《中国药典》及配套数字化标准网络版的全面实施，不同厂商知识库之间的信息孤岛和判定龃龉将被极大消除。以药典为基础构建的统一知识图谱，将为RAG技术提供最为纯净、权威的真理源，从而使AI审方系统的预警精度和可解释性达到临床级要求。

第二，合规框架下的“人机协同”将成为永久性行业准则。 在《处方药网络零售合规指南》“严禁AI替代药师”的绝对红线内，AI的定位将始终保持为“智能辅助”。未来，技术厂商将投入更多精力解决“算法黑箱”问题，通过提供算法透明度报告和智能决策路径可视化，来满足监管部门对医疗损害责任追溯的合规要求。

第三，执业药师的角色重塑与行业核心价值的重构。 随着低附加值、重复性的处方核对工作被AI接管，执业药师将彻底从“警报疲劳”中解放出来。借助搭载大模型的个人智能终端，药师能够转型为全方位的“健康管理顾问”，专注于开展慢病患者跟踪随访、复杂药物治疗管理（MTM）以及提供个性化的营养干预方案。这一职业角色的根本性转变，将最终推动中国连锁药房完成从传统药品分销渠道商向现代专业医疗服务终端的历史性跨越。