县医院 AI 项目组的会议桌上，摊满了全国地图和民族分布表。林晓用红笔圈出三个重点区域 —— 藏族聚居的青海玉树县、维吾尔族聚居的新疆和田县、壮族聚居的广西巴马县，抬头对团队说：“国家卫健委要的‘标准化方案’，不能只靠彝族一个案例，这三个民族的病例必须拿到，不然标准就不接地气。”
话音刚落，微信群里就传来消息：藏族地区组的周涛发来
一段视频，画面里，当地村医正用手势跟老人沟通，AI 终端的语音交互却只认汉语，老人皱着眉，半天说不出一句完整的话。“语言障碍太严重了！” 周涛的语音带着焦急，“老人只会说藏语，我们带的翻译员不够，一天才收集 5 份病历。”
紧接着，维吾尔族地区组的刘敏也发来消息：“当地儿童常吃羊肉，容易出现‘积食性发烧’，症状是口臭、腹胀、体温 38c左右，AI 之前没见过，全判成了普通感冒，准确率才 62%。”
林晓看着消息，手指在桌上轻轻敲击，随后在群里发了一段话：“大家再坚持下，我们多收集一份病例，全国标准就多一分精准，基层患者就少一分误诊。藏族组请村医帮忙做临时翻译，我们马上协调双语人才支援；维吾尔族组联合当地医生，把‘羊肉积食发烧’的特征先整理出来，嵌入模型临时版本。”
安排完工作，林晓又联系联盟里的多民族县医院，请求支援 —— 青海的县医院派了 3 名藏汉双语医生，新疆的医院提供了 200 份历史积食病例，广西的医院则分享了壮族儿童 “湿热引发的皮肤病” 诊断经验。
在各方支持下，案例攻坚逐渐有了进展。藏族地区组请双语医生把 AI 的语音交互改成 “藏汉双语”，老人说 “????????????”（浑身疼），系统能自动翻译成 “全身疼痛”，再匹配诊断逻辑；维吾尔族地区组则把 “羊肉积食发烧” 的特征拆解成量化指标：“食用羊肉后 24 小时内发烧”“口臭指数≥80%”“腹胀程度中等”，嵌入模型后，准确率提升到 87%。
两个月后，当三个组的成员带着 1200 份多民族病例回到县医院时，每个人都晒得黝黑，却满脸笑容。林晓和团队熬夜整理，最终形成 3 个典型案例：一是彝族儿童营养不均衡的 AI 识别方案，包含 “荞麦饮食 + 高寒环境” 的特征组合；二是藏族老人双语 AI 交互方案，附带藏汉双语词库；三是维吾尔族儿童积食发烧的 AI 诊断逻辑，明确量化指标和治疗建议。
国家卫健委的调研专家来考察时，翻着厚厚的案例报告，忍不住称赞：“这些案例太珍贵了！是‘全国基层医疗 AI 标准’的活教材，比闭门造车制定的标准实用多了。”
就在团队准备提交案例的前一天，孙明突然联系林晓，说康医科技想参与全国标准制定：“我们有专业的技术团队，能帮你们完善标准里的算法细节、数据合规条款，还能提供更多研发资源。”
林晓立刻召集联盟成员开会，老张院长皱着眉说：“康医之前总搞小动作，让他们加入，会不会又想左右标准？”
“可以让他们加入，但得立规矩。” 林晓沉吟道，“第一，标准制定必须以基层需求为主，所有技术细节都要经联盟成员投票通过；第二，康医只能提供技术支持，不能干涉标准的核心方向，尤其是‘地域适配’‘数据合规’这些涉及基层利益的条款。”
联盟成员一致同意，林晓随后回复孙明：“欢迎康医加入，但要遵守联盟的规矩，一切以基层患者的利益为准。”
周教授得知后，特意赶来提醒：“晓啊，这是基层 AI 从‘地方实践’走向‘国家规范’的关键一步，一定要守住‘患者优先’的底线。资本的力量可以用，但不能让它左右标准，不然之前的努力就白费了。”
林晓点点头，翻开老院长的笔记本，里面有
一页写着：“标准不是冰冷的条款，是帮人看病的依据。” 她知道，制定全国标准的路还很长，会遇到各种挑战，但只要记住老院长的话，守住 “服务基层患者” 的初心，就一定能制定出真正实用、接地气的标准。
当天晚上，林晓在知乎专栏更新了一篇文章，标题是《我们为什么要去收集 1200 份多民族病例？》，里面写道：“基层医疗没有‘统一答案’，每个民族、每个地域的患者，都有自己的需求。我们收集的不是病例，是让 AI 懂基层的‘钥匙’，是让全国标准不脱离实际的‘根基’。未来，我们还会继续走下去，帮更多基层患者，让标准真正服务于人。”
文章下面，有读者留言：“我是藏族医生，之前 AI 听不懂藏语，现在终于有双语方案了，谢谢你们为基层着想！” 林晓看着留言，心里暖暖的 —— 她知道，这就是他们坚持下去的意义。